CN108309292A - 一种诱发电位信号的快速提取方法 - Google Patents

一种诱发电位信号的快速提取方法 Download PDF

Info

Publication number
CN108309292A
CN108309292A CN201810309412.1A CN201810309412A CN108309292A CN 108309292 A CN108309292 A CN 108309292A CN 201810309412 A CN201810309412 A CN 201810309412A CN 108309292 A CN108309292 A CN 108309292A
Authority
CN
China
Prior art keywords
signal
extraction
evoked ptential
module
extracting method
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.)
Pending
Application number
CN201810309412.1A
Other languages
English (en)
Inventor
胡勇
崔红岩
谢小波
徐圣普
高松坤
李佳宁
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 CN201810309412.1A priority Critical patent/CN108309292A/zh
Publication of CN108309292A publication Critical patent/CN108309292A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Signal Processing (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Psychology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种诱发电位信号的快速提取方法，其主要技术特点是：将信号采集模块的测量电极安放在被试头皮上；测量电极通过多通道放大器同步获取多通道诱发电位信号并输入到信号提取模块，同时参考信号输入到信号提取模块；信号提取模块对多通道诱发电位信号进行单次提取并去除无用信号并输出单次提取信号到信号滤波模块；信号滤波模块对信号提取模块输出的单次提取信号进行滤波，输出最优单次提取信号。本发明可实时地采集反映大脑反应的脑电信号，并通过实时的分析提取出与外界刺激和大脑反应有关的诱发电位成分，解决了信号实时检测这一动态随机问题，提高了信号提取速度与精度，且具有较好的鲁棒性。

Description

一种诱发电位信号的快速提取方法
技术领域
本发明属于生物医学信号处理技术领域，尤其是一种诱发电位信号的快速提取方法。
背景技术
在生物医学信号采集处理过程中，目前普遍采用平均叠加技术来拾取诱发电位，然而这种信号处理方法得到的信号波形是在一段时间内的多次响应信号的平均，有时提取一个有效的体感诱发电位波形需要几分钟，甚至十几分钟。事实上，由于神经对刺激的自适应和疲劳性，每次诱发电位的幅度和潜伏期等参数不完全相同，所以多次平均得到的诱发电位很难反映单次诱发电位的潜伏期和幅度等动态信息。
发明内容
本发明的目的在于克服现有技术的不足，提出一种提取速度快、精度高、鲁棒性好且适用范围广泛的诱发电位信号的快速提取方法。
本发明解决其技术问题是采取以下技术方案实现的：
一种诱发电位信号的快速提取方法，包括以下步骤：
步骤1、将信号采集模块、参考信号输入模块连接到信号提取模块上，将信号提取模块与信号滤波模块相连接，将信号采集模块的测量电极安放在被试头皮上；
步骤2、被试头皮受到信号采集模块的刺激后，测量电极通过多通道放大器同步获取多通道诱发电位信号并输入到信号提取模块，同时参考信号输入到信号提取模块；
步骤3、信号提取模块对多通道诱发电位信号进行单次提取并去除无用信号；
步骤4、信号提取模块将已过去最近一次提取的单次信号与参考信号进行对比，如果对比结果不满足当前约束误差，则对分离矩阵进行修正调整，直至满足误差要求并输出单次提取信号到信号滤波模块；
步骤5、信号滤波模块对信号提取模块输出的单次提取信号进行滤波，输出最优单次提取信号。
进一步，所述测量电极是根据电极位置国际脑电图10-20系统标准进行安放，选择F3、F4、Fz、Cz四个记录点采集记录信号；参考电极安放在Fpz位置处，电极阻抗低于10KΩ。
进一步，所述多通道放大器的数据采样率为50kHz，带通滤波为20-2000Hz，并进行在线50Hz陷波。
进一步，所述步骤3的具体实现方法包括以下步骤：
步骤3.1、对采集到的诱发电位信号进行降采样处理；
步骤3.2、将采集的多通道诱发电位信号xi(t)，i＝1,2,...,N进行合并，其形式如下：
步骤3.3、根据参考信号r(t)反馈，采取二阶统计量的方法优化分离矩阵A，通过已优化的分离矩阵，从多通道信号中放弃与参考信号无关的成分，提取参考信号成分相关成分；
步骤3.4、估计输出信号y(t)与相应的参考信号r(t)之间的差值由ε(y,r)来表示，ε(y,r)的最小值表明y(t)的最优输出y*(t)。
进一步，所述步骤3.1降采样使用的采样频率10kHz。
进一步，步骤3.4所述差值的限制条件利用阈值ξ来衡量，当y(t)＝y*(t)时，ε(y,r)-ξ≤0。
本发明的优点和积极效果是：
本发明同步采集多通道信号并在参考信号的近似逼近基础上，快速提取出单次诱发电位信号，可以实时地采集反映大脑反应的脑电信号，并通过实时的分析，提取出与外界刺激和大脑反应有关的诱发电位成分，在提高提取速度的同时，能够迎合信号的非线性特征，解决了信号实时检测这一动态随机问题，提高了信号提取速度与精度，且具有较好的鲁棒性。
附图说明
图1是本发明的应用平台结构图；
图2是测量电极位置示意图；
图3是参考信号输入波形图；
图4是本发明的信号提取流程示意图；
图5是本发明的信号提取模块方框图。
具体实施方式
以下结合附图对本发明做进一步详述。
一种诱发电位信号的快速提取方法，是在如图1所示的应用平台上实现的，该应用平台包括信号采集模块、参考信号输入模块、信号提取模块和信号滤波模块。信号采集模块由测量电极和多通道放大器构成，测量电极通过多通道放大器同步获取多通道诱发电位信号并输入到信号提取模块的输入信号端；参考信号输入模块产生期望的模板信号作为参考信号输入到信号提取模块的参考信号端；信号提取模块对诱发电位信号进行快速提取，得到若干个原始单次诱发电位信号；信号滤波模块对提取出的单次诱发电位经信号滤波模块滤波后，得到最优单次提取信号。
本发明的设计思路为：信号采集模块通过测量电极同步获取多通道诱发电位信号，同时将期望的模板信号作为参考信号，采用二阶统计量的方法，根据参考信号的反馈优化分离矩阵，直至满足误差要求输出单次提取信号，从而放弃多通道信号中与参考信号无关的成分，提取参考信号成分相关成分,得到单次诱发电位信号。
本发明的具体实现方法如图4及图5所示，包括以下步骤：
步骤1：将信号采集模块、信号提取模块、参考信号输入模块和信号滤波模块连接在一起，并将信号测量电极安放在被试头皮上，电极分布符合国际脑电图10-20系统标准。
本实施例以大鼠为实验体，信号采集模块的测量电极通过四通道放大器同步获取大鼠体感诱发电位。测量电极是根据电极位置国际脑电图10-20系统标准进行安放，如图2所示，选择F3、F4、Fz、Cz四个记录点采集记录信号；参考电极安放在Fpz位置处，电极阻抗低于10KΩ。四通道放大器的数据采样率为50kHz，带通滤波20-2000Hz，并进行在线50Hz陷波。
步骤2、被试者受到信号采集模块的电刺激器刺激后，头皮测量电极记录的多通道信号经信号采集模块后输入到信号提取模块中，同时参考信号输入到信号提取模块。
在本实施例中，给与被试电刺激，采用上述四个记录电极同时采集四通道体感诱发电位信号；参考信号r(t)为宽度50ms、峰值2μV的脉冲信号。
参考信号输入的波形如图3所示。
步骤3：所述信号提取模块对采集到的诱发电位信号进行单次提取，去除与有用信号无关的信号。本步骤的具体实现方法如下：
步骤3.1：对采集到的诱发电位信号进行降采样处理，使采样频率降为10kHz；
步骤3.2：将采集的四通道诱发电位信号xi(t)，i＝1,2,3,4进行合并，其形式如下：
步骤3.3、由于源信号是时间相关的，具有时序结构，则采取二阶统计量的方法对信号进行单次提取，因此，根据参考信号r(t)反馈，采取二阶统计量的方法优化分离矩阵A，通过已优化的分离矩阵，从多通道信号中放弃与参考信号无关的成分，提取参考信号成分相关成分。
步骤3.4、将估计输出信号y(t)与相应的参考信号r(t)之间的差由ε(y,r)来表示，ε(y,r)的最小值表明y(t)的最优输出y*(t)。差值的限制条件可以利用阈值ξ来衡量，即当y(t)＝y*(t)时
ε(y,r)-ξ≤0。
步骤4：根据参考信号的反馈优化分离矩阵，信号提取模块对提取的单次信号与参考信号进行对比进行结果校正，即将已过去最近一次提取的单次信号与参考信号进行对比，估计输出信号y(t)与相应的参考信号r(t)之间的差由ε(y,r)来表示，若其结果不满足当前约束误差ε(y,r)-ξ≤0，通过单次提取模块对分离矩阵进行修正调整，直至满足误差要求输出单次提取信号,得到最优单次诱发电位信号y*(t)，将其输入到滤波模块的输入端。
步骤5：所述信号滤波模块对最优单次诱发电位信号y*(t)进行滤波，输出最优单次提取信号。
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 (6)

1.一种诱发电位信号的快速提取方法，其特征在于包括以下步骤：
步骤1、将信号采集模块、参考信号输入模块连接到信号提取模块上，将信号提取模块与信号滤波模块相连接，将信号采集模块的测量电极安放在被试头皮上；
步骤2、被试头皮受到信号采集模块的刺激后，测量电极通过多通道放大器同步获取多通道诱发电位信号并输入到信号提取模块，同时参考信号输入到信号提取模块；
步骤3、信号提取模块对多通道诱发电位信号进行单次提取并去除无用信号；
步骤4、信号提取模块将已过去最近一次提取的单次信号与参考信号进行对比，如果对比结果不满足当前约束误差，则对分离矩阵进行修正调整，直至满足误差要求并输出单次提取信号到信号滤波模块；
步骤5、信号滤波模块对信号提取模块输出的单次提取信号进行滤波，输出最优单次提取信号。
2.根据权利要求1所述的一种诱发电位信号的快速提取方法，其特征在于：所述测量电极是根据电极位置国际脑电图10-20系统标准进行安放，选择F3、F4、Fz、Cz四个记录点采集记录信号；参考电极安放在Fpz位置处，电极阻抗低于10KΩ。
3.根据权利要求1所述的一种诱发电位信号的快速提取方法，其特征在于：所述多通道放大器的数据采样率为50kHz，带通滤波为20-2000Hz，并进行在线50Hz陷波。
4.根据权利要求1至3任一项所述的一种诱发电位信号的快速提取方法，其特征在于：所述步骤3的具体实现方法包括以下步骤：
步骤3.1、对采集到的诱发电位信号进行降采样处理；
步骤3.2、将采集的多通道诱发电位信号xi(t)，i＝1,2,...,N进行合并，其形式如下：
步骤3.3、根据参考信号r(t)反馈，采取二阶统计量的方法优化分离矩阵A，通过已优化的分离矩阵，从多通道信号中放弃与参考信号无关的成分，提取参考信号成分相关成分；
步骤3.4、估计输出信号y(t)与相应的参考信号r(t)之间的差值由ε(y,r)来表示，ε(y,r)的最小值表明y(t)的最优输出y*(t)。
5.根据权利要求4所述的一种诱发电位信号的快速提取方法，其特征在于：所述步骤3.1降采样使用的采样频率10kHz。
6.根据权利要求4所述的一种诱发电位信号的快速提取方法，其特征在于：步骤3.4所述差值的限制条件利用阈值ξ来衡量，当y(t)＝y*(t)时，ε(y,r)-ξ≤0。
CN201810309412.1A 2018-04-09 2018-04-09 一种诱发电位信号的快速提取方法 Pending CN108309292A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810309412.1A CN108309292A (zh) 2018-04-09 2018-04-09 一种诱发电位信号的快速提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810309412.1A CN108309292A (zh) 2018-04-09 2018-04-09 一种诱发电位信号的快速提取方法

Publications (1)

Publication Number Publication Date
CN108309292A true CN108309292A (zh) 2018-07-24

Family

ID=62896277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810309412.1A Pending CN108309292A (zh) 2018-04-09 2018-04-09 一种诱发电位信号的快速提取方法

Country Status (1)

Country Link
CN (1) CN108309292A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111543986A (zh) * 2020-05-12 2020-08-18 清华大学 一种无需硬件连接的脑电事件同步方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1954772A (zh) * 2006-10-17 2007-05-02 重庆医科大学 诱发电位单次提取的自参考自相关自适应干扰对消方法
CN106527732A (zh) * 2016-11-30 2017-03-22 中国医学科学院生物医学工程研究所 体感电刺激脑机接口中特征信号的选择和优化方法
CN107800405A (zh) * 2017-12-05 2018-03-13 中国医学科学院生物医学工程研究所 基于fpga设计的径向基函数神经网络自适应增强器模块

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1954772A (zh) * 2006-10-17 2007-05-02 重庆医科大学 诱发电位单次提取的自参考自相关自适应干扰对消方法
CN106527732A (zh) * 2016-11-30 2017-03-22 中国医学科学院生物医学工程研究所 体感电刺激脑机接口中特征信号的选择和优化方法
CN107800405A (zh) * 2017-12-05 2018-03-13 中国医学科学院生物医学工程研究所 基于fpga设计的径向基函数神经网络自适应增强器模块

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HONGTAO LIU、XIAOBO XIE、SHENGPU XU等: "One-unit second-order blind identification with reference for short transient signals", 《INFORMATION SCIENCES 227 (2013)》 *
HONGYAN CUI、 YAZHOU WANG、XIAOBO XIE1等: "Single Trial Extraction of Somatosensory Evoked Potentials for Monitoring Spinal Cord Injury: An Animal Study", 《JOURNAL OF MEDICAL IMAGING AND HEALTH INFORMATICS》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111543986A (zh) * 2020-05-12 2020-08-18 清华大学 一种无需硬件连接的脑电事件同步方法
CN111543986B (zh) * 2020-05-12 2021-03-02 清华大学 一种无需硬件连接的脑电事件同步方法

Similar Documents

Publication Publication Date Title
Mc Laughlin et al. Cochlear implant artifact attenuation in late auditory evoked potentials: A single channel approach
CN105496363B (zh) 基于检测睡眠脑电信号对睡眠阶段进行分类的方法
CN106983509B (zh) 一种具有实时打标功能的便携式脑电采集系统
CN106527732B (zh) 体感电刺激脑机接口中特征信号的选择和优化方法
Nguyen et al. Closed-loop optical neural stimulation based on a 32-channel low-noise recording system with online spike sorting
CN108888280A (zh) 基于脑电信号分析的学生听课注意力评价方法
CN108742611B (zh) 一种随机动态参数电刺激条件下的自主肌电提取方法
WO2010032132A1 (en) Stimulus artifact removal for neuronal recordings
US20140025715A1 (en) Neural Signal Processing and/or Interface Methods, Architectures, Apparatuses, and Devices
CN107361764B (zh) 一种心电信号特征波形r波的快速提取方法
CN103720471B (zh) 一种基于因子分析的眼电伪迹去除方法
Nick et al. DrCell—a software tool for the analysis of cell signals recorded with extracellular microelectrodes
US9521959B2 (en) Method and system for retraining brainwave patterns using ultra low power direct electrical stimulation feedback
CN107510453A (zh) 一种前额区脑电分析方法
CN108309292A (zh) 一种诱发电位信号的快速提取方法
CN113378737A (zh) 植入式脑机接口神经元锋电位分类方法
Meng et al. A comparison of three electrode channels selection methods applied to SSVEP BCI
CN105748067A (zh) 一种基于随机梯度自适应滤波的诱发脑电提取方法
CN104095632A (zh) 一种核磁下脑电噪声处理方法
Mourad et al. A simple and fast algorithm for automatic suppression of high-amplitude artifacts in EEG data
CN113208622A (zh) 基于深度神经网络技术的脑电eeg信号去噪方法及系统
CN111856152A (zh) 一种脉冲信号采样方法及装置
CN105975917B (zh) 面向强干扰的阵列式表面肌电信号分解方法
CN115545079A (zh) 一种基于实时脑电信号的注意力提升方法
CN108888266B (zh) 降低tms电磁脉冲对大鼠运动诱发电位影响的工频滤除方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180724

RJ01 Rejection of invention patent application after publication