《NeuroImage》：Bias-correction subspace projection method for background noise suppression in OPM-MEG systems
编辑推荐：
脑磁图(MEG)是一种将毫秒级时间分辨率与高空间分辨率相结合的非侵入性神经成像技术，能够直接测量神经元磁场。目前，MEG成像系统主要包括超导量子干涉仪(SQUID)和基于光泵磁力计(OPMs)的MEG。与传统SQUID-MEG系统相比，OPM-MEG不仅提高了
脑磁图(MEG)是一种将毫秒级时间分辨率与高空间分辨率相结合的非侵入性神经成像技术，能够直接测量神经元磁场。目前，MEG成像系统主要包括超导量子干涉仪(SQUID)和基于光泵磁力计(OPMs)的MEG。与传统SQUID-MEG系统相比，OPM-MEG不仅提高了对皮层源检测信号的幅度，而且具有可穿戴、便携、灵活和高效等显著优势，有望成为下一代脑功能神经成像技术的主流发展方向。MEG测量代表着一项极其复杂且高级的技术挑战，头皮外检测到的神经磁场信号极其微弱，比地球磁场小许多数量级。虽然结合被动磁屏蔽和主动磁补偿技术可以减少地磁干扰，但外部干扰无法被完全抑制。在软件降噪方法中，信号空间投影(SSP)方法通过主成分分析(PCA)构建噪声子空间并将其正交投影去除，因其不依赖于详细的几何模型而在OPM-MEG系统中被广泛采用。然而，SSP假设估计的噪声子空间准确代表了环境干扰且与神经信号子空间正交，实际上由于传感器噪声与环境干扰的耦合，会导致噪声特征向量偏离真实的环境干扰子空间。为了在SSP中纠正这种偏差，研究人员提出了一种偏差校正子空间投影(BCSP)方法。研究人员建立了传感器噪声耦合模型，并开发了一种偏差校正策略，通过特征值估计来校正噪声特征向量的偏差。通过数值模拟、半物理仿真和听觉诱发场实验验证，结果表明该方法能够在有效抑制背景干扰的同时保留神经信号，为强干扰和低信噪比环境下运行的稀疏阵列OPM-MEG系统建立了高效且鲁棒的信号处理范式。
脑磁图(MEG)作为一种结合了毫秒级时间分辨率与高空间分辨率的非侵入式神经成像技术，能够直接测量神经元磁场。目前的MEG成像系统主要包括超导量子干涉仪(SQUID)与基于光泵磁力计(OPMs)的MEG。虽然传统的SQUID-MEG具有极高的灵敏度，但设备体积庞大且固定，限制了应用灵活性。相比之下，OPM-MEG不仅显著提高了对皮层源信号的检测幅度，还具备可穿戴、便携等优势，被视为下一代脑功能成像技术的主流方向。然而，由于头皮外检测到的神经磁场极其微弱，远小于地磁场等环境干扰，即便采用被动磁屏蔽与主动磁补偿，也难以彻底消除低频漂移与复杂空间梯度干扰，导致目标神经信号经常被淹没。现有的软件降噪方法如合成梯度法、时间滤波及空间滤波法均存在一定局限性。其中，信号空间分离(SSS)及其时间扩展方法高度依赖精确的传感器几何位置与密集的空间采样；均匀场校正(HFC)方法难以应对近场源的复杂空间分布；而信号空间投影(SSP)方法虽不依赖详细几何模型，但其基于空置房间记录的主成分分析(PCA)估计噪声子空间时，由于传感器固有噪声与环境干扰的耦合，会导致估计的噪声特征向量偏离真实的干扰子空间，进而造成投影后产生残余干扰与信号畸变。为解决上述由于传感器噪声与环境磁场耦合导致的协方差估计偏差问题，研究人员提出了偏差校正子空间投影(BCSP)方法，旨在为强干扰和低信噪比(SNR)环境下运行的稀疏阵列OPM-MEG系统提供高精度的信号分离方案。该研究成果发表在《NeuroImage》期刊上，对于推动新一代低成本、高空间灵活性的可穿戴MEG系统在自然神经监测及临床转化中的应用具有重要意义。
为开展此项研究，研究人员主要采用了以下关键技术方法：首先，构建了传感器噪声与背景磁场耦合的数学模型，并通过截断奇异值分解(tSVD)推导了噪声子空间特征向量的解析表达式；其次，基于最小二乘优化模型建立了偏差校正策略，通过引入非线性软阈值调节因子，利用空置房间噪声协方差矩阵的尾部特征值估计传感器白噪声水平，从而动态校正干扰子空间基；在验证阶段，采用了基于MNE-Python工具包的数值仿真框架生成低信噪比MEG数据集，开展了基于自研64通道OPM-MEG系统的半物理仿真（样本队列来源于真实记录的环境噪声），并实施了真实人体双耳听觉诱发场实验（样本队列来源为3名23-28岁健康男性被试），通过独立成分分析(ICA)等预处理流程，结合信噪比(SNR)、源定位误差(SLE)等定量评估指标对算法性能进行了全面验证。
研究结果部分内容如下：
数值仿真：通过数值仿真框架，对包含神经源、稳态干扰与瞬态干扰的合成数据进行了测试。结果表明，SSP在抑制背景噪声的同时引入了显著的幅度畸变；SSS表现出最弱的性能，存在严重的残余波动；tSSS虽有所改善但受限于空间欠采样；HFC导致神经信号过度衰减。相比之下，BCSP方法在有效抑制背景噪声的同时，实现了高保真的神经信号重建，在SNR、RMSE、PCC和SLE等所有评估指标上均优于基准方法。
半物理仿真：将模拟神经信号叠加于实验记录的真实背景噪声上进行评估。结果显示，SSP与双信号子空间投影(DSSP)虽保留了诱发峰值但引入了波形畸变，SSS与tSSS存在明显的基线波动，HFC出现严重信号过抑制。BCSP有效缓解了通道特异性畸变，建立了平滑的基线，在抑制真实背景噪声与高保真保留波形动态特征之间取得了最佳平衡。
OPM-MEG实验：在真实双耳听觉诱发场实验中，BCSP在信号保真度与基线抑制方面表现出色，最大程度保留了波形特征。定量分析显示，BCSP实现了最高的源空间信噪比与噪声降低比。时频分析表明，BCSP在Theta和Alpha频段展现出最高的能量密度，有效提取了被复杂噪声掩盖的微弱神经生理标记，并在听觉皮层区域展现了广泛的高信噪比空间分布。
鲁棒性分析：在传感器噪声水平鲁棒性分析中，随着输入信噪比从-20 dB升至0 dB，BCSP相较于SSP的性能提升在低信噪比条件下最为显著，验证了其偏差校正机制在强传感器噪声耦合环境下的有效性。在源深度鲁棒性分析中，BCSP与SSP表现出相似的趋势，虽受深度依赖性影响，但BCSP始终保持略优的性能，且未引入额外的深度相关不稳定性或性能退化。
在讨论部分，研究人员指出，基于OPMs的可穿戴MEG系统在复杂环境下面临干扰瓶颈。BCSP从协方差分解出发，无需依赖严格的几何建模或球谐空间过采样假设即可准确逼近真实噪声子空间。研究还探讨了SSS算法在稀疏阵列中因违反空间奈奎斯特采样定理导致的信号膨胀问题，以及HFC作为极端空间高通滤波器对低空间频率神经信号的错误抑制。此外，DSSP在实际实验中受配准误差与个体特异性导联场限制，性能有所下降。尽管BCSP在静态传感器配置下表现出色，但其在动态非静态场景下的适用性仍受限于静态投影矩阵，且在低秩噪声子空间及强非高斯电磁伪影环境下的鲁棒性仍需进一步优化。
研究结论部分总结道，针对复杂背景噪声挑战，本研究开发并验证了适用于OPM-MEG系统的BCSP算法。传统SSP方法常忽略固有传感器噪声与外部磁场耦合引起的协方差特征空间偏差。BCSP通过显式建模该耦合关系并利用特征值估计校正特征向量，实现了噪声子空间方位的精确逼近与动态调整。在涵盖数值仿真、半物理仿真与听觉诱发实验的多维验证框架中，BCSP展现出了降低噪声抑制对高空间采样密度依赖的关键优势。该方法不仅在复杂非平稳噪声条件下实现了高保真波形恢复与微弱窄带神经振荡的准确解混，还在源空间层面重建了具有极高原像信噪比的高度聚焦皮层激活图。总之，BCSP弥合了强干扰与低信噪比环境下稀疏阵列OPM-MEG系统在高精度信号分离方面的理论与技术鸿沟，为新一代低成本、高空间灵活性的可穿戴MEG系统确立了高效鲁棒的信号处理范式。
