CN106527732B - 体感电刺激脑机接口中特征信号的选择和优化方法 - Google Patents

体感电刺激脑机接口中特征信号的选择和优化方法 Download PDF

Info

Publication number
CN106527732B
CN106527732B CN201611076741.3A CN201611076741A CN106527732B CN 106527732 B CN106527732 B CN 106527732B CN 201611076741 A CN201611076741 A CN 201611076741A CN 106527732 B CN106527732 B CN 106527732B
Authority
CN
China
Prior art keywords
brain
computer interface
electro photoluminescence
selection
sensing electro
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201611076741.3A
Other languages
English (en)
Other versions
CN106527732A (zh
Inventor
胡勇
李佳宁
蒲江波
徐圣普
谢小波
崔红岩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Biomedical Engineering of CAMS and PUMC
Original Assignee
Institute of Biomedical Engineering of CAMS and PUMC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Biomedical Engineering of CAMS and PUMC filed Critical Institute of Biomedical Engineering of CAMS and PUMC
Priority to CN201611076741.3A priority Critical patent/CN106527732B/zh
Publication of CN106527732A publication Critical patent/CN106527732A/zh
Application granted granted Critical
Publication of CN106527732B publication Critical patent/CN106527732B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Neurosurgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Neurology (AREA)
  • Health & Medical Sciences (AREA)
  • Dermatology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种体感电刺激脑机接口中特征信号的选择和优化方法，其技术特点包括：采用样条插值法对采集到的体感电刺激脑机接口的脑电信号进行时域分析，选择体感电刺激脑机接口有效特征信号；对采集体感电刺激脑机接口脑电数据进行脑电采集导联筛选；对脑电地形图分析选择最优时间窗；对最优时间窗对数据进行截取，完成特征提取；采用交叉验证的步进式线性判别分类器对特征数据进行分类。本发明仅使用体感电刺激脑机接口脑电信号的时域信息，对特征信号进行选择和优化，可实现对特定任务最相关信号的选择和优化方便简化脑机接口系统，有利于提取准确的特征信号，提高脑机接口系统性能，其适用范围广泛，操作简单。

Description

体感电刺激脑机接口中特征信号的选择和优化方法
技术领域
本发明属于生物医学信息技术领域，尤其是一种体感电刺激脑机接口中特征信号的选择和优化方法。
背景技术
脑机接口(Brain Computer Interface,BCI)可建立大脑与外界的直接信息交互通道，最初目的是为患有神经和运动系统疾病的患者提供一种与外界交流的方式，可以让患者用自己的思维意识控制外部设备。在基于头皮脑电的众多BCI系统中，基于体感电刺激的脑机接口，为无法使用基于视听觉或运动想象BCI的使用者，尤其是为肢体运动功能障碍但体感神经系统通路仍然正常的闭锁综合征(locked-in syndrome，LIS)及肌萎缩性脊髓侧索硬化症(amyotrophic lateral sclerosis，ALS)的患者，提供了一种与外界沟通的途径，同时也扩大了脑机接口在不同条件下的应用范围。
提取与特定任务最相关的稳定且准确的特征信号，是影响BCI性能的关键问题之一。体感电刺激脑机接口系统通过对使用者进行体感的刺激，以产生基于特定外周神经选择性注意的事件相关电位(event-related potentials，ERP)信号，并以此作为脑机接口的输入信号。ERP是一种特殊的脑诱发电位，主要成分包括P1、N1、P2、N2、P3，其中前三种称为外源性成分，而后两种称为内源性成分，两种成分的潜伏期不同。然而，ERP信号十分微弱，通常被淹没在幅度较强的自发脑电背景中,并可能混杂有眼动伪迹、工频干扰及其它电生理信号成分，且刺激种类种类不同，诱发电位波形成分和特征亦有所不同，为了使体感电刺激脑机接口系统获得可靠的输入信号，需要对有效的特征信号进行选择和优化；同时，为了获取足够的脑电信息，目前的脑机接口常常需要采集多个导联的数据，由于过多的导联增加了大量冗余信息，也增加了计算的复杂度，不利于BCI在实际中应用，需要对导联进行筛选和优化，因此，在体感电刺激脑机接口中对特征信号进行选择和优化处理非常有必要的。
发明内容
本发明的目的在于克服现有技术的不足，提供一种提取准确度高、操作简单且适用范围广泛的体感电刺激脑机接口中特征信号的选择和优化方法。
本发明解决其技术问题是采取以下技术方案实现的：
一种体感电刺激脑机接口中特征信号的选择和优化方法，包括以下步骤：
步骤1、采用样条插值法对采集到的体感电刺激脑机接口的脑电信号进行时域分析，选择波形幅值明显且潜伏期恒定的事件相关电位成分，作为体感电刺激脑机接口中的有效特征信号；
步骤2、对采集体感电刺激脑机接口脑电数据进行脑电采集导联筛选；
步骤3、对筛选出的若干导联通道的脑电信号，按通道进行同步平均后得到不同时刻下的脑电地形图并进行脑电地形图分析，选择特征信号明显的时间窗作为最优时间窗；
步骤4、将采集到的体感电刺激脑机接口的脑电信号，按步骤1进行有效特征信号的选择，选择与步骤2筛选的到连通道对应的脑电信号，根据步骤3得到的最优时间窗对数据进行截取，从而完成特征提取；
步骤5、采用交叉验证的步进式线性判别分类器，对步骤4得到的特征数据进行分类，获得分类正确率。
进一步，所述步骤1包括以下步骤：
⑴将采集到的多导联体感电刺激脑机接口的脑电信号，通过离线计算去除眼电伪迹和肌电伪迹；
⑵按照诱发电位时域特点，选择最优时间段进行数据分段；
⑶选取合适的刺激前数据段作为参考，进行基线校正；
⑷进行基于频域的滤波；
⑸将脑电数据段进行叠加平均，计算事件相关电位，通过样条插值法计算，显示目标刺激下的头皮电位地形图；
⑹选择潜伏期恒定且幅值明显的ERP成分作为特征信号。
进一步，所述步骤2包括以下步骤：
⑴对采集体感电刺激脑机接口脑电数据进行降采样；
⑵进行基于频域的滤波；
⑶截取刺激开始后一段时间的数据；
⑷按照如下公式计算不同导联下的r2系数，并进行排序：
其中σ(t)为目标和非目标刺激下的总体标准差，m1(t)是某一导联多次目标刺激开始后的t时刻的脑电信号的均值，m2(t)为非目标的均值。
进一步，所述步骤4包括以下步骤：
⑴将经过导联优化和时间窗优化后的脑电数据段作为特征数据；
⑵选取对同一目标刺激选择的数据，进行少次相干平均处理，作为特征向量。
进一步，所述步骤5包括以下步骤：
⑴对步骤4得到的特征数据进行降采样；
⑵归一化处理：将特征向量归一化到[-1,1]区间；
⑶采用交叉验证的步进式线性判别分类器对归一化处理后的数据进行分类，获得分类正确率。
本发明的优点和积极效果是：
1、本发明仅使用体感电刺激脑机接口脑电信号的时域信息，对特征信号进行选择和优化，可实现对特定任务最相关信号的选择和优化方便简化脑机接口系统，有利于体感电刺激脑机接口在实际中的推广应用，适用范围广泛，操作简单。
2、本发明为体感电刺激脑机接口的特征信号提取和优化，提供了一种选择和方法，有利于提取准确的特征信号，提高脑机接口系统性能。
附图说明
图1是本发明实例提供的结构框图；
图2是导联通道大平均ERP波形图；
图3是靶刺激与非靶刺激波形图；
图4是脑电地形图。
具体实施方式
以下结合附图对本发明实施例做进一步详述：
一种体感电刺激脑机接口中特征信号的选择和优化方法，是根据体感电刺激脑机接口脑电信号的时域信息，进行有效特征信号的选择，通过r2系数法进行导联通道的筛选，采用头皮脑电电位地形图进行最优时间窗的选择，对同一目标刺激选择数据进行相干平均的特征提取，最后通过步进式线性判别分析算法进行特征分类，输出体感电刺激脑机接口的对外部设备的指令。在本实施例中，将体感电刺激脑机接口的脑电数据为电刺激体感诱发脑电，通过64导联脑电采集系统来采集15名受试者的脑电数据，电极分布符合10-20国际标准，参考电极在左侧乳突，接地电极位于中前额叶，同时采集水平和垂直两通道眼电信号，脑电采样频率为1000Hz,在线进行0.05-100Hz带通滤波和50Hz陷波，阻抗小于5kΩ。对脑电数据预览，带通滤波(0.5-30Hz)，将眼电和肌电伪迹人工剔除。实验中，受试者的左右手食指和小指，分别充当一次靶刺激，共2组，每组共4轮，每轮每个手指随机刺激9次，受试者跟随注意对应手指部位的刺激，并计数，而忽略其他三个手指的刺激。
如图1所示，本发明包括以下步骤：
步骤1、体感电刺激脑机接口有效特征信号的选择：采用样条插值法，对采集到的体感电刺激脑机接口的脑电信号进行时域分析，选择波形幅值明显，潜伏期恒定的事件相关电位(event-related potentials，ERP)成分，作为体感电刺激脑机接口中的特征信号。具体方法如下：
针对每个受试者的脑电数据，通过样条插值法，计算大平均ERP波形，如图2所示，头皮地形图显示在各通道处，P3成分的波形幅度最为突出，从时域波形上看，如图3所示，大脑在靶刺激时，在CZ导联处产生明显的P3电位，幅值为6.09μV左右，潜伏期在300ms附近，而非靶刺激刺激时不产生P300电位。利用配对t检验进行分析，发现二者具有显著性差异(p<0.05)，以此作为有效特征信号最为可行。
步骤2、脑电采集导联筛选：采用r2系数进行导联通道的优化，其定义如下：
其中，σ(t)为目标和非目标刺激下的总体标准差，m1(t)是某一导联多次目标刺激开始后的t时刻的脑电信号的均值，m2(t)为非目标的均值。r2系数越大，表明该导联的两类特征的可分性越强，该导联对分类贡献率就越大。对r2系数的计算结果进行排序，取前4个导联：Fz，Cz，C3，C4。
步骤3、最优时间窗选择：对筛选出的4个导联通道的脑电信号，进行脑电地型图分析，进行最优时间窗的选择。具体方法如下：
根据诱发电位时域特点，选择特征明显的时段，作出刺激后600ms的不同时刻脑电地形图，如图4所示。结果显示在靶刺激出现前，脑电地形图较为平缓，处于低能态，而在靶刺激出现后，诱发出显著P3成分特征，波峰集中出现在300-400ms之间，考虑到受试者个体间P3成分的锁时差异性，潜伏期会略有差别，因此选择250-550ms作为最优时间窗，这300ms时程的数据作为特征参量。
步骤4、特征提取：将采集到的体感电刺激脑机接口的脑电信号，按步骤一进行有效特征信号的选择，选择与步骤二筛选的到连通道对应的脑电信号，根据步骤三得到的最优时间窗对数据进行截取。
步骤5、特征分类：采用交叉验证的步进式线性判别(Stepwise LinearDiscriminant Analysis，SWLDA)分类器,对步骤四得到的特征数据进行分类，获得分类正确率。具体为：
设置SWLDA特征向量的标签为{-1，1}，其中target的标签为1。利用最小二乘回归法，在每一次前向回归时选取一个最具显著性差异(p-value<0.1)的特征移入判别函数。当一个新特征移入后，通过后向回归法将特征函数内最不具显著性差异(p-value>0.15)的特征移除。整个过程的终止条件为没有新的特征移入且没有特征移除，或者当特征函数的特征量达到了设定值时终止。通过6折交叉验证的SWLDA进行分类，结果显示平均分类正确率为86％±4.4％，最高分类正确率达到了93％。体感电刺激脑机接口系统的性能具有一定鲁棒性。
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (4)

1.一种体感电刺激脑机接口中特征信号的选择和优化方法，其特征在于包括以下步骤：
步骤1、采用样条插值法对采集到的体感电刺激脑机接口的脑电信号进行时域分析，选择波形幅值明显且潜伏期恒定的事件相关电位成分，作为体感电刺激脑机接口中的有效特征信号；
步骤2、对采集体感电刺激脑机接口脑电数据进行脑电采集导联筛选；
步骤3、对筛选出的若干导联通道的脑电信号，按通道进行同步平均后得到不同时刻下的脑电地形图并进行脑电地形图分析，选择特征信号明显的时间窗作为最优时间窗；
步骤4、将采集到的体感电刺激脑机接口的脑电信号，按步骤1进行有效特征信号的选择，选择与步骤2筛选的到连通道对应的脑电信号，根据步骤3得到的最优时间窗对数据进行截取，从而完成特征提取；
步骤5、采用交叉验证的步进式线性判别分类器，对步骤4得到的特征数据进行分类，获得分类正确率；
所述步骤1包括以下步骤：
⑴将采集到的多导联体感电刺激脑机接口的脑电信号，通过离线计算去除眼电伪迹和肌电伪迹；
⑵按照诱发电位时域特点，选择最优时间段进行数据分段；
⑶选取合适的刺激前数据段作为参考，进行基线校正；
⑷进行基于频域的滤波；
⑸将脑电数据段进行叠加平均，计算事件相关电位，通过样条插值法计算，显示目标刺激下的头皮电位地形图；
⑹选择潜伏期恒定且幅值明显的ERP成分作为特征信号。
2.根据权利要求1所述的体感电刺激脑机接口中特征信号的选择和优化方法，其特征在于：所述步骤2包括以下步骤：
⑴对采集体感电刺激脑机接口脑电数据进行降采样；
⑵进行基于频域的滤波；
⑶截取刺激开始后一段时间的数据；
⑷按照如下公式计算不同导联下的r2系数，并进行排序：
其中σ(t)为目标和非目标刺激下的总体标准差，m1(t)是某一导联多次目标刺激开始后的t时刻的脑电信号的均值，m2(t)为非目标的均值。
3.根据权利要求1所述的体感电刺激脑机接口中特征信号的选择和优化方法，其特征在于：所述步骤4包括以下步骤：
⑴将经过导联优化和时间窗优化后的脑电数据段作为特征数据；
⑵选取对同一目标刺激选择的数据，进行相干平均处理，作为特征向量。
4.根据权利要求1所述的体感电刺激脑机接口中特征信号的选择和优化方法，其特征在于：所述步骤5包括以下步骤：
(1)对步骤4得到的特征数据进行降采样；
(2)归一化处理：将特征向量归一化到[-1,1]区间；
(3)采用交叉验证的步进式线性判别分类器对归一化处理后的数据进行分类，获得分类正确率。
CN201611076741.3A 2016-11-30 2016-11-30 体感电刺激脑机接口中特征信号的选择和优化方法 Active CN106527732B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611076741.3A CN106527732B (zh) 2016-11-30 2016-11-30 体感电刺激脑机接口中特征信号的选择和优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611076741.3A CN106527732B (zh) 2016-11-30 2016-11-30 体感电刺激脑机接口中特征信号的选择和优化方法

Publications (2)

Publication Number Publication Date
CN106527732A CN106527732A (zh) 2017-03-22
CN106527732B true CN106527732B (zh) 2019-04-19

Family

ID=58355228

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611076741.3A Active CN106527732B (zh) 2016-11-30 2016-11-30 体感电刺激脑机接口中特征信号的选择和优化方法

Country Status (1)

Country Link
CN (1) CN106527732B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107260167A (zh) * 2017-06-30 2017-10-20 华南理工大学 一种术中皮质脑电信号特异性的个体化识别方法
CN107748622A (zh) * 2017-11-08 2018-03-02 中国医学科学院生物医学工程研究所 一种基于人脸感知的稳态视觉诱发电位脑‑机接口方法
CN108309292A (zh) * 2018-04-09 2018-07-24 中国医学科学院生物医学工程研究所 一种诱发电位信号的快速提取方法
CN110585590A (zh) * 2019-09-24 2019-12-20 中国人民解放军陆军军医大学第一附属医院 一种经颅直流电刺激装置及数据处理方法
CN111053553B (zh) * 2019-12-09 2022-02-01 清华大学 基于事件相关电位分布的脑机接口导联选择方法
CN111466909A (zh) * 2020-04-14 2020-07-31 清华大学 基于脑电特征的目标检测方法和系统
CN112099619B (zh) * 2020-08-11 2024-02-06 东南大学 一种混合视线脑机接口的时间窗长度自适应选择方法
CN112861629B (zh) * 2021-01-07 2022-05-10 天津大学 一种多窗口判别典型模式匹配方法及脑-机接口应用
CN116212236A (zh) * 2023-03-15 2023-06-06 马鞍山市人民医院 一种稳态体感诱发电位刺激系统及信号采集方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012107096A1 (en) * 2011-02-10 2012-08-16 Universite De Mons Method for determining an artificial periodic patterned signal
CN103077205A (zh) * 2012-12-27 2013-05-01 浙江大学 一种利用声音刺激诱发的erp进行语义声音搜索的方法
CN104182042A (zh) * 2014-08-14 2014-12-03 华中科技大学 一种多模态信号的脑机接口方法
CN104978035A (zh) * 2015-07-27 2015-10-14 中国医学科学院生物医学工程研究所 基于体感电刺激诱发p300的脑机接口系统及其实现方法
CN105956624A (zh) * 2016-05-06 2016-09-21 东南大学 基于空时频优化特征稀疏表示的运动想象脑电分类方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011150407A2 (en) * 2010-05-28 2011-12-01 The Regents Of The University Of California Cell-phone based wireless and mobile brain-machine interface

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012107096A1 (en) * 2011-02-10 2012-08-16 Universite De Mons Method for determining an artificial periodic patterned signal
CN103077205A (zh) * 2012-12-27 2013-05-01 浙江大学 一种利用声音刺激诱发的erp进行语义声音搜索的方法
CN104182042A (zh) * 2014-08-14 2014-12-03 华中科技大学 一种多模态信号的脑机接口方法
CN104978035A (zh) * 2015-07-27 2015-10-14 中国医学科学院生物医学工程研究所 基于体感电刺激诱发p300的脑机接口系统及其实现方法
CN105956624A (zh) * 2016-05-06 2016-09-21 东南大学 基于空时频优化特征稀疏表示的运动想象脑电分类方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《体感电刺激诱发事件相关电位的研究》;冯莉等;《生物医学工程与临床》;20160111;15-18 *
基于小波包分解与近似熵的脑电特征提取方法研究及在脑机接口中的应用;高海娟等;《天津中德职业技术学院学报》;20160815;35-37 *

Also Published As

Publication number Publication date
CN106527732A (zh) 2017-03-22

Similar Documents

Publication Publication Date Title
CN106527732B (zh) 体感电刺激脑机接口中特征信号的选择和优化方法
Tarvainen et al. An advanced detrending method with application to HRV analysis
CN103845137B (zh) 基于稳态视觉诱发脑机接口的机器人控制方法
Lee et al. A brain-wave-actuated small robot car using ensemble empirical mode decomposition-based approach
CN103399639B (zh) 基于ssvep和p300联合脑机接口方法及装置
CN102793540B (zh) 一种视听认知事件相关电位实验范式的优化方法
CN106974621B (zh) 一种基于脑电信号重心频率的视觉诱导晕动症检测方法
CN105147281A (zh) 便携式意识障碍刺激促醒与评估系统
CN106362287A (zh) 一种新型mi‑sssep混合脑‑机接口方法及系统
Pfurtscheller et al. Short‐lived brain state after cued motor imagery in naive subjects
CN103892829B (zh) 一种基于共同空间模式的眼动信号识别系统及其识别方法
CN108294748A (zh) 一种基于稳态视觉诱发的脑电信号采集与分类方法
Severens et al. A multi-signature brain–computer interface: use of transient and steady-state responses
CN103019382B (zh) 一种利用诱发电位反映脑部主观动机信号的脑机接口方法
CN110262658B (zh) 一种基于强化注意的脑机接口字符输入系统及实现方法
CN103019383A (zh) 一种稳态视觉诱发电位脑—机接口信号识别方法
CN103092340A (zh) 一种脑-机接口视觉刺激方法及信号识别方法
CN106484106A (zh) 视敏度自动识别的非注意事件相关电位脑‑机接口方法
Jiang et al. A user-friendly SSVEP-based BCI using imperceptible phase-coded flickers at 60Hz
CN108209909A (zh) 基于动作意图任务的双模特神经信号特征选择方法
CN106502410A (zh) 提高脑‑机接口中运动想象能力的经颅电刺激装置和方法
CN106502404A (zh) 一种基于稳态体感诱发电位的新型脑‑机接口方法及系统
CN113143293A (zh) 一种基于脑电源成像的连续语音包络神经夹带提取方法
CN112617863A (zh) 一种面向左右脚运动意图侧向性识别的混合在线脑机接口方法
Geng et al. A fusion algorithm for EEG signal processing based on motor imagery brain-computer interface

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant