運動起止電位腦電信號的特征提取

1、課程設(shè)計報告題 目：運動起止電位(motion onset VEP)腦電信號的特征提取專 業(yè)：生物醫(yī)學(xué)工程班 級：2011級生醫(yī)2班學(xué) 號：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外周神經(jīng)和肌肉通道來完成，但這一通道可能會因為一些疾病或損傷而被削弱或破壞。如何提高這一類病人的生活質(zhì)量已經(jīng)成為被廣泛關(guān)注的問題，腦-機接口（BCI）技術(shù)的出現(xiàn)在一定程度上提供了一個人腦與外界交流的解決方案。腦-機接口技術(shù)是在人腦與計算機或其他電子設(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.,它不依賴于腦的正常輸出通路，是一種全新的對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.。對于人類來講，視覺是人類獲取外界信息的重要途徑之一，由視覺誘發(fā)的特定的腦電信號與目標(biāo)刺激存在鎖時關(guān)系，且波形較為穩(wěn)定，因此視覺誘發(fā)電位（VEP)是BCI技術(shù)的一種較為理想的選擇 明東. 用于腦機接口的感覺刺激事件相關(guān)電位研究進(jìn)展J. 電子測量與儀器學(xué)報，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.。思維是大腦活動的產(chǎn)物，因此從大腦活動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引起的大腦變化是腦-機接口的基本原理，使用者

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

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

7、有重要價值。在所有的運動相關(guān)視覺誘發(fā)電位中，運動起始視覺誘發(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, Kubová Z. Visual evoked potentials specific for motion onset.Documenta Ophthalmologica, 1992, 80(1): 83-89 .。文獻(xiàn)表明，運動起始視覺誘發(fā)電位由三個主要成分構(gòu)成P1、N2、P2 Kuba M, Kubová Z, Kremlá?ek J, et al. Motion-onset VEPs: characteristics, metho

8、ds, and diagnostic 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)為是運動感知特異的成分，反映了運動處理和加工的神經(jīng)活動 G pfert E, Müller 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

9、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T3（左中顳）， T4（右中顳）， T5 （左后顳），T6 （右后顳），O1（左枕）， Oz （頂中線點），O2（右枕）七個導(dǎo)聯(lián)的腦電數(shù)據(jù)。對腦電數(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N200特征信號進(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平臺上，打開讀取數(shù)據(jù)文件。由于采集到的原始腦電信號的信噪比不高，并且可能存在基線漂移，直接對其進(jìn)行分析存在一定困難，因此編程對腦電數(shù)據(jù)進(jìn)行去基線處理，程序如下：index=3 4 7:26 28:32 34:

10、36;yourdata=data_down.data(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 對去基

11、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'

12、;,. '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,:);figu

13、re(j);plot(hisdata(j,:);ylabel('muV');xlabel('time ms');title(channel(1,j);end 此程序得出30個導(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 對圖5.2進(jìn)行局部放大，結(jié)果如圖5.3： 圖5.3 對圖5.2進(jìn)行局部放大的結(jié)果 同時也做出濾波前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濾波前O2導(dǎo)

14、聯(lián)的腦電進(jìn)行局部放大，結(jié)果如圖5.5： 圖5.5 對圖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，濾波前腦電信號毛刺較多，濾波后腦電信號變得平滑無毛刺，說明濾波效果較好。 做了以上兩步預(yù)處理后就可以保證時域分析中潛伏期（誘發(fā)電位的反應(yīng)時間，臨床上稱為潛伏期）的精確性。5.3.疊加平均法提取N200特征信號 從腦電中提取誘發(fā)響應(yīng)是一個從強背景噪聲中提取信號的問題，疊加平均是解決這類問題最基本的方法。單次實驗產(chǎn)生的誘發(fā)響應(yīng)信噪比低，如果直接用來進(jìn)行數(shù)據(jù)分類或研究時空分布特征不太現(xiàn)實。因此目前采用多次重復(fù)刺激的方法，假設(shè)每次刺激時產(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)

15、與時間基準(zhǔn)點對齊后進(jìn)行疊加平均，從而得到更高信噪比的信號。此方法的優(yōu)點是實現(xiàn)簡單且效果穩(wěn)定，缺點是這種信噪比的增加是以犧牲了時間并且忽略了單次響應(yīng)的樣本差異為代價。這里我們主要關(guān)注疊加次數(shù)的不同比較N200特征信號潛伏期與幅度的變化，潛伏期反映心理加工的過程，波幅反映大腦興奮的強度。運行程序得出疊加平均后的腦電信號，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;

16、a(1,i)=data_down.event(1,n).offset; end; end;for j=1:30 herdata(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(22

17、1);plot(herdata(13,:);ylabel('muV');xlabel('time ms');title(channel(1,13);subplot(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(22

18、4);plot(herdata(27,:);ylabel('muV');xlabel('time ms');title(channel(1,27);figure(2);subplot(221);plot(herdata(28,:);ylabel('muV');xlabel('time ms');title(channel(1,28);subplot(222);plot(herdata(29,:);ylabel('muV');xlabel('time ms');title(channel(1,29);

19、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， T4， T5 ，T6 ，O1， Oz ，O2七個導(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，

20、 Oz ，O2導(dǎo)聯(lián)的腦電疊加12次T3， T4， T5 ，T6 ，O1， Oz ，O2七個導(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O1， Oz ，O2導(dǎo)聯(lián)的腦電疊加20次T3， T4， T5 ，T6 ，O1， Oz ，O2七個導(dǎo)聯(lián)的腦電，如圖5.14-5.15： 圖5.14 疊加20次T3， T

21、4， 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 ，O2七個導(dǎo)聯(lián)的腦電，如圖5.18-5.19： 圖5.18 疊加28次T3， 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 ，O2七個導(dǎo)聯(lián)的腦電

22、，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 -14.69O1176 -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 -7.9

23、37T4162-10.8T5186 -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

24、.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 -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

25、 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N200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

26、N200幅度的關(guān)系，如圖5.23。 圖5.22 疊加次數(shù)對N200潛伏期的影響 圖5.23 疊加次數(shù)對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]有變化，穩(wěn)定在170ms；每個導(dǎo)聯(lián)N200幅度也基本穩(wěn)定，沒有太大的減小趨勢。 有文獻(xiàn)指出人的視覺運動處理容易受到適應(yīng)性（Adaptation）的影響 Bach M, Ullrich D. Motion Adaptation Governs the Shape of Motion-Evoked Cortical Potentials

27、. 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，mVEP中的N2成分的幅度具有明顯的對運動刺激的適應(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): 2187-21