潘寶君 朱俊杰

摘? 要： 在使用線性約束最小方差（LCMV）波束形成器重構(gòu)心臟磁場(chǎng)電流源的研究中，為了解決時(shí)間窗過大或者太小造成心臟電流源遺漏的問題，文中提出一種自適應(yīng)時(shí)間窗波束形成的心磁源重構(gòu)方法。該方法通過不斷的調(diào)整時(shí)間窗得到相應(yīng)的功率譜，然后求出功率譜中所有的局部極大值，當(dāng)局部極大值中的最大值和最小值的比值達(dá)到最小時(shí)，此時(shí)對(duì)應(yīng)的時(shí)間窗為源重構(gòu)的最佳時(shí)間窗。在仿真實(shí)驗(yàn)中，用固定時(shí)間窗和自適應(yīng)時(shí)間窗波束形成方法分別對(duì)兩個(gè)和三個(gè)電流偶極子產(chǎn)生的心磁數(shù)據(jù)進(jìn)行了重構(gòu)，結(jié)果表明，自適應(yīng)時(shí)間窗波束形成方法在兩種情況下都具有較好的源重構(gòu)能力。

關(guān)鍵詞： 心磁源重構(gòu);波束形成;線性約束最小方差;逆問題;心磁源成像

【Abstract】： In the study of reconstructing the cardiac magnetic field current source using the linear constrained minimum variance （LCMV） beamformer， in order to solve the problem that the current source is missing due to too large or too small time window， an adaptive time window beamforming is proposed. Cardiac magnetic source reconstruction method. The method obtains the corresponding power spectrum by continuously adjusting the time window， and then finds all local maximum values in the power spectrum. When the ratio of the maximum value and the minimum value in the local maximum value reaches a minimum， the corresponding time at this time The window is the best time window for source reconstruction. In the simulation experiment， the cardiac magnetic data generated by two and three current dipoles are reconstructed by fixed time window and adaptive time window beamforming method respectively. The results show that the adaptive time window beamforming method is in two. In all cases， there is better source reconstruction capability.

【Key words】： Magnetocardiography source location; Beamforming; Linear constrained minimum variance; Inverse problem; Magnetocardiography source imaging

0? 引言

利用超導(dǎo)量子干涉儀測(cè)量技術(shù)，可以通過無創(chuàng)傷、非接觸且無外加激勵(lì)的方式測(cè)量到人體心臟胸腔表面的磁場(chǎng)信號(hào)[1-3]。如何利用測(cè)量的心臟磁場(chǎng)數(shù)據(jù)重構(gòu)心臟的電流源分布是現(xiàn)階段心臟電活動(dòng)逆問題研究的主要任務(wù)之一，很多研究學(xué)者對(duì)心臟的電活動(dòng)做了深入的研究 [4-8]，其目的是獲取心臟內(nèi)部電活動(dòng)信息輔助診斷心臟疾病。

波束形成器是一種常被用于心磁圖和腦磁圖源重構(gòu)中的成像方法。早在1988年，Van Veen就對(duì)波束形成器進(jìn)行了深入的研究[9]。1997年Van Veen等人首次將波束形成的方法引入到腦電的研究中[10]，此方法的引入為腦電的研究開辟了新的途徑。2001年Sekihara提出了信號(hào)子空間特征投影的方法，并將此方法應(yīng)用到腦磁的研究中，研究表明該方法可

以抑制噪聲對(duì)源估計(jì)的影響[11]。2007年Kiwoong Kim提出了分離表面電位活動(dòng)區(qū)域的空間濾波方法，通過這種方法可以用心磁圖顯示心肌表面動(dòng)作電位（AMAP）的活動(dòng)圖[12]。2013年，王偉遠(yuǎn)等人對(duì)減時(shí)窗波束形成器源重構(gòu)方法進(jìn)行了研究，仿真結(jié)果表明，這種減時(shí)窗波束形成器能夠重構(gòu)分布時(shí)變電流源，并能達(dá)到較好的精度[13]。2014年，王偉遠(yuǎn)等人又提出了多時(shí)窗波束形成器的方法，利用多個(gè)時(shí)窗寬度的數(shù)據(jù)估計(jì)某一時(shí)刻心臟磁場(chǎng)源的活動(dòng)，此方法對(duì)突發(fā)源具有較好的重構(gòu)性能，并用該方法重構(gòu)了左右束支傳導(dǎo)阻滯病人的心臟電流源[14]。2017年，Wenxu Sun 等人提出了一種從軀干正面和背面的平行位置重構(gòu)心臟電流源的方法，結(jié)果表明該方法能夠提高源空間的分辨率[15]。2018年，周大方等人提出了一種可抑制空間濾波器輸出噪聲功率增益（SONG）的波束形成方法，該方法具有較好的降噪能力，提高了心磁源重構(gòu)的分辨率[16]。

本文在線性約束最小方差（LCMV）波束形成器的基礎(chǔ)上提出了一種自適應(yīng)時(shí)間窗波束形成源重構(gòu)方法，仿真實(shí)驗(yàn)中，對(duì)兩組仿真的心磁數(shù)據(jù)進(jìn)行源重構(gòu)，一組數(shù)據(jù)由兩個(gè)持續(xù)時(shí)間很長的電流偶極子產(chǎn)生，另一組數(shù)據(jù)由兩個(gè)持續(xù)時(shí)間很長的電流偶極子和一個(gè)持續(xù)時(shí)間較短的電流偶極子產(chǎn)生。結(jié)果表明，自適應(yīng)時(shí)間窗波束形成方法重構(gòu)出的源與仿真電流偶極子吻合。最后利用該方法對(duì)一組健康人的心磁數(shù)據(jù)進(jìn)行了源重構(gòu)。

4? 結(jié)論

本文在線性約束最小方差波束形成器的基礎(chǔ)上提出了自適應(yīng)時(shí)間窗波束形成心磁源重構(gòu)的方法，該方法通過約束功率譜極值選取較為合適的時(shí)間窗。仿真結(jié)果表明，自適應(yīng)時(shí)間窗波束形成方法的源重構(gòu)能力優(yōu)于給定時(shí)間窗的源重構(gòu)能力，在存在

短時(shí)間源的情況下，自適應(yīng)時(shí)間窗波束形成方法仍然有較好的重構(gòu)性能。文中利用提出的自適應(yīng)時(shí)間窗波束形成方法對(duì)一組健康人的心磁數(shù)據(jù)進(jìn)行了分析，結(jié)果表明QRS波段的心臟電活動(dòng)主要集中在左心室和左心房部位，T波段的心臟電活動(dòng)主要集中在左心室，但心房區(qū)域也有電活動(dòng)分布。

該方法在沒有噪聲的情況下對(duì)電流偶極子進(jìn)行重構(gòu)有很好的效果，加入噪聲后，該方法的源重構(gòu)精度明顯下降，因此，可以在抑制噪聲方面對(duì)該方法進(jìn)行改進(jìn)。文中主要討論了固定偶極子在同一深度的源重構(gòu)情況，移動(dòng)偶極子在不同深度的源重構(gòu)精度尚需深入的研究。

感謝中國科學(xué)院上海微系統(tǒng)與信息技術(shù)研究所為本研究提供的心臟磁場(chǎng)數(shù)據(jù)與核磁共振影像數(shù)據(jù)。

參考文獻(xiàn)

[1]Cohen. D.， Edelsack. E. A.， Zimmerman， J. E. magne to cardiograms taken inside a shielded room with a super conducting point-contact magnetometer[J]. Applied Physics Letters， 1970， 16（7）： 278-280.

[2]Opfer J， Yeo Y， Pierce J， et al. A superco-nducting second- derivative gradiometer[J]. IEEE Transactions on Magnetics， 1974， 10（3）： 536-539.

[3]Zhang S L， Wang Y L， Wang H W， et al.， Quantitative evaluation of signal integrity for magnetocardiography[J]. Phy sics in Medicine and Biology， 2009， 54（15） 4793-4802.

[4]朱俊杰， 蔣式勤等， 多腔體心臟磁場(chǎng)模型的研究與應(yīng)用[J]. 物理學(xué)報(bào)， 2014， 63（5）： 058703.

[5]Bruder H.， Killmann R.， Moshage. W.， Bioma-gnetic localization of electrical-current sourc-es in the human heart with rea listic volume conductors using the single-current-dipole m-odel[J]. Physics in Medicine and Biology， 1994， 39（4）： 655-668.

[6]Uk Bin lm， Kwon S. S， Kim K， et al.， Theoretical analysis of the magnetocardiographic pattern for reentry wave propa gation in a three-dimensional human heart model[J]. Progress in Biophysics and Molecular Biology， 2008， 96（1-3）： 339-356.

[7]Wang Q， Ma P， Lu H， et al. ， Inverse computation for cardiac sources using single current dipole and current multipole models[J]. Chinaese Physics B， 2009， 18（12）： 5566-5574.

[8]Zhu Jun-jie， Jiang S Q， Wang W Y， et al. Cardiac electrical activity imaging of patients with CRBBB or CLBBB in magn etocardiography[J]. Chinese Physics B， 2014， 23（4）， 048702.

[9]B. V. Veen. ， K. M. Buckley. “Beam-forming： A versatile approach to spatial filtering”[J]. IEEE ASSP Mag. ， 1988， 1（5）： 4-24.

[10]B. V. Veen， W. V. Drongelen， et al. Localization brain electrical activity via linearly constrained minimum variance spatial filtering[J]. IEEE Trans Biomed. Eng， 1997， 44（9）： 867-880.

[11]Sekihara K.， Nagarajan S. S， Poeppel D， et al. Reconstructing spatio-temporal activities of neural sources using a MEG vector beamformer technique[J]. Biomedical Engineering， IEEE Transactions on， 2001， 48（7）： 760-771.

[12]Kim K， Doosang Kim， Eun-Bo Shim， et al. Separative Surface Potential Activation Beamformer for Localizing Reentrant Excitation of Atrial Fibrillation[C]. Proceedings of NFSI & ICFBI， 2007， 316-319.

[13]王偉遠(yuǎn)， 趙晨， 林玉章等. 心臟磁場(chǎng)分布電流源重構(gòu)及其精度分析[J]. 物理學(xué)報(bào)， 2013， 62（14）： 148703.

[14]王偉遠(yuǎn)， 蔣式勤， 周大方等. 基于多時(shí)窗波束形成器方法的心臟磁場(chǎng)信號(hào)分析[J]. 物理學(xué)報(bào)， 2014， 63（24）： 248702.

[15]Wenxu Sun， Koichiro Kobayashi. Estimation of Magnetocar diography Current Sources Using Reconstructed Magnetic Field Data[J]. IEEE Transactions on Magnetics ， 2017， 53（11）： 5100404.

[16]周大方， 張樹林， 蔣式勤. 用于心臟電活動(dòng)成像的空間濾波器輸出噪聲抑制方法[J]. 物理學(xué)報(bào)， 2018， 67（15）： 158702.

[17]Sarvas J. Basic mathematical and electromagnetic concepts of the biomagnetic inverse problem[J]. Phys. Med. Biol. 1987， 32： 11-22.

[18]Geselowitz D B. On the Magnetic Field Generated Outside an Inhomogeneous Volume Conductor by Internal Current Sources [J]. IEEE Transactions on Magnetics， 1970， 6（2）： 346-347.

[19]Vladimirov V S. Equations of Mathematical Physics （New York： Marcel Dekker）[M]//Boundary Value Problems for Elliptic Equations： Discontinuity of the Potential of a Double Layer. 1971： 302-304.

[20]Czapski P， Ramon C， Haueisen J， et al. MCG Simulations of Myocardial Infarctions with a Realistic Heart-Torso Model [J]. IEEE Transactions on Magnetics， 1998， 45（11）： 1313-1322.