CN104127180A - 一种基于多导联脑电的生物反馈技术 - Google Patents

Abstract

本发明涉及一种基于多导联脑电的生物反馈技术，它包括4个步骤——(1)针对任务选择与任务相关的敏感区域安放导联电极，实时采集多导脑电信号；(2)对每1秒长度的信号，对各导联独立地实施动态等概率符号化构成符号序列；(3)步骤2中得到的符号序列，以采集时电极的安放位置为依据，将位置相邻的导联两两配对，提取非线性相关参数----联合符号信息熵；(4)步骤3中得到的非线性相关参数，结合敏感区域信息，以图形方式反馈给受训练者。本方法不需要对采集的脑电做人工去伪迹等预处理，能在短时内敏感地反映不同训练任务时脑活动的功能状态，经实际数据测试，效果很好。

Description

一种基于多导联脑电的生物反馈技术

技术领域

本发明涉及脑电信号处理和脑电生物反馈技术。

背景技术

脑电生物反馈(EEG biofeedback)技术，又称为神经反馈(neurofeedback，NF)技术，是指从人的头皮或皮质层采集大脑活动过程中伴随的电信号，提取其特征来反映大脑的活动状态，并以视听方式实时反馈给受训练者，以使受训练者能够主动控制其中枢神经系统活动朝正常的、健康的方向发展的一大类技术。其中以注意力训练为目的的脑电反馈系统最为常见，目前在国内也不断有该类产品问世。

然而，当前的脑电生物反馈技术仍存在以下局限：

首先，目前国内用于注意力训练的脑电生物反馈仪多数都只有三端(左耳、右耳、头顶)单导脑电采集。脑电带有不可忽视的区域性，即便是注意力，在不同的注意力任务下，例如听觉注意力、视觉注意力、记忆、心算等，其涉及的大脑区域也是有差异的。此外，由于不同人之间存在巨大的个体差异，即使是同样的任务，不同人的敏感脑区也不一定是完全一样的。因此，单导脑电采集无法满足涉及不同脑功能区域的多功能分析训练的要求，也无法满足针对不同训练个体的灵活性与适应性。

其次，具备更广泛用途的脑电反馈系统，尽管国外有多导联脑电采集系统，其使用的参数却仍然以频域分析参数为主，典型的是独立地针对各导联，对θ(4Hz～8Hz)、α(8Hz～13Hz)、β(13Hz～30Hz)波进行能量计算。由于复杂的神经连接及神经信号的传导，不同脑区域间又不可避免的具有复杂的非线性关联，单纯独立地对各导脑电信号分析将无法获得此种关联信息，从而也无法全面地反映大脑的活动状态。

再者，尽管目前也有一些处于研究阶段的多导联脑电信号间的相关分析方法，例如相干法、相同步法等，这类方法往往受噪声、干扰影响非常严重。由于脑电信号非常微弱，采集过程中常常混有各种噪声或干扰，信噪比较低，因此实际应用中，该类方法的应用受到局限。

针对上述局限，如能基于多导脑电信号的采集及可靠的非线性相关分析建立脑电生物反馈系统，将有效推动脑电生物反馈技术。

发明内容

发明目的。

本发明的目的在于提出一种基于多导联脑电的生物反馈技术，利用对与任务相关的敏感区域中不同导联间脑电信号的非线性相关分析，实现对不同训练任务中的大脑活动状态的实时评价与反馈。

技术方案。

本发明的目的是这样实现的：

根据具体训练任务来选择与任务相关的敏感区域安放导联电极，基于实时采集到的敏感区域的多导脑电图信号，先针对各导联独立地进行动态等概率符号化以构成符号序列，将电极位置相邻的导联两两配对，提取非线性相关参数----联合符号信息熵，以该联合符号信息熵为相邻导联间的相关性评价，将敏感区域的相关参数作为状态评价参数反馈给训练对象。本发明的核心包括电极安放位置选择、对实时采集的敏感区域的脑电信号实施动态等概率符号化和对电极位置相邻的导联实施联合符号信息熵提取三大部分。

进一步，本发明中所述的电极位置安放，包括根据具体的反馈训练任务，例如视觉注意力、听觉注意力、记忆、心算等，选择相应的脑功能敏感区域来安放电极。

进一步，本发明中所述的动态等概率符号化，包括以下步骤：

对于实时采集到的多导联EEG信号{x_ij：1≤i≤N}，其中j代表导联号，考察其概率分布，依据其概率分布进行符号化构成新的符号序列{s_ij：1≤i≤N}。记符号数为m，符号化规则描述如下：

首先对{x_ij：1≤i≤N}排序后进行m等分，找到m-1个等分位点，记为t₁，t₂，…，t_m-1，则

从而得到符号序列{s_ij}。

该编码规则以概率编码为基础，突破了幅度编码的线性局限，还能大大削弱原本在幅度域上较大的突变干扰造成的扰动。

进一步，本发明中所述的联合符号信息熵计算，包括下列步骤：。

以脑电信号采集时电极摆放的位置为依据，将相邻的导联两两配对，形成二维符号矢量序列，统计各种可能的符号矢量在一定时间内出现的概率p_π，其中

$\mathrm{\π}\∈\{\left(\begin{array}{c}0\\ 0\end{array}\right),\left(\begin{array}{c}0\\ 1\end{array}\right),\left(\begin{array}{c}0\\ 2\end{array}\right),...\left(\begin{array}{c}0\\ m-1\end{array}\right),\left(\begin{array}{c}1\\ 0\end{array}\right),\left(\begin{array}{c}1\\ 1\end{array}\right),\left(\begin{array}{c}1\\ 2\end{array}\right),...,\left(\begin{array}{c}m-1\\ m-1\end{array}\right)\}.$

然后根据公式

$E_{\mathrm{com}}=-\underset{p_{\mathrm{\π}}\≠0}{\mathrm{\Σ}}{p}_{\mathrm{\π}}\log p_{\mathrm{\π}}$

计算两导联间的联合符号信息熵。

进一步，将与任务相关的敏感区域的联合符号信息熵参数作为评价指标反馈给受训练者。

有益效果。

综上所述，本方法的有益效果，与任务相关的电极安放位置的选择、对任务敏感区域的多导联脑电信号实时的动态等概率符号化与联合符号信息熵计算是核心，实现了脑电图信号的本质特性解读，解决了不同个体，不同任务下，脑功能分区的适应性识别。该核心技术未见用于脑电反馈技术，因此，本技术方案具有新颖性。

本发明中的符号化规则与相关参数计算都突破了线性领域，同时，还能借助于符号化抵御非平稳突变干扰伪迹的影响，因此，本方法不需要对原始采集数据进行人工伪迹去除等预处理，因此大大增加了本方法的实用性和自动化的可能性。本发明中的方法适用于短时信号，采集时长为1秒的信号即可获得有效的状态评价参数，而方法中所有的计算过程简单容易实现，因此完全适应实时反馈训练的要求。经大量测试，本技术方案能实时地有效识别训练者在记忆、心算等任务过程中的不同状态。因此，提出的方法有实用性，有实质进展。

附图说明

图1，本发明一种基于多导联脑电的生物反馈技术的原理框图。

图2，一训练者在对照状态(单纯视觉任务)下的实测脑电信号的波形图。

图3，同一训练者在记忆训练状态下的实测脑电信号的波形图。

图4，同一训练者在心算训练状态下的实测脑电信号的波形图。

图5，记忆状态的脑电活动的敏感区域相邻导联间联合符号信息熵改变示意图。

图6，心算状态的脑电活动的敏感区域相邻导联间联合符号信息熵改变示意图。

具体实施方式(实施例)

为了更了解本发明的技术内容，特举具体实施例并配合所附图示说明如下。

图1是本发明一种基于多导联脑电的生物反馈技术的原理框图。

一种基于多导联脑电的生物反馈技术，步骤包括：

1)针对任务选择与任务相关的敏感区域安放导联电极，实时采集多导脑电信号；

2)对每1秒长度的信号，对各导联独立地实施动态等概率符号化构成符号序列；

3)步骤2中得到的符号序列，以采集时电极的安放位置为依据，将位置相邻的导联两两配对，提取非线性相关参数----联合符号信息熵；

4)步骤3中得到的非线性相关参数，结合敏感区域信息，以图形方式反馈给受训练者。

所述步骤1)中，敏感区域或电极位置的选择根据生理学及神经科学基础理论确定，例如视觉敏感区域在枕页，靠近国际10-20导联体系中的O1，O2，P3，P4等；听觉敏感区域在颞叶，靠近国际10-20导联体系中的F7，F8，T3，T4等；心算敏感区域在额页，靠近国际10-20导联体系中的Fp1，Fp2，F3，F4等；记忆敏感区域在海马，靠近国际10-20导联体系中的F7，F8，F3，F4，T3，T4等。

所述步骤2)中，等概率符号化，以符号数4为例，具体包括：

2.1)对各导联每1秒长度的原始序列{x_ij}(j代表导联号)按升序(或降序)排列得到序列{u_ij：1≤i≤N}，依次取得序列{u_ij}中的3个四等分位点值(即25％、50％、75％分位点)，从小到大依次记为t₁，t₂，t₃

2.2)依式(1)对各导联原始序列进行符号化，

$s_i=\left\{\begin{array}{c}0:x_i\&le;t_1\\ 1:t_1<x_i\&le;t_2\\ 2:t_2<x_i\&le;t_3\\ 3:t_3<x_i\end{array}\right.(1\&le;i\&le;N)---\left(1\right)$

所述步骤3)中，非线性相关参数----联合符号信息熵的提取具体包括：

3.1)以脑电信号采集时电极摆放的位置为依据，将相邻的导联两两配对，形成二维符号矢量序列，统计各种可能的符号矢量在一定时间内出现的概率p_π，其中

$\mathrm{\&pi;}\&Element;\{\left(\begin{array}{c}0\\ 0\end{array}\right),\left(\begin{array}{c}0\\ 1\end{array}\right),\left(\begin{array}{c}0\\ 2\end{array}\right),\left(\begin{array}{c}0\\ 3\end{array}\right),\left(\begin{array}{c}1\\ 0\end{array}\right),...,\left(\begin{array}{c}3\\ 3\end{array}\right)\}.---\left(2\right)$

3.2)然后按公式(3)

$E_{\mathrm{com}}=-\underset{p_{\mathrm{\&pi;}}\&NotEqual;0}{\mathrm{\&Sigma;}}{p}_{\mathrm{\&pi;}}\log p_{\mathrm{\&pi;}}---\left(3\right)$

计算两导联间的联合符号信息熵。

所述步骤4)图形反馈具体包括：将步骤3)中获得的非线性相关参数----联合符号信息熵，结合电极摆放位置，绘制出图形显示给受训练者。

下面以本方法的实际应用，结合附图对本发明作进一步说明。

参考图2，是一个健康人在睁眼状态下，仅有视觉任务时采集得到的多导联EEG波形图。

参考图3，是同一受训练者在记忆训练状态下采集得到的多导联EEG波形图。图中可见，波形上，难以对记忆任务与视觉任务进行区分。实际上，依赖传统频域参数也难以对两种状态做区分，从而难以评估记忆训练效果。

参考图4，是同一受训练者在心算训练状态下采集得到的多导联EEG波形图。图中可见，波形上，难以对心算任务与视觉任务进行区分。实际上，依赖传统频域参数也难以对两种状态做区分，从而难以评估心算训练效果。

参考图5，是该受训练者记忆状态的脑电活动的敏感区域相邻导联间联合符号信息熵改变示意图。其中，星号代表国际10-20标准的导联位置，黑色实线代表两导联间的相关性增强，线宽则与增强的大小成正比。由图中可见，记忆任务下，其记忆敏感区域的脑电活动非线性相关性大大增强，而视觉敏感区的脑电活动非线性相关也略有增强，这是因为记忆训练中的线索以视觉形式给出，受训者在任务下视觉注意力也比无记忆任务时更为专注导致。

参考图6，是该受训练者心算状态的脑电活动的敏感区域相邻导联间联合符号信息熵改变示意图。其中，星号代表国际10-20标准的导联位置，黑色实线代表两导联间的相关性增强，线宽则与增强的大小成正比。由图中可见，心算任务下，其心算敏感区域的脑电活动非线性相关性大大增强，而视觉敏感区的脑电活动非线性相关也略有增强，这是因为心算训练中的线索以视觉形式给出，受训者在任务下视觉注意力也比无心算任务时更为专注导致。

上述图示结果说明，本发明提出的一种基于多导联脑电的生物反馈技术，可以有效地反映大脑在不同心理任务下的不同活动状态。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (2)

1.一种基于多导联脑电的生物反馈技术，其特征是，包括下列四个步骤：

1)针对训练任务选择与任务相关的敏感区域安放导联电极，实时采集多导脑电信号；

2)对步骤1中采集到的每1秒长度的信号，对各导联独立地实施动态等概率符号化构成符号序列；

3)步骤2中得到的符号序列，以采集时电极的安放位置为依据，将位置相邻的导联两两配对，提取非线性相关参数----联合符号信息熵；

4)步骤3中得到的非线性相关参数，结合敏感区域信息，以图形方式反馈给受训练者。

2.根据权利要求1所述的一种基于多导联脑电的生物反馈技术，其特征是，所述步骤3)中，联合符号信息熵的提取，包括：

2.1)以脑电信号采集时电极摆放的位置为依据，将相邻的导联两两配对，形成二维符号矢量序列，

2.2)统计各种可能的符号矢量在一定时间内出现的概率p_π，其中

$\mathrm{\&pi;}\&Element;\{\left(\begin{array}{c}0\\ 0\end{array}\right),\left(\begin{array}{c}0\\ 1\end{array}\right),\left(\begin{array}{c}0\\ 2\end{array}\right),...\left(\begin{array}{c}0\\ m-1\end{array}\right),\left(\begin{array}{c}1\\ 0\end{array}\right),\left(\begin{array}{c}1\\ 1\end{array}\right),\left(\begin{array}{c}1\\ 2\end{array}\right),...,\left(\begin{array}{c}m-1\\ m-1\end{array}\right)\};$

2.3)然后根据公式

$E_{\mathrm{com}}=-\underset{p_{\mathrm{\&pi;}}\&NotEqual;0}{\mathrm{\&Sigma;}}{p}_{\mathrm{\&pi;}}\log p_{\mathrm{\&pi;}}$

计算两相邻导联间的联合符号信息熵。