发布时间 : 星期五 文章基于慢皮层电位的脑机接口方法更新完毕开始阅读82b916f87fd5360cba1adba7
首届全国功能神经影像学和神经信息学研讨会论文汇编节律的脑机接口的研究提供一些启发和参考。（＊注：本文拟投往ＣｌｉｎｉｃａｌＮｅｕｒ。ｐｈｙｓｉｏＩｏｇｙ。）２００３年脑机接口数据竞赛论文之四基于慢皮层电位的脑机接口方法卞薇宁孟飞高小榕高上凯（清华大学生物医学工程系，北京１０００８４）１、慢皮层电位慢皮层电位（ＳｌｏｗＣｏｒｔｉｃａｌＰｏｔｅｎｔｉａｌｓ，简称ＳＣＰｓ）属于事件相关脑电位（Ｅｖｅｎｔ—ＲｅｌａｔｅｄＢｒａｉｎＰｏｔｅｎ—ｔｉａｌｓ，简称ＥＲＰ）的范畴。事件相关电位是在外加或内源的刺激作用于人体感觉系统或脑的某一部位的过程中，由于给予刺激或撤消刺激而引起的脑区电位变化。事件相关电位一般被淹没在从头皮电极记录到的自发脑电（ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ，简称ＥＥＧ）信号中，不易被直接测量得到。采取相干平均等信号处理手段，可以从自发脑电信号中提取出ＥＲＰ信号。慢皮层电位是指从头皮ＥＥＧ信号中分析得到的ＥＲＰ中的极低频率成分，由于其电位变化主要来源于大脑皮层所以称为慢皮层电位。它与慢波有一定的联系，但并不是完全等价，也与心理因素有十分密切的关系。目前它正逐渐成为心理学、神经生理学等相关领域的研究热点。多种心理实验模式都可以引起慢皮层电位，有适应性反应性实验（ＯｒｉｅｎｔｉｎｇＲｅｓｐｏｎｓｅＰａｒａｄｉｇｍ）、工作负荷实验（ＷｏｒｋＬｏａｄＰａｒａｄｉｇｍ）、双刺激实验（Ｔｗｏ－－ＳｔｉｍｕｌｕｓＰａｒａｄｉｇｍ）等。慢皮层电位的记录选用测量脑电波的国际１０一２０导联系统，然后通过放大和滤波得到ＥＥＧ信号中的低频率成分。健康人可以经过训练控制大脑中慢皮层电位的变化，平静时为正向，进行某种心理活动时为负向，这被称为慢皮层电位的自调整。训练的过程需要生物反馈技术的辅助，分为视觉反馈和声音反馈。视觉反馈是指电脑显示屏上的光标随着从头皮上采集到的幔皮层电位变化而变化，声音反馈是指以声音的频率高低来代表采集到的慢皮层电位的变化。在反复训练的过程中，受试者形成了条件反射，能够在反馈信号出现时下意识地控制慢皮层电位的正负向变化，受试者可以找到最适合自己的一种心理活动方式来控制慢皮层电位的变化。训练的目的是使受试者在脱离反馈信号时能够自主的控制慢皮层电位的变化。２、基于慢皮层电位的脑机接口方法在脑机接１２１的设计中，可以利用慢皮层电位自调整的特点，通过识别慢电位正向和负向的变化来控制脑机接口状态的转换．２００３年的脑机接口竞赛（ＢＣＩＣｏｍｐｅｔｉｔｉｏｎ２００３）提供了一套健康人慢皮层电位自调整实验的数据，一套ＡＬｓ（ＡｍｙｏｔｒｏｐｈｉｃＬａｔｅｒａｌＳｃｌｅｒｏｓｉｓ）病人的数据．我们实验室采用这套数据，研究了一个能够离线识别幔皮层电位正负向变化的分类算法，做了一些初步的工作．算法流程分为预处理、特征提取、分类三个步骤。预处理主要针对ＡＬｓ病人的数据，因为这套数据受眼电的干扰比较大，所以首先用独立成分分析（Ｉｎｄｅ—ｐｅｎｄｅｎｔＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ，ＩＣＡ）的信号源分解法去除眼电干扰。它可以从原始信号中分离出Ｎ个独立的源，这些独立的源的线性叠加成原始的信号．通过这一方法，可以找到与眼电相关程度最大的一个源，去除这个源，再将剩下的源按照原来的比例叠加起来以达到去除眼电干扰的目的。特征提取主要选用了两个特征。一个是依据神经生理学得到的生理特征。神经生理学研究表明产生慢电位的源位于头顶深部，这样从Ｃｚ电极提取到的ＥＥＧ信号中慢皮层电位的成分最多。采用该通道的信号，?２６?～———————————————————————————————～————————一—————————————————————～首届全国功能神经影像学和抻经信息学研讨会论文汇编由于慢电位负向变化会有一个很大的下降趋势，可以简单的用下降后与下降前的差值作为特征提取出来。另一个是用共空域子空间（ＣＳＳＤ，ｃ（）ｍｍｏｎＳｐａｔｉａｌＳｕｂｓｐａｃｅＤｅｃｏｍｐｏｓｉｔｉｏｎ）方法来提取特征。该方法的建立基于两个实对称矩阵的同时对角化和时空的信号源模型。使用该方法可以提取出两种不同实验条件（比如慢电位的正向和负向变化）下信号的空域特征和对应的空域滤波器，再让原始的ＥＥＧ信号通过这两个不同类别的空域滤波器得到用于分类的空域特征成分。这两个特征互相独立，／ｔ陡用Ｆｉｓｈｅｒ线性判别法对二维持征进行分类ａＦｉｓｈｅｒ线性判别法是一种从多维空间到一维空间的数学变换方法，其解决的基本问题是根据实际情况找到一条最好的，最易于分类的投影线。该算法对健康人数据分类效果良好，分类正确率可达到８７％．但是对ＡＩ．Ｓ病人的数据分类不理想。以后工作的开展主要集中于在线分析的实现和提高对瘫痪病人信号的识别率。２００３年脑机接口数据竞赛论文之五想像左右手运动的单次脑电信号分类贾文艳赵香花高小榕高上凯杨福生（清华大学生物医学工程系，北京１０００８４）ｌ、引言脑机接口问题是最近几年来在脑研究领域出现的一个热点问题，基于脑电信号分析的脑机接口系统由于脑电信号的高时间分辨率而备受关注。脑电信号的许多不同成分，！ｌｎＰ３００，皮层慢电位，ｐ节律等都可以作为脑机接口的原始信号。本文所涉及的ＢＣＩ系统是以受试者想像左右手运动时产生的事件相关去同步电位ＥＲＤ为原始信号，这种ＢＣＩ系统是非依赖性的，信号的产生完全来自受试者自主的想像运动。但存在的问题是如何在强噪声条件下提取微弱的单次运动诱发脑电。由于这种电位的相位是随机的，不能够简单采用相干平均的方法来检测，而且为提高ＢＣＩ系统的识别速度，信号的单次提取是必要的。本文介绍了一种通过提取ＥＲＤ特征对此类信号进行单次分类的方法。采用这一方法不仅能够判断出运动方式（左手运动还是右手运动），还能将判断结果转换成控制指令来控制屏幕上反馈条的长度。２、数据来源及实验过程脑电数据来源于２００３年全球脑机接口竞赛试题。实验过程中，受试者坐在一个有扶手的椅子上，其任务是通过想像左手或右手的运动来控制计算机屏幕上的反馈条，使它按照提示的方向延长。实验数据全部来源于同一受试者（女性，２５岁），实验共进行了７组，每组４０次试验，共２８０次试验，并保证每组实验是在同一天进行，各组之问有几分钟的间隔供受试者休息。实验数据由３导双极导联记录，每一导的两个电极位置分别在Ｃ３，Ｃ４，Ｃｚ前２．５ｃｍ和后２．５ｃｍ处（图１）。数据采样率为１２８Ｈｚ，带通滤波器通频带为０．５～３０Ｈｚ。每一次试验持续时间为９秒，ｏ～２秒为休息时问圈ｌ电极位置在第２秒时有一警告声提醒受试者注意，之后屏幕中央出现一个固定的十字，持续１秒钟；第３秒开始屏幕?２７?