CN103505203B - 基于脑电源定位方法的人体精神状态检测方法 - Google Patents

Abstract

基于脑电源定位方法的人体精神状态检测方法，先进行受试者的选择，后进行硬件连接和软件调试，再采用基于独立成分分析脑电信号特征提取方法进行滤波去噪、伪迹分离和提取脑电数据特征，并在MATLAB平台上画出所有分量的地形图；最后使用通过基于电偶极子理论、正逆演问题的分析以及研究头部模型的确定，得出电偶极子的源定位方法，以应用于脑电信号的源定位；最后对ESL的定位结果图进行比对分析，找出下分布在枕区的偶极子数目的分布规律，然后对ESL分析结果中定位到的枕区的偶极子数目进行统计分析，从而证明不同精神状态下枕区的偶极子的数量可以作为定量评估精神状态的指标，本发明具有无损、受试者舒适、源定位可靠，评估方法简单等优点。

Description

基于脑电源定位方法的人体精神状态检测方法

技术领域

本发明涉及脑-机接口(Brain-Computer Interface，BCI)技术领域，具体涉及基于脑电源定位方法的人体精神状态检测方法。

背景技术

疲劳作为人体一个复杂的生理状态，难以准确地定义.一般情况下，它指机体在一定环境条件下，由于超长时间或超强度的进行体力脑力劳动，使身体的精神状态下降而导致工作能力，注意力及工作效率下降的一种心理生理状态。

国际上对疲劳的定义和定位并不是十分精确，疲劳度的量化和检测的标准也不是十分确定，对精神疲劳的研究也处于初级阶段，国内对疲劳的研究也主要是集中在疲劳驾驶和睡眠剥夺这些比较简单和明显的疲劳状态，检测手段主要有主观检测法和客观检测法两种。

主观检测法主要是采用疲劳量表，进行主观自评的方法。该方法主要考虑到疲劳是人的一种主观感受。所以，在早期对疲劳的研究中主要采用该方法。常见的测量疲劳量表有Stanford嗜睡量表SSS，Karolinska困倦量表KSS，Samn-Perelli疲劳量表SPFC，Borg CR10量表CR10。该种检测方法简单直接，可操作性强，能提供关于疲劳的各方面信息，比如产生疲劳的时间和过程，主观上产生疲劳的原因等。

但因为主观评测受到个人因素的影响比较大，每个人的生活背景和感觉标准不同，甚至无意的会去迎合某个方面的结果，所以评测结果会有较大的差异。

客观评测法主要是指使用仪器设备来对人体的生理指标来进行测量、记录和分析。客观评定法根据所使用的客观指标不同，大致可分为行为学指标评定法、生化指标评定法和生理指标评定法。

行为学指标评定法主要是根据受试者对规定事物的做出反应，测量记录反应的准确度和时间，以此来表征被试者中枢系统技能的迟钝化程度与兴奋水平，作为反映被试者疲劳程度的指标。

生化指标评定法主要是通过监测分析受试者的血、尿、汗及唾液等体液成分的变化来判断疲劳，因为研究表明，疲劳试验血脂、血糖和尿酸的水平均比正常情况下偏高，可以作为一个指标评测疲劳度。但是操作不便，会让被试者产生不适感。

生理指标评定法是通过测量人体的生理指标特征，如心电，脑电，心率，脉搏，眼电，皮肤电阻等来评测受试者的精神疲劳程度。现在的研究表明，随着疲劳程度的加深，脑电信号中alpha波的比率会增加，其他研究也表明这种评测指标是可用的。这是现在主流的检测方法，这种检测方法是无损的，对被试着不会造成损害。

脑电源定位技术(eeg source localization，ESL)它几乎与EEG技术同时出现，受数字EEG技术和计算机技术的推动，ESL发展迅速，现在广泛应用于关于脑电的研究中，这里的ESL特指电脑辅助ESL。

在研究能引起可记录电流区域的脑电信号中，ESL的主要目的是定位这些电流信号的源，这种定位是无创的，且采集的可用信息量多，精度也较高，对环境要求不高，可以满足临床医学，神经科学等各领域的研究要求。

发明目的

为了克服上述现有技术的缺点，本发明的目的在于提供了基于脑电源定位方法的人体精神状态检测方法，有效地提高了评测的准确性和时间空间上的适应性，为进一步提高人体精神状态评估的辨识正确率和缩短辨识时间奠定了基础。

为了达到上述目的，本发明采取的技术方案为：

基于脑电源定位方法的人体精神状态检测方法，包括以下步骤：

步骤1，选择实验对象：受试者选择遵循年龄相似，工作情况相同，身体健康且无脑部疾病历史者；

步骤2，电极导联位置及信号采集：硬件使用128位脑电信号采集系统，电极安放标准是依据临床神经生理学国际联合会的电极安放标准5/10系统，电极帽采集信号后经过两台64active box送至g.HIamp处理，最后送到计算机进行分析，存储和显示，g.Hiamp的驱动程序是基于MATLAB数据采集工具包MATLAB API，其应用编程接口API是开源的；

在受试者清醒时、轻度疲劳时、睡眠剥夺即重度疲劳时分别采集2组、2组和6组数据，该三种实验情况互为对照；

步骤3，对采集到的脑电信号进行预处理：脑电信号预处理先对采集信号进行滤波，滤波条件是8-13Hz alpha频段滤波，然后再进行独立成分分析，即ICA技术，采用ICA技术对脑电信号进行处理，实现各种伪迹的分离和脑电信号的特征提取，

ICA的运用过程描述如下：设X(t)=[x₁(t),x₂(t),…,x_N(t)]^T是N维的观测信号，S(t)=[s₁t）,s₂(t),…,s_M(t)]^T是产生观测信号X(t)的M个相互统计独立的源信号，且观测信号X(t)是源信号S(t)经过一个未知的矩阵A线性混合产生，即X(t)=AS(t)，在源信号S(t)与混合矩阵A是未知的情况下，仅利用源信号S(t)和观测信号X(t)统计上相互独立的假设，找寻一个完成线性变换分离的矩阵W，希望得到的输出信号Y(t)=WX(t)=WAS(t)尽可能的逼近真实的源信号S(t)；

步骤4，以步骤3处理后的脑电信号为基础进行信号源定位：将电偶极子的研究运用于脑电源定位分析，通过建立相应头部模型，运用数学方法实现脑电信号源的定位，内容分为以下3方面：

1)确定外部电场和源电流之间的关系：将头部看作是一个电磁学系统，这样外部电磁场和脑内的电流源之间的关系用麦克斯韦方程组表示：

$\left\{\begin{array}{c}\▿\·E=\mathrm{\ρ}/{\mathrm{\ϵ}}_0\\ \▿\×E=-\frac{\∂B}{\∂t}\\ \▿\·B=0\\ \▿\×B={\mathrm{\μ}}_0(J+{\mathrm{\ϵ}}_0\frac{\∂E}{\∂t})\end{array}\right.$

式中：

E为电场强度(V/m，

ε₀为电常数，

μ₀为磁常数

B为电磁感应强度，

J为自由电流密度(A/m²)，

ρ为电荷密度(C/m³)；

脑部近似看成是一个由无源、均匀、各项同性的导电体组成的线性介质，同时在实际应用中可以发现，脑电场中的时变因素可以忽略，对该电磁问题简化得到准静态下的电磁问题，这样式上简化为：

式中：

为标量单位，

J＝J^p+σE为全电流密度

J^p为源电流密度，用电流偶极子来描述，

σE为传导电流，也称返回电流或欧姆电流，

在J^p≠0时，这是一个Poisson方程，在J^p=0则是Laplacian方程，对于理想的无限大均质导体而言，Poisson方程的解为：

这样，就确定了外部电场和源电流之间的关系，并由上述方程唯一确定；

2)正、逆演问题在ESL研究中的应用：使用的正模型是边界元素模型，相应的逆演问题使用偶极子源模型，

◆正演问题在数学上的表述为：

式中：

是头皮电位，

g是脑电源，

q是线性映射矩阵，

m是头皮电极的数目，

根据线性叠加原理，当存在有多个脑电源时，头皮电位看成是这些脑电源各自电场在头皮某处的线性叠加，用以下方程表示：

Y＝GJ+V

式中：

Y代表m个测量值，

G表示增益矩阵，

J表示n个脑电源，

V表示测量的噪声，

对于不同的头部模型，用相应的数值方法计算得到相应的增益矩阵，则解决了正演问题；

◆逆演问题在数学上的表达：

J＝TY

式中：

J表示脑电源，

T是一个(3N)×M的矩阵，

Y是头皮电位测量值，

T被称为转换矩阵G的广义逆，G与T之间必须满足：

GT＝H_M

式中：H_M是一个M×M的平均参考算符，

式GT＝H_M说明，由此估计得到的脑电源同样也必须满足相应的正演问题，H_M定义为：

$H_M=I_M-\frac{1}{M}{1}_M{1}_M^T$

式中：I_M表示M×M的单位矩阵，1_M表示元素全为1的M×1向量；

3)偶极子源定位的实现：对于一个偶极子源，若只对其位置定位只需要三个参数，即x,y,z三坐标，若要进一步确定其指向和大小，则还需要方向和θ,和强度P，那么从原始数据出发，经过预处理得到各个独立成分对于每一个独立成分的电极电势图通过最小化成本方程定位一个偶极子，使用顺向下行单纯形搜索法，对于一个偶极子，需要确定六个自由度，即坐标(x,y,z)和该坐标处的偶极子强度(P_x,P_y,P_z)，因为这些电势图是偶极子时刻的线性函数，用Awada KA,Jackson DR,Williams JT的分析优化法来减少搜索空间，即对用于评价指定单纯形的每一个定位，先单独的计算其坐标值，再通过解决一个3×3的系统来确定对于这一位置最优的偶极子强度和指向，成本函数的最小化只取决于偶极子的位置：

$R(x,y,z)=\left|\right|{\mathrm{\φ}}^i-{\stackrel{\‾}{p}}_x{\widehat{\mathrm{\φ}}}_x-{\stackrel{\‾}{p}}_y{\widehat{\mathrm{\φ}}}_y-{\stackrel{\‾}{p}}_z{\widehat{\mathrm{\φ}}}_z\left|\right|$

式中：

(x,y,z)是偶极子源的坐标值，

φⁱ是独立成分i的电势图，

偶极子方向强度，

是对于一个特定源配置的正向模型计算结果，

为得到R(x,y,z)的非线性最小化，应用多起点下行单纯形方法作为补充，已知在一个N维空间中，单纯形是由N+1维完全相关的向量组成的几何图形，所以在这里，寻找三维的坐标空间，则其单纯形就是一个有四个顶点的四面体，在单纯形即偶极子中，通过每一次从成本函数最高的地方移走一个点的方法，称为驱动法，通过该方法，获得三维函数的最小化，此时同时得到偶极子的坐标，完成对其定位；

步骤5，脑电源定位基础上的精神状态分析以及结果的统计意义分析：对ESL的定位结果图进行比对分析，找出不同精神状态下分布在枕区的偶极子数目的分布规律，然后对ESL分析结果中定位到枕区的偶极子进行统计分析，分析其是否符合统计学意义上的显著性差异水平，以证明是否可以选择这一指标作为定量评估精神状态的指标。

本发明的有益效果是：

由于本发明针对现有的主观评测方法受个人因素的影响比较大、评测结果有较大的差异和客观评测方法中行为学指标以及生化指标操作不便，易给受试者带来不适反应的缺点，充分合理的利用现有的先进设备、信号处理技术以及计算机处理技术，综合系统的引入统计学显著性分析，利用电偶极子的源定位方法，得出脑电源定位在人体精神状态评估中的应用和发展。

该评测方法理论科学、适用，测试过程系统、科学，结果论证严谨、科学。该研究很好地解决了主观评测时受到个人因素的影响而使得评测结果差异性大的问题以及行为学评测和生化评测中操作不便、易引起不适的问题。

同时，该方法很好地将一系列的信号采集、分析处理、图像显示和结果分析集成于一整套可靠性强、集成度高和可操作性强的系统之中，有效地提高了评测的准确性和时间空间上的适应性，为进一步提高人体精神状态评估的辨识正确率和缩短辨识时间奠定了基础。

基于该发明的以上优点，该发明可有效地应用于交通、医疗、宇航、军事等众多领域中的疲劳监测，具有重要的学术理论研究和实际应用价值。

附图说明

图1是基于脑电源定位理论的人体精神状态评估方法研究的整体技术路线。

图2是本发明128电极安放显示示意图。

图3是本发明中128电极安放三维显示示意图。

图4是本发明脑电信号采集平台示意图。

图5是ICA算法原理示意图，原始信号向量S(t)通过信号混合矩阵A得到观测信号向量X(t)，X(t)=AS(t)。

图6是ICA算法原理示意图，观测信号向量X通过分离矩阵W分离出不能被直接观测的原信号，记为Y(t)，Y(t)=WX(t)=WAS(t)。

图7是源定位原理示意图。

图8部分数据脑电源定位分析结果。

图9是不同状态下定位到的枕区偶极子数目的条形统计图。

图10三种状态下定位到枕区的偶极子数目统计分析（配对双样本t检验）。

具体实施方式

下面结合附图对本发明作进一步的详细说明。

基于脑电源定位方法的人体精神状态检测方法，其整体技术路线如图1所示，具体包括以下步骤：

步骤1，选择实验对象：受试者选择遵循年龄相似，工作情况相同，身体健康且无脑部疾病历史者；

步骤2，电极导联位置及信号采集：硬件使用128位脑电信号采集系统，电极安放标准是参照临床神经生理学国际联合会的电极安放标准5/10系统，将电极帽正确地安放在受试者头部，各电极的分布如图2和图3所示，电极帽采集信号后经过两台64active box送至g.HIamp处理，最后送到计算机进行分析，存储和显示，该过程由图4表示，g.HIamp的驱动程序是基于MATLAB数据采集工具包(MATLAB API)，其应用编程接口API是开源的；

分别在受试者清醒时、轻度疲劳时、睡眠剥夺即重度疲劳时采集2组、2组和6组数据，共30组数据，该三种实验情况互为对照；

步骤3，对采集到的脑电信号进行预处理：脑电信号预处理先对采集信号进行滤波，滤波条件是8-13Hz alpha频段滤波，然后再进行ICA分析，实现各种伪迹的分离和脑电信号的特征提取，

ICA的运用过程描述如下：设X(t)=[x₁(t),x₂(t),…,x_N(t)]^T是N维的观测信号，S(t)=[s₁t）,s₂(t),…,s_M(t)]^T是产生观测信号X(t)的M个相互统计独立的源信号，且观测信号X(t)是源信号S(t)经过一个未知的矩阵A线性混合产生，即X(t)=AS(t)，如图5所示，在源信号S(t)与混合矩阵A是未知的情况下，仅利用源信号S(t)和观测信号X(t)统计上相互独立的假设，找寻一个完成线性变换分离的矩阵W，希望得到的输出信号Y(t)=WX(t)=WAS(t)尽可能的逼近真实的源信号S(t)，如图6所示；

步骤4，以步骤3处理后的脑电信号为基础进行信号源定位：将电偶极子的研究运用于脑电源定位分析，通过建立相应头部模型，运用数学方法实现脑电信号源的定位。脑电信号源定位的过程如图7所示，其内容可分为以下3方面：

1)确定外部电场和源电流之间的关系：将头部看做是一个电磁学系统，这样外部电磁场和脑内的电流源之间的关系用麦克斯韦方程组表示：

$\left\{\begin{array}{c}\▿\·E=\mathrm{\ρ}/{\mathrm{\ϵ}}_0\\ \▿\×E=-\frac{\∂B}{\∂t}\\ \▿\·B=0\\ \▿\×B={\mathrm{\μ}}_0(J+{\mathrm{\ϵ}}_0\frac{\∂E}{\∂t})\end{array}\right.$

式中：

E为电场强度(V/m，

ε₀为电常数，

μ₀为磁常数，

B为电磁感应强度，

J为自由电流密度(A/m²)，

ρ为电荷密度(C/m³)。

脑部近似看成是一个由无源、均匀、各项同性的导电体组成的线性介质，同时在实际应用中可以发现，脑电场中的时变因素可以忽略，对该电磁问题简化得到准静态下的电磁问题，这样式上简化为：

式中：

为标量单位，

J＝J^p+σE为全电流密度，

J^p为源电流密度，用电流偶极子来描述，

σE为传导电流，也称返回电流或欧姆电流。

在J^p≠0时，这是一个Poisson方程，在J^p=0则是Laplacian方程，对于理想的无限大均质导体而言，Poisson方程的解为：

这样，就确定了外部电场和源电流之间的关系，并由上述方程唯一确定。

2)正、逆演问题在ESL研究中的应用。任何一个系统的正向问题的研究都是解决逆向问题的基础。求解脑电信号源的所谓脑电逆问题的解决，同样依赖于对脑电正问题的深入研究和有效求解。本文使用的正模型是边界元素模型，相应的逆演问题使用偶极子源模型。

◆正演问题在数学上的表述为：

式中：

是头皮电位，

g是脑电源，

q是线性映射矩阵，

m是头皮电极的数目。

根据线性叠加原理，当存在有多个脑电源时，头皮电位看成是这些脑电源各自电场在头皮某处的线性叠加，用以下方程表示：

Y＝GJ+V

式中：

Y代表m个测量值，

G表示增益矩阵，

J表示n个脑电源，

V表示测量的噪声。

对于不同的头部模型，用相应的数值方法计算得到相应的增益矩阵，则解决了正演问题；

◆逆演问题在数学上的表达：

J＝TY

式中：

J表示脑电源，

T是一个(3N)×M的矩阵，

Y是头皮电位测量值。

T被称为转换矩阵G的广义逆，G与T之间必须满足：

GT＝H_M

式中：H_M是一个M×M的平均参考算符，

式GT＝H_M说明，由此估计得到的脑电源同样也必须满足相应的正演问题，H_M定义为：

$H_M=I_M-\frac{1}{M}{1}_M{1}_M^T$

式中：I_M表示M×M的单位矩阵，1_M表示元素全为1的M×1向量。

3)偶极子源定位的实现：对于一个偶极子源，若只对其位置定位只需要三个参数，即x,y,z三坐标，若要进一步确定其指向和大小，则还需要方向和θ,和强度P，那么从原始数据出发，经过预处理得到各个独立成分对于每一个独立成分的电极电势图通过最小化成本方程定位一个偶极子，使用顺向下行单纯形搜索法，对于一个偶极子，需要确定六个自由度，即坐标(x,y,z)和该坐标处的偶极子强度(P_x,P_y,P_z)，因为这些电势图是偶极子时刻的线性函数，用Awada KA,Jackson DR,Williams JT的分析优化法来减少搜索空间，即对用于评价指定单纯形的每一个定位，先单独的计算其坐标值，再通过解决一个3×3的系统来确定对于这一位置最优的偶极子强度和指向，成本函数的最小化只取决于偶极子的位置：

$R(x,y,z)=\left|\right|{\mathrm{\φ}}^i-{\stackrel{\‾}{p}}_x{\widehat{\mathrm{\φ}}}_x-{\stackrel{\‾}{p}}_y{\widehat{\mathrm{\φ}}}_y-{\stackrel{\‾}{p}}_z{\widehat{\mathrm{\φ}}}_z\left|\right|$

式中：

(x,y,z)是偶极子源的坐标值，

φⁱ是独立成分i的电势图，

偶极子方向强度，

是对于一个特定源配置的正向模型计算结果。

为得到R(x,y,z)的非线性最小化，应用多起点下行单纯形方法作为补充，已知在一个N维空间中，单纯形是由N+1维完全相关的向量组成的几何图形，所以在这里，寻找三维的坐标空间，则其单纯形就是一个有四个顶点的四面体，在单纯形即偶极子中，通过每一次从成本函数最高的地方移走一个点的方法，称为驱动法，通过该方法，获得三维函数的最小化，此时同时得到偶极子的坐标，完成对其定位；

步骤5，脑电源定位基础上的精神状态分析以及结果的统计意义分析：对ESL的定位结果图进行比对分析，找出不同精神状态下分布在枕区的偶极子数目的分布规律，然后对ESL分析结果中定位到枕区的偶极子进行统计分析，分析其是否符合统计学意义上的显著性差异水平，以证明是否可以选择这一指标作为定量评估精神状态的指标。

下面结合具体实施例对本发明作进一步的详细说明。

基于脑电源定位方法的人体精神状态检测方法，包括以下步骤：

步骤1，选择实验对象：受试者选择遵循年龄相似，工作情况相同，身体健康且无脑部疾病历史者，所以选择三名受试者，年龄在22至26岁的男性，均为学生，身体健康，无脑部疾病历史，实验前要求对受试者头部皮肤进行预处理，清洗头发并吹干，用去角质膏去除鼻根和耳垂部位的死皮和角质，测量中轴经线长度找到Cz点并标记，将电极帽Cz导联对准标记戴好电极帽，注入导电膏，保证电极与头皮通过导电膏良好接触，接触电阻在5KΩ以下，以保证信号质量。然后受试者坐在椅子上静默且不能有动作，尽量减少眨眼动作；

步骤2，电极导联位置及信号采集：硬件使用128位脑电信号采集系统，电极安放标准是参照临床神经生理学国际联合会的电极安放标准5/10系统，将电极帽正确地安放在受试者头部，各电机的分布如图2和图3所示，电极帽采集信号后经过两台64active box送至g.HIamp处理，最后送到计算机进行分析，存储和显示，该过程由图4表示，由基于MATLAB数据采集工具包MATLAB API作为设备g.HIamp的驱动程序，其应用编程接口API是开源的。

在受试者清醒时、轻度疲劳时、睡眠剥夺即重度疲劳时采集2组、2组和6组数据。共采集30组数据；

步骤3，对采集到的脑电信号进行预处理：脑电信号预处理先对采集信号进行滤波，滤波条件是8-13Hz alpha频段滤波，然后再进行ICA分析。采用ICA技术对脑电信号进行处理，实现各种伪迹的分离和脑电信号的特征提取。

首先画出所有分量的地形图，若有高电势集中分布在颅区之外，可以基本确定为伪迹。或者使用eeglab工具箱中的附带的工具tool>remove component,输入要去除伪迹的分量标号，直接可去除相应伪迹。

步骤4，以步骤3处理后的脑电信号为基础进行信号源定位：将电偶极子的研究运用于脑电源定位分析，通过建立相应头部模型，运用数学方法实现脑电信号源的定位，内容分为以下3方面：

1)确定外部电场和源电流之间的关系：将头部看做是一个电磁学系统，这样外部电磁场和脑内的电流源之间的关系用麦克斯韦方程组表示：

$\left\{\begin{array}{c}\▿\·E=\mathrm{\ρ}/{\mathrm{\ϵ}}_0\\ \▿\×E=-\frac{\∂B}{\∂t}\\ \▿\·B=0\\ \▿\×B={\mathrm{\μ}}_0(J+{\mathrm{\ϵ}}_0\frac{\∂E}{\∂t})\end{array}\right.$

式中：

E为电场强度(V/m)，

ε₀为电常数，

μ₀为磁常数

B为电磁感应强度，

J为自由电流密度(A/m²)，

ρ为电荷密度(C/m³)。

脑部近似看成是一个由无源、均匀、各项同性的导电体组成的线性介质，同时在实际应用中可以发现，脑电场中的时变因素可以忽略，对该电磁问题简化得到准静态下的电磁问题，这样式上简化为：

式中：

为标量单位，

J＝J^p+σE为全电流密度，

J^p为源电流密度，用电流偶极子来描述，

σE为传导电流，也称返回电流或欧姆电流。

在J^p≠0时，这是一个Poisson方程，在J^p=0则是Laplacian方程，对于理想的无限大均质导体而言，Poisson方程的解为：

这样，就确定了外部电场和源电流之间的关系，并由上述方程唯一确定。

2)正、逆演问题在ESL研究中的应用：使用的正模型是边界元素模型，相应的逆演问题使用偶极子源模型，

◆正演问题在数学上的表述为：

式中：

是头皮电位，

g是脑电源，

q是线性映射矩阵，

m是头皮电极的数目。

根据线性叠加原理，当存在有多个脑电源时，头皮电位看成是这些脑电源各自电场在头皮某处的线性叠加，用以下方程表示：

Y＝GJ+V

式中：

Y代表m个测量值，

G表示增益矩阵，

J表示n个脑电源，

V表示测量的噪声。

对于不同的头部模型，用相应的数值方法计算得到相应的增益矩阵，则解决了正演问题；

◆逆演问题在数学上的表达：

J＝TY

式中：

J表示脑电源，

T是一个(3N)×M的矩阵，

Y是头皮电位测量值。

T被称为转换矩阵G的广义逆，G与T之间必须满足：

GT＝H_M

式中：H_M是一个M×M的平均参考算符，

式GT＝H_M说明，由此估计得到的脑电源同样也必须满足相应的正演问题，H_M定义为：

$H_M=I_M-\frac{1}{M}{1}_M{1}_M^T$

式中：I_M表示M×M的单位矩阵，1_M表示元素全为1的M×1向量。

3)偶极子源定位的实现：对于一个偶极子源，若只对其位置定位只需要三个参数，即x,y,z三坐标，若要进一步确定其指向和大小，则还需要方向和θ,和强度P，那么从原始数据出发，经过预处理得到各个独立成分对于每一个独立成分的电极电势图通过最小化成本方程定位一个偶极子，使用顺向下行单纯形搜索法，对于一个偶极子，需要确定六个自由度，即坐标(x,y,z)和该坐标处的偶极子强度(P_x,P_y,P_z)，因为这些电势图是偶极子时刻的线性函数，用Awada KA,Jackson DR,Williams JT的分析优化法来减少搜索空间，即对用于评价指定单纯形的每一个定位，先单独的计算其坐标值，再通过解决一个3×3的系统来确定对于这一位置最优的偶极子强度和指向，成本函数的最小化只取决于偶极子的位置：

$R(x,y,z)=\left|\right|{\mathrm{\φ}}^i-{\stackrel{\‾}{p}}_x{\widehat{\mathrm{\φ}}}_x-{\stackrel{\‾}{p}}_y{\widehat{\mathrm{\φ}}}_y-{\stackrel{\‾}{p}}_z{\widehat{\mathrm{\φ}}}_z\left|\right|$

式中：

(x,y,z)是偶极子源的坐标值，

φⁱ是独立成分i的电势图，

偶极子方向强度，是对于一个特定源配置的正向模型计算结果。

为得到R(x,y,z)的非线性最小化，应用多起点下行单纯形方法作为补充，已知在一个N维空间中，单纯形是由N+1维完全相关的向量组成的几何图形，所以在这里，寻找三维的坐标空间，则其单纯形就是一个有四个顶点的四面体，在单纯形即偶极子中，通过每一次从成本函数最高的地方移走一个点的方法，称为驱动法，通过该方法，获得三维函数的最小化，此时同时得到偶极子的坐标，完成对其定位；

步骤5，脑电源定位基础上的精神状态分析以及结果的统计意义分析：对ESL的定位结果图进行分析发现，如图8所示，分布在枕区的偶极子数目随着疲劳度的增加而增加。统计结果条形图如图9，统计表如下：

同时查阅相关文献得知，大脑基本波α节律波可以反映大部分精神状态，主要分布在顶枕区，枕区和人体的精神状态有着密切的关系，所以使用origin分析软件对该9组数据得到的ESL分析结果中定位到枕区的偶极子数进行配对双样本t检验统计分析，如图10所示。分析其统计意义上的显著性差异水平。

分别对清醒时与轻度疲劳时，清醒时与重度疲劳时（睡眠剥夺后），轻度疲劳时与重度疲劳时的数据进行分析，结果如下：

Awake状态与mild fatigue状态，t检验，p<0.05；

Awake状态与severe fatigue状态，t检验，p<0.05；

Mild fatigue状态与severe fatigue状态，t检验，p<0.05；

可以看到，三种状态两两之间其p值均小于0.05，显著性差异水平结果均符合统计学意义。所以，在统计意义上可以选择ESL分析结果中定位到枕区的偶极子数为量化指标。

Claims (1)

1.基于脑电源定位方法的人体精神状态检测方法，其特征在于，包括以下步骤：

步骤1，选择实验对象：受试者选择遵循年龄相似，工作情况相同，身体健康且无脑部疾病历史者；

步骤2，电极导联位置及信号采集：硬件使用128位脑电信号采集系统，电极安放标准是依据临床神经生理学国际联合会的电极安放标准5/10系统，电极帽采集信号后经过两台64active box送至g.HIamp处理，最后送到计算机进行分析，存储和显示，g.HIamp的驱动程序是基于MATLAB数据采集工具包MATLAB API，g.HIamp的应用编程接口API是开源的；

在受试者清醒时、轻度疲劳时、睡眠剥夺即重度疲劳时分别采集2组、2组和6组数据，三种实验情况互为对照；

步骤3，对采集到的脑电信号进行预处理：脑电信号预处理先对采集信号进行滤波，滤波条件是8-13Hz alpha频段滤波，然后再进行独立成分分析，即ICA技术，采用ICA技术对脑电信号进行处理，实现各种伪迹的分离和脑电信号的特征提取，

ICA的运用过程描述如下：设X(t)＝[x₁(t),x₂(t),…,x_N(t)]^T是N维的观测信号，S(t)＝[s₁t),s₂(t),…,s_M(t)]^T是产生观测信号X(t)的M个相互统计独立的源信号，且观测信号X(t)是源信号S(t)经过一个未知的矩阵A线性混合产生，即X(t)＝AS(t)，在源信号S(t)与混合矩阵A是未知的情况下，仅利用源信号S(t)和观测信号X(t)统计上相互独立的假设，找寻一个完成线性变换分离的矩阵W，使得到的输出信号Y(t)＝W X(t)＝WAS(t)尽可能的逼近真实的源信号S(t)；

步骤4，以步骤3处理后的脑电信号为基础进行信号源定位：将电偶极子的研究运用于脑电源定位分析，通过建立相应头部模型，运用数学方法实现脑电信号源的定位，内容分为以下3方面：

1)确定外部电场和源电流之间的关系：将头部看作是一个电磁学系统，这样外部电磁场和脑内的电流源之间的关系用麦克斯韦方程组表示：

$\left\{\begin{array}{c}\&dtri;\&CenterDot;E=\mathrm{\&rho;}/{\mathrm{\&epsiv;}}_0\\ \&dtri;\&times;E=-\frac{\&PartialD;B}{\&PartialD;t}\\ \&dtri;\&CenterDot;B=0\\ \&dtri;\&times;B={\mathrm{\&mu;}}_0(J+{\mathrm{\&epsiv;}}_0\frac{\&PartialD;E}{\&PartialD;t})\end{array}\right.$

式中：

E为电场强度(V/m)，

ε₀为电常数，

μ₀为磁常数，

B为电磁感应强度，

J为自由电流密度(A/m²)，

ρ为电荷密度(C/m³)；

脑部近似看成是一个由无源、均匀、各项同性的导电体组成的线性介质，同时在实际应用中可以发现，脑电场中的时变因素可以忽略，对电磁问题简化得到准静态下的电磁问题，这样上式简化为：

式中：

是头皮电位，

J＝J^p+σE为全电流密度，

J^p为源电流密度，用电流偶极子来描述，

σE为传导电流，也称返回电流或欧姆电流，

在J^p≠0时，这是一个Poisson方程，在J^p＝0则是Laplacian方程，对于理想的无限大均质导体而言，Poisson方程的解为：

$\mathrm{\&phi;}(x,y,z)=\frac{1}{4\mathrm{\&pi;\&sigma;}}\underset{\mathrm{\&Omega;}}{\&Integral;}\frac{-\&dtri;\&CenterDot;J^p}{R}\mathrm{d\&Omega;}$

式中：

R为外部场点到场源点的距离，

为对封闭的场源空间Ω的体积分，

σ为导电率，

这样，就确定了外部电场和源电流之间的关系，并由Poisson方程的解唯一确定；

2)正、逆演问题在ESL研究中的应用：使用的正模型是边界元素模型，相应的逆演问题使用偶极子源模型，

◆正演问题在数学上的表述为：

式中：

g是脑电源，

q是线性映射矩阵，

m是头皮电极的数目，

根据线性叠加原理，当存在有多个脑电源时，头皮电位看成是这些脑电源各自电场在头皮某处的线性叠加，用以下方程表示：

Y＝GJ+V

式中：

Y代表m个测量值，

G表示增益矩阵，

J表示n个脑电源，

V表示测量的噪声，

对于不同的头部模型，用相应的数值方法计算得到相应的增益矩阵，则解决了正演问题；

◆逆演问题在数学上的表达：

J＝TY

式中：

J表示脑电源，

T是一个(3N)×M的矩阵，

Y是头皮电位测量值，

T被称为转换矩阵G的广义逆，G与T之间必须满足：

GT＝H_M

式中：H_M是一个M×M的平均参考算符，

式GT＝H_M说明，由此估计得到的脑电源同样也必须满足相应的正演问题，H_M定义为：

$H_M=I_M-\frac{1}{M}{1}_M{1}_M^T$

式中：I_M表示M×M的单位矩阵，1_M表示元素全为1的M×1向量；

3)偶极子源定位的实现：对于一个偶极子源，若只对其位置定位只需要三个参数，即x,y,z三坐标，若要进一步确定其指向和大小，则还需要方向和θ,和强度P，那么从原始数据出发，经过预处理得到各个独立成分对于每一个独立成分的电极电势图通过最小化成本方程定位一个偶极子，使用顺向下行单纯形搜索法，对于一个偶极子，需要确定六个自由度，即坐标(x,y,z)和该坐标处的偶极子强度(P_x,P_y,P_z)，因为这些电势图是偶极子时刻的线性函数，用Awada KA,Jackson DR,Williams JT的分析优化法来减少搜索空间，即对用于评价指定单纯形的每一个定位，先单独的计算单纯形坐标值，再通过解决一个3×3的系统来确定对于这一位置最优的偶极子强度和指向，成本函数的最小化只取决于偶极子的位置：

$R(x,y,z)=\left|\right|{\mathrm{\&phi;}}^i-{\stackrel{\&OverBar;}{p}}_x{\widehat{\mathrm{\&phi;}}}_x-{\stackrel{\&OverBar;}{p}}_y{\widehat{\mathrm{\&phi;}}}_y-{\stackrel{\&OverBar;}{p}}_z{\widehat{\mathrm{\&phi;}}}_z\left|\right|$

式中：

R(x,y,z)为经优化后的成本函数，

(x,y,z)是偶极子源的坐标值，

φⁱ是独立成分i的电势图，

偶极子方向强度，

是对于一个特定源配置的正向模型计算结果，

为得到R(x,y,z)的非线性最小化，应用多起点下行单纯形方法作为补充，已知在一个N维空间中，单纯形是由N+1维完全相关的向量组成的几何图形，所以在这里，寻找三维的坐标空间，则其单纯形就是一个有四个顶点的四面体，在单纯形即偶极子中，通过每一次从成本函数最高的地方移走一个点的方法，称为驱动法，通过该方法，获得三维函数的最小化，此时同时得到偶极子的坐标，完成对其定位；

步骤5，脑电源定位基础上的精神状态分析以及结果的统计意义分析：对ESL的定位结果图进行比对分析，找出不同精神状态下分布在枕区的偶极子数目的分布规律，然后对ESL分析结果中定位到枕区的偶极子进行统计分析，如果其符合统计学意义上的显著性差异水平，则选择这一指标作为定量评估精神状态的指标。