CN113288147A - 基于eeg与神经反馈技术的轻度认知障碍康复评估系统 - Google Patents
基于eeg与神经反馈技术的轻度认知障碍康复评估系统 Download PDFInfo
- Publication number
- CN113288147A CN113288147A CN202110599857.XA CN202110599857A CN113288147A CN 113288147 A CN113288147 A CN 113288147A CN 202110599857 A CN202110599857 A CN 202110599857A CN 113288147 A CN113288147 A CN 113288147A
- Authority
- CN
- China
- Prior art keywords
- unit
- paradigm
- signal
- eeg
- client
- 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
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/168—Evaluating attention deficit, hyperactivity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
-
- 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
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Neurology (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Mathematical Physics (AREA)
- Educational Technology (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Neurosurgery (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于EEG与神经反馈技术的轻度认知障碍康复评估系统。本发明包括Openvibe脑信号转发装置、Unity范式客户端、Web移动智能终端以及网络服务器;Openvibe脑信号转发装置通过VRPN通信协议与Unity范式客户端相连,Unity范式客户端与Web移动智能终端通过移动互联网与网络服务器相连。Openvibe脑信号转发装置将实时采集到的EEG信号发送给Unity范式客户端,Unity范式客户端分析实时数据来动态改变范式难度,同时在每一次范式结束后,将Openvibe生成的CSV格式的完整EEG信号数据上传到网络服务器进行处理并存储,处理后的分析结果反馈给Web移动智能终端进可视化显示。本发明使用方便、快速准确,便于进行轻度认知障碍患者的康复训练,并对其大脑认知功能进行综合性评估。
Description
技术领域
本发明涉及一种轻度认知障碍康复评估系统,尤其是一种基于脑电信号(EEG)与神经反馈技术的轻度认知障碍康复评估系统。
背景技术
阿尔茨海默病性痴呆(也叫老年性痴呆,Alzheimer’s Disease,简称AD)患者属于神经退行性疾病的一种,其主要表现为认知功能障碍、记忆力严重下降、社交障碍、行为异常与时空定向障碍等,高发病率人群一般为老年人。目前,AD的病因与发病机制尚不明确,并且到今天仍然没有相应的药物或特效的治疗方法可以阻止或治愈AD的病情进展。
在AD患者发病的早期阶段,即轻度认知功能障碍综合症(Mild CognitiveImpairment,简称MCI)阶段,对患者在支持、对症等综合性治疗策略基础上进行有针对性的干预和锻炼,那么这种干预将有助于延缓患者日常生活能力的迅速减退,对于改善认知功能障碍患者的脑功能状态、降低痴呆发病率、减轻家庭及社会负担有着极为重要的意义。目前,传统的MCI治疗方法包括:药物治疗、营养干预、娱乐疗法、经颅直流电刺激等,但其在临床上的应用仍存在一定的缺陷,如费用高,易受所处环境、情绪活动等一系列因素影响,且其治疗有效性难以得到验证。
与传统治疗方法不同,结合神经反馈训练的脑电图分析方法在MCI康复训练中得到了应用。脑电图分析呈现了一种对脑功能状态的非侵入式监视方法,能比传统的神经心理学方法更加客观地反映患者生理及病理信息,安全且便宜。神经反馈实验通常以游戏或者视频等生动的方式展开,在实验中,人机交互软件采集被试的脑电信号,对其进行分析并转换为相应的视觉、听觉、触觉等形式的反馈信号;被试接触到这些反馈信号后,便能有意识地去主动调节大脑活动来控制实验进程,实现增强或抑制某一频段脑电信号的目的,从而达到调节脑认知功能的效果。
近年来,已经提出了多种EEG与神经反馈结合的方案,但是在实际应用中,现有的神经反馈系统存在以下几点不足之处:实验范式任务设计单一,在MCI人群逐渐康复的过程,应有多等级多难度的范式可供选择;让患者通过脑电意念来控制任务的完成,未考虑到对MCI人群的实际困难度;存在标签同步问题,没有将实验过程中的各种刺激标签同步保存下来,不利于后续离线分析;缺少一个对MCI患者定量分析的模型,对MCI患者脑认知功能的评判不全面。
在考察分析上述不足的情况下,我们将EEG与神经反馈技术进一步结合,并探索其在轻度认知障碍康复评估上的应用。本发明提出了一个基于EEG与神经反馈技术的轻度认知障碍康复评估系统,包含多难度多等级的范式设计,QEEG量化脑电信号提出相对精神指数进行神经反馈康复训练,离线评估对MCI患者进行定性判别以及认知状态分析。
发明内容
本发明的目的是为了解决上述现有系统方案在MCI患者康复训练中存在的缺陷,提出了一个基于EEG与神经反馈技术的轻度认知障碍康复评估系统,提出了LD(Level/Difficulty)等级困难机制,可以实现多难度多层次的训练范式;该系统使用EEG来检测患者的精神状态,更加准确且迅速;用神经反馈机制,来量化脑电信号,提出相对精神指数来动态调整范式难度,使实验难度与患者的精神状态相匹配,利于康复过程。
本发明的目的可以通过采取如下技术方案达到:
基于EEG与神经反馈技术的轻度认知障碍康复评估系统,包括Openvibe脑信号转发装置、Unity范式客户端、Web移动智能终端以及网络服务器;所述Openvibe脑信号转发装置通过VRPN通信协议与Unity范式客户端相连,所述Unity范式客户端与Web移动智能终端通过移动互联网与网络服务器相连。Openvibe脑信号转发装置将实时采集到的轻度认知障碍患者的EEG信号发送给Unity范式客户端(LD难度机制),Unity范式客户端分析实时数据来动态改变范式难度(QEEG相对精神指数),同时在每一次范式结束后,将Openvibe生成的CSV格式的完整EEG信号数据上传到网络服务器进行数据处理,网络服务器将处理后的数据进行存储并生成相应的分析结果,反馈给Web移动智能终端进行数据可视化显示。
优选的,所述Openvibe脑信号转发装置包括EEG信号连接单元、信号预处理单元、VRPN-Server信号转发单元、功率谱信号可视化单元和CSV数据存储单元:
所述EEG信号连接单元用Openvibe作为信号采集器,采集用户的EEG脑电信号,采集设备为市面上通用的非侵入式脑电帽装置;
所述信号预处理单元与EEG信号连接单元相连,采集到的EEG信号通过EEG信号连接单元相连输入到信号预处理单元,信号预处理单元对采集到的EEG信号进行统一的信号预处理,包括EEG处理领域通用的空间滤波器、时间滤波器、通道重采样方法;
所述VRPN-Server信号转发单元、功率谱信号可视化单元以及CSV数据存储单元均与信号预处理单元相连。VRPN-Server信号转发单元包括将预处理后的EEG信号每秒一次按时间序列发送给Unity范式客户端,以及接收Unity范式客户端传过来的刺激标签;功率谱信号可视化单元用来实时显示预处理过后的EEG频率谱图以及脑电波形图;CSV数据存储单元用来将预处理后的EEG信号以及VRPN-Server信号转发单元接收到的刺激标签储存到CSV数据存储单元中的CSV文件。
优选的,所述Unity范式客户端包含HTTP通信单元、账户管理单元、多等级范式单元、VRPN-Client信号转发单元以及QEEG计算单元:
所述HTTP通信单元将Unity范式客户端与网络服务器相连,用于将范式实验数据、Openvibe脑信号转发装置生成的CSV数据传送保存到网络服务器,以及获得保存在网络服务器上的数据信息;
所述账户管理单元通过HTTP通信单元获得保存在网络服务器上的对应被试的实验数据及进度,从而在多等级范式单元选择特定难度的范式进行实验(大范围的关卡等级L);所述VRPN-Client信号转发单元将在范式实验开始后,不断接收Openvibe脑信号转发装置的VRPN-Server信号转发单元发送的时序EEG信号,并通过QEEG计算单元获得相对精神指数,来动态微调多等级范式单元的实验难度(小范围的难度等级D)。同时,VRPN-Client信号转发单元还会将被试实验时的刺激标签实时传送给Openvibe脑信号转发装置,并保存在CSV数据存储单元里。
优选的,所述Web移动智能终端包含EEG评估可视化单元以及心理评估量化表:
所述的EEG评估可视化单元与网络服务器相连,包括范式进度可视化、脑功能连接性可视化、脑电信号复杂性可视化、脑电信号分类可视化;
所述的心理评估量化表用来筛选实验对象及方便后续对其认知状态的评估,本发明根据量表评估的敏感性、评估量表耗时、完成方式的限制、受教育程度的影响等选择出了包括老年人认知功能筛查量表(CASI)、临床痴呆评定量表(CDR)和蒙特利尔认知评估基础量表(MoCA-B)这三种神经心理学量表。
优选的,所述网络服务器包括数据处理与存储单元和神经网络计算单元;网络服务器用于接收Unity范式客户端上传的数据范式进度数据以及脑电信号CSV数据,通过数据处理与存储单元对两份数据进行处理并保存,然后通过神经网络计算单元进行脑功能连接性分析、脑电信号复杂性分析、脑电信号分类评估,并生成相应的分析结果,并将分析结果反馈给Web移动智能终端进行数据可视化;
进一步的,Unity范式客户端由Unity和C#脚本开发完成,Openvibe脑信号转发装置由开源软件Openvibe开发完成,Web移动只能终端由ElementUI和Vue.js开发完成,网络服务器由Java、和Springboot开发完成,并且对应数据处理与存储单元由Mysql开发完成,以及神经网络计算单元由Python和Pytorch开发完成。
进一步的,被试打开Unity范式客户端,先启动账户管理单元,通过HTTP通信单元与网络服务器交互,获得该被试的对应范式进度信息,从而挑选多等级范式单元里对应的关卡难度;
进一步的,多等级范式单元模拟了街道步行的场景,让被试操控游戏人物在街道上行走,根据路标指示从起点到达终点。目前的实验范式由以下几个Level关卡等级构成:Level0,静息态(90s闭眼+90s睁眼);Level1,人行道+两个转弯+一座桥;Level2,人行道+三个转弯+两座桥;Level3,人行道+四个转弯+两座桥+一个天桥;Level4,整个环形天桥;
进一步的,每次范式试验都会有个分数记录其成绩。通过不同难度等级的范式选择来考验被试的控制力,同时撞墙、或者走上车道都会进行扣分;每次Level范式实验时可以选择有无路标提示,来考验被试的记忆力;实验过程中会有不定时的金币掉落,通过被试捡起金币的响应时间进行打分,来考验被试的反应力;同时,被试操作人物进行的各项动作操作以及刺激响应都会通过VRPN-Client信号转发单元发送给Openvibe脑信号转发装置进行保存,供后续分析;
进一步的,脑电信号的α节律能够反映大脑的放松程度,利用α节律神经反馈训练可减缓抑郁和焦虑症状,β节律在注意、工作记忆等认知方面具有重要作用,常将两者组合使用,此类训练多以提高参与者的执行功能和认知功能为目的,故QEEG计算单元先通过Level0的静息态来计算被试的平稳精神基数,再根据范式的实时脑电信号来计算被试的实时精神指数(β/α相对功率比),从而获得相对精神指数,来动态微调范式试验时的人物移动速度,使之更符合被试的精神状态;
更进一步的,神经网络计算单元用来对CSV数据文件进行离线评估过程,并生成可视化报告,由脑电信号分类评估和认知状态分析两部分组成。其中,认知状态分析又包括了脑功能连接性比较、脑电信号复杂性评估。
脑电信号分类评估:对实验中采集到的MCI患者和正常人的脑电信号进行分类评估,分类方法包括传统的机器学习方法SVM;以及构造神经网络GDANN进行二分类判别,相比MCI患者的脑电信号,我们拥有更多的正常组的脑电信号,可以依据此进行域对抗迁移学习训练,来作为对MCI患者的心理状态检测模型。认知状态分析:为了验证所设计的神经反馈系统对轻度认知障碍患者的康复有所帮助得有效性,需要一个多维度的认知评估模型,包含脑功能连接性比较、脑电信号复杂性评估等指标。本发明使用相干性作为脑区之间信息传递的功能性测量指标,将LZ复杂度作为评估脑电信号复杂性的指标。
本发明相对于现有技术具有如下的有益效果:
1、本发明设计了一种基于EEG与神经反馈技术的轻度认知障碍康复评估系统,提出了LD等级匹配机制,匹配多种认知功能的实验范式,诱发被试的记忆力、注意力、控制力和判断力等不同认知功能特征,使采集的脑电数据特征更加多元有效;
2、本发明构建了一个基于QEEG量化技术(对β及α脑电波相对频率进行分析)的神经反馈模型,通过训练被试的操作性条件反射来学习如何控制其大脑活动并帮助个体提高认知能力;
3、本发明搭建了一个不同任务场景、信号实时采集和在线/离线反馈相结合的闭环验证系统,实现在线可视化功能,为调节大脑神经活动、增强认知功能提供帮助。
附图说明
图1为本发明实施例的基于EEG与神经反馈技术的轻度认知障碍康复系统总体结构框图。
图2为本发明实施例的Openvibe脑信号转发装置的内部配置图。
图3为本发明实例的功率谱信号可视化单元例图。
图4为本发明实施例的Unity范式客户端的工作流程图。
图5为本发明实例的VRPN-Server与VRPN-Client通信图。
图6为本发明实施例的多等级范式单元的L关卡流程图。
图7为本发明实例的QEEG计算单元的D微调实施流程图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
实施例1:
如图1所示,本实施例的基于EEG与神经反馈技术的轻度认知障碍康复评估系统包括Openvibe脑信号转发装置、Unity范式客户端、Web移动智能终端以及网络服务器;所述Openvibe脑信号转发装置通过VRPN通信协议与Unity范式客户端相连,所述Unity范式客户端与Web移动智能终端通过移动互联网与网络服务器相连。Openvibe脑信号转发装置将实时采集到的轻度认知障碍患者的EEG信号发送给Unity范式客户端,Unity范式客户端分析实时数据来动态改变范式难度,同时在每一次范式结束后,将Openvibe生成的CSV格式的完整EEG信号数据上传到网络服务器进行数据处理,网络服务器将处理后的数据进行存储并生成相应的分析结果,反馈给Web移动智能终端进行数据可视化显示。
如图2所示,为本实施例的Openvibe脑信号转发装置配置图。Openvibe是业内开源的EEG信号采集、分析软件,帮助我们匹配不同型号的采集设备。
EEG信号连接单元为Acquistition client,取默认的1024通信端口,采样率设置为256Hz,一秒有256个采样点;
信号预处理单元先通过Channel Rename功能块,设定采集设备支持的通道名;再通过Spatial Filter功能块,进行空间滤波;接着通过Temporal Filter功能块,进行时间滤波,设置为0.5~30Hz的四阶Butterworth带通滤波器;滤波之后再通过Channel Rename功能块,将因滤波而改变的通道名还原为设备默认通道名;
VRPN-Server信号转发单元由一个负责接收信号的Button VRPN Client功能块和一个负责发送信号的Analog VRPN Server功能块组成。Button VRPN Client监听默认的50555通信端口,接收Unity范式客户端传过来的刺激标签,目前包含实验开始、实验结束、静息态闭眼开始、静息态闭眼结束、静息态睁眼开始、静息态睁眼结束、金币出现、金币消失、按下捡起金币按钮以及松开捡起金币按钮这十个刺激动作,由Stimulationmultiplexer功能块整合为一个刺激流保存到CSV文件里。同时,与一个Player Controller功能块相连,当接收到实验结束的刺激信号时,会结束信号采集。此外,来自信号预处理单元的EEG信号会通过一个Time based epoching功能块,设置为1s时长以及0.0625s间隔,并将该分割出来的时序信号发送给Analog VRPN Server功能块,从而转发给Unity范式客户端;
功率谱信号可视化单元包含一个EEG信号波形图以及功率谱图,显示效果如图3所示。Signal display功能块接收来自信号预处理单元的信号,以波形图的形式显示,取默认配置。功率谱图显示设置如下:来自Time based epoching的时序信号会先通过Epochaverage功能块进行epoch数据平均,参数设置为4个epoch进行Moving epoch average;接着通过Spectral Analysis功能块进行频谱分析,参数设置为激活振幅输出,关闭相位输出,关闭Real Part输出以及关闭虚部输出;然后通过Frequency Band Selector功能块进行频段选择,选择0~60Hz的频段;最后通过Instant Bars功能块进行功率谱可视化。
CSV数据存储单元用于将EEG信号及刺激标签存储为同一个CSV文件,由CSV FileWriter功能块完成。
如图4所示,本发明实施例的Unity范式客户端的工作流程如下:被试带上脑电帽,启动账户管理单元,通过HTTP通信单元连接网络服务器,获得账号相关信息,包括范式实验进度;打开多等级范式单元,触发LD选择机制,先根据进度信息选择对应范式等级L,这一等级通过才可解锁下一等级;范式进行过程中,会将人物的动作及实验刺激由VRPN-Client信号转发单元实时转发出去;同时,会接收时序EEG信号,通过QEEG计算单元进行分析,来微调难度D。实验结束后,再通过HTTP通信单元,将这次的实验进度结果及生成的CSV文件发送到远程服务器保存。
如图5所示,为本发明实例的VRPN-Server与VRPN-Client通信过程。本发明涉及到两个VRPN通信单元,VRPN-Server位于Openvibe脑信号转发装置,VRPN-Client位于Unity范式客户端。首先,通过Openvibe的EEG信号连接单元采集到完整的EEG信号E0;然后分割成以1秒为单位的时序EEG信号E1,通过VRPN-Server发送给VRPN-Client;VRPN-Client每秒一次将接收到的E1发送给QEEG计算单元,计算结果给多等级范式单元来微调范式难度;同时,多等级范式单元会将实验时的各种刺激标签通过VRPN-Client转发给VRPN-Server;VRPN-Server接受到刺激动作标签后,会连同之前的完整EEG信号E0一起保存到CSV数据存储单员。
图6为本发明实施例的多等级范式单元的L关卡流程图。多等级范式单元是符合老年人认知逻辑的游戏,游戏场景模拟了城市街道的设计,要求玩家用键盘根据系统指示从起点控制游戏角色到达终点,可以选择有无路标提示,中间会经过各种岔路及障碍物;同时,会不定时掉落金币,要求被试在一定时间内捡起金币;最终,会根据实验表现记录打分。实验流程由以下逐步解锁递进:Level0,静息态,90s闭眼;Level0,静息态,90s睁眼;Level1,人行道+两个转弯+一座桥,有方向提示;Level1,无方向提示;Level2,人行道+三个转弯+两座桥,有方向提示;Level2,无方向提示;Level3,人行道+四个转弯+两座桥+一个天桥,有方向提示;Level3,无方向提示;Level4,整个环形天桥,有方向提示;Level4,无方向提示。
图7为本发明实例的QEEG计算单元的D微调实施流程:α节律(8-13Hz)能够反映大脑的放松程度,β节律(13-32Hz)在注意、工作记忆等认知方面具有重要作用,以提高参与者的执行功能和认知功能为目的,将两者组合使用,本发明根据β/α相对功率比计算出精神指数:
已知随机信号s(t),截短为长度等于T的一个截短信号sT(t),这样,sT(t)就成为一个能量信号,我们再用傅里叶变换求出其能量谱密度|ST(x)|2,其中,x表示频率范围。于是获得信号的功率谱密度函数:
进一步的,特定频带的绝对功率=fpsd dx,特定频带的相对功率=该频带的绝对功率/总的绝对功率;于是β/α相对功率比S可表示为,β频段(13-32Hz)和α频段(8-13Hz)的绝对功率之比:
故先根据静息态90s闭眼+睁眼的EEG信号计算出β/α相对功率比,设为平稳精神基数S0;再根据每秒一次接收到的E1信号计算出β/α相对功率比,设为实时精神指数S1;再根据S1和S0计算出相对精神指数S*:
范式实验结束后,上传到网络服务器的CSV文件会进行后续离线分析。比如进行SVM二分类,脑功能连接性比较、脑电信号复杂性评估等分析。本发明使用相干性作为脑区之间信息传递的功能性测量指标,将LZ复杂度作为评估脑电信号复杂性的指标。
相干性是频域上两个信号之间相关性的线性度量,脑电信号相干性可解释为脑区之间信息传递的一种功能性测量,是脑区间的功能耦合的指数。相干性由一对信号计算得出,其大小是两个信号互谱密度的平方除以各信号功率谱密度的乘积:
其中,f为频率,相干性的取值范围在0到1之间,通道间脑电信号的相干性越高,表明脑区间合作越强,功能连接性越好。
LZ复杂度可显示脑电信号整体序列的复杂程度,根据Lempel和Ziv的研究,对于任意一个足够长的随机(0、1)符号序列,当0和1出现的概率相等时,c(n)会趋向于同一个最大值:
用b(n)进行归一化处理,得到LZ复杂度(用符号LZC表示):
复杂度的取值范围介于0与1之间。信号序列中重复片段的个数越多,序列越规律,其复杂度值越趋近于0。
上述实施例中的Web移动智能终端可以是智能手机、平板电脑、PDA手持终端等。
综上所述,本发明的基于EEG与神经反馈技术的轻度认知障碍康复评估系统,使用方便、快速准确,利用了EEG检测和神经反馈训练技术,便于进行轻度认知障碍患者的康复训练,并对其大脑认知功能进行综合性评估。
以上所述,仅为本发明专利较佳的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (7)
1.基于EEG与神经反馈技术的轻度认知障碍康复评估系统,其特征在于包括Openvibe脑信号转发装置、Unity范式客户端、Web移动智能终端以及网络服务器;所述Openvibe脑信号转发装置通过VRPN通信协议与Unity范式客户端相连,所述Unity范式客户端与Web移动智能终端通过移动互联网与网络服务器相连;Openvibe脑信号转发装置将实时采集到的轻度认知障碍患者的EEG信号发送给Unity范式客户端,Unity范式客户端分析实时数据来动态改变范式难度,同时在每一次范式结束后,将Openvibe生成的CSV格式的完整EEG信号数据上传到网络服务器进行数据处理,网络服务器将处理后的数据进行存储并生成相应的分析结果,反馈给Web移动智能终端进行数据可视化显示。
2.根据权利要求1所述的基于EEG与神经反馈技术的轻度认知障碍康复评估系统,其特征在于所述Openvibe脑信号转发装置包括EEG信号连接单元、信号预处理单元、VRPN-Server信号转发单元、功率谱信号可视化单元和CSV数据存储单元:
所述EEG信号连接单元用Openvibe作为信号采集器,采集用户的EEG脑电信号,采集设备为市面上通用的非侵入式脑电帽装置;
所述信号预处理单元与EEG信号连接单元相连,采集到的EEG信号通过EEG信号连接单元相连输入到信号预处理单元,信号预处理单元对采集到的EEG信号进行统一的信号预处理,包括EEG处理领域通用的空间滤波器、时间滤波器、通道重采样方法;
所述VRPN-Server信号转发单元、功率谱信号可视化单元以及CSV数据存储单元均与信号预处理单元相连;VRPN-Server信号转发单元包括将预处理后的EEG信号每秒一次按时间序列发送给Unity范式客户端,以及接收Unity范式客户端传过来的刺激标签;功率谱信号可视化单元用来实时显示预处理过后的EEG频率谱图以及脑电波形图;CSV数据存储单元用来将预处理后的EEG信号以及VRPN-Server信号转发单元接收到的刺激标签储存到CSV数据存储单元中的CSV文件。
3.根据权利要求2所述的基于EEG与神经反馈技术的轻度认知障碍康复评估系统,其特征在于所述Unity范式客户端包含HTTP通信单元、账户管理单元、多等级范式单元、VRPN-Client信号转发单元以及QEEG计算单元:
所述HTTP通信单元将Unity范式客户端与网络服务器相连,用于将范式实验数据、Openvibe脑信号转发装置生成的CSV数据传送保存到网络服务器,以及获得保存在网络服务器上的数据信息;
所述账户管理单元通过HTTP通信单元获得保存在网络服务器上的对应被试的实验数据及进度,从而在多等级范式单元选择特定难度的范式进行实验;所述VRPN-Client信号转发单元将在范式实验开始后,不断接收Openvibe脑信号转发装置的VRPN-Server信号转发单元发送的时序EEG信号,并通过QEEG计算单元获得相对精神指数,来动态微调多等级范式单元的实验难度;同时,VRPN-Client信号转发单元还会将被试实验时的刺激标签实时传送给Openvibe脑信号转发装置,并保存在CSV数据存储单元里。
4.根据权利要求3所述的基于EEG与神经反馈技术的轻度认知障碍康复评估系统,其特征在于所述Web移动智能终端包含EEG评估可视化单元以及心理评估量化表:
所述的EEG评估可视化单元与网络服务器相连,包括范式进度可视化、脑功能连接性可视化、脑电信号复杂性可视化、脑电信号分类可视化;
所述的心理评估量化表用来筛选实验对象及方便后续对其认知状态的评估,根据量表评估的敏感性、评估量表耗时、完成方式的限制、受教育程度的影响选择出包括老年人认知功能筛查量表(CASI)、临床痴呆评定量表(CDR)和蒙特利尔认知评估基础量表(MoCA-B)这三种神经心理学量表。
5.根据权利要求4所述的基于EEG与神经反馈技术的轻度认知障碍康复评估系统,其特征在于所述网络服务器包括数据处理与存储单元和神经网络计算单元;网络服务器用于接收Unity范式客户端上传的数据范式进度数据以及脑电信号CSV数据,通过数据处理与存储单元对两份数据进行处理并保存,然后通过神经网络计算单元进行脑功能连接性分析、脑电信号复杂性分析、脑电信号分类评估,并生成相应的分析结果,并将分析结果反馈给Web移动智能终端进行数据可视化。
6.根据权利要求5所述的基于EEG与神经反馈技术的轻度认知障碍康复评估系统,其特征在于多等级范式单元模拟了街道步行的场景,让被试操控游戏人物在街道上行走,根据路标指示从起点到达终点;目前的实验范式由以下几个Level关卡等级构成:Level0,静息态(90s闭眼+90s睁眼);Level1,人行道+两个转弯+一座桥;Level2,人行道+三个转弯+两座桥;Level3,人行道+四个转弯+两座桥+一个天桥;Level4,整个环形天桥;
每次范式试验都会有个分数记录其成绩;通过不同难度等级的范式选择来考验被试的控制力,同时撞墙、或者走上车道都会进行扣分;每次Level范式实验时可以选择有无路标提示,来考验被试的记忆力;实验过程中会有不定时的金币掉落,通过被试捡起金币的响应时间进行打分,来考验被试的反应力;同时,被试操作人物进行的各项动作操作以及刺激响应都会通过VRPN-Client信号转发单元发送给Openvibe脑信号转发装置进行保存,供后续分析;
脑电信号的α节律能够反映大脑的放松程度,利用α节律神经反馈训练可减缓抑郁和焦虑症状,β节律在注意、工作记忆等认知方面具有重要作用,常将两者组合使用,此类训练多以提高参与者的执行功能和认知功能为目的,故QEEG计算单元先通过Level0的静息态来计算被试的平稳精神基数,再根据范式的实时脑电信号来计算被试的实时精神指数,从而获得相对精神指数,来动态微调范式试验时的人物移动速度,使之更符合被试的精神状态。
7.根据权利要求6所述的基于EEG与神经反馈技术的轻度认知障碍康复评估系统,其特征在于根据β/α相对功率比计算出精神指数:
已知随机信号s(t),截短为长度等于T的一个截短信号sT(t),这样,sT(t)就成为一个能量信号,再用傅里叶变换求出其能量谱密度|ST(x)|2,其中,x表示频率范围;于是获得信号的功率谱密度函数:
进一步的,特定频带的绝对功率=∫psddx,特定频带的相对功率=该频带的绝对功率/总的绝对功率;于是β/α相对功率比S可表示为,β频段(13-32Hz)和α频段(8-13Hz)的绝对功率之比:
故先根据静息态90s闭眼+睁眼的EEG信号计算出β/α相对功率比,设为平稳精神基数S0;再根据每秒一次接收到的E1信号计算出β/α相对功率比,设为实时精神指数S1;再根据S1和S0计算出相对精神指数S*:
使用相干性作为脑区之间信息传递的功能性测量指标,将LZ复杂度作为评估脑电信号复杂性的指标;
相干性由一对信号计算得出,其大小是两个信号互谱密度的平方除以各信号功率谱密度的乘积:
其中,f为频率,相干性的取值范围在0到1之间,通道间脑电信号的相干性越高,表明脑区间合作越强,功能连接性越好;
LZ复杂度可显示脑电信号整体序列的复杂程度,根据Lempel和Ziv的研究,对于任意一个足够长的随机(0、1)符号序列,当0和1出现的概率相等时,c(n)会趋向于同一个最大值:
用b(n)进行归一化处理,得到LZ复杂度(用符号LZC表示):
复杂度的取值范围介于0与1之间;信号序列中重复片段的个数越多,序列越规律,其复杂度值越趋近于0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110599857.XA CN113288147A (zh) | 2021-05-31 | 2021-05-31 | 基于eeg与神经反馈技术的轻度认知障碍康复评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110599857.XA CN113288147A (zh) | 2021-05-31 | 2021-05-31 | 基于eeg与神经反馈技术的轻度认知障碍康复评估系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113288147A true CN113288147A (zh) | 2021-08-24 |
Family
ID=77326367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110599857.XA Pending CN113288147A (zh) | 2021-05-31 | 2021-05-31 | 基于eeg与神经反馈技术的轻度认知障碍康复评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113288147A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114176610A (zh) * | 2021-12-31 | 2022-03-15 | 杭州电子科技大学 | 一种面向轻度认知功能障碍患者诊断的工作负荷评估方法 |
CN114224344A (zh) * | 2021-12-31 | 2022-03-25 | 杭州电子科技大学 | 基于eeg与迁移学习的疲劳状态实时检测系统 |
CN114259241A (zh) * | 2021-12-16 | 2022-04-01 | 杭州电子科技大学 | 基于eeg的认知功能可视化系统 |
CN114864051A (zh) * | 2022-07-06 | 2022-08-05 | 北京智精灵科技有限公司 | 一种基于神经网络的认知提升方法及系统 |
CN114847950A (zh) * | 2022-04-29 | 2022-08-05 | 深圳市云长数字医疗有限公司 | 基于虚拟现实的注意力评估与训练系统、方法及存储介质 |
CN115662576A (zh) * | 2022-12-30 | 2023-01-31 | 北京航空航天大学 | 一种阿尔兹海默症和关联认知障碍病症的神经反馈训练范式的生成方法、神经反馈训练系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102319067A (zh) * | 2011-05-10 | 2012-01-18 | 北京师范大学 | 用于大脑记忆功能改善的基于脑电信号的神经反馈训练仪 |
CN103431859A (zh) * | 2012-01-10 | 2013-12-11 | 西安交通大学 | 多任务视觉认知中脑负荷测定的实验方法 |
CN110584662A (zh) * | 2019-09-17 | 2019-12-20 | 五邑大学 | 基于脑电信息的自闭症风险量化方法、装置和存储介质 |
CN112022136A (zh) * | 2020-09-11 | 2020-12-04 | 国家康复辅具研究中心 | 基于近红外脑功能与步态参数的评估方法及系统 |
CN112545517A (zh) * | 2020-12-10 | 2021-03-26 | 中国科学院深圳先进技术研究院 | 一种注意力训练方法和终端 |
-
2021
- 2021-05-31 CN CN202110599857.XA patent/CN113288147A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102319067A (zh) * | 2011-05-10 | 2012-01-18 | 北京师范大学 | 用于大脑记忆功能改善的基于脑电信号的神经反馈训练仪 |
CN103431859A (zh) * | 2012-01-10 | 2013-12-11 | 西安交通大学 | 多任务视觉认知中脑负荷测定的实验方法 |
CN110584662A (zh) * | 2019-09-17 | 2019-12-20 | 五邑大学 | 基于脑电信息的自闭症风险量化方法、装置和存储介质 |
CN112022136A (zh) * | 2020-09-11 | 2020-12-04 | 国家康复辅具研究中心 | 基于近红外脑功能与步态参数的评估方法及系统 |
CN112545517A (zh) * | 2020-12-10 | 2021-03-26 | 中国科学院深圳先进技术研究院 | 一种注意力训练方法和终端 |
Non-Patent Citations (1)
Title |
---|
张栋: "Lempel-Ziv复杂度的尺度划分方法的研究及应用", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114259241A (zh) * | 2021-12-16 | 2022-04-01 | 杭州电子科技大学 | 基于eeg的认知功能可视化系统 |
CN114259241B (zh) * | 2021-12-16 | 2024-03-29 | 杭州电子科技大学 | 基于eeg的认知功能可视化系统 |
CN114176610A (zh) * | 2021-12-31 | 2022-03-15 | 杭州电子科技大学 | 一种面向轻度认知功能障碍患者诊断的工作负荷评估方法 |
CN114224344A (zh) * | 2021-12-31 | 2022-03-25 | 杭州电子科技大学 | 基于eeg与迁移学习的疲劳状态实时检测系统 |
CN114176610B (zh) * | 2021-12-31 | 2024-05-07 | 杭州电子科技大学 | 一种面向轻度认知功能障碍患者诊断的工作负荷评估方法 |
CN114224344B (zh) * | 2021-12-31 | 2024-05-07 | 杭州电子科技大学 | 基于eeg与迁移学习的疲劳状态实时检测系统 |
CN114847950A (zh) * | 2022-04-29 | 2022-08-05 | 深圳市云长数字医疗有限公司 | 基于虚拟现实的注意力评估与训练系统、方法及存储介质 |
CN114864051A (zh) * | 2022-07-06 | 2022-08-05 | 北京智精灵科技有限公司 | 一种基于神经网络的认知提升方法及系统 |
CN114864051B (zh) * | 2022-07-06 | 2022-10-04 | 北京智精灵科技有限公司 | 一种基于神经网络的认知提升方法及系统 |
CN115662576A (zh) * | 2022-12-30 | 2023-01-31 | 北京航空航天大学 | 一种阿尔兹海默症和关联认知障碍病症的神经反馈训练范式的生成方法、神经反馈训练系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113288147A (zh) | 基于eeg与神经反馈技术的轻度认知障碍康复评估系统 | |
WO2020119245A1 (zh) | 一种基于可穿戴手环的情绪识别系统及方法 | |
Wolpaw et al. | Brain–computer interfaces for communication and control | |
Wolpawa et al. | Brain-computer interfaces for communication and control | |
Ochoa | EEG signal classification for brain computer interface applications | |
Pfurtscheller et al. | Human brain-computer interface | |
Zhai et al. | Stress detection in computer users based on digital signal processing of noninvasive physiological variables | |
Pfurtscheller et al. | 15 years of BCI research at Graz University of Technology: current projects | |
CN102319067B (zh) | 用于大脑记忆功能改善的基于脑电信号的神经反馈训练仪 | |
WO2012029742A1 (ja) | 意思伝達支援装置及び方法 | |
WO2021036541A1 (zh) | 一种基于ssvep的注意力测评方法、训练方法以及脑机接口 | |
CN112163518B (zh) | 情绪监测的情绪建模方法及情绪监测调节系统 | |
Coyle et al. | A time-frequency approach to feature extraction for a brain-computer interface with a comparative analysis of performance measures | |
CN111544015B (zh) | 基于认知力的操控工效分析方法、设备及系统 | |
Lehtonen | EEG-based brain computer interfaces | |
CN104887198A (zh) | 基于人体生理信号多参数融合的疼痛定量分析系统及方法 | |
CN109394203A (zh) | 精神障碍康复期情绪监测与干预方法 | |
Bian et al. | Physiology-based affect recognition during driving in virtual environment for autism intervention. | |
Fauvet et al. | A novel method to generalize time-frequency coherence analysis between EEG or EMG signals during repetitive trials with high intra-subject variability in duration | |
CN106901751A (zh) | 一种基于大脑血红蛋白信息的运动速度状态的识别方法 | |
CN115399771A (zh) | 一种新型的基于脑电信号的人员专注程度检测方法及系统 | |
Turgunov et al. | Using different features of signal in EMG signal classification | |
CN113713333B (zh) | 一种下肢康复全训练过程的动态虚拟诱导方法及系统 | |
Coyle et al. | Extracting features for a brain-computer interface by self-organising fuzzy neural network-based time series prediction | |
Chen et al. | The use of a brain computer interface remote control to navigate a recreational device |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210824 |