[發明專利]基于眼電開關的腦電生物反饋系統

在審

• 申請號: 201910333590.2
• 申請日: 2019-04-24
• 公開（公告）號: CN110037696A
• 公開（公告）日: 2019-07-23
• 發明（設計）人: 羅虎;宋立國;陳琰;梁戈;陽勇
• 申請（專利權）人: 廣州貝方醫療設備有限公司
• 主分類號: A61B5/0496
• 分類號: A61B5/0496;A61B5/0476
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 馮炳輝

1.基于眼電開關的腦電生物反饋系統，其特征在于：包括有基于眼電EOG的異步開關模塊、腦電信號采集模塊、腦電信號特征提取與分類模塊和基于虛擬現實技術的反饋模塊；其中：

所述基于眼電EOG的異步開關模塊，包括四部分內容：眼電數據采集、圖形用戶界面GUI、檢測算法訓練，校準即閾值計算；所述眼電數據采集是用一個單極電極“A”采集垂直EOG信號，參考電極“REF”置于右側乳突，接地電極“GND”置于額頭，所有電極的阻抗保持在5kΩ以下，采樣率為250-1000Hz；所述圖形用戶界面GUI由一個按鍵組成，該按鍵按照n秒閃爍一次，n為0-5之間的任意數值，每次閃爍持續100-300毫秒，按鍵的閃爍目的是給受試者提供眨眼的時間標記，受試者能夠通過執行與按鍵的閃爍同步的眨眼來發出開/關命令，受試者處于控制狀態時代表受試者希望發出開/關命令，否則，認為受試者處于空閑狀態；所述檢測算法訓練是在發送開/關命令時，受試者需要根據開關鍵的閃爍進行同步眨眼，異步開關模塊自動記錄單通道的EOG信號，每次按鍵閃爍后異步開關模塊會執行一次在線檢測，如果測到與按鍵閃爍相對應的主動眨眼，則認為受試者處于控制狀態，異步開關模塊自動發出一個開/關命令；如果沒有檢測到主動眨眼，按鍵將繼續閃爍，異步開關模塊自動執行下一次的檢測，每次檢測的數據分析包括三個步驟：特征提取、波形檢測和決策，每個步驟的詳細信息描述為：①特征提取，每次檢測時都會提取一個與按鍵閃爍相對應的特征向量，具體地，先為按鍵閃爍提取一段EOG信號，在閃爍發生后100-500ms，然后對提取的EOG信號進行0.1-30Hz的帶通濾波，以消除基線漂移和高頻噪聲，最后，使用以下一階差分方法獲得特征向量：

x′_t＝x_t-x_t-1 (1)

其中，x′_t是對應第t個采樣點差分后的值，x_t與x_t-1是信號的采樣值，所提取的特征向量表示為F；②波形檢測，對提取的在線特征向量F進行波形檢測，在眨眼EOG的差分波形中存在明顯的峰谷特性，且波谷出現在波峰之后，波形檢測時，先在特征向量F中找到波峰波谷的位置，將波形的極值點中數值最大的視為波峰t_peak，數值最小的視為波谷t_valley，然后，為每個特征向量F按以下方法計算兩個值，即d和e：

其中，d和e分別表示波峰波谷之間的間隔時間和累積能量，最后，根據預先設定的兩個時間閾值D_min、D_max和一個能量閾值E完成波形檢測，如下式(3)所示；

其中，b是特征向量F的波形檢測結果，b＝1表示檢測到了主動眨眼，b＝0表示沒有檢測到主動眨眼，式(3)中的閾值D_min、D_max和E會在一個校準過程定中確定；③決策，檢測算法直接根據波形檢測的結果作出判斷，具體地，若b＝1，則認為檢測到一次控制狀態，異步開關模塊發出相應的開關命令，當前檢測完成且異步開關模塊繼續執行下一次檢測；否則，異步開關模塊認為當前受試者處于空閑狀態，不發出任何控制命令，繼續執行下一次檢測；所述校準是在每個受試者參加實驗之前，將通過一個校準過程為其確定三個閾值D_min、D_max和E，首先，利用GUI收集訓練數據集，該數據集包含N次按鍵閃爍，N＝1，2，3，4…100，受試者需根據按鍵的閃爍進行同步眨眼，針對收集到的EOG信號，用上述檢測算法訓練中介紹過的方法為每次按鍵閃爍提取一個特征向量，最后得到N個特征向量用于確定上述閾值，根據訓練數據集中獲得的N個特征向量，按照公式(3)分別計算出N個d和e，而后采用Pauta準則，也稱為3σ準則，消除異常值，具體做法為：將大于μ+3σ或小于μ-3σ的值刪除，其中μ和σ分別表示所有數值的期望和標準差，最后，對剩余的d和e分別進行由大到小的排序，在排好序的所有e中選擇前98％中的最小值作為能量閾值E，類似地，在排好序的所有d中選擇前98％中的最小值作為時間閾值D_min，選擇前2％中的最小值作為時間閾值D_max；

所述腦電信號采集模塊，采用16-32通道的EEG電極帽來記錄頭皮腦電信號，所有通道的腦電信號均以右耳突為參照，其中“HEOGR”“HEOGL”與“VEOGR”“VEOGL”兩對通道用來記錄眼球運動用于實現眼電異步開關；腦電采集過程中，所有電極的阻抗值皆為5KΩ以下，腦電信號以250-1000Hz的頻率采樣，并在0.1至100Hz的范圍內進行帶通濾波；

所述腦電信號特征提取與分類模塊，用于實現腦電成分中的α節律、β節律、θ節律和δ節律特征的提取，并根據各節律之間的功率比值進行分類，給出對應的腦電活動模式，以輸出不同的視聽覺反饋給受試者；腦電信號是一種隨機性很強的非平穩信號，根據腦電信號的頻率、振幅和生理特征分為四種基本節律：α節律頻率為8-13Hz，振幅20～100μV，正常安靜、清醒閉目時出現，睜開眼睛或接受其它刺激時，立即消失而呈現快波；β節律頻率為14-30Hz，振幅5～20μV，睜眼視物，或突然聽到音響，或思考問題時出現此波，通常認為β波是大腦皮層興奮的表現；θ節律的頻率為4-7Hz，振幅100～150μV，在困倦、缺氧或深度麻醉時出現；δ節律頻率為0.5-3Hz，振幅20～200μV，成人睡眠時出現，清醒時無此波，在深度麻醉或缺氧時亦出現；目前公認的分析方法普遍都是建立在假設腦電圖是準平穩信號的基礎上，即：認為它能夠分為若干段，每一段的過程平穩，將實時腦電信號以i秒分段，i＝1，2，…5，利用FFT對每一段提取腦電特征成份，同時計算三個參數α/β、θ/β、δ/β，即α、θ、δ節律與β節律的功率比值，由于信號的功率與其電壓的平方成正比，因此特征參數分別為：設定比較閾值，單個特征參數大于閾值時，表示大腦的一種活動模式，單個特征參數小于閾值時，表示大腦的第二種活動模式，閾值的設定需要根據受試者在平靜放松狀態下的特征參數值進行設定，根據閾值對腦電活動模式進行分類，并將這些腦電信號處理后的信息以視覺或聽覺的形式反饋給受試者，促使受試者有意識地控制自身的思維狀態；

所述基于虛擬現實技術的反饋模塊，采用Microsoft Visual C++軟件結合開源三維圖像引擎OpenSceneGraph編寫程序，設計沉浸式交互式良好的用戶交互界面，同時調用特征提取、分類的算法程序對在線實驗段的數據結果實時輸出三維的反饋結果，在線實驗段的反饋將以各類三維游戲形式呈現給受試者。