《EEG信號基礎(chǔ)》課件

EEG信號基礎(chǔ)本課件將介紹腦電信號(EEG)的基本原理，分析方法和應(yīng)用領(lǐng)域。EEG信號的定義腦電信號(EEG)是指從**人腦**中記錄的**神經(jīng)元電活動**。EEG信號通常以**波形**的形式呈現(xiàn)，反映了不同腦區(qū)神經(jīng)元**同步放電**的模式。EEG信號可以用**電極**放置在頭皮上記錄，并通過**放大器**和**濾波器**進(jìn)行處理。EEG信號的產(chǎn)生機(jī)理1神經(jīng)元活動神經(jīng)元是腦的基本功能單位，通過電信號傳遞信息。2突觸傳遞神經(jīng)元通過突觸連接，傳遞電信號，產(chǎn)生突觸后電位。3同步放電當(dāng)大量神經(jīng)元同步放電時，就會產(chǎn)生可測量的腦電信號。神經(jīng)元的電生理特性動作電位神經(jīng)元興奮時，細(xì)胞膜上會產(chǎn)生短暫的電位變化，稱為動作電位。突觸傳遞神經(jīng)元之間通過突觸傳遞信息，突觸是神經(jīng)元之間的連接點。神經(jīng)遞質(zhì)突觸傳遞依賴于神經(jīng)遞質(zhì)，神經(jīng)遞質(zhì)是神經(jīng)元釋放的化學(xué)物質(zhì)。突觸傳遞與神經(jīng)元放電1神經(jīng)元放電動作電位的產(chǎn)生與傳播2突觸傳遞神經(jīng)遞質(zhì)的釋放與受體結(jié)合3神經(jīng)元間信號傳遞神經(jīng)網(wǎng)絡(luò)的構(gòu)建與信息處理大腦皮層的結(jié)構(gòu)與功能大腦皮層是大腦最外層，也是最復(fù)雜的部分，負(fù)責(zé)高級認(rèn)知功能，如語言、記憶、思考和情感。大腦皮層由不同區(qū)域組成，每個區(qū)域都有其特定的功能，這些區(qū)域相互連接，共同完成復(fù)雜的任務(wù)。EEG信號的時域特點1幅度毫伏(mV)2頻率赫茲(Hz)3波形正弦波、鋸齒波等4相位度(°)或弧度(rad)EEG信號的頻域特點常見的EEG波型α波放松狀態(tài)下，頻率為8-12Hz，主要出現(xiàn)在枕葉和顳葉。β波清醒、警覺、專注狀態(tài)下，頻率為13-30Hz，主要出現(xiàn)在額葉和頂葉。θ波睡眠狀態(tài)、情緒波動、認(rèn)知活動等，頻率為4-7Hz，主要出現(xiàn)在顳葉和頂葉。δ波深度睡眠狀態(tài)下，頻率為0.5-3Hz，主要出現(xiàn)在所有腦區(qū)。α波、β波、θ波和δ波α波頻率為8-13Hz，幅度較高，在清醒放松的狀態(tài)下，尤其是在閉眼時最為明顯，代表著大腦處于安靜、放松的狀態(tài)。β波頻率為14-30Hz，幅度較低，在清醒、緊張、思考或做夢時出現(xiàn)，代表著大腦處于興奮、活躍的狀態(tài)。θ波頻率為4-7Hz，幅度中等，在睡眠的初期階段出現(xiàn)，也可能出現(xiàn)在清醒但情緒低落或處于認(rèn)知負(fù)荷較重的情況下，代表著大腦處于睡眠或輕微的認(rèn)知活動狀態(tài)。δ波頻率為0.5-3Hz，幅度最高，在深睡或昏迷狀態(tài)下出現(xiàn)，代表著大腦處于深度睡眠或意識喪失的狀態(tài)。EEG信號的測量方法1電極安置國際10-20系統(tǒng)2信號采集放大器和濾波器3數(shù)字化采樣和量化電極的種類和安置電極類型常用的電極類型包括針式電極、盤式電極和帽式電極。針式電極用于侵入性測量，而盤式和帽式電極用于非侵入性測量。電極安置系統(tǒng)10-20系統(tǒng)是一種常用的電極安置系統(tǒng)，它根據(jù)頭皮上的解剖學(xué)標(biāo)記來確定電極的位置。電極材料常用的電極材料包括銀、金、鉑和不銹鋼。這些材料具有良好的導(dǎo)電性和生物相容性。電極-皮膚界面的等效電路電極-皮膚界面是一個復(fù)雜的電學(xué)系統(tǒng)，可以等效為一個電路模型，主要包括以下幾個部分：電極阻抗：電極本身的電阻，主要取決于電極材料和形狀皮膚阻抗：皮膚的電阻，主要取決于皮膚厚度、水分含量和溫度接觸阻抗：電極與皮膚接觸部位的阻抗，主要取決于接觸面積和接觸壓力電極極化阻抗：電極與皮膚接觸時產(chǎn)生的極化現(xiàn)象造成的阻抗放大和濾波電路設(shè)計放大電路EEG信號微弱，需要放大電路以提高信號幅度。濾波電路去除噪聲和干擾信號，確保EEG信號的純凈性。電路設(shè)計根據(jù)EEG信號的特點，選擇合適的放大和濾波電路。采樣和量化過程1采樣將連續(xù)的EEG信號轉(zhuǎn)換為離散的數(shù)字信號。2量化將每個采樣值映射到有限個離散值中。EEG信號的數(shù)字化1采樣將連續(xù)的模擬信號轉(zhuǎn)換成離散的數(shù)字信號2量化將連續(xù)的幅度值轉(zhuǎn)換成離散的數(shù)值3編碼將量化后的數(shù)值轉(zhuǎn)換成計算機(jī)可識別的二進(jìn)制代碼EEG信號的特征提取時域特征平均值、方差、峰值、斜率等。頻域特征功率譜密度、頻帶功率、相位等。非線性特征互信息、非線性相關(guān)性、分形維數(shù)等。時域特征與頻域特征時域特征描述信號隨時間變化的特性，如幅值、頻率、相位等。頻域特征反映信號在不同頻率上的能量分布，通過傅里葉變換得到頻譜。非線性特征高階統(tǒng)計量如偏度、峰度、熵等，可以反映信號的非對稱性和尖峰程度。非線性動力學(xué)指標(biāo)如最大Lyapunov指數(shù)、關(guān)聯(lián)維數(shù)、分形維數(shù)等，可以反映信號的混沌性和復(fù)雜性。小波變換特征小波變換可以提取不同尺度下的信號特征，可以反映信號的非平穩(wěn)性和局部變化特征。EEG信號的模式識別特征提取從EEG信號中提取有意義的特征，如時域、頻域和非線性特征。模式分類使用機(jī)器學(xué)習(xí)算法將提取的特征分類到不同的模式，例如正?；虍惓ＤX電活動。模型評估評估模型的準(zhǔn)確性、魯棒性和泛化能力，以確保其可靠性?；跈C(jī)器學(xué)習(xí)的分類方法支持向量機(jī)(SVM)SVM是一種強(qiáng)大的分類方法，它通過尋找最佳分離超平面將數(shù)據(jù)劃分到不同的類別。決策樹決策樹是一種樹狀結(jié)構(gòu)，它根據(jù)一系列特征將數(shù)據(jù)分類到不同的葉子節(jié)點。神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)模擬人腦的結(jié)構(gòu)和功能，通過學(xué)習(xí)數(shù)據(jù)之間的復(fù)雜關(guān)系進(jìn)行分類。EEG信號的應(yīng)用領(lǐng)域腦機(jī)接口利用EEG信號控制外部設(shè)備，實現(xiàn)人機(jī)交互。睡眠分期通過分析EEG信號，識別不同睡眠階段，幫助診斷睡眠障礙。癡呆癥診斷EEG信號的異常變化可以用于早期診斷癡呆癥。神經(jīng)疾病診斷EEG信號可以幫助診斷癲癇、腦腫瘤等神經(jīng)疾病。腦機(jī)接口連接大腦與外部設(shè)備的技術(shù)利用神經(jīng)信號控制外部設(shè)備應(yīng)用于醫(yī)療、康復(fù)等領(lǐng)域睡眠分期NREM睡眠NREM睡眠分為三個階段，分別是N1、N2和N3階段。REM睡眠REM睡眠也被稱為快速眼動睡眠，在此期間，大腦活動類似于清醒狀態(tài)，但肌肉松弛。EEG信號特征每個睡眠階段都具有獨(dú)特的EEG信號特征，例如頻率和振幅。癡呆癥診斷早期診斷EEG信號可以幫助早期診斷癡呆癥，例如阿爾茨海默病。異常腦電波癡呆癥患者的EEG信號往往表現(xiàn)出異常的腦電波模式。輔助診斷EEG可以作為其他診斷方法的輔助手段，提高診斷的準(zhǔn)確率。神經(jīng)疾病診斷癲癇EEG可以幫助識別和診斷癲癇發(fā)作的類型，并監(jiān)測治療效果。阿爾茨海默病EEG可以識別與阿爾茨海默病相關(guān)的腦電活動模式，幫助診斷和評估疾病進(jìn)展。帕金森病EEG可以檢測帕金森病患者的腦電活動變化，幫助診斷和評估疾病嚴(yán)重程度。多發(fā)性硬化癥EEG可以幫助識別與多發(fā)性硬化癥相關(guān)的腦電活動變化，幫助診斷和評估疾病進(jìn)展。EEG信號的發(fā)展趨勢1高密度EEG技術(shù)使用更多電極來提高空間分辨率，更精確地定位腦電活動。2無創(chuàng)性腦成像結(jié)合其他腦成像技術(shù)，如fMRI，提供更全面的腦功能信息。3微型化EEG設(shè)備便攜式EEG設(shè)備，方便日常生活中的腦電信號監(jiān)測。高密度EEG技術(shù)1電極數(shù)量高密度EEG技術(shù)使用大量電極，通常超過128個，以實現(xiàn)更精細(xì)的空間分辨率。2信號質(zhì)量高密度EEG技術(shù)可以捕獲更多腦部活動，從而提高信號質(zhì)量和分析精度。3應(yīng)用范圍高密度EEG技術(shù)應(yīng)用于腦機(jī)接口、神經(jīng)疾病診斷和認(rèn)知科學(xué)研究等領(lǐng)域。無創(chuàng)性腦成像功能性磁共振成像(fMRI)通過測量腦部血流變化來反映神經(jīng)活動，提供對腦功能的深入了解。腦磁圖(MEG)檢測腦神經(jīng)元活動產(chǎn)生的微弱磁場，具有高時間分辨率和空間分辨率。近紅外光譜(NIRS)利用近紅外光穿透頭皮，測量腦組織中的血氧變化