fNIRS(功能性近紅外光譜)技術(shù)作為一種非侵入性的腦功能成像技術(shù)，近年來(lái)受到了廣泛關(guān)注。然而，fNIRS技術(shù)在數(shù)據(jù)采集過(guò)程中受到運(yùn)動(dòng)偽跡的干擾，這些偽跡包括尖峰、基線(xiàn)突變和緩慢漂移，會(huì)導(dǎo)致數(shù)據(jù)不穩(wěn)定和分析結(jié)果的偏差。這些偽跡會(huì)引入不必要的噪聲，導(dǎo)致數(shù)據(jù)分析結(jié)果的偏差，限制了其進(jìn)一步應(yīng)用的準(zhǔn)確性和可靠性。在實(shí)際應(yīng)用中，運(yùn)動(dòng)偽跡的存在極大地干擾了fNIRS信號(hào)的精準(zhǔn)分析，因此對(duì)這些偽跡進(jìn)行抑制和校正成為了提高fNIRS技術(shù)準(zhǔn)確性的迫切需求。
鑒于現(xiàn)有的處理方法存在一定局限性，為了有效地抑制和校正fNIRS信號(hào)中的運(yùn)動(dòng)偽跡，WIMI微美全息通過(guò)基于數(shù)學(xué)形態(tài)學(xué)和中值濾波等方法，針對(duì)fNIRS信號(hào)處理中的尖峰、基線(xiàn)突變和緩慢漂移等運(yùn)動(dòng)偽跡問(wèn)題，研發(fā)了一種全新的運(yùn)動(dòng)偽跡抑制與形態(tài)優(yōu)化算法。該算法充分利用了數(shù)學(xué)形態(tài)學(xué)方法對(duì)信號(hào)形態(tài)特征進(jìn)行分析和優(yōu)化，結(jié)合中值濾波算法的優(yōu)勢(shì)進(jìn)行了改進(jìn)，以提高對(duì)fNIRS信號(hào)運(yùn)動(dòng)偽跡的精準(zhǔn)識(shí)別和有效校正能力，為準(zhǔn)確解讀腦功能活動(dòng)提供了有力支持。
該算法的核心是綜合運(yùn)動(dòng)偽跡抑制與形態(tài)優(yōu)化的策略。首先，通過(guò)計(jì)算信號(hào)的近似梯度和滑動(dòng)標(biāo)準(zhǔn)差，微美全息(NASDAQ:WIMI)fNIRS-MASMOA運(yùn)動(dòng)偽跡抑制與形態(tài)優(yōu)化算法(Motion Artifact Suppression and Morphological Optimization Algorithm，MASMOA)能夠檢測(cè)運(yùn)動(dòng)偽跡的存在，然后針對(duì)不同類(lèi)型的偽跡應(yīng)用特定的處理方法。對(duì)于尖峰，算法使用改進(jìn)的中值濾波技術(shù)，將它們有效地去除。接下來(lái)，對(duì)于基線(xiàn)突變和緩慢漂移，算法采用數(shù)學(xué)形態(tài)學(xué)方法，通過(guò)形態(tài)學(xué)操作來(lái)優(yōu)化信號(hào)的形態(tài)，使其更符合腦活動(dòng)的真實(shí)特征。與現(xiàn)有的方法相比，NfIRS-MASMOA 在均方誤差、信噪比、皮爾遜相關(guān)系數(shù)的平方以及峰峰誤差方面表現(xiàn)出了卓越的性能。這一算法的開(kāi)發(fā)代表了一個(gè)里程碑，為研究人員提供了一種全新的、高效的工具，以更準(zhǔn)確地研究大腦活動(dòng)。
WIMI微美全息fNIRS-MASMOA的邏輯和技術(shù)框架基于對(duì)fNIRS信號(hào)中運(yùn)動(dòng)偽跡的特征分析和處理流程。其主要步驟包括運(yùn)動(dòng)偽跡檢測(cè)、定向中值濾波處理和數(shù)學(xué)形態(tài)學(xué)優(yōu)化校正：
運(yùn)動(dòng)偽跡檢測(cè)：該算法首先對(duì)原始fNIRS信號(hào)進(jìn)行近似梯度和滑動(dòng)標(biāo)準(zhǔn)差計(jì)算，以檢測(cè)信號(hào)中的運(yùn)動(dòng)偽跡。這一步旨在準(zhǔn)確識(shí)別出尖峰、基線(xiàn)突變和緩慢漂移等類(lèi)型的運(yùn)動(dòng)偽跡。
定向中值濾波處理：一旦運(yùn)動(dòng)偽跡被識(shí)別出來(lái)，算法將針對(duì)尖峰類(lèi)型的運(yùn)動(dòng)偽跡應(yīng)用定向中值濾波處理。該處理方法利用信號(hào)的梯度信息和局部特征對(duì)尖峰進(jìn)行定向?yàn)V波，有效地去除尖峰對(duì)信號(hào)分析的干擾。
數(shù)學(xué)形態(tài)學(xué)優(yōu)化校正：接著，對(duì)于基線(xiàn)突變和緩慢漂移類(lèi)型的運(yùn)動(dòng)偽跡，算法采用數(shù)學(xué)形態(tài)學(xué)優(yōu)化方法進(jìn)行校正。這一步驟利用形態(tài)學(xué)操作對(duì)信號(hào)進(jìn)行膨脹、腐蝕等處理，以消除基線(xiàn)突變和緩慢漂移對(duì)信號(hào)形態(tài)和特征的影響，從而實(shí)現(xiàn)信號(hào)的精準(zhǔn)重建和優(yōu)化。
微美全息(NASDAQ:WIMI)fNIRS-MASMOA的技術(shù)框架綜合運(yùn)用了定向中值濾波算法、數(shù)學(xué)形態(tài)學(xué)算法以及信號(hào)處理中的梯度分析等方法，通過(guò)對(duì)fNIRS信號(hào)中不同類(lèi)型運(yùn)動(dòng)偽跡的差異化處理，實(shí)現(xiàn)了對(duì)原始信號(hào)的精準(zhǔn)抑制與優(yōu)化。其核心思想是針對(duì)不同類(lèi)型的運(yùn)動(dòng)偽跡，采用特定的處理策略進(jìn)行針對(duì)性校正，以保證fNIRS信號(hào)數(shù)據(jù)的精確性和可靠性，為后續(xù)的腦功能活動(dòng)分析提供準(zhǔn)確的數(shù)據(jù)基礎(chǔ)。其將定向中值濾波和數(shù)學(xué)形態(tài)學(xué)校正相結(jié)合，充分發(fā)揮了兩種方法的優(yōu)勢(shì)，構(gòu)建了一個(gè)綜合性的處理框架，為解決fNIRS信號(hào)中的運(yùn)動(dòng)偽跡問(wèn)題提供了一種全面、高效的解決方案。通過(guò)有效抑制和校正fNIRS信號(hào)中的運(yùn)動(dòng)偽跡，該算法能夠提高腦功能活動(dòng)分析的精準(zhǔn)性和可靠性，為研究人員和醫(yī)學(xué)專(zhuān)業(yè)人士提供了更可靠的數(shù)據(jù)基礎(chǔ)。
顯然，WIMI微美全息fNIRS-MASMOA通過(guò)有效解決fNIRS信號(hào)中的運(yùn)動(dòng)偽跡問(wèn)題，該算法不僅為腦功能成像研究提供了新的技術(shù)手段，同時(shí)也為相關(guān)領(lǐng)域的交叉研究和應(yīng)用提供了更廣闊的空間。它有望推動(dòng)腦功能成像技術(shù)在認(rèn)知神經(jīng)科學(xué)、神經(jīng)工程學(xué)、神經(jīng)反饋等領(lǐng)域的應(yīng)用拓展，為未來(lái)的腦科學(xué)研究和醫(yī)學(xué)實(shí)踐帶來(lái)新的發(fā)展機(jī)遇。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
