運(yùn)動(dòng)起止電位腦電信號(hào)的特征提取

1、課程設(shè)計(jì)報(bào)告題 目：運(yùn)動(dòng)起止電位(motion onset VEP)腦電信號(hào)的特征提取專(zhuān) 業(yè)：生物醫(yī)學(xué)工程班 級(jí)：2011級(jí)生醫(yī)2班學(xué) 號(hào)：姓 名：指導(dǎo)教師：王索剛天津醫(yī)科大學(xué) 生物醫(yī)學(xué)工程學(xué)院2014年 5 月 28 日1 課題背景 正常情況下，人腦和外部環(huán)境的信息交互需要通過(guò)外周神經(jīng)和肌肉通道來(lái)完成，但這一通道可能會(huì)因?yàn)橐恍┘膊』驌p傷而被削弱或破壞。如何提高這一類(lèi)病人的生活質(zhì)量已經(jīng)成為被廣泛關(guān)注的問(wèn)題，腦-機(jī)接口（BCI）技術(shù)的出現(xiàn)在一定程度上提供了一個(gè)人腦與外界交流的解決方案。腦-機(jī)接口技術(shù)是在人腦與計(jì)算機(jī)或其他電子設(shè)備之間建立的直接的交流和控制通道 CHENC M,REN Y P,GA

2、O X R, et al. Key tachnique on controlling reabiliation robot by electroencephalographicJ.Robot and Technique Application(S10046437), 2003,10(4):45-48.,它不依賴(lài)于腦的正常輸出通路，是一種全新的對(duì)外信息交流和和控制方式 BLANKERTZ B,MULLER K R, CURIO G,et al.The BCI competition 2003: Progress and Perspectives in detection and discrimi

3、nation of EEG single trialsJ. IEEE Trans on Biomedical Eng. (S0018-9294), 2004, 51 (6):1044-1051.。對(duì)于人類(lèi)來(lái)講，視覺(jué)是人類(lèi)獲取外界信息的重要途徑之一，由視覺(jué)誘發(fā)的特定的腦電信號(hào)與目標(biāo)刺激存在鎖時(shí)關(guān)系，且波形較為穩(wěn)定，因此視覺(jué)誘發(fā)電位（VEP)是BCI技術(shù)的一種較為理想的選擇 明東. 用于腦機(jī)接口的感覺(jué)刺激事件相關(guān)電位研究進(jìn)展J. 電子測(cè)量與儀器學(xué)報(bào)，2009,23(6):1-6.MING D. Progress on event related potential from sensory sti

4、mulation for brain computer interfaceJ. Journal of Electronic Measurement and Equipment, 2009, 23 (6):1-6.。思維是大腦活動(dòng)的產(chǎn)物，因此從大腦活動(dòng)中可以在一定程度上解讀出人的思維 Haynes J D, Rees G. Decoding mental states from brain activity in humans. Nature Reviews Neuroscience, 2006, 7(7): 523-534.。解讀由外界刺激或思維活動(dòng)引起的大腦變化是腦-機(jī)接口的基本原理，使用者

5、根據(jù)自己想要表達(dá)的意圖，注意不同的外界對(duì)象或者進(jìn)行某種特定的想象，從而在神經(jīng)信號(hào)或腦電信號(hào)中引起特定的成分，不同的成分與不同的對(duì)象相聯(lián)系。根據(jù)信號(hào)中提取的特征，就可以判斷使用者想要表達(dá)的信息并轉(zhuǎn)換成對(duì)外部設(shè)備的控制命令。BCI正是利用這種可識(shí)別的腦電信號(hào)，來(lái)實(shí)現(xiàn)利用人的思維控制外部設(shè)備的目的。2 課題目的 了解運(yùn)動(dòng)起始視覺(jué)誘發(fā)電位（motion onset visual evoked potenatial）對(duì)于腦-機(jī)接口的意義；掌握在MATLAB平臺(tái)上對(duì)腦電數(shù)據(jù)去基線漂移和濾波的方法；掌握靶刺激響應(yīng)信號(hào)的提取方法；理解疊加平均法提取響應(yīng)信號(hào)的優(yōu)缺點(diǎn)。 三課題研究的主要內(nèi)容1.在MATLAB平臺(tái)

6、上，了解給定的信號(hào)數(shù)據(jù)格式，能夠打開(kāi)讀取數(shù)據(jù)文件，將 靶刺激響應(yīng)信號(hào)提取。2.使用濾波法對(duì)數(shù)據(jù)濾波，作出時(shí)域圖。3.比較在200ms附近時(shí)間變化時(shí)，腦電幅值變化的不同。4.比較疊加次數(shù)的不同，N200特征信號(hào)的變化。四原理和方法運(yùn)動(dòng)感知是視覺(jué)系統(tǒng)的基本功能之一，運(yùn)動(dòng)視覺(jué)誘發(fā)電位(motion visual evoked potentials, mVEP) Heinrich S. A primer on motion visual evoked potentials. Documenta Ophthalmologica, 2007, 114(2): 83-105 . 在研究人的運(yùn)動(dòng)視覺(jué)處理機(jī)制中

7、有重要價(jià)值。在所有的運(yùn)動(dòng)相關(guān)視覺(jué)誘發(fā)電位中，運(yùn)動(dòng)起始視覺(jué)誘發(fā)電位具有最大的幅度和最小的被試間差異以及被試內(nèi)差異 Kuba M, Kubov Z. Visual evoked potentials specific for motion onset.Documenta Ophthalmologica, 1992, 80(1): 83-89 .。文獻(xiàn)表明，運(yùn)動(dòng)起始視覺(jué)誘發(fā)電位由三個(gè)主要成分構(gòu)成P1、N2、P2 Kuba M, Kubov Z, Kreml?ek J, et al. Motion-onset VEPs: characteristics, methods, and diagnostic

8、 use. Vision Research, 2007, 47(2): 189-202 .。其中N2是潛伏期160-200 ms的負(fù)波，被認(rèn)為是運(yùn)動(dòng)感知特異的成分，反映了運(yùn)動(dòng)處理和加工的神經(jīng)活動(dòng) G pfert E, Mller R, Simon E. The human motion onset VEP as a function of stimulation area for foveal and peripheral vision. Documenta Ophthalmologica, 1990, 75(2): 165-173 .,空間分布在枕區(qū)-顳葉和頂區(qū)的相關(guān)區(qū)域。所以這里主要關(guān)注T

9、3（左中顳）， T4（右中顳）， T5 （左后顳），T6 （右后顳），O1（左枕）， Oz （頂中線點(diǎn)），O2（右枕）七個(gè)導(dǎo)聯(lián)的腦電數(shù)據(jù)。對(duì)腦電數(shù)據(jù)進(jìn)行低通濾波去除基線漂移，工頻干擾，再利用疊加平均法對(duì)N200特征信號(hào)進(jìn)行提取。5 步驟與結(jié)果流程框圖： 原始腦電 去基線 低通濾波 結(jié)果分析 疊加平均法提取N2005.1.去基線 在MATLAB平臺(tái)上，打開(kāi)讀取數(shù)據(jù)文件。由于采集到的原始腦電信號(hào)的信噪比不高，并且可能存在基線漂移，直接對(duì)其進(jìn)行分析存在一定困難，因此編程對(duì)腦電數(shù)據(jù)進(jìn)行去基線處理，程序如下：index=3 4 7:26 28:32 34:36;yourdata=data_down.da

10、ta(index,:);for j=1:30yy=smooth(yourdata(j,:),1000);mydata(j,:)=yourdata(j,:)-yy;figure(j);subplot(311);plot(yourdata(j,:);subplot(312);plot(yy);subplot(313);plot(mydata(j,:);end此程序得出30個(gè)導(dǎo)聯(lián)的基線與去除基線后的腦電數(shù)據(jù)，由于結(jié)果圖形太多，這里以O(shè)2導(dǎo)聯(lián)的腦電的處理結(jié)果為例，如圖5.1： 圖5.1 O2導(dǎo)聯(lián)的腦電，基線和去基線后的腦電5.2.低通濾波 對(duì)去基線后的腦電數(shù)據(jù)進(jìn)行低通濾波，通帶截止頻率為14Hz ，阻

11、帶截止頻率為15 Hz ，通帶波紋為1dB ，阻帶波紋為60dB，程序如下：channel=Fp1,Fp2,F7,F3,Fz,F4,F8,FT7,FC3,FCz,FC4,FT8,T3,C3,Cz,C4,T4,. TP7,CP3,CPz,CP4,TP8,T5,P3,Pz,P4,T6,O1,Oz,O2;d=fdesign.lowpass(14,15,1,60,1000);Hd = design(d, butter);for j=1:30hisdata(j,:) = filtfilthd(Hd,mydata(j,:);figure(j);plot(hisdata(j,:);ylabel(muV);x

12、label(time ms);title(channel(1,j);end 此程序得出30個(gè)導(dǎo)聯(lián)去除基線的腦電低通濾波后的腦電數(shù)據(jù)，由于結(jié)果圖形太多，這里以O(shè)2導(dǎo)聯(lián)的腦電數(shù)據(jù)濾波結(jié)果為例，如圖5.2： 圖5.2 O2導(dǎo)聯(lián)去基線腦電數(shù)據(jù)低通濾波后的腦電 對(duì)圖5.2進(jìn)行局部放大，結(jié)果如圖5.3： 圖5.3 對(duì)圖5.2進(jìn)行局部放大的結(jié)果 同時(shí)也做出濾波前O2導(dǎo)聯(lián)的腦電與濾波后的腦電進(jìn)行對(duì)比。濾波前O2導(dǎo)聯(lián)的腦電，如圖5.4： 圖5.4 濾波前O2導(dǎo)聯(lián)的腦電 為方便觀察比較也對(duì)濾波前O2導(dǎo)聯(lián)的腦電進(jìn)行局部放大，結(jié)果如圖5.5： 圖5.5 對(duì)圖5.2進(jìn)行局部放大的結(jié)果 將圖5.5與圖5.3比較可知，濾波

13、前腦電信號(hào)毛刺較多，濾波后腦電信號(hào)變得平滑無(wú)毛刺，說(shuō)明濾波效果較好。 做了以上兩步預(yù)處理后就可以保證時(shí)域分析中潛伏期（誘發(fā)電位的反應(yīng)時(shí)間，臨床上稱(chēng)為潛伏期）的精確性。5.3.疊加平均法提取N200特征信號(hào) 從腦電中提取誘發(fā)響應(yīng)是一個(gè)從強(qiáng)背景噪聲中提取信號(hào)的問(wèn)題，疊加平均是解決這類(lèi)問(wèn)題最基本的方法。單次實(shí)驗(yàn)產(chǎn)生的誘發(fā)響應(yīng)信噪比低，如果直接用來(lái)進(jìn)行數(shù)據(jù)分類(lèi)或研究時(shí)空分布特征不太現(xiàn)實(shí)。因此目前采用多次重復(fù)刺激的方法，假設(shè)每次刺激時(shí)產(chǎn)生的響應(yīng)都是相位鎖定和幅度鎖定的，就可以把多次刺激的響應(yīng)與時(shí)間基準(zhǔn)點(diǎn)對(duì)齊后進(jìn)行疊加平均，從而得到更高信噪比的信號(hào)。此方法的優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單且效果穩(wěn)定，缺點(diǎn)是這種信噪比的增加

14、是以犧牲了時(shí)間并且忽略了單次響應(yīng)的樣本差異為代價(jià)。這里我們主要關(guān)注疊加次數(shù)的不同比較N200特征信號(hào)潛伏期與幅度的變化，潛伏期反映心理加工的過(guò)程，波幅反映大腦興奮的強(qiáng)度。運(yùn)行程序得出疊加平均后的腦電信號(hào)，并改變疊加次數(shù)（即程序中變量t的循環(huán)次數(shù)，這里為4,8,12,16,20,24,28,32）比較N200特征信號(hào)潛伏期與幅度的變化，程序如下：i=0;a(1,32)=0;for n=1:64 if(data_down.event(1,n).stimtype=255) i=i+1; a(1,i)=data_down.event(1,n).offset; end; end;for j=1:30 h

15、erdata(j,:)=zeros(1,800); for t=1:32 herdata(j,:)=herdata(j,:)+hisdata(j,a(t)+1:a(t)+800); endherdata(j,:)=herdata(j,:)/32; figure(j);plot(herdata(j,:); ylabel(muV);xlabel(time ms);title(channel(1,j);endfigure(1);subplot(221);plot(herdata(13,:);ylabel(muV);xlabel(time ms);title(channel(1,13);subplot

16、(222);plot(herdata(17,:);ylabel(muV);xlabel(time ms);title(channel(1,17);subplot(223);plot(herdata(23,:);ylabel(muV);xlabel(time ms);title(channel(1,23);subplot(224);plot(herdata(27,:);ylabel(muV);xlabel(time ms);title(channel(1,27);figure(2);subplot(221);plot(herdata(28,:);ylabel(muV);xlabel(time m

17、s);title(channel(1,28);subplot(222);plot(herdata(29,:);ylabel(muV);xlabel(time ms);title(channel(1,29);subplot(223);plot(herdata(30,:);ylabel(muV);xlabel(time ms);title(channel(1,30);結(jié)果如下： 疊加4次T3， T4， T5 ，T6 ，O1， Oz ，O2七個(gè)導(dǎo)聯(lián)的腦電，如圖5.6-5.7： 圖5.6 疊加4次T3， T4， T5 ，T6 導(dǎo)聯(lián)的腦電 圖5.7 疊加4次O1， Oz ，O2導(dǎo)聯(lián)的腦電疊加8次T3，

18、T4， T5 ，T6 ，O1， Oz ，O2七個(gè)導(dǎo)聯(lián)的腦電，如圖5.8-5.9： 圖5.8 疊加8次T3， T4， T5 ，T6 導(dǎo)聯(lián)的腦電 圖5.9 疊加8次O1， Oz ，O2導(dǎo)聯(lián)的腦電疊加12次T3， T4， T5 ，T6 ，O1， Oz ，O2七個(gè)導(dǎo)聯(lián)的腦電，如圖5.10-5.11： 圖5.10 疊加12次T3， T4， T5 ，T6 導(dǎo)聯(lián)的腦電 圖5.11 疊加12次O1， Oz ，O2導(dǎo)聯(lián)的腦電疊加16次T3， T4， T5 ，T6 ，O1， Oz ，O2七個(gè)導(dǎo)聯(lián)的腦電，如圖5.12-5.13： 圖5.12 疊加16次T3， T4， T5 ，T6 導(dǎo)聯(lián)的腦電 圖5.13 疊加16次

19、O1， Oz ，O2導(dǎo)聯(lián)的腦電疊加20次T3， T4， T5 ，T6 ，O1， Oz ，O2七個(gè)導(dǎo)聯(lián)的腦電，如圖5.14-5.15： 圖5.14 疊加20次T3， T4， T5 ，T6 導(dǎo)聯(lián)的腦電 圖5.15 疊加20次O1， Oz ，O2導(dǎo)聯(lián)的腦電疊加24次T3， T4， T5 ，T6 ，O1， Oz ，O2七個(gè)導(dǎo)聯(lián)的腦電，如圖5.16-5.17： 圖5.16 疊加24次T3， T4， T5 ，T6 導(dǎo)聯(lián)的腦電 圖5.17 疊加24次O1， Oz ，O2導(dǎo)聯(lián)的腦電疊加28次T3， T4， T5 ，T6 ，O1， Oz ，O2七個(gè)導(dǎo)聯(lián)的腦電，如圖5.18-5.19： 圖5.18 疊加28次T3

20、， T4， T5 ，T6 導(dǎo)聯(lián)的腦電 圖5.19 疊加28次O1， Oz ，O2導(dǎo)聯(lián)的腦電疊加32次T3， T4， T5 ，T6 ，O1， Oz ，O2七個(gè)導(dǎo)聯(lián)的腦電，如圖5.20-5.21： 圖5.20 疊加32次T3， T4， T5 ，T6 導(dǎo)聯(lián)的腦電 圖5.21 疊加32次O1， Oz ，O2導(dǎo)聯(lián)的腦電 再記錄圖5.6至圖5.21中因疊加次數(shù)不同我們關(guān)注的T3， T4， T5 ，T6 ，O1， Oz ，O2七個(gè)導(dǎo)聯(lián)N200潛伏期與幅值的變化，如表5.1至表5.8：導(dǎo)聯(lián)潛伏期（ms)幅值(uV)T3 173 -8.408T4167-10.8T5174 -13.3T6172 -14.69O1

21、176 -9.573Oz173 -8.629O2172 -12.87 表5.1 疊加4次N200潛伏期與幅值的變化導(dǎo)聯(lián)潛伏期（ms)幅值(uV)T3 171 -7.937T4162-10.8T5186 -8.807T6165 -9.816O1199 -5.591Oz162 -4.332O2165 -8.335 表5.2 疊加8次N200潛伏期與幅值的變化導(dǎo)聯(lián)潛伏期（ms)幅值(uV)T3 167 -7.824T4165-9.786T5156 -9.223T6170 -10.51O1148 -7.224Oz156 -6.358O2163 -9.508 表5.3 疊加12次N200潛伏期與幅值的變

22、化 導(dǎo)聯(lián)潛伏期（ms)幅值(uV)T3 175 -6.668T4168-8.471T5162 -8.24T6172 -10.25O1157 -5.83Oz163 -6.187O2166 -9.604 表5.4 疊加16次N200潛伏期與幅值的變化導(dǎo)聯(lián)潛伏期（ms)幅值(uV)T3 172 -5.861T4166-8.895T5169 -7.1T6171 -10.52O1160 -4.707Oz162 -5.2O2166 -8.863 表5.5 疊加20次N200潛伏期與幅值的變化 導(dǎo)聯(lián)潛伏期（ms)幅值(uV)T3 175 -6.493T4169-8.754T5171 -7.566T6174

23、-10.32O1174 -4.171Oz167 -4.36O2168 -7.812 表5.6 疊加24次N200潛伏期與幅值的變化 導(dǎo)聯(lián)潛伏期（ms)幅值(uV)T3 174 -5.834T4171-8.81T5171 -6.813T6175 -10.22O1178 -4.014Oz165 -4.164O2168 -7.616 表5.7 疊加28次N200潛伏期與幅值的變化導(dǎo)聯(lián)潛伏期（ms)幅值(uV)T3 174 -5.486T4171-8.285T5175 -6.001T6175 -9.507O1181 -3.506Oz167 -3.684O2169 -7.064 表5.8 疊加32次N2

24、00潛伏期與幅值的變化 然后用excel將表5.1至表5.8中的數(shù)據(jù)做出圖形（其中幅值取它的絕對(duì)值），可以得到疊加次數(shù)與N200潛伏期的關(guān)系，如圖5.22；疊加次數(shù)與N200幅度的關(guān)系，如圖5.23。 圖5.22 疊加次數(shù)對(duì)N200潛伏期的影響 圖5.23 疊加次數(shù)對(duì)N200幅度的影響結(jié)果分析： 圖5.22和圖5.23分別反映了疊加次數(shù)對(duì)N200潛伏期和幅度的影響，即潛伏期和幅度隨著刺激重復(fù)出現(xiàn)所產(chǎn)生的變化?？梢钥闯鰸摲趲缀鯖](méi)有變化，穩(wěn)定在170ms；每個(gè)導(dǎo)聯(lián)N200幅度也基本穩(wěn)定，沒(méi)有太大的減小趨勢(shì)。 有文獻(xiàn)指出人的視覺(jué)運(yùn)動(dòng)處理容易受到適應(yīng)性（Adaptation）的影響 Bach M,

25、Ullrich D. Motion Adaptation Governs the Shape of Motion-Evoked Cortical Potentials. Vision Research, 1994, 34(12): 1541-1547. Muller R, Gopfert E, Hartwig M. The Effect of Movement Adaptation on Human Cortical Potentials-Evoked by Pattern Movement. Acta Neurobiologiae Experimentalis, 1986, 46(5-6): 293-301 .,具體的說(shuō)，mVEP中的N2成分的幅度具有明顯的對(duì)運(yùn)動(dòng)刺激的適應(yīng)性 Hoffmann M B, Unsold a S, Bach M. Directional tuning of human motion adaptation as reflected by the motion VEP. Vision Research, 2001, 41(17): 2187-2194. 。即幅度隨著刺激重復(fù)出現(xiàn)次數(shù)的增加而逐漸降低 Romero R, Polich J. P