專利名稱:下肢想象動(dòng)作電位空間濾波方法
技術(shù)領(lǐng)域:
本發(fā)明涉及一種下肢想象動(dòng)作電位濾波方法,屬于生物醫(yī)學(xué)工程及計(jì)算機(jī)領(lǐng)域。
背景技術(shù):
神經(jīng)電生理技術(shù)的發(fā)展,為研究大腦認(rèn)知活動(dòng)過(guò)程提供了獨(dú)特的方法和途徑。其技術(shù) 關(guān)鍵在于需從所檢測(cè)的腦神經(jīng)電活動(dòng)數(shù)據(jù)中識(shí)別出大腦認(rèn)知思維的意圖,提取能反映其 主觀意識(shí)的特征參數(shù)。該領(lǐng)域的前驅(qū)Jonathan Wolpaw曾經(jīng)指出"在理論上,腦的感 覺(jué),運(yùn)動(dòng)及認(rèn)知意識(shí)在自發(fā)腦電中應(yīng)該是可辨識(shí)的"。所謂自發(fā)腦電
(electroencephalography, EEG)即是由電極記錄所得大腦皮層神經(jīng)細(xì)胞群的自發(fā)電活動(dòng) 隨時(shí)間和空間變化的序列波形。由于EEG信號(hào)非常微弱、自身也不穩(wěn)定,極易受到眼電、 肌電等其它電生理信號(hào)的干擾,心理狀態(tài)和思維意識(shí)的波動(dòng)都可以引起EEG信號(hào)的變化。 所以要從EEG數(shù)據(jù)中獲取大腦認(rèn)知思維的特征參數(shù)遇到極大困難。經(jīng)多年探索,人們將 研究視線聚焦于與大腦運(yùn)動(dòng)皮層(motor cortex)神經(jīng)活動(dòng)密切相關(guān)的事件相關(guān)電位
(event-related potentials, ERPs)。其概念于20世紀(jì)60年代由Sutton首先提出并通過(guò)疊 加平均技術(shù)從頭顱表面記錄的大腦誘發(fā)電位(Evoked Potentials, EPs)得到。誘發(fā)電位(EPs), 也稱誘發(fā)響應(yīng)(Evoked Response),是指給予神經(jīng)系統(tǒng)(從感受器到大腦皮層)特定刺激,或 使大腦對(duì)刺激信息進(jìn)行加工,在該系統(tǒng)和腦皮層相應(yīng)部位會(huì)產(chǎn)生與刺激有相對(duì)鎖時(shí)關(guān)系 和特定相位的生物電反應(yīng)。臨床上將誘發(fā)電位分為兩大類與感覺(jué)或運(yùn)動(dòng)功能有關(guān)的外 源性刺激相關(guān)電位和與認(rèn)知功能有關(guān)的內(nèi)源性事件相關(guān)電位(ERPs)。 ERPs是在注意的基 礎(chǔ)上,與識(shí)別、比較、判斷、記憶、決斷等心理活動(dòng)有關(guān),反映了認(rèn)知過(guò)程的不同方面, 是了解大腦認(rèn)知功能活動(dòng)的"窗口"。
研究表明人在想象但未實(shí)施肢體或其他身體部位動(dòng)作時(shí),與該動(dòng)作相關(guān)的大腦運(yùn)動(dòng) 皮層區(qū)域也會(huì)發(fā)生與該動(dòng)作實(shí)施時(shí)相似的電生理響應(yīng),如誘發(fā)電位(EP)或事件相關(guān)電位 (ERPs),又特稱之為想象動(dòng)作電位(motor imaginary potentials)。臨床上已通過(guò)功能性磁共 振成像(functional magnetic resonance image, fMRI)觀察腦局部血液圖的方法確認(rèn)想象和 實(shí)施動(dòng)作時(shí)所激發(fā)的大腦運(yùn)動(dòng)皮層區(qū)域相同。Jasper等人最早發(fā)現(xiàn)了想象動(dòng)作電位現(xiàn)象, 注意到受試者打算或想象其肢體運(yùn)動(dòng)時(shí)能夠引起腦皮層運(yùn)動(dòng)中樞神經(jīng)元群電活動(dòng)^^態(tài)變 化,從而導(dǎo)致頭皮腦電中某些特征頻率成分的同步減弱或同步增強(qiáng),此即所謂事件相關(guān) 去同步 (event-related desynchronization, ERD ) 禾口事件相關(guān)同步 (event-related synchronization, ERS)現(xiàn)象。其中,ERD對(duì)應(yīng)于特征頻段功率譜密度的下降,ERS則對(duì) 應(yīng)于特征頻段功率譜密度的上升,而不同肢體部位動(dòng)作引起ERD/ERS現(xiàn)象所發(fā)生的特
3征頻段和皮層運(yùn)動(dòng)功能區(qū)域均不相同。Pfurtscheller和Aranibar也通過(guò)實(shí)驗(yàn)證實(shí)了上述 現(xiàn)象,指出ERD/ERS現(xiàn)象主要集中在ERPs中ct波段(8 13Hz)和P波段(14 26Hz), 并提出了相應(yīng)的量化理論。
ERD/ERS現(xiàn)象的發(fā)現(xiàn)為觀察大腦認(rèn)知功能活動(dòng)找到了具體的ERPs "窗口"。此后, 針對(duì)上肢、手指、口舌等各類肢體動(dòng)作所誘發(fā)想象動(dòng)作電位的特征提取與模式識(shí)別研究 及其應(yīng)用相繼開(kāi)展起來(lái),成為國(guó)內(nèi)外神經(jīng)工程領(lǐng)域關(guān)注的熱點(diǎn),如奧地利Graz大學(xué)成功 地提取了受試者分別想象左、右手動(dòng)作時(shí)的ERD/ERS信號(hào)特征并用來(lái)控制功能性電刺激 (functional electrical stimulation, FES)裝置以幫助癱瘓患者的肢體康復(fù),取得了令人振 奮的階段性成果。上肢、手指部位想象動(dòng)作電位的特征提取和模式識(shí)別甚至可精準(zhǔn)到區(qū) 分左、右手某個(gè)手指的程度!但與之相比,針對(duì)下肢部位想象動(dòng)作電位(如站起、坐下、 左右邁腿等)的信號(hào)特征卻極難區(qū)分。其原因可由大腦皮層功能反射區(qū)與肢體運(yùn)動(dòng)部位 關(guān)系找到。上肢左、右手(包括手指)、口舌部位對(duì)應(yīng)的大腦皮層功能反射區(qū)分居在相 隔空間距離較遠(yuǎn)的左、右腦半球區(qū)域,即其源信號(hào)的空間分布有較好的區(qū)分度優(yōu)勢(shì);而 下肢(包括大、小腿、腳趾)部位所映射的運(yùn)動(dòng)皮層功能區(qū)則僅局限于頭頂部溝回內(nèi)距 離極為狹小的區(qū)域,其源信號(hào)空間結(jié)構(gòu)的區(qū)分度十分有限。這是造成下肢部位想象動(dòng)作 電位信號(hào)特征提取與模式識(shí)別困難的最基本原因,加之頭皮電極提取的ERPs信號(hào)存在很 大彌散性和混疊性,更增加了思維腦電源信號(hào)獲取和識(shí)別的難度。目前尚鮮見(jiàn)有關(guān)成功' 提取與識(shí)別下肢部位想象動(dòng)作(如站起、坐下、左右邁腿等)電位特征的研究報(bào)道。
有關(guān)研究表明,人腦感覺(jué)運(yùn)動(dòng)功能區(qū)的神經(jīng)元群在想象動(dòng)作過(guò)程中會(huì)產(chǎn)生一系列 具有不同時(shí)空拓?fù)浣Y(jié)構(gòu)的響應(yīng)信號(hào)序列,其綜合效果形成了神經(jīng)傳導(dǎo)的時(shí)空動(dòng)態(tài)特 性,導(dǎo)致神經(jīng)電信號(hào)從發(fā)生源傳播到檢測(cè)點(diǎn)的信號(hào)映射是個(gè)巻積混合過(guò)程。因此,為 提高想象動(dòng)作電位的信噪比,必須建立適合該巻積混合模型(以取代傳統(tǒng)的簡(jiǎn)單線性 和瞬時(shí)混合模型)的信號(hào)處理新方法,才能保證有效分割ERPs信號(hào)的時(shí)頻特性。該 巻積混合模型的特征參數(shù)應(yīng)當(dāng)采用與想象動(dòng)作任務(wù)密切相關(guān)的優(yōu)選法,即要與所映 射的運(yùn)動(dòng)皮層功能區(qū)緊密聯(lián)系(也即需賦予與其鄰近特征導(dǎo)聯(lián)所檢測(cè)信號(hào)以更大權(quán)值), 才能獲得較高的空間分辨率。
發(fā)明內(nèi)容
為克服現(xiàn)有技術(shù)中下肢想象動(dòng)作電位特征識(shí)別時(shí)空間分辨率不足的問(wèn)題,本發(fā)明提 出了一種下肢想象動(dòng)作電位濾波方法。采用本發(fā)明提供的方法,能夠加大對(duì)ERPs信號(hào) 空間濾波的力度,提高信號(hào)處理的空間分辨率,并能夠結(jié)合想象動(dòng)作所誘發(fā)ERD/ERS 現(xiàn)象的功率譜頻帶特性,從時(shí)空和時(shí)頻等多個(gè)角度挖掘信號(hào)的動(dòng)態(tài)特征,提高信噪比、 增強(qiáng)區(qū)分度,從而能有效地識(shí)別下肢想象動(dòng)作電位。
本發(fā)明采用如下的技術(shù)方案
一種下肢想象動(dòng)作電位空間濾波方法,其特征在于,包括下列步驟① 利用腦電導(dǎo)聯(lián)電極采集反映下肢想象動(dòng)作的腦電信號(hào);
② 對(duì)所采集的腦電信號(hào)進(jìn)行預(yù)處理;
③ 對(duì)預(yù)處理后的41導(dǎo)聯(lián)腦電信號(hào)5,(/ = 1,2,—,41)進(jìn)行帶通濾波,獲取2~34Hz并
且覆蓋a波段及e波段的帶通腦電信號(hào)S。,( l,2,…,41);對(duì)5°力=1,2,..,41)
進(jìn)行小波包多分辨率分析,經(jīng)過(guò)4個(gè)尺度的小波包分解后,最終獲得滿足頻帶分 割要求的11個(gè)特征子頻帶第4尺度下覆蓋ci波段的3個(gè)特征子頻帶 《y (/ = 1,2,…,41;/= 1,2,3)以及覆蓋e波段的8個(gè)特征子頻帶
S;y(/ = l,2,...,41;y = l,2,...,8);
④ 對(duì)11個(gè)小波包特征空間下的腦電信號(hào)《y(/ = l,2,...,41;y = l,2,3)以及
5^(/ = 1,2廣.,41;/ = 1,2,...,8)分別進(jìn)行獨(dú)立分量分析,采用基于頻帶對(duì)數(shù)功率
譜定義的事件相關(guān)去同步化/同步化(ERD/ERS)系數(shù)作為主成份篩選的依據(jù), 保留去同步化/同步化(ERD/ERS)系數(shù)絕對(duì)值大于設(shè)定闊值的分量,并將其余 分量置零;
⑤ 利用各個(gè)特征小波包子空間下的腦電信號(hào),依次恢復(fù)構(gòu)造出各導(dǎo)聯(lián)腦電信號(hào)各 自對(duì)應(yīng)的小波包頻域空間,而后進(jìn)行小波包逆變換,重構(gòu)腦電源信號(hào)。
上述的下肢想象動(dòng)作電位空間濾波方法,步驟l中的41導(dǎo)腦電采集電極,最好按照 下列描述安置其中19導(dǎo)聯(lián)按國(guó)際10/20系統(tǒng)標(biāo)準(zhǔn)安置,其余22導(dǎo)聯(lián)覆蓋肢體動(dòng)作相 關(guān)的感覺(jué)運(yùn)動(dòng)皮層功能映射區(qū),即導(dǎo)聯(lián)C3,Cz,C4周圍;步驟2中對(duì)所采集的腦電數(shù)據(jù)可 以采用下述預(yù)處理方法(1)依據(jù)Hjorth提出的源定位計(jì)算方法,通過(guò)共平均參考去 除各導(dǎo)聯(lián)信號(hào)共有的空間低頻成份;(2)去除腦電數(shù)據(jù)中存在的肌電和眼電干擾。
本發(fā)明所提出的采用小波包獨(dú)立分量分析結(jié)合頻域ERD/ERS系數(shù)優(yōu)選主分量進(jìn)行 空間濾波的新方法,充分考慮了與想象動(dòng)作任務(wù)密切相關(guān)的腦電信號(hào)的時(shí)頻模式及 空間特性,從而能比傳統(tǒng)方法捕捉到更為準(zhǔn)確鮮明的想象動(dòng)作特征,這為實(shí)現(xiàn)想象 動(dòng)作電位信號(hào)的少次(甚至單次)提取提供了有利條件。另外,空間濾波新方法中 借助小波包ERD/ERS系數(shù)進(jìn)行獨(dú)立分量篩選的手段,避免了人工干預(yù),實(shí)現(xiàn)了腦電信 號(hào)源的自動(dòng)獲取過(guò)程。
圖l本發(fā)明采集數(shù)據(jù)所采用的41導(dǎo)聯(lián)分布示意圖; 圖2特征小波包空間頻帶分割示意圖3典型受試者C3導(dǎo)聯(lián)處站起想象動(dòng)作腦電信號(hào)的時(shí)頻功率譜密度圖,(a):未經(jīng) ICA空間濾波,(b):傳統(tǒng)ICA空間濾波后;
5圖4小波包ICA空間濾波后C3導(dǎo)聯(lián)處站起想象動(dòng)作腦電信號(hào)的時(shí)頻功率譜密度 (A)和功率譜密度隨時(shí)間變化(B),箭頭所示為對(duì)應(yīng)C3導(dǎo)聯(lián)時(shí)頻坐標(biāo)系中4個(gè)標(biāo)識(shí)點(diǎn)處 腦電地形圖5 10例受試者在站起動(dòng)作想象過(guò)程中ERD/ERS特征頻率分布(a)和3種情況 下ERD/ERS特征系數(shù)值比較(b)。
具體實(shí)施例方式
本發(fā)明首先利用具有顯著時(shí)頻局部化優(yōu)勢(shì)的小波包(wavelet packet, WP)將 ERD/ERS現(xiàn)象集中的a和P波段ERPs信號(hào)按其時(shí)頻特性分割為11個(gè)子頻帶的源信號(hào); 再對(duì)這些源信號(hào)分別進(jìn)行獨(dú)立分量分析(Ind印endent Component Analysis, ICA),并 依據(jù)基于小波包對(duì)數(shù)功率譜定義的ERD/ERS系數(shù)對(duì)這些獨(dú)立分量進(jìn)行與想象動(dòng)作任 務(wù)密切相關(guān)的主成份篩選,保留時(shí)頻特征顯著、符合閾值條件的優(yōu)勢(shì)分量;最后按照 小波包樹(shù)(wavelet packet tree, WPT)結(jié)構(gòu)依次進(jìn)行各導(dǎo)聯(lián)ERPs信號(hào)的小波包逆變 換,重構(gòu)出更具顯著ERD/ERS時(shí)頻特征與更高空間分辨率的ERPs源信號(hào)。本發(fā)明為 下肢想象動(dòng)作電位(站起、坐下、左右邁腿等)信號(hào)特征提取與模式識(shí)別提供了有效的 方法,為研究大腦認(rèn)知功能提供新的觀察與分析工具。 下面結(jié)合實(shí)施例和附圖對(duì)本發(fā)明作進(jìn)一步詳述。 一、腦電數(shù)據(jù)采集和預(yù)處理
本發(fā)明實(shí)驗(yàn)數(shù)據(jù)取自10名右利手的健康成人志愿者(均為本校大學(xué)生,6男4女,平 均年齡24. 3±3. l歲),實(shí)驗(yàn)設(shè)備采用奧地利EMS Phoenix公司生產(chǎn)的128導(dǎo)數(shù)字腦電記錄 儀,實(shí)驗(yàn)室的電磁屏蔽與隔音效果均良好(室內(nèi)背景噪聲約為31dB,背景光照為2cd/m2)。 實(shí)驗(yàn)過(guò)程中,受試者以感覺(jué)舒適但不影響數(shù)據(jù)采集的姿勢(shì)坐在扶手椅中,面對(duì)正前方l 米左右距離顯示屏上的實(shí)驗(yàn)任務(wù)提示符。
實(shí)驗(yàn)以站起想象動(dòng)作為主。每個(gè)子實(shí)驗(yàn)(trail)持續(xù)20秒,分為3個(gè)時(shí)段。第一時(shí)段 為準(zhǔn)備期,此時(shí)段屏幕正中央顯示十字提示符(持續(xù)l秒鐘),提示受試者做好準(zhǔn)備;第 二時(shí)段為想象動(dòng)作期(從第二秒開(kāi)始,持續(xù)8秒鐘),屏幕顯示箭頭向上的方位提示符, 要求受試者想象站起動(dòng)作;第三時(shí)段為恢復(fù)期(從第十秒開(kāi)始,持續(xù)10秒鐘),用于受 試者調(diào)整狀態(tài),準(zhǔn)備下一組想象動(dòng)作,該時(shí)段內(nèi)顯示器保持為黑屏狀態(tài)。每個(gè)受試者在 進(jìn)行站起想象動(dòng)作實(shí)驗(yàn)前,需先按前述實(shí)驗(yàn)時(shí)程完成15次實(shí)際站起動(dòng)作(其間腦電 信號(hào)不做記錄),以熟悉后續(xù)想象動(dòng)作實(shí)驗(yàn)的屏幕提示符和積累實(shí)施動(dòng)作的經(jīng)驗(yàn)。在 整個(gè)想象動(dòng)作實(shí)驗(yàn)期間,受試者必須以自我身份想象自身如何完成站起動(dòng)作,而不能以 他人身份去想象別人的動(dòng)作。實(shí)驗(yàn)過(guò)程中要求受試者保持放松狀態(tài),不允許有任何的實(shí) 際肢體動(dòng)作。為避免受試者因視覺(jué)刺激引起腦電波動(dòng),顯示器以黑屏灰字的方式顯示提 示符。要求每個(gè)受試者完成3組實(shí)驗(yàn),每一組(run)包含30次站起想象動(dòng)作子實(shí)驗(yàn)(trail), 全部實(shí)驗(yàn)累計(jì)持續(xù)時(shí)間為10分鐘。在每?jī)山M實(shí)驗(yàn)之間,留有足夠長(zhǎng)的休息時(shí)間用于受試者恢復(fù)疲勞。
實(shí)驗(yàn)中41導(dǎo)腦電釆集電極位置如圖1所示,其中19導(dǎo)聯(lián)按國(guó)際10/20系統(tǒng)標(biāo)準(zhǔn)安置, 其余22導(dǎo)聯(lián)則根據(jù)本發(fā)明目的放置,要求覆蓋肢體動(dòng)作相關(guān)的感覺(jué)運(yùn)動(dòng)皮層功能映射區(qū) (導(dǎo)聯(lián)C3,Cz,C4周圍),以便獲取想象動(dòng)作過(guò)程中更為精細(xì)的腦電特征。實(shí)驗(yàn)所用電極 均為Ag/AgCI電極(阻抗小于5000歐姆);以左耳垂(A1)作為參考電平,右耳垂(A2)作為 參考地;腦電采樣頻率為256Hz,濾波通帶為O. 5 70Hz,并采用50Hz陷波器去除工頻干 擾。
為提高后期想象動(dòng)作電位模式識(shí)別的準(zhǔn)確性,對(duì)所得腦電數(shù)據(jù)采用了下述預(yù)處理方 法(1)依據(jù)Hjorth提出的源定位計(jì)算方法,通過(guò)共平均參考去除各導(dǎo)聯(lián)信號(hào)共有的空 間低頻成份,以突出具有時(shí)頻局域化特征的腦電源活動(dòng);(2)去除數(shù)據(jù)中存在的肌電和 眼電干擾。
二、傳統(tǒng)ICA空間濾波 獨(dú)立分量分析(ICA)主要應(yīng)用于未知基信號(hào)5"及其混疊特性^的情況下,僅從接 收到的混合信號(hào)I找到解混矩陣K使輸出矩陣 〃逼近源信號(hào)5",即
t/ = jn = ns (i)
式中解混逆矩陣『—1的第y列表示矩陣"中第j'行獨(dú)立分量在各個(gè)測(cè)量位置處的分布強(qiáng) 度,即為獨(dú)立分量的空間分布模式。
在腦電信號(hào)處理中,ica的目標(biāo)是基于不同思維任務(wù)與大腦活動(dòng)區(qū)域的映射關(guān)系, 找出對(duì)應(yīng)皮層活躍區(qū)域附近導(dǎo)聯(lián)占比重較大的腦電分量,然后重構(gòu)數(shù)據(jù)以突出皮層活躍
區(qū)域腦電源信號(hào)特征。傳統(tǒng)ICA模型認(rèn)為,腦電信號(hào)源分量是局部皮層區(qū)域同步化方式
下產(chǎn)生的神經(jīng)電活動(dòng),即認(rèn)為腦電信號(hào)的傳播是一個(gè)簡(jiǎn)單線性和瞬時(shí)混合過(guò)程,在數(shù)學(xué)
上可表示為單一混合矩陣乘積的作用結(jié)果。這個(gè)假設(shè)忽略了神經(jīng)傳導(dǎo)的瞬時(shí)動(dòng)態(tài)性群 體神經(jīng)元電活動(dòng)傳播過(guò)程的行波模式(traveling wave patterns)會(huì)引起不同腦功能區(qū)域 的同步化具有非零的相位滯后(synchronization between different brain areas with a nozero phase lag)。另一方面,傳統(tǒng)ICA模型僅從時(shí)域角度尋找最優(yōu)解,卻忽視了 腦電信號(hào)尤為重要的頻域特征。研究發(fā)現(xiàn),腦電活動(dòng)在不同頻帶下具有顯著不同的特 征,這些特征與不同的生理或心理過(guò)程密切相關(guān)。由此可以認(rèn)為,腦電信號(hào)在不同頻 帶下存在不同的功能性獨(dú)立信號(hào)源,實(shí)驗(yàn)檢測(cè)所得腦電信號(hào)是這些獨(dú)立信號(hào)源通過(guò) 不同的瞬時(shí)動(dòng)態(tài)過(guò)程混合而成的(其混合形式在時(shí)域?yàn)閹喎e)。為此需先對(duì)腦電信 號(hào)進(jìn)行適當(dāng)?shù)奶卣黝l帶分割,而后對(duì)各個(gè)特征子頻帶腦電信號(hào)分別進(jìn)行獨(dú)立分量分析 (或稱ICA空間濾波)。如此將神經(jīng)傳導(dǎo)的瞬時(shí)動(dòng)態(tài)建模問(wèn)題轉(zhuǎn)移并分解到各特征頻 率域,以更有效地描述各特征子頻帶所對(duì)應(yīng)腦電源信號(hào)傳播過(guò)程的時(shí)空動(dòng)態(tài)性。實(shí) 際上,僅在時(shí)域做簡(jiǎn)單線性混合運(yùn)算的傳統(tǒng)ica模型只能是整個(gè)特征頻帶域中的一 個(gè)子集。
要實(shí)現(xiàn)巻積混合模型下的ICA空間濾波,必須保證腦電信號(hào)時(shí)頻特性的有效分割,這是實(shí)現(xiàn)分量篩選的前提和關(guān)鍵。對(duì)于腦電信號(hào)來(lái)說(shuō),任務(wù)相關(guān)ERD/ERS現(xiàn)象 發(fā)生的特征頻帶存在很大的個(gè)體差異性,如果僅對(duì)某個(gè)指定頻帶進(jìn)行特征獲取,往 往會(huì)丟失該頻帶外的重要特征信息,從而增加識(shí)別的難度,甚至產(chǎn)生錯(cuò)誤結(jié)果。為 避之,Klimesch等建議將a和e波段的峰值頻率(分別為10Hz和24Hz)作為錨點(diǎn) (anchor point),而后將錨點(diǎn)前后的頻帶以2Hz頻率窗進(jìn)行均勻分割,再對(duì)這些 子頻段的腦電信號(hào)分別進(jìn)行特征提取。該方法已得到神經(jīng)科學(xué)研究領(lǐng)域的廣泛認(rèn)可, 也為本研究實(shí)現(xiàn)腦電信號(hào)時(shí)頻特性的有效分割提供了依據(jù)。
小波分析(wavelet analysis, WA)具有顯著的時(shí)頻局部化優(yōu)勢(shì),因此可用其 作為腦電信號(hào)特征頻帶分割工具。但為獲得a和e波段內(nèi)2Hz帶寬的子頻帶信號(hào), 單純通過(guò)WA方法仍然無(wú)法滿足要求,必須進(jìn)一步提升頻率分辨率。因此需要采用小 波包(WP)分析方法對(duì)腦電信號(hào)進(jìn)行時(shí)頻分割,稱之為小波包ICA空間濾波。
三、小波包域ICA空間濾波
小波包ICA空間濾波方法的實(shí)現(xiàn)步驟如下
(1)特征小波包空間獲取對(duì)原始數(shù)據(jù)c/。("進(jìn)行逐層小波包分解時(shí),任意尺度L (L〉0)有位于不同頻段的21—1且序列,每組序列分別由概貌濾波器/ 濾波的結(jié)果《(",和 細(xì)節(jié)濾波器g濾波的結(jié)果。("組成(y>o),則有下列遞推公式
《("=HO) (2)
附G2
根據(jù)小波包分析的特性,以及目標(biāo)子頻帶(以2Hz頻帶窗分割的a波段和P波段) 獲取的需求,首先對(duì)預(yù)處理后的41導(dǎo)聯(lián)腦電信號(hào)5,(/ = 1,2, ,41)進(jìn)行帶通濾波,獲
取2 34Hz并且覆蓋a波段及e波段的帶通腦電信號(hào)W,(/",2,…,41);對(duì) 5°,(/ = 1,2,...,41)進(jìn)行小波包多分辨率分析(這里S。,("即為公式(2)和公式(3)的小波 包分析的原始數(shù)據(jù)"。(")。經(jīng)過(guò)4個(gè)尺度的小波包分解后,最終獲得滿足頻帶分割要求 的11個(gè)特征子頻帶第4尺度下覆蓋a波段的3個(gè)特征子頻帶 《y(/ = l,2,..,41J = l,2,3)以及覆蓋e波段的8 個(gè)特征子頻帶
《"/ = 1,2,...,41;7 = 1,2,...,8)。這里,為了保證子頻帶腦電信號(hào)中零極點(diǎn)特性不變, 必須采用具有二階導(dǎo)數(shù)特性的小波包母函數(shù)。本發(fā)明選擇高斯函數(shù)的二階導(dǎo)數(shù)一墨 西哥草帽(Mexico Hat)小波作為母函數(shù)用于小波包多分辨率分析。特征小波包空 間的頻帶分割如圖4所示。圖中方框所示為通常4尺度小波包分析樹(shù)結(jié)構(gòu);最下層標(biāo) 示為第4尺度下覆蓋a與e波段的11個(gè)特征子頻帶名稱及其頻帶。
(2)小波包ICA空間濾波對(duì)11個(gè)小波包特征空間下的腦電信號(hào)
8《y(/ = l,2,.",41;/ = l,2,3)以及《^ = 1,2,..,41;/ = 1,2廣.,8)分別進(jìn)行獨(dú)立分量分析 (ICA)。
歸納小波包ICA空間濾波操作如下依次獲取a和e波段子空間下的解混矩陣 《;(_/ = 1,2,3)和^4y(/ = l,2,..,8), 以及與之相對(duì)應(yīng)的獨(dú)立分量
C:y(Z = l,2,-.-,41;_/ = l,2,3),[]C-y(/ = l,2,.",41;/ = l,2,...,8);對(duì)11組獨(dú)立分量進(jìn)行任
務(wù)相關(guān)主成份優(yōu)選,保留特征信息顯著程度符合域值條件的分量,其余分量置零;利 用經(jīng)過(guò)篩選的各組獨(dú)立分量及其對(duì)應(yīng)的解混矩陣依次重構(gòu)a波段子空間下的腦電信 號(hào)《y(/ = l,2,...,41;y = 1,2,3)以及e波段子空間下的腦電信號(hào)
《y(/ = l,2,..,41;/ = l,2,..,8)。
上述操作中,獨(dú)立分量組的主成份篩選非常關(guān)鍵。按前述思路,為獲得盡可能高 的空間濾波分辨率,應(yīng)采用與想象動(dòng)作所誘發(fā)ERD/ERS效應(yīng)密切相關(guān)的優(yōu)選方法。本 發(fā)明參考Pfurtsehelle給出的ERD/ERS特征量化原則,并結(jié)合小波包域ICA空間濾 波的特點(diǎn),提出了基于小波包對(duì)數(shù)功率譜定義的ERD/ERS系數(shù)作為ICA空間濾波中 主成份篩選指標(biāo)。該ERD/ERS系數(shù)定義如下
=[log )-log)]/log (W五《) (4) 這里7^尸為特征小波包子空間內(nèi)發(fā)生ERD/ERS現(xiàn)象在特征時(shí)段^內(nèi)的歸一化小波包功 率譜均值;i^F為執(zhí)行想象動(dòng)作前靜息時(shí)段^內(nèi)的歸一化小波包功率譜均值。由于各 導(dǎo)聯(lián)腦電在特征頻段內(nèi)表現(xiàn)出的ERD/ERS特征是所有與任務(wù)相關(guān)獨(dú)立分量的綜合效 果,而不具備ERD/ERS特征的獨(dú)立分量對(duì)此沒(méi)有貢獻(xiàn)。因此,可以依據(jù)a和P波段 子空間下各獨(dú)立分量的ERD/ERS系數(shù)值(該值反映了對(duì)應(yīng)獨(dú)立分量所貢獻(xiàn)ERD/ERS 特征的權(quán)重),對(duì)ll個(gè)小波包特征子空間分別進(jìn)行獨(dú)立分量篩選保留滿足判別閾 值條件的主分量,而將其余非主分量置為零向量。如此完成ICA空間濾波。
(3)腦電源信號(hào)重構(gòu)依據(jù)上一步ICA空間濾波篩選所得各導(dǎo)聯(lián)腦電信號(hào)的a和 e波段子空間,按照小波包樹(shù)的結(jié)構(gòu)(見(jiàn)圖2),利用概貌重構(gòu)濾波器《和細(xì)節(jié)重構(gòu) 濾波器g依次在各尺度下進(jìn)行小波包逆變換,可重構(gòu)各導(dǎo)聯(lián)與想象動(dòng)作電位密切相 關(guān)的腦電源信號(hào)。各尺度重構(gòu)公式如下
<formula>formula see original document page 9</formula> (5)
最終得到重構(gòu)后的腦電源信號(hào)《("=《("。
圖3(a)所示為典型受試者在C3導(dǎo)聯(lián)處站起想象動(dòng)作腦電信號(hào)(經(jīng)預(yù)處理,但未經(jīng) ICA空間濾波)的功率譜密度(采用多次實(shí)驗(yàn)功率譜疊加平均獲得)隨時(shí)間(橫軸)和頻 率(縱軸)的變化(時(shí)頻功率譜密度分布圖)。參照?qǐng)D右側(cè)色標(biāo)指示,可以大致辨認(rèn) ERD/ERS現(xiàn)象(紅色為ERS、藍(lán)色為ERD)發(fā)生的時(shí)段與頻段及顯著程度。從復(fù)雜背景中可以較容易分辨出a波段(12Hz附近)存在著與想象動(dòng)作任務(wù)同步的長(zhǎng)時(shí)ERD現(xiàn)象 (計(jì)算該時(shí)頻段的ERD/ERS系數(shù)為-2.3),而在P波段(14 26Hz)較大頻帶范圍內(nèi), ERD現(xiàn)象呈彌散性分布,很難識(shí)別出與想象動(dòng)作任務(wù)相關(guān)ERD現(xiàn)象所在時(shí)頻帶。為此 需采用ICA空間濾波以提高時(shí)頻分辨率。圖3(b)為對(duì)圖3(a)的原始腦電信號(hào)采用傳 統(tǒng)ICA空間濾波(再經(jīng)多次實(shí)驗(yàn)功率譜疊加平均)后獲得的時(shí)頻功率譜密度分布圖???以看出,經(jīng)ICA空間濾波后,噪聲干擾得到了一定程度的抑制,a波段(12Hz附近)的 ERD現(xiàn)象更為突出(空間濾波后,該時(shí)頻段的ERD/ERS系數(shù)改善為-6.9)。但P波段 的時(shí)頻分辨率仍不盡人意在背景噪聲得到抑制的同時(shí),e波段的ERD現(xiàn)象也受到 削弱,仍然無(wú)法有效識(shí)別該波段的ERD/ERS時(shí)頻特征信息。其原因主要由于傳統(tǒng)ICA 模型缺乏頻域特性的有效控制,即無(wú)法對(duì)不同特征頻帶的獨(dú)立分量實(shí)現(xiàn)分別篩選。
為克服傳統(tǒng)ICA模型的局限性,需采用前述小波包ICA空間濾波方法重構(gòu)各導(dǎo)聯(lián)與 想象動(dòng)作電位密切相關(guān)的腦電源信號(hào)。圖4-a給出了采用小波包域ICA空間濾波方法 后,C3導(dǎo)聯(lián)位置的腦電信號(hào)經(jīng)過(guò)多次實(shí)驗(yàn)功率譜疊加平均后獲得的時(shí)頻功率譜密度分 布圖。由圖4-a可以看出,采用小波包ICA空間濾波后,彌散分布的背景噪聲得到了 顯著的抑制;a波段中12Hz附近的ERD現(xiàn)象明顯增強(qiáng)(ERD/ERS系數(shù)改善為-9.7);而 e波段下,24Hz附近的ERD現(xiàn)象也被凸顯出來(lái)(ERD/ERS系數(shù)改善為-6. 5)。圖4-a同 時(shí)給出了想象動(dòng)作實(shí)施前后,在C3導(dǎo)聯(lián)時(shí)頻坐標(biāo)系標(biāo)識(shí)位置處P波段(24Hz附近)以及 a波段(12Hz附近)頻帶41導(dǎo)聯(lián)腦電信號(hào)ERD/ERS分布的腦地形圖在站起想象動(dòng)作實(shí) 施前(見(jiàn)圖4-A中動(dòng)作實(shí)施前500ms左右a波段及e波段下的標(biāo)識(shí)點(diǎn)),運(yùn)動(dòng)感覺(jué)功 能區(qū)(C3、 C4、 Cz導(dǎo)聯(lián)附近)沒(méi)有出現(xiàn)特征頻帶的ERD或ERS現(xiàn)象;而在站起動(dòng)作想象 過(guò)程中,在e波段的24Hz附近(見(jiàn)圖4-a)中動(dòng)作實(shí)施后8000ms左右24Hz附近標(biāo)識(shí)點(diǎn)), C3和Cz導(dǎo)聯(lián)附近存在明顯的ERD現(xiàn)象,C4導(dǎo)聯(lián)位置沒(méi)有發(fā)生ERD或ERS現(xiàn)象,而在位于 感覺(jué)功能區(qū)的導(dǎo)聯(lián)C1A處,則存在較為明顯的ERS現(xiàn)象;在a波段的12Hz附近(見(jiàn)圖 4-a)中動(dòng)作實(shí)施后8000ms左右24Hz附近標(biāo)識(shí)點(diǎn)),C3、 C4、 Cz導(dǎo)聯(lián)位置均存在顯著 的ERD現(xiàn)象,而在其他區(qū)域無(wú)顯著ERD或ERS現(xiàn)象。圖4-b給出了小波包ICA算法后,C3 導(dǎo)聯(lián)腦電信號(hào)的功率譜密度隨時(shí)間變化曲線。從圖4-b可以看出,C3導(dǎo)聯(lián)位置發(fā)生了 明顯的ERD現(xiàn)象,并且與受試者想象站起動(dòng)作的起始和終結(jié)時(shí)刻基本同步。其時(shí)間進(jìn) 程與圖4-A的時(shí)頻功率譜密度圖是相互對(duì)應(yīng)的。
為克服下肢想象動(dòng)作電位特征識(shí)別時(shí)空間分辨率不足的困難,本發(fā)明提出了基于小 波包獨(dú)立分量分析結(jié)合頻域事件相關(guān)去同步/事件相關(guān)同步(ERD/ERS)系數(shù)優(yōu)選并滿足 巻積混合模型的空間濾波新方法。通過(guò)上述站起想象動(dòng)作實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)獨(dú)立分 量分析方法相比,新方法能同時(shí)增強(qiáng)a與e波段事件相關(guān)電位的時(shí)頻特征并顯著提高C3、 C4、 Cz、 C1A等關(guān)鍵導(dǎo)聯(lián)的ERD/ERS系數(shù)值。但有研究表明,與想象動(dòng)作事件相關(guān)的 ERD/ERS特征存在較大的個(gè)體差異性,其不僅表現(xiàn)在ERD/ERS的特征頻帶,而且體 現(xiàn)于ERD/ERS系數(shù)值的顯著差別。為驗(yàn)證本發(fā)明空間濾波和特征識(shí)別方法及實(shí)驗(yàn)方案的有效性與普適性,考查了 IO例受試者在站起動(dòng)作想象實(shí)驗(yàn)中ERD/ERS現(xiàn)象的特征 頻帶分布和特征系數(shù)值變化(如圖5所示),以期挖掘出有價(jià)值的共性特征。
圖5-(a)給出了 IO例受試者在站起動(dòng)作想象過(guò)程中C3、 Cz、 C4及C1A導(dǎo)聯(lián)(對(duì) 應(yīng)于ERD/ERS現(xiàn)象顯著的感覺(jué)運(yùn)動(dòng)功能區(qū)位置)的ERD/ERS特征頻帶分布。從圖5-(a) 可以看出,ERD/ERS現(xiàn)象集中分布于a和e波段范圍。其中a波段ERD現(xiàn)象主要發(fā)生 在運(yùn)動(dòng)功能區(qū)的C3、 Cz、 C4導(dǎo)聯(lián);e波段ERD現(xiàn)象則分布于的C3、 Cz導(dǎo)聯(lián)附近, 同時(shí)在靠近感覺(jué)功能區(qū)的C1A導(dǎo)聯(lián)位置發(fā)生ERS現(xiàn)象。另外,從盒狀圖的四分位距 分布可以看出,a波段ERD現(xiàn)象的特征頻帶集中于10 14Hz的窄帶內(nèi),而P波段 ERD/ERS現(xiàn)象則僅集中于21 25Hz的窄帶內(nèi)。利用這個(gè)共性特征,可以適當(dāng)減少用 于ICA空間濾波和特征提取的小波包域特征子空間選取范圍,從而可進(jìn)一步提高空 間濾波和特征識(shí)別方法的運(yùn)行效率。這也說(shuō)明了本發(fā)明實(shí)驗(yàn)方案的有效性。
為考查小波包ICA空間濾波方法在站起想象動(dòng)作腦電特征分析中的有效性,比較 了10例受試者在3種處理方式(無(wú)ICA空間濾波、傳統(tǒng)ICA空間濾波和小波包ICA空間濾 波)后的ERD/ERS特征系數(shù)值差異,并進(jìn)行了統(tǒng)計(jì)學(xué)t檢驗(yàn)處理。圖5(b)給出了C3、 C4、 Cz、 C1A等關(guān)鍵導(dǎo)聯(lián)ERD/ERS特征系數(shù)值的統(tǒng)計(jì)結(jié)果。從圖中可以看出,采用傳統(tǒng)ICA 空間濾波方法,雖然在a波段下能夠獲得相對(duì)于不采取空間濾波更顯著的ERD/ERS特
征,但無(wú)法同時(shí)兼顧e波段下的腦電特征增強(qiáng)(表現(xiàn)為圖中e波段經(jīng)傳統(tǒng)KA空間濾
波后ERD/ERS特征系數(shù)值反而低于無(wú)空間濾波處理的特征系數(shù)值);而經(jīng)過(guò)小波包ICA 空間濾波后的ERD/ERS系數(shù)幅值皆顯著高于傳統(tǒng)ICA空間濾波和未采用空間濾波的特 征系數(shù)值(P<0.01)。這表明了采用小波包ICA空間濾波結(jié)合功率譜密度分析的方法 能夠有效地提取與識(shí)別站起想象動(dòng)作腦電的ERD/ERS特征信息,并具有一定的普適性。
權(quán)利要求
1. 一種下肢想象動(dòng)作電位空間濾波方法,其特征在于,包括下列步驟①利用腦電導(dǎo)聯(lián)電極采集反映下肢想象動(dòng)作的腦電信號(hào);②對(duì)所采集的腦電信號(hào)進(jìn)行預(yù)處理;③對(duì)預(yù)處理后的41導(dǎo)聯(lián)腦電信號(hào)Si(i=1,2,…,41)進(jìn)行帶通濾波,獲取2~34Hz并且覆蓋α波段及β波段的帶通腦電信號(hào)S0i(i=1,2,…,41);對(duì)S0i(i=1,2,…,41)進(jìn)行小波包多分辨率分析,經(jīng)過(guò)4個(gè)尺度的小波包分解后,最終獲得滿足頻帶分割要求的11個(gè)特征子頻帶第4尺度下覆蓋α波段的3個(gè)特征子頻帶以及覆蓋β波段的8個(gè)特征子頻帶④對(duì)11個(gè)小波包特征空間下的腦電信號(hào)以及分別進(jìn)行獨(dú)立分量分析,采用基于頻帶對(duì)數(shù)功率譜定義的事件相關(guān)去同步化/同步化(ERD/ERS)系數(shù)作為主成份篩選的依據(jù),保留去同步化/同步化(ERD/ERS)系數(shù)絕對(duì)值大于設(shè)定閾值的分量,并將其余分量置零;⑤利用各個(gè)特征小波包子空間下的腦電信號(hào),依次恢復(fù)構(gòu)造出各導(dǎo)聯(lián)腦電信號(hào)各自對(duì)應(yīng)的小波包頻域空間,而后進(jìn)行小波包逆變換,重構(gòu)腦電源信號(hào)。
2. 根據(jù)權(quán)利要求1所述的下肢想象動(dòng)作電位空間濾波方法,其特征在于,步驟1中 的41導(dǎo)腦電采集電極,其中19導(dǎo)聯(lián)按國(guó)際10/20系統(tǒng)標(biāo)準(zhǔn)安置,其余22導(dǎo)聯(lián)覆 蓋肢體動(dòng)作相關(guān)的感覺(jué)運(yùn)動(dòng)皮層功能映射區(qū),即導(dǎo)聯(lián)C3, Cz, C4周圍。
3. 根據(jù)權(quán)利要求1所述的下肢想象動(dòng)作電位空間濾波方法,其特征在于,步驟2中 對(duì)所采集的腦電數(shù)據(jù)按下述預(yù)處理方法(1)依據(jù)Hjorth提出的源定位計(jì)算方 法,通過(guò)共平均參考去除各導(dǎo)聯(lián)信號(hào)共有的空間低頻成份;(2)去除腦電數(shù)據(jù)中 存在的肌電和眼電干擾。
全文摘要
本發(fā)明屬于生物醫(yī)學(xué)工程及計(jì)算機(jī)領(lǐng)域,涉及一種下肢想象動(dòng)作電位空間濾波方法,該方法主要包括下列步驟,①站起想象動(dòng)作腦電信號(hào)采集和預(yù)處理;②特征小波包空間獲??;③小波包域獨(dú)立分量分析;④腦電源信號(hào)重構(gòu)。采用本發(fā)明提供的方法,能夠加大對(duì)ERPs信號(hào)空間濾波的力度,提高信號(hào)處理的空間分辨率,并能夠結(jié)合想象動(dòng)作所誘發(fā)ERD/ERS現(xiàn)象的功率譜頻帶特性,從時(shí)空和時(shí)頻等多個(gè)角度挖掘信號(hào)的動(dòng)態(tài)特征,提高信噪比、增強(qiáng)區(qū)分度,從而能有效地識(shí)別下肢想象動(dòng)作電位。
文檔編號(hào)A61B5/0476GK101433460SQ20081005395
公開(kāi)日2009年5月20日 申請(qǐng)日期2008年7月25日 優(yōu)先權(quán)日2008年7月25日
發(fā)明者萬(wàn)柏坤, 劉雙遲, 周仲興, 東 明, 朱譽(yù)環(huán) 申請(qǐng)人:天津大學(xué)