联合盲源分离及其在生物医学工程中的应用-ppt
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
s
1
s2
A
sN
S
信号源
X = AS
x1 x2
xN
X
观测信号
11
盲源分离介绍
朗读声
噪声:汽车喇叭声, 广场舞背景音乐
S 信号源
X 观测信号
Y 恢复信号 12
盲源分离
临床最常用实例
一段脑电信号
不相关/独立
脑电
眼电
...
心电
工频
其他医学数据,如事件相关电位ERP,功能磁共振图像fMRI等。
13
Formulation
脑电
肌电
运动特征
三种信息融合
同时测量脑电肌电以及运动特征,提取出协同信号,并用 来建立大脑功能连接网络,有助于神经运动障碍疾病的诊断 27
实例 1 – 神经运动障碍疾病的脑网络模式研究
通过对比正常人和帕金森病人的大脑连接网络,我们发现帕 金森病人非常依赖于大脑枕部连接,枕部是负责视觉处理的。
Chen et al. 2013 IEEE TBME
Calhoun et al. 2001 Hum Brain Map Calhoun et al. 2006 Hum Brain Map Chen et al. 2014 IEEE TITB Lee et al. 2008 NeuroImage Anderson et al. 2012 IEEE TSP Chen et al. 2014 IEEE TBME
28
实例 1 – 神经运动障碍疾病的脑网络模式研究
29
实例 2 – 脑电信号的噪声去除
脑电图EEG 通过医学仪器脑电图描记仪将人体脑部自身产 生的微弱生物电放大记录而得到的曲线图。
脑电的应用 用于各种脑部疾病的诊断,如癫痫、脑血管疾 病;可用于睡眠状态和麻醉深度监测;还可作 为控制其他设备的输入信号,如脑机接口等
联
...
合
...
盲
源 分
...
...
...
...
离
Chen et al. “Independent Vector Analysis Applied to Remove Muscle Artifacts in EEG Data,” IEEE Trans. on Instrum. Meas., to appear, 2017
max
(v1T
X
T 1
X
2
v2
)2
,
s.t. v1T X T Xv1 1, v2TY TYv2 1
v1,v2
偏最小二乘法PLS
二 双阶 模统 态计
量
分别在两组数据集中各寻找一个信号源,使得这两个信号源的协方差系数最大
。
目标函数
max
(w1T
X
T 1
X
2
w2
)2
,
s.t. wiT wi 1, i 1,2
w1,w2
21
目标函数
• 让不同数据集中相对应的信号源有关联性 • 让同一个数据集中不同的信号源无关联性
IC-PLS OR Parallel ICA
adaptive weights
weight vectors
max α[E((w1T x)(w2T y))] 2
w1,w2
PLS/CCA objective function
Chen et al. "A Preliminary Study of Muscular Artifact Cancellation in Single-Channel EEG." Sensors 14.10 (2014): 33
18370-18389.
实例 2 – 脑电信号的噪声去除
国家自然科学基金青年基金,脑电信号中肌电噪声去除的新探索 (61501164),2016.01 -2018.12.
联合盲源分离
信 的
号 相
源 关
之 性
间
14
X1
盲
源
不相关/独立
分 离
...
联
不相关/独立
X1
X2
相关的,同时分解
...
Xk
合
...
盲
...
源
分
...
...
...
...
离
15
联合盲源分离具体实例
源信号
16
联合盲源分离具体实例 Xi = Ai Si, i=1,2,3 Ai’s 是随机产生的三个不同的混合矩阵;
Nature neuroscience, vol. 17, no. 11, pp. 1440-1441, 2014.
7
需求:多模态(Multimodality)
8
需求:群分析(Group Analysis)
9
内容概要
1
背景介绍
2
医学信号处理需求
3
联合盲源分离
4
应用实例
10
鸡尾酒会问题
盲源分离介绍
β[E(G(w1T x)) E(G(u1 ))] 2
ICA for X
θ[E(G(w2T y)) E(G(u2 ))] 2 ICA for Y
s.t. wiT wi 1, i 1,2
standard Gaussian variable non-quadratic function
22
联合盲源分离最新算法
Gonzalez et al. 2007 SMPGD Eliseyev et al. 2013 PLOS One Chen et al. 2013 JAM
Chiang et al. 2012 NeuroImage Zhao et al. 2013 IEEE Trans PAMI
Xun Chen et al., "Joint Blind Source Separation for Neurophysiological Data Analysis: Multiset and
multimodal methods." IEEE Signal Processing Magazine, vol. 33, no. 3 (2016): 86-107.
原因:
1. 肌电和脑电的频谱有很大的重合;
2. 头部肌肉结构复杂,信号源多;
3. 肌电形态不固定,即使同一块肌肉不同时
间,不同力度产生的肌电信号,其频谱分
布和概率分布都不一样。
32
实例 2 – 脑电信号的噪声去除
肌电:自相关系数很低
X1= X1(t)
X2=X1(t-1) ... Xk= X1(t-k+1)
混合信号
17
联合盲源分离具体实例
盲源分离
联合盲源分离
18
Formulation-1
19
Formulation-2
20
目标函数
• 让不同数据集中相对应的信号源有关联性
• 让同一个数据集中不同的信号源无关联性
典型相关分析CCA
分别在两组数据集中各寻找一个信号源,使得这两个信号源的相关系数最大
。
目标函数
大多数的识别率可以接受的肌电系统,基本是针对个别用户,或者最多是 针对一群人的,称作多用户,但是对新用户基本不起作用,通用性不强, 大大限制了肌电控制系统的实用性。
1. 用户之间的肌电模式存在差异性,例如,对于同一类 动作,不同用户的肌电特征会有差别;
2. 即使同一个用户,对同一类动作,在不同情况下,肌 电特征也是有差异的,比如电极位置和情绪的变化。
实例 1 – 神经运动障碍疾病的脑网络模式研究 Motor Task:
人体在完成运动功能时,电化学信号在神经网络传输,控 制骨骼肌肉收缩,产生相应人体动作;
26
实例 1 – 神经运动障碍疾病的脑网络模式研究
“cortico” - “muscular” - “hand”
(大脑)
(肌肉)
(手臂)
研究(81571760),2016.01 -2019.12.
44
实例 4 – 基于Webcam的生理参数测量
Chen et al. “Video-based Human Heart Rate Measurement Using Joint Blind Source Separation”,
பைடு நூலகம்
Biomedical Signal Processing & Control, to appear, 2017.
PLS+CCA 双 Multiblock 模
PLS
态
HOPLS
不相关
RGCCA 多 MCCA 模 JBSS-SOS 态 JMSF
EEMD-JBSS
Parallel ICA IC-PLS
独立的
Group ICA Joint ICA
3-Step IVA-L IVA-G EEMD-IVA
Liu et al. 2006 Proc SPIE
L e u v e n
48
实例 5 – 基于SSVEP的脑机接口 参考信号的优化
人工设置参考信号
联合盲源分离
这里的H 是谐波个数,F 是采样频率。
Y. Zhang, A. Cichocki, et al. “Frequency Recognition in SSVEP-based BCI using Multiset
39
实例 3 – 肌电控制系统
联合盲源分离
Multiple Expert Users
40
实例 4 – 基于Webcam的生理参数测量
41
实例 4 – 基于Webcam的生理参数测量
42
实例 4 – 克服头部移动
43
实例 4 –克服头部移动
国家自然科学基金面上项目,基于视频的非接触式生理参数监测关键技术
实例 5 – 基于SSVEP的脑机接口
Steady-State Visual Evoked Potential—稳态视觉诱发电位
当受到一个固定频率的视觉刺激的时候,人的大脑视觉皮层会产生一个 连续的与刺激频率有关的响应
6Hz
8Hz
10Hz
12Hz
参 考 信 号
脑
电
信
号
47
实例 5 – 基于SSVEP的脑机接口
23
内容概要
1
背景介绍
2
医学信号处理需求
3
联合盲源分离
4
应用实例
24
实例 1 – 神经运动障碍疾病的脑网络模式研究
帕 金 森 氏 病
Dr. Z. Jane Wang Dept. of ECE, UBC
缺 乏 多 巴 胺
Dr. Martin J. McKeown
25
Dept. of Med., UBC
34
实例 2 – 脑电信号的噪声去除
35
实例 2 – 单通道联合盲源分离算法
36
实例 3 – 肌电控制系统
37
实例 3 – 肌电控制系统
38
实例 3 – 肌电控制系统
目前的难题:用户独立的肌电系统设计
例如,某个肌电控制设备在某一些用户身体训练以后,来一个新用户,这 个新用户可以直接使用这个已经训练过的设备,而不需要做太多的适应。
-- 电商如何利用大量消费数据来产生更大的经济效益?
-- 人机交互如何通过光、声、电、触觉等多模态信息融合来理解人类意图?
4
核心研究对象(Data)
核心技术基础(SP&ML)
标量
向量
矩阵
张量
N个矩阵
N个张量
5
内容概要
1
背景介绍
2
医学信号处理需求
3
联合盲源分离
4
应用实例
6
T. J. Sejnowski, P. S. Churchland, and J. A. Movshon, “Putting big data to good use in neuroscience,”
联合盲源分离及其 在生物医学工程中的应用
陈勋 生物医学工程系 合肥工业大学
2016年11月12日@上海大学
内容概要
1
背景介绍
2
医学信号处理需求
3
联合盲源分离
4
应用实例
2
物联网、车联网、医院信息系统、人体传感网络、智能家
居、智能制造等。
3
如何将不同类别不同群体的数据进行信息融合以挖掘更多有用信息?
Chen et al. “Removing Muscle Artifacts from EEG Data: Multichannel or Single-Channel Techniques?” IEEE Sensors Journal, vol. 16, no. 7, pp. 1986-1997, 2016.
脑电信号EEG中常见的噪声干扰
眼电EOG 心电ECG
肌电EMG
运动伪迹
工频干扰
30
实例 2 – 脑电信号的噪声去除
31
实例 2 – 脑电信号的噪声去除
眼电、心电、运动伪迹噪声的去除 采用独立成分分析ICA
肌电噪声最难去除,ICA不能完全去除 的,近三年才有定论 (McMenamin et al. 2011 NeuroImage)。
Tenenhaus et al. 2011 Psychometrika
Li et al. 2009 IEEE Trans SP Li et al. 2011 Elsevier SP
Chen et al. 2013 IEEE TMM
Chen et al. 2014 Sensors
RCCA
N-way PLS
45
实例 4 –克服环境光
J. Cheng, Xun Chen*, L. Xu, Z. J. Wang, “Illumination Variation-Resistant Video-Based Heart Rate Measurement Using JBSS and EEMD,” IEEE Trans. on Inform. Tech. Biomed., to appear, 2017. 46