[發明專利]一種基于EEG的實時人腦注意力測試和訓練系統

有效

• 申請號: 201710164162.2
• 申請日: 2017-03-20
• 公開（公告）號: CN107024987B
• 公開（公告）日: 2020-04-14
• 發明（設計）人: 黃麗亞;蔡馥韓;徐之豪;丁王;鄧梅淇;尹悅;王武渠
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06N3/08;G06K9/00;A61B5/0476;A61B5/16
• 代理公司: 南京知識律師事務所 32207
• 代理人: 李湘群

1.一種基于EEG的實時人腦注意力測試和訓練系統，其特征在于包含注意力實驗、信號采集、數據分析、實時傳輸以及測試反饋五個部分，注意力實驗部分分為系統內部和外部實驗，信號采集部分利用腦電采集設備收集使用者的EEG數據；數據分析部分利用數據分析程序對所采集的信號進行去噪、濾波以及相關節律波的分析；實時傳輸部分將分析得到的量化數值保存以備隨時提取，并通過相應的接口傳輸，測試反饋部分利用相應的程序讀取實時傳輸部分的數據，通過一個可視化界面實現反饋，所述系統外部實驗為任意可區分注意力集中程度的實驗，用戶可自行決定，起到分析與檢測的作用，所述系統內部的注意力實驗形式多樣，用于提高用戶的興趣，系統內部的注意力實驗可實時反饋，每一時刻的狀態都受到注意力水平的影響，并且能夠清楚地反映給用戶，從而使用戶進行心理暗示，達到提高注意力的效果，在信號采集部分中，腦電信號采集頻率可取800～1200Hz，選取的導聯是Fp1、Fp2、F7、F3、Fz、F4和F8，通過編程實現腦電信號采集設備和數據處理程序之間實時腦電數據傳輸的接口，在實時傳輸部分分為兩塊，第一塊是將采集的數據實時傳輸至數據分析部分，另一塊是將分析的結果傳輸至測試反饋以及注意力實驗部分，所述將采集的數據實時傳輸至數據分析部分是通過BCI2000軟件實現，所述將分析的結果傳輸至測試反饋以及注意力實驗部分是通過系統內部相應的讀取程序讀取所需數據，傳輸的頻率由采集信號的頻率來確定，所述的數據分析部分對采集的腦電數據進行處理，判斷注意力的集中程度依次進行的處理為ICA去噪去偽跡、濾波、腦電信號注意力相關特征提取，ICA完成對心電、眼電以及隨機噪聲等的去除，濾波器實現的是去除低頻、高頻以及50Hz工頻干擾噪聲，并且分離出各個頻段的節律波，為特征提取做準備，特征提取運用BP神經網絡多參數分析方法，將所述注意力實驗的數據傳輸至測試反饋部分，并通過可視化界面實時反饋給用戶；

對采集的腦電數據依次進行的處理為ICA去噪去偽跡、濾波、腦電信號注意力特征提取，每次分析采集時長為5秒的腦電數據：

(1)ICA去噪去偽跡；

腦電信號是一種隨機性很強的電生理信號，各種不同的情緒和心態都會影響它的變化，腦電信號具有很高的時變敏感性，極易被無關噪聲污染，從而形成各種腦電偽跡，其中影響最大的是心電以及眼電偽跡，ICA完成對心電、眼電以及隨機噪聲等的去除，好處是經ICA處理得到的各個分量不僅去除了相關性，而且還是相互統計獨立的，理論知識為：

第一步：假設N維觀測信號是Y(t)，Y(t)＝[y₁(t),y₂(t)......y_N(t)]^T，包括采集得到的各種偽跡以及噪聲分量，S(t)是產生觀測信號的M個相互統計獨立的源信號，S(t)＝[s₁(t),s₂(t)......s_M(t)]^T；

第二步：觀測信號是由源信號經過系統線性混合之后產生的，即Y(t)＝BS(t)，B為系統矩陣；

第三步：在混合系統矩陣B以及源信號S(t)未知的情況下，僅利用觀測信號Y(t)和源信號統計獨立的假設，找到一個線性變換分離矩陣D，使得L(t)＝DY(t)＝DBS(t)盡可能的等于源信號S(t)，此時可以用最終得到的L(t)信號近似代替原始S(t)信號，且將各個分量都等效代替并分離了出來；

(2)濾波；

濾波器實現的是去除低頻、高頻以及50Hz工頻干擾噪聲，并且分離出各個頻段的節律波，為特征提取做準備；

低頻干擾為基線漂移，由測量時電極和人體接觸不良、放大器溫漂或呼吸引起，高頻干擾是采集中存在的射頻干擾和肌電干擾，用巴特沃斯濾波器進行帶通濾波，在MATLAB中，直接調用butter函數與filtfilt函數；

50Hz工頻干擾的去除方法是使用數字陷波器濾，在matlab中運用的是自行設計的巴特沃斯型50Hz陷波器函數function[Num,Den]＝ZB_50_filter(f0,B1,N),其中f0,B1,N分別為陷波器中心頻率，單邊帶寬以及濾波器階數，此函數通過fdatool工具箱的驗證；

分離各種節律波用到的是FIR數字濾波器，其中δ波頻率在1～4Hz，θ波頻率在4～7Hz，α波頻率在8～13Hz，β波頻率在13～20Hz；

(3)特征提?。?/p>

為了準確評估注意力水平，采取多特征參數作為標準，具體如下：

W₁:δ波能量占腦電信號總能量的百分比；

W₂:θ波能量占腦電信號總能量的百分比；

W_α:α波能量占腦電信號總能量的百分比；

Rel:θ波能量與β波能量的比值；

P_β:β能量的絕對值；

f_max:β波中最大能量的頻率點；

采用三層BP神經網絡進行非線性擬合，輸入層的神經元個數為N＝6，輸出層的神經元個數為K＝2，隱層神經元個數M根據經驗公式：

取M＝5，P≈32，激勵函數為非線性單調上升的Sigmoid函數，設定學習的樣本前期采集的注意力集中時的腦電數據，通過樣本學習來決定各個參量所占的權重(0～1之間)，初始權值設置為0.1～0.3之間，得出近似的注意力集中時計算公式，并計算出注意力集中時的數值范圍，之后經過多種傳統注意力測試方法的測試，確定不同注意力狀況的數值，之后將實時采集分析得到的數據與以上數據相比較，便可體現注意力水平；

實時傳輸部分分為兩塊，第一塊是通過BCI2000軟件進行傳輸，將采集的數據實時傳輸至分析部分，另一塊是通過系統內部相應的讀取程序讀取所需數據至可視化反饋以及注意力實驗部分，傳輸的頻率由采集信號的頻率來確定，在本實例中應為1000Hz；

測試反饋部分與系統內部的注意力實驗相聯系，注意力測試結果的反饋通過一個可視化界面實現，是將數據直觀化反饋，可視化采用的是圖形的形式反饋。