基于灰建模的同步EEG-fMRI脑功能动态建模与识别

To overcome the backage of less accurate presentation of brain function on the space and time simultaneously, a new method of dynamic modeling and recognition of brain function is proposed. The key techniques for dynamic modeling of brain function are high efficiency modeling method and accurate information fusion technique which both of them should be with very high speed. We take brain as a grey system and put forward to adopt grey modeling technique for dynamic modeling of brain function, which is accurate with less computation time. The parameters of grey model are taken as the features for recognition. Before building the grey model we need to obtain the fusion image of simultaneous EEG-fMRI to provide dataset for modeling. Inorder to fuse the multi-modal signals of simultaneous EEG-fMRI we adopt the NURBS modling technique to build accurate model of the head based on structural MRI. Then we obtain the fusion image through building a kind of 3-D EEG image of head under the restrain of fMRI based on the head model. Both of the space resolusion and characterictics of dynamics of the model of brain function will be improved by the new method. Our research will set up an integrated theory for research on dynamic feature of brain function and lays a theoretical foundation for further understanding and explaining the full proceedure of brain function and the regularity of the cognition. This research presents great significantes and brilliant prospect in many fields such as mental status examination or monitor and brain-computer interface.

为克服现有技术无法同时在时间和空间上得到脑功能的精确表述这一缺陷，提出脑功能动态建模和识别新方法，其关键在于高效快速的建模方法以及快速精准的多模态信息融合技术。本项目提出将大脑视为灰色系统，研究采用灰建模技术建立脑功能动态模型，将模型参数作为特征量进行脑功能状态识别，计算量小、准确度高，可实现脑功能动态模型快速精确地建立；而建模的前提条件是获得同时在时间和空间上都具有高分辨率的脑功能融合图像，因此，提出从同步检测的EEG-fMRI多模态脑功能图像着手，研究采用NURBS曲面建模技术，在fMRI约束条件下进行EEG三维成像，实现脑功能信息在时间和空间上的融合，显著提高脑功能动态模型的空间分辨率和动态特性，为灰建模提供数据条件。新方法为研究脑功能动态特征建立完整的理论依据，为进一步理解和揭示脑功能状态的全过程及认知规律奠定重要理论基础，对心理状态监测、脑-机接口等研究有重要意义和应用前景。

为实现同时在时间和空间上均得到脑功能的精确表述这一目的，提出将EEG和fMRI两模态的优势相结合，研究快速的真实头/脑建模方法、精准的多模态信息融合技术、高效的脑功能动态建模和识别方法，实现对脑功能动态特征全面、快速、精确的表达。具体研究内容和重要结果包括： (1) 提出了MRI约束下的EEG真实头/脑建模新方法。对NURBS曲面技术进行改进并用于头/脑精确建模，使得在保持相同的拟合精度的前提下，所需的节点数减少至大约为有限元的千分之一以下。利用这一技术，建立了真实头/脑模型，为EEG三维成像提供了几何配准模型。（2）基于所建立的真实头/脑模型，提出了EEG的高精度三维成像技术。通过相应的投影变换，直接得到复杂边界上静电方程的精确解，从而获得EEG的源分布，建立在fMRI约束下的高分辨率的EEG三维图像，保证了EEG图像和fMRI图像的精确配准，为两模态数据融合提供了新途径和可靠的数据基础。（3）提出并发展了基于灰色理论的信息融合技术。将所建立的新的EEG图像特征和fMRI的特征进行融合，提出了完整的基于灰色模型的EEG/fMRI融合方案，实现了两者的高效融合，建立了在时间和空间均有高分辨率的脑功能动态模型，时间和空间分辨率分别较用单模态EEG和fMRI分别提高10倍和3倍。利用实测的EEG-fMRI信号建立了脑功能动态模型，实验与先验信息吻合。（4）在脑功能特征提取与识别的研究中，提出与改进了若干新方法，包括将动态脑网络分析、空-时-频分析法用于脑电特征提取与识别，面向多特征多模态的在线学习机制和机器学习算法，提出了基于灰色理论的适合在线脑机接口的特征提取和识别方法，提高了特征提取与识别的性能。（5）利用上述研究成果开展了一系列相关研究，包括：基于灰色理论的空间选择性注意检测方法，同步EEG-fMRI数据检测中EEG的去除噪声方法并开发了软件包，多特征多模态的脑电特征诱发实验设计方案并进行了大量的数据检测，研制了实用的脑机接口系统。.按计划全面完成了预定研究内容，达到了预期目标。提出的新方法为研究多模态脑功能信息融合和动态特征建立了完整的理论依据，可以更有效地挖掘脑功能隐藏信息与特征，初步解决了脑功能动态过程的精确表达和脑功能隐藏信息的挖掘这两个关键科学问题。为进一步理解和揭示脑功能状态的全过程及认知规律奠定重要理论基础，对状态监测、脑-机交互等研究有重要意义。