用于癫痫立体定向脑电图信号重建的时空图Transformer方法

本发明涉及脑电信号处理技术，特别是涉及一种用于癫痫立体定向脑电图信号重建的时空图transformer方法。

背景技术：

1、立体定向脑电图是癫痫术前评估的重要技术手段。通过将深部电极植入脑内不同位置，可以记录脑深部结构的神经电活动，相较于头皮脑电具有更高的空间分辨能力和更强的局灶性识别能力，因而被广泛应用于药物难治性癫痫患者的术前定位以及致痫网络分析。然而立体定向脑电图的信号采集在临床上受到手术风险、患者解剖结构和实际诊疗需求的多重约束，电极通常只能覆盖有限的脑区，所采集到的信号在空间上往往呈现稀疏且非均匀的分布。加之不同患者之间在电极条数、接触点数量、覆盖脑区以及空间位置上均存在显著差异，使得实际记录的信号难以完整反映全脑范围内癫痫活动的传播过程。与此同时，癫痫相关的神经活动在时域和频域上通常包含较强的瞬态特征和高频成分，对这些细粒度时频结构尤其是高频信息的恢复，对致痫区定位和传播模式分析具有直接意义。

2、针对在有限观测条件下推断和重建未观测区域脑电信号这一需求，已有若干技术路线被提出。一类方法将脑电信号视为一般时间序列进行建模，主要借助序列网络学习信号随时间变化的规律，虽然能够刻画较长程的时间依赖，但缺乏对电极三维空间分布的显式表达，未能充分利用脑内电极之间的空间位置关系和解剖结构信息，在稀疏采样条件下对未观测区域的推断能力受到限制。另一类方法将脑电导联表示为图结构中的节点，通过图网络学习不同通道之间的关系，引入了图建模的思想，但通常仅侧重局部连接关系，缺乏对全局拓扑结构、三维空间几何信息以及脑区解剖先验的统一利用，空间约束并不充分。除此之外，相当一部分重建方法采用均方误差、l1损失等确定性优化目标，虽然有助于降低平均误差，却倾向于生成平均化的结果，使重建信号在高频段和瞬态结构处被过度平滑，难以恢复尖锐的时频纹理；并且这些方法大多只输出重建信号本身，无法给出各观测节点对目标节点重建贡献关系的描述，模型可解释性较弱，不利于后续的传播路径分析与脑网络交互分析。

3、由此可见，在立体定向脑电图稀疏且非均匀采样的条件下，如何在重建未观测电极节点信号时同时利用观测电极的时频特征、电极三维空间先验、图拓扑先验和脑区解剖先验，以获得高保真且能够反映节点间贡献关系的重建结果，仍是有待解决的问题。

技术实现思路

1、本发明的目的在于提供一种用于癫痫立体定向脑电图信号重建的时空图transformer方法，以在立体定向脑电图稀疏且非均匀采样的条件下，综合利用观测电极的时频特征、电极三维空间先验、图拓扑先验和解剖先验，对未观测电极节点的信号进行高保真重建，并在重建过程中输出能够反映节点间贡献关系的交互矩阵，从而提高对未观测区域信号的推断能力以及模型的可解释性。

2、为实现上述目的，本发明提供如下技术方案。

3、一种用于癫痫立体定向脑电图信号重建的时空图transformer方法，包括：

4、获取连续的立体定向脑电图原始信号以及与各电极节点对应的静态元数据，所述静态元数据包括电极节点三维坐标、脑区标签以及组织成分比例；对连续的立体定向脑电图原始信号按固定时间窗进行分段，对每个电极节点对应的时间窗信号执行短时傅里叶变换得到复数频谱，取其对数幅值谱作为动态输入特征；

5、将动态输入特征输入节点级卷积编码器进行多尺度卷积特征提取，并将各尺度分支输出在通道维度上融合后经自适应池化与线性映射，得到统一维度的节点动态特征；

6、针对各电极节点构建混合空间位置编码，所述混合空间位置编码由对节点三维坐标进行正弦余弦编码得到的三维几何位置编码、对电极空间分布所构成图的归一化图拉普拉斯矩阵进行特征分解并经映射得到的拓扑结构编码、以及对脑区标签和组织成分比例进行嵌入与投影后融合得到的解剖编码相加形成节点静态先验表示，并将节点静态先验表示与节点动态特征残差相加作为主干网络输入；

7、以各电极节点为图节点，依据节点三维坐标在欧氏空间中构建初始k近邻图，对于待重建的目标节点不使用其真实动态特征，而以共享可学习查询向量替代，对于观测节点保留其真实动态特征；构建融合空间邻近性与功能相似性的邻接关系，对于空间近邻节点对其边权由功能相似性与空间距离高斯衰减项共同决定，对于非空间近邻节点对其边权置零；

8、将主干网络输入送入多层几何-功能偏置图transformer进行跨节点信息传播建模，在每一层中由节点特征经线性映射得到查询矩阵、键矩阵和值矩阵并计算注意力打分，同时引入由节点三维坐标欧氏距离决定的几何偏置和由邻接关系决定的功能偏置，将几何偏置和功能偏置作为加性项加入注意力打分后经归一化得到注意力权重，并将该注意力权重所聚合形成的节点间交互矩阵作为输出之一；

9、将目标节点经多层传播后的隐藏表示送入沿频率维渐进上采样而保持时间维不变的解码器，逐级恢复频谱的频率分辨率，输出目标节点的重建对数幅值谱；

10、采用两阶段方式对包含上述节点级卷积编码器、几何-功能偏置图transformer和解码器的生成器进行训练，第一阶段仅采用重建损失使生成器学习频谱整体轮廓，第二阶段引入在不同分辨率输入上工作的多尺度判别器，联合重建损失、对抗损失和基于判别器中间特征的感知损失对生成的对数幅值谱进行细化。

11、作为本发明的一种优选技术方案，所述静态元数据中的组织成分比例为电极所在位置的灰质与白质组织比例，所述立体定向脑电图原始信号采用双极重参考后的双极导联形式。

12、作为本发明的一种优选技术方案，所述节点级卷积编码器采用多尺度卷积分支结构，各分支以3×3卷积为基础算子，其中细尺度分支用于局部细节建模，中尺度分支与粗尺度分支通过步幅卷积逐步扩大感受野以捕获更大范围的谱图语义信息，各分支输出特征在通道维度上融合后再经自适应池化与线性映射得到统一维度的节点动态特征。

13、作为本发明的一种优选技术方案，所述拓扑结构编码为对归一化图拉普拉斯矩阵进行特征分解，提取前若干个非零最小特征值所对应的特征向量，并经映射网络得到的嵌入表示。

14、作为本发明的一种优选技术方案，所述初始k近邻图采用对称k近邻方式构建且k取8；所述邻接关系按下式确定：

15、

16、其中  表示功能相似性度量，、 分别表示节点 、 的三维坐标， 表示节点  的  近邻集合， 为空间衰减带宽，并按受试者内电极坐标两两欧氏距离的中位数进行比例缩放，即

17、

18、其中  为比例系数。

19、作为本发明的一种优选技术方案，在每一层几何-功能偏置图transformer中，节点  对节点  的注意力打分为

20、

21、所述几何偏置为

22、

23、所述功能偏置取自邻接关系权重，即 ；将几何偏置和功能偏置作为加性项加入注意力打分得到

24、

25、再经归一化得到注意力权重

26、

27、其中 、 分别为查询向量与键向量， 为键向量维度， 为几何偏置带宽，、 分别为几何偏置和功能偏置的权重系数。

28、作为本发明的一种优选技术方案，所述解码器由若干级非对称二维转置卷积层构成，转置卷积的步长设置为频率维为2而时间维为1，每经过一级解码使特征图在频率维上完成约2倍上采样而时间维尺寸保持不变，从而沿频率维逐级恢复频谱分辨率并保持时间边界不被模糊。

29、作为本发明的一种优选技术方案，所述多尺度判别器由两个基于patchgan的子判别器组成，其中一个子判别器作用于原始分辨率的对数幅值谱，另一个子判别器作用于下采样后的对数幅值谱，两个子判别器均采用全卷积结构并在卷积层中引入谱归一化，其输出为patch级的真假评分图，训练时判别器采用多尺度hinge损失进行优化。

30、作为本发明的一种优选技术方案，所述第一阶段的重建损失为

31、

32、其中  为生成的对数幅值谱与真值之间的 l1 距离， 为重建损失权重；训练与推理均采用系列级遮蔽策略，将同一电极杆上的多个相邻双极通道同时作为目标节点进行遮蔽，再由其余观测节点对目标节点进行重建。

33、与现有技术相比，本发明具有以下有益效果：

34、本发明通过将电极三维坐标、图拓扑结构和脑区解剖先验经混合空间位置编码融入由短时傅里叶变换得到的动态时频特征流，使每个节点在进入重建主干之前即具备明确的空间身份和生物学语义，从而在稀疏且非均匀植入条件下能够更有效地推断未观测区域的信号。借助几何偏置和功能偏置共同调节的图transformer，节点间的信息传播不仅取决于内容相似性，还受到空间结构和功能关联的约束，由此既缓解了仅依赖时间序列建模或局部图聚合所导致的空间约束不足问题，又在重建的同时输出反映各观测节点对目标节点贡献关系的交互矩阵，提升了模型的可解释性。通过沿频率维渐进上采样而保持时间维不变的解码方式，以及在重建损失基础上引入多尺度判别器和感知损失的两阶段细化训练，有效缓解了仅采用确定性损失训练时产生的频谱过平滑现象，使重建结果在高频区域能够恢复出更清晰的时频结构。