[发明专利]基于组平均的多任务功能性近红外光谱信号的身份识别

说明书

本发明公开了基于组平均的多任务功能性近红外光谱信号的身份识别，主要步骤为：对近红外光谱仪器输出的原始光信号进行预处理，将预处理的信号按照不同的任务、模态进行提取；基于提取的信号利用皮尔森相关构建功能脑网络；按照不同比例，将脑网络分到不同的组中，结合平均操作，获得组内的代表性脑网络。该方法用简单的方法提取了具有个体特异性的特征，同时为基于近红外光谱数据的身份识别问题提供了基准方法，具有重要理论意义与实际应用价值。

技术领域

本发明涉及生物医学信息处理技术领域，具体地说是基于组平均的多任务功能性近红外光谱信号的身份识别。

背景技术

在社会信息化的快速发展进程中，身份识别问题已经引起了我们的广泛关注。而在上世纪90年代以后，越来越多的生物特征被广泛的应用于身份识别领域，如：指纹、步态、人脸、虹膜以及静脉等，但这些传统的生物特征在不同程度上都存在着缺陷，例如：采集困难、易被伪造等问题，难以满足人们日益增长的对信息安全的需求。这些需求促使学术界以及工业界去探索新的生物特征。

一种合格的生物特征在人群中应该具有普遍性、唯一性以及可靠性，采集过程要相对便捷，且不易被盗取，同时能够活体检测也变得越来越重要。功能性近红外光谱技术(functional near-infrared spectroscopy,fNIRS)作为一种新兴的生理光信号，其能够检测大脑活动过程中血氧水平变化，相比于传统的生物特征，功能性近红外光谱具有其独特的优势：(1)活体性，只有活着的个体才能采集到近红外信号；(2)抗伪造性，即使是在被胁迫的状态下进行信号采集，也会因大脑状态的不同而失败；(3)普适性，近红外信号具有良好的稳定性，对运动不敏感，因此适用于绝大部分特殊人群；(4)数据量少但信息丰富，与人脸、指纹等二维图像数据相比，近红外光谱信号数据量较小，且包含含氧血红蛋白(oxy-hemoglobin,Oxy-Hb)以及脱氧血红蛋白(deoxy-hemoglobin,Deoxy-Hb)两种物质的浓度变化，在医疗诊断方面同样具有重要的研究价值。

然而，单纯的比较近红外光谱信号的强度并没有意义，因为这些信号来自不同被试，强度也是相对的、非定量的。而基于功能性近红外光谱信号构建的脑功能网络可以描述在不同状态下脑区与脑区间的连接强度，刻画血氧信号之间的依赖关系，同时为探索大脑的功能机制提供了一种可行的方法。

作为构建脑功能网络最简单且最有效的方法，皮尔森相关系数(Pearsoncorrelation coefficient,PC)已经应用到许多功能成像技术中，例如：功能磁共振成像(functional magnetic resonance imaging,fMRI)、脑磁图(magnetoencephalography,MEG)、脑电图(electroencephalography,EEG)等。从数学的角度看，PC用于度量两个变量之间的线性相关性,而在本发明中,PC用于度量两个脑区间的依赖关系。为了探究平均操作对于BFN在身份识别问题中的作用，我们将相同任务下的实验信号按照不同比例分成若干组，提取各组的代表性信号，采用支持向量机进行多分类。这是基于近红外光谱信号在身份识别领域的一次探究，扩展了近红外光谱在生物信息领域的应用。

发明内容

本发明要解决的技术问题是提供基于组平均的多任务功能性近红外光谱信号的身份识别，其脑网络构建方法以及分类模型均不涉及任何超参数，通过最简单的方法实现相对高效的识别任务。

为解决上述技术问题，本发明采用如下技术手段：

(1)首先，对近红外光谱设备采集到的信号进行读取；其次，为了移除噪声对身份识别的干扰，进行预处理操作：光信号的带通滤波，修正的Lambert-Beer定律转化，血氧蛋白浓度信号的带通滤波，从而移除低频及高频的生理噪声，如呼吸、心跳、脉搏等，之后进行基线处理消除全局信号的影响，最终得到干净的信号；