CN113951897B - 一种多模态静息脑电数据干扰消除和标记方法及装置 - Google Patents
一种多模态静息脑电数据干扰消除和标记方法及装置 Download PDFInfo
- Publication number
- CN113951897B CN113951897B CN202111177728.8A CN202111177728A CN113951897B CN 113951897 B CN113951897 B CN 113951897B CN 202111177728 A CN202111177728 A CN 202111177728A CN 113951897 B CN113951897 B CN 113951897B
- Authority
- CN
- China
- Prior art keywords
- data
- interference
- electroencephalogram
- myoelectricity
- marking
- 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
Links
- 230000000284 resting effect Effects 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000008030 elimination Effects 0.000 title abstract description 18
- 238000003379 elimination reaction Methods 0.000 title abstract description 18
- 230000033001 locomotion Effects 0.000 claims abstract description 219
- 238000012545 processing Methods 0.000 claims abstract description 92
- 210000004556 brain Anatomy 0.000 claims abstract description 41
- 230000004424 eye movement Effects 0.000 claims abstract description 26
- 239000003550 marker Substances 0.000 claims description 86
- 230000003183 myoelectrical effect Effects 0.000 claims description 51
- 238000001514 detection method Methods 0.000 claims description 37
- 230000001133 acceleration Effects 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 18
- 230000001360 synchronised effect Effects 0.000 claims description 18
- 230000008878 coupling Effects 0.000 claims description 11
- 238000010168 coupling process Methods 0.000 claims description 11
- 238000005859 coupling reaction Methods 0.000 claims description 11
- 210000004761 scalp Anatomy 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000005611 electricity Effects 0.000 abstract description 15
- 230000001055 chewing effect Effects 0.000 abstract description 10
- 230000009747 swallowing Effects 0.000 abstract description 9
- 210000003414 extremity Anatomy 0.000 description 149
- 210000000707 wrist Anatomy 0.000 description 30
- 210000003205 muscle Anatomy 0.000 description 27
- 210000003423 ankle Anatomy 0.000 description 24
- 230000008569 process Effects 0.000 description 11
- 210000003128 head Anatomy 0.000 description 10
- 238000005070 sampling Methods 0.000 description 10
- 239000000243 solution Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 210000002683 foot Anatomy 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 238000012880 independent component analysis Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000011259 mixed solution Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 208000020016 psychiatric disease Diseases 0.000 description 2
- 201000000980 schizophrenia Diseases 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 208000006096 Attention Deficit Disorder with Hyperactivity Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 210000001652 frontal lobe Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 210000001595 mastoid Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036403 neuro physiology Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000152 swallowing effect Effects 0.000 description 1
- 210000003478 temporal lobe Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—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]
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
- A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Psychology (AREA)
- Mathematical Physics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种多模态静息脑电数据干扰消除和标记方法及装置,其中方法包括:确定静息态下本次同步采集的四肢运动数据和肌电数据满足第一干扰处理条件时,对静息态下本次同步采集的脑电数据进行眼动干扰去除处理,得到第一目标静息态脑电数据;确定四肢运动数据和肌电数据满足第一干扰标记条件时,对脑电数据进行肢体干扰段及肌电干扰段标识,得到第二目标静息态脑电数据;分别将第一目标静息态脑电数据和第二目标静息态数据存储为第一目标静息态脑电数据文件和第二目标静息态脑电数据文件。本发明能够自动定位和去除咀嚼、吞咽、身体及头部扭动等小动作,并且能自动去除眼电对于低频段静息脑电数据采集影响,从而获取到高质量的静息态脑电数据。
Description
技术领域
本发明涉及脑科学研究技术领域,尤其涉及一种多模态静息脑电数据干扰消除和标记方法及装置。
背景技术
静息态脑电是采集被试者睁眼或闭眼静息的坐在屏幕前的一种脑电实验范式,并且通过提取静息态脑电信号的功率谱、脑网络连接、微状态等特征,能够对抑郁症、精神分裂症等多种精神类障碍进行判别。因此,如何获取高质量静息态脑电信号显得尤为重要。
现有方法通过设定时域数据中的阈值点去除强烈干扰信号,或者通过独立成分分析法剔除眨眼、心跳等规律性较强的干扰信号的方式获取静息态脑电信号。
由于现有方法只能去除脑电信号中干扰强度大或规律性较强的高频段干扰信号,并不能去除被试者轻微动作或不规律运动产生的低频段干扰信号,从而导致所获取的脑电信号的准确性和可靠性并不高。
发明内容
本发明提供一种多模态静息脑电数据干扰消除和标记方法及装置,用以解决现有技术中不能滤除被试者轻微动作或不规律运动产生的低频段干扰信号的缺陷,实现自动标记和去除被试者轻微动作或不规律运动产生的低频段干扰信号。
本发明提供一种多模态静息脑电数据干扰消除和标记方法,包括:
获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据;
确定所述四肢运动数据和所述肌电数据满足第一干扰处理条件时,对所述脑电数据进行眼动干扰去除处理,得到第一目标静息态脑电数据;其中,所述第一目标静息态脑电数据包括所述眼电数据;
确定所述四肢运动数据和所述肌电数据满足第一干扰标记条件时,对所述脑电数据对应的肢体运动部位标识列和肌电运动部位标识列分别标记预设标识号,得到第二目标静息态脑电数据;其中,所述第二目标静息态脑电数据包括所述眼电数据;
将所述第一目标静息态脑电数据按照第一预设格式存储为第一目标静息态脑电数据文件,将所述第二目标静息态数据按照第二预设格式存储为第二目标静息态脑电数据文件。
根据本发明提供的一种多模态静息脑电数据干扰消除和标记方法,在所述获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据的步骤之后,所述方法还包括:
确定所述四肢运动数据和所述肌电数据满足第二干扰处理条件时,执行针对所述脑电数据、所述眼电数据以及预设历史脑电数据和预设历史眼电数据的删除操作;
执行针对所述肌电数据和所述四肢运动数据的干扰标记操作及存储操作。
根据本发明提供的一种多模态静息脑电数据干扰消除和标记方法,在所述确定所述四肢运动数据和所述肌电数据满足第一干扰标记条件之后,所述方法还包括:
确定所述四肢运动数据和所述肌电数据满足第二干扰标记条件时,执行针对所述肌电数据和所述四肢运动数据的干扰标记操作及存储操作。
根据本发明提供的一种多模态静息脑电数据干扰消除和标记方法,所述执行针对所述肌电数据和所述四肢运动数据的干扰标记操作及存储操作,包括:
对所述肌电数据中肌电部位标识列标记肌电干扰标识号,以及对所述四肢运动数据中对应肢体运动部位标识列标记对应肢体干扰标识号,得到肌电标记数据和四肢标记运动数据;
执行针对所述肌电标记数据和所述四肢标记运动数据的存储操作。
根据本发明提供的一种多模态静息脑电数据干扰消除和标记方法,在所述获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据的步骤之后,所述方法还包括:
分别计算所述四肢运动数据每个方向上的峰峰值以及所述肌电数据的能量值;
确定所述峰峰值均小于对应肢体特征阈值及所述能量值小于能量特征阈值时,确定所述四肢运动数据和所述肌电数据满足第一干扰处理条件;
确定所述峰峰值均大于对应肢体特征阈值及所述能量值大于能量特征阈值时,确定所述四肢运动数据和所述肌电数据同时满足第一干扰标记条件和第二干扰标记条件;
确定至少一个峰峰值大于对应肢体特征阈值和/或所述能量值大于能量特征阈值时,确定所述四肢运动数据和所述肌电数据满足第二干扰处理条件。
根据本发明提供的一种多模态静息脑电数据干扰消除和标记方法,在所述获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据的步骤之前,所述方法还包括:
确定被试者头皮与待检测电极建立连接时,向下位机发送阻抗检测指令;其中,所述待检测电极包括脑电电极和眼电电极,所述阻抗检测指令用于指示所述下位机检测所述待检测电极的阻抗值;
接收所述下位机发送的阻抗检测结果;
确定所述阻抗检测结果满足预设耦合条件时,则向所述下位机发送数据同步采集指令及与加速度传感器之间建立预设通信协议;其中,所述数据采集指令携带有数据采集模态和数据处理周期;
接收所述下位机每次同步采集的肌电数据、眼电数据和脑电数据以及所述加速度传感器每次同步采集的四肢运动数据后进行对齐处理,以使得所述四肢运动数据、所述肌电数据、所述眼电数据和所述脑电数据均同步。
根据本发明提供的一种多模态静息脑电数据干扰消除和标记方法,所述接收所述下位机每次同步采集的肌电数据、眼电数据和脑电数据以及所述加速度传感器每次同步采集的四肢运动数据后进行对齐处理,包括:
基于预设有线连接方式接收所述下位机每次同步采集的肌电数据、眼电数据和脑电数据;
基于所述预设通信协议接收所述加速度传感器每次同步采集的四肢运动数据;
对所述肌电数据、所述眼电数据、所述脑电数据及所述四肢运动数据进行对齐处理。
本发明还提供一种多模态静息脑电数据干扰消除和标记装置,包括:
获取模块,用于获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据;
处理模块,用于确定所述四肢运动数据和所述肌电数据满足第一干扰处理条件时,对所述脑电数据进行眼动干扰去除处理,得到第一目标静息态脑电数据;其中,所述第一目标静息态脑电数据包括所述眼电数据;
标记模块,用于确定所述四肢运动数据和所述肌电数据满足第一干扰标记条件时,对所述脑电数据对应的肢体运动部位标识列和肌电运动部位标识列分别标记预设标识号,得到第二目标静息态脑电数据;其中,所述第二目标静息态脑电数据包括所述眼电数据;
存储模块,用于将所述第一目标静息态脑电数据按照第一预设格式存储为第一目标静息态脑电数据文件,将所述第二目标静息态数据按照第二预设格式存储为第二目标静息态脑电数据文件。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述多模态静息脑电数据干扰消除和标记方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述多模态静息脑电数据干扰消除和标记方法的步骤。
本发明提供的多模态静息脑电数据干扰消除和标记方法及装置,其中多模态静息脑电数据干扰消除和标记方法,是在静息态下本次同步采集的四肢运动数据和肌电数据满足第一干扰处理条件时,通过对同步采集的脑电数据进行眼电干扰处理的方式,实现快速且高效得到高质量的静息态脑电数据的目的;以及在静息态下本次同步采集的四肢运动数据和肌电数据满足第一干扰标记条件时,对脑电数据对应的肢体运动部位标识列和肌电运动部位标识列分别标记预设标识号的方式,实现快速标记脑电数据中咀嚼、吞咽、身体及头部扭动等轻微小动作干扰段的目的,解决了现有技术中只能标记出高强度干扰信号问题,提高了标记低频段干扰信号的丰富性和全面性;进一步的,通过对高质量的静息态脑电数据以及标记的脑电数据分别进行存储的方式,实现了离线处理时不仅能够针对第一目标静息态脑电数据文件准确且可靠判别疾病障碍的目的,而且也能够针对第二目标静息态脑电数据文件快速且准确定位干扰段的目的,大大提高了上位机处理脑电数据的灵活有效性和可靠准确性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的多模态静息脑电数据干扰消除和标记方法的流程示意图;
图2是本发明提供的62导联的脑电电极在被试者头皮上的分布示意图;
图3是本发明提供的被试者佩戴肌电、眼电及运动加速度传感器的位置分布图;
图4是本发明提供的多模态静息脑电数据干扰消除和标记装置的结构示意图;
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
由于通过对静息态脑电信号进行分析,不仅能够判别注意缺陷多动障碍(ADHD)患者、抑郁症、精神分裂症等多种精神类障碍,也能够体现焦虑个体的认知障碍和情绪异常,但是获取的脑电信号不仅会受到心跳或眨眼等较强干扰信号影响,也容易受到咀嚼、吞咽、身体及头部扭动等轻微运动影响,现有技术只能去除强干扰信号影响,这样会导致判别疾病障碍的准确性和可靠性不高。
为了解决上述技术问题,本发明提供了一种多模态静息脑电数据干扰消除和标记方法,该多模态静息脑电数据干扰消除和标记方法的执行主体为上位机,上位机具备指令发送、信息接收、信息标记、信息处理及信息存储功能;图1为本发明提供的多模态静息脑电数据干扰消除和标记方法的流程示意图,如图1所示,该多模态静息脑电数据干扰消除和标记方法,包括:
步骤S110,获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据。
具体的,上位机可以预先存储有采集对象、采集时长、采集指令及处理指令,比如采集对象可以为四类数据且四类数据包括脑电数据、肌电数据、眼电数据和四肢运动数据,肌电数据可以包括胸锁乳突肌数据和下颌舌骨肌数据,眼电数据可以包括水平眼电数据HEOG和垂直眼电数据VEOG,四肢运动数据可以包括左手手腕运动数据、右手手腕运动数据、左脚脚腕运动数据和右脚脚腕运动数据;采集时长可以为5min~10min,采集指令可以为对基于采集起始标识Marker10开始四类数据的同步采集以及基于采集结束标识Marker20结束四类数据的同步采集,处理指令可以为针对四类数据每秒同步采集一次且对每秒采集的四类数据进行同步处理。
因此,当上位机检测到采集开启指令时,可以获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据;其中,采集开启指令可以为上位机自身设置的采集开启按钮被触摸或按压后生成的指令。
此外,上位机在接收到脑电数据时,可以自动给脑电数据分配不同的运动部位标识列和不同的预设标识号,且每个运动部位标识列对应一个不同的预设标识号,运动部位包括左手手腕、右手手腕、左脚脚腕、右脚脚腕、胸锁乳突肌、下颌舌骨肌,运动部位标识列可以为运动部位的Marker列,预设标识号可以为Marker号。比如,脑电数据中可以分配左手手腕(wrist of left hand,LW)的Marker列为LW-Marker时对应一个Marker号,右手手腕(wrist of right hand,RW)RW的Marker列为RW-Marker时对应一个Marker号,左脚脚腕(ankle of left foot,LA)的Marker列为LA-Marker时对应一个Marker号,右脚脚腕(ankleof right foot,RA)的Marker列为RA-Marker时对应一个Marker号,胸锁乳突肌(sternocleidomastoid,SCM)的Marker列为SCM-Marker时时对应一个Marker号,下颌舌骨肌(mylohyoid,MH)的Marker列为MH-Marker时对应一个Marker号。
步骤S120,确定所述四肢运动数据和所述肌电数据满足第一干扰处理条件时,对所述脑电数据进行眼动干扰去除处理,得到第一目标静息态脑电数据。
其中,第一干扰处理条件可以表征本次同步采集的肌电数据和四肢运动数据均不存在干扰段,第一目标静息态脑电数据包括本次同步采集的眼电数据。
具体的,当上位机判定本次采集的四肢运动数据和肌电数据满足第一干扰处理条件时,可以认为被试者的四肢都没有微动且没有咀嚼、吞咽及头部扭动等轻微小动作,此时可以直接对本次同步采集的脑电数据进行眼动干扰处理,得到去除(或者无)眼动伪迹干扰的脑电数据,其眼动干扰处理的过程包括:
首先删除无用电极及进行重参考,无用电极可以理解为:比如脑电数据是62通道脑电数据,可以根据需要从62通道脑电数据中选取32通道脑电数据,则剩余通道脑电数据则为无用电极。
重参考过程可以是以全脑数据进行平均后的平均数据(比如62通道脑电数据加和后再平均)进行重参考,也可以是任意一个通道数据进行重参考。全脑平均参考不能将眼电数据纳入其中,这是因为眼电数据的波动起伏较大,很容易对数据造成比较大的干扰。
然后对重参考后的脑电数据进行带通滤波和降采样处理后,根据数据采集和眼电数据的衰减特性,计算2个眼电导联HEOG、VEOG的全局场功率(Global Field Power,GFP)值X,X=(x1,…,xN),N为采样点数量,GFP计算2导联眼电电极在每个时间点处得到的值,能够检测出瞬间出现高波峰或波谷的变化;再通过FastICA法提取出脑电数据M个独立分量的过程中计算出混解矩阵A,然后计算各独立分量与GFP值的相关系数,比较相关系数绝对值的大小并将绝对值最大的相关系数所对应的独立分量识别为眼电伪迹独立成分且置为0,以此得到眼电伪迹已被置0的置零矩阵,最后将该置零矩阵与混解矩阵A的乘积,作为去除(或者无)眼动伪迹干扰的脑电数据。由于采用了独立成分分析ICA去除眼动对静息脑电的干扰,因此能够有效提高静息态脑电数据的质量,此时可以将本次同步采集的肌电数据、四肢运动数据、眼电数据以及去除(或者无)眼动伪迹干扰的脑电数据记为第一目标静息态脑电数据,也即得到了价值比较高的静息态脑电数据。
需要说明的是,此时上位机虽然得到了价值比较高的静息态脑电数据,但对于本次同步采集的且没有干扰段的肌电数据和四肢运动数据也应当进行存储,其存储方式包括:
将本次采集的肌电数据与前面存储的肌电数据和四肢运动数据按时间进行拼接与合并,比如本次采集第2秒肌电数据时,可将第2秒肌电数据与存储的第1秒肌电数据进行顺次连接,使得存储的第1秒肌电数据和第2秒数据之间时间对应且数据对应;四肢运动数据的存储类似。
步骤S130,确定所述四肢运动数据和所述肌电数据满足第一干扰标记条件时,对所述脑电数据对应的肢体运动部位标识列和肌电运动部位标识列分别标记预设标识号,得到第二目标静息态脑电数据。
其中,第二目标静息态脑电数据包括本次同步采集的眼电数据,第一干扰标记条件可以表征本次采集的肌电数据和四肢运动数据均存在干扰段。
具体的,当上位机判定本次采集的四肢运动数据和肌电数据满足第一干扰标记条件时,可以认为被试者四肢均发生微动且存在咀嚼、吞咽、头部扭动等轻微小动作,此时可以对脑电数据对应的肢体运动部位标识列和肌电运动部位标识列分别标记预设标识号,其标识过程包括:
当确定第一干扰标记条件表征左手腕发生微动时,可以对脑电数据对应的左手手腕LW的Marker列LW-Marker标记Marker号为1;当确定第一干扰标记条件表征右手手腕发生微动时,可以对脑电数据对应的右手手腕RW的Marker列RW-Marker标记Marker号为2;当确定第一干扰标记条件表征左脚脚腕发生微动时,可以对脑电数据对应的左脚脚腕LA的Marker列LA-Marker标记Marker号为3;当确定第一干扰标记条件表征右脚脚腕发生微动时,可以对脑电数据对应的右脚脚腕RA的Marker列RA-Marker标记Marker号为4;当确定第一干扰标记条件表征胸锁乳突肌发生微动时,可以对脑电数据对应的胸锁乳突肌SCM的Marker列SCM-Marker标记Marker号为5;当确定第一干扰标记条件表征下颌舌骨肌发生微动时,可以对脑电数据对应的下颌舌骨肌MH的Marker列MH-Marker标记Marker号为6,其具体标记可以如表1所示。
表1
需要说明的是,由于水平眼电数据HEOG和垂直眼电数据VEOG的波形幅值都能够清楚表明是否出现水平眼动和/或垂直眼动,因此可以不用标识符合,且可以直接存储以用于后续离线分析。
步骤S140,将所述第一目标静息态脑电数据按照第一预设格式存储为第一目标静息态脑电数据文件,将所述第二目标静息态数据按照第二预设格式存储为第二目标静息态脑电数据文件。
具体的,上位机在存储第一目标静息态脑电数据时,可以进一步将第一目标静息态脑电数据按照N1*M1维度且以.csv格式进行存储,且数据存储时间延迟1秒,以此得到第一目标静息态脑电数据文件;其中,M1=65时可以分别为(时间序号,HEOG,VEOG,FPz,Fp1,Fp2,AF3,AF4,AF7,AF8,Fz,F1,F2,F3,F4,F5,F6,F7,F8,F9,F10,FCz,FC1,FC2,FC3,FC4,FC5,FC6,FT7,FT8,T7,T8,Cz,C1,C2,C3,C4,C5,C6,TP7,TP8,CPz,CP1,CP2,CP3,CP4,CP5,CP6,Pz,P1,P2,P3,P4,P5,P6,P7,P8,POz,PO3,PO4,PO7,PO8,Oz,O1,O2),N1为采样点数,N1的取值受采样时间和采样率影响。
此外,上位机在存储第二目标静息态脑电数据时,可以进一步将第二目标静息态脑电数据按照N2*M2维度且以.csv格式进行存储,且数据存储时间延迟1秒,以此得到第二目标静息态脑电数据文件;其中,M2=71时可以分别为(时间序号,LW-Marker,RW-Marker,LA-Marker,RA-Marker,SCM-Marker,MH-Marker,HEOG,VEOG,FPz,Fp1,Fp2,AF3,AF4,AF7,AF8,Fz,F1,F2,F3,F4,F5,F6,F7,F8,F9,F10,FCz,FC1,FC2,FC3,FC4,FC5,FC6,FT7,FT8,T7,T8,Cz,C1,C2,C3,C4,C5,C6,TP7,TP8,CPz,CP1,CP2,CP3,CP4,CP5,CP6,Pz,P1,P2,P3,P4,P5,P6,P7,P8,POz,PO3,PO4,PO7,PO8,Oz,O1,O2)。
需要说明的是,由于国际脑电图学与临床神经生理学联合会制定的标准10-20电极排布系统,广泛应用于规范脑电电极摆放位置,该电极排布系统规定了75个电极在头皮上的标准化位置,英文字母指示电极对应的大概区域[Fp:额极部,F:额叶,C:中央区,P:顶叶,O:枕叶,T:颞叶]。因此,根据本发明实验需要选取其中的62个导联电极位置分布在被试者头皮上,如图2所示,62个导联电极的具体位置为[FPz,Fp1,Fp2,AF3,AF4,AF7,AF8,Fz,F1,F2,F3,F4,F5,F6,F7,F8,F9,F10,FCz,FC1,FC2,FC3,FC4,FC5,FC6,FT7,FT8,T7,T8,Cz,C1,C2,C3,C4,C5,C6,TP7,TP8,CPz,CP1,CP2,CP3,CP4,CP5,CP6,Pz,P1,P2,P3,P4,P5,P6,P7,P8,POz,PO3,PO4,PO7,PO8,Oz,O1,O2]。
本发明提供的多模态静息脑电数据干扰消除和标记方法,是在静息态下本次同步采集的四肢运动数据和肌电数据满足第一干扰处理条件时,通过对同步采集的脑电数据进行眼电干扰处理的方式,实现快速且高效得到高质量的静息态脑电数据的目的;以及在静息态下本次同步采集的四肢运动数据和肌电数据满足第一干扰标记条件时,对脑电数据对应的肢体运动部位标识列和肌电运动部位标识列分别标记预设标识号的方式,实现快速标记脑电数据中咀嚼、吞咽、身体及头部扭动等轻微小动作干扰段的目的,解决了现有技术中只能标记出高强度干扰信号问题,提高了标记低频段干扰信号的丰富性和全面性;进一步的,通过对高质量的静息态脑电数据以及标记的脑电数据分别进行存储的方式,实现了离线处理时不仅能够针对第一目标静息态脑电数据文件准确且可靠判别疾病障碍的目的,而且也能够针对第二目标静息态脑电数据文件快速且准确定位干扰段的目的,大大提高了上位机处理脑电数据的灵活有效性和可靠准确性。
可选的,在步骤S110之后,所述方法还包括:
首先确定所述四肢运动数据和所述肌电数据满足第二干扰处理条件时,执行针对所述脑电数据、所述眼电数据以及预设历史脑电数据和预设历史眼电数据的删除操作;然后再执行针对所述肌电数据和所述四肢运动数据的干扰标记操作及存储操作。
其中,第二干扰处理条件可以表征本次采集的肌电数据和四肢运动数据中至少存在一个干扰段。
具体的,上位机确定本次获取的四肢运动数据和肌电数据满足第二干扰处理条件时,可以认为被试者至少一个肢体发生了微动以及发生了咀嚼、吞咽和/或头部扭动等轻微小动作中的至少一种动作,此时可以执行针对本秒采集的脑电数据和眼电数据的删除操作,以及针对前1秒采集的脑电数据和前1秒采集的眼电数据的删除操作。
然后,再对四肢运动数据及肌电数据执行干扰标记操作,得到标记四肢运动数据和标记肌电数据,其过程包括:
当确定第二干扰处理条件表征左手腕发生微动时,可以对左手手腕运动数据对应的Marker列LW-Marker标记Marker号为1;当确定第二干扰处理条件表征右手手腕发生微动时,可以对右手手腕运动数据对应的Marker列RW-Marker标记Marker号为2;当确定第二干扰处理条件表征左脚脚腕发生微动时,可以对左脚脚腕运动数据对应的Marker列LA-Marker标记Marker号为3;当确定第二干扰处理条件表征右脚脚腕发生微动时,可以对右脚脚腕运动数据对应的Marker列RA-Marker标记Marker号为4,以此得到四肢标记数据;当确定第二干扰处理条件表征胸锁乳突肌发生微动时,可以对胸锁乳突肌数据对应的Marker列SCM-Marker标记Marker号为5;当确定第二干扰处理条件表征下颌舌骨肌发生微动时,可以对下颌舌骨肌数据对应的Marker列MH-Marker标记Marker号为6,以此得到肌电标记数据。
最后,上位机可以将肌电标记数据按照N3*M3维度且以.csv格式进行存储,且数据存储时间延迟1秒,以此得到目标静息态肌电数据文件;其中,M2=5时可以分别为(时间序号,SCM-Marker,MH-Marker,SCM,MH),N2为采样点数,且N2的取值受采样时间和采样率影响。上位机也可以将四肢标记数据按照N4*M4维度且以.csv格式进行存储,且数据存储时间延迟1秒,以此得到目标静息态四肢运动数据文件;其中,M4=17时可以分别为(时间序号,LW-Marker,RW-Marker,LA-Marker,RA-Marker,LW_X,LW_Y,LW_Z,RW_X,RW_Y,RW_Z,LA_X,LA_Y,LA_Z,RA_X,RA_Y,RA_Z),N4为采样点数,且N4的取值受采样时间和采样率影响。
可选的,对于本次采集到的眼电数据,可以参照前述实施例步骤S120中选取前额受眼电影响明显的M个导联作为研究对象,计算M个导联的GFP值,使用ICA分析法提取出的M个独立分量,通过各独立成分与GFP分别进行相关匹配的方式,实现确定出与水平眼动及与垂直眼动特征最为相似的独立成分,从而确定本次采集的验电数据是否存在水平眼动(比如眼球左右移动)和/或垂直眼动(比如眨眼);其中,M的值小于62;优选的,M的值可以为7且7个导联位置可以为图2中AF3、AF4、AF7、AF8、FP1、FP2和FPz。
需要说明的是,此处也可以使用其它现有算法判定眼电数据中是否存在水平眼电和/或垂直眼动。此处不再赘述。
本发明提供的多模态静息脑电数据干扰消除和标记方法,在确定出肌电数据和四肢运动数据中至少一个存在干扰段时,通过执行本次采集的眼电数据、脑电数据以及历史采集的眼电数据和脑电数据的删除操作,实现了及时且准确删除干扰数据段的目的;进一步的,通过对肌电数据和四肢运动数据进行干扰段标记及存储操作的方式,有效提高了标记干扰段数据的灵活性和实时性,为后续定位分析再次提供了有力依据。
可选的,在步骤S120中确定所述四肢运动数据和所述肌电数据满足第一干扰标记条件之后,所述方法还包括:
确定所述四肢运动数据和所述肌电数据满足第二干扰标记条件时,执行针对所述肌电数据和所述四肢运动数据的干扰标记操作及存储操作。
其中,第二干扰标记条件可以与第一干扰标记条件相同,均可以表征本次采集的肌电数据和四肢运动数据均存在干扰段。
具体的,当上位机判定本次采集的四肢运动数据和肌电数据满足第二干扰标记条件时,可以认为被试者四肢均发生微动且存在咀嚼、吞咽、头部扭动等轻微小动作,此时还可以对肌电数据和四肢运动数据分别干扰标记操作及存储操作,其过程参照前一实施例中得到四肢标记数据及肌电标记数据以及存储四肢标记数据和肌电标记数据中的过程,此处不再赘述。
本发明提供的多模态静息脑电数据干扰消除和标记方法,在确定出肌电数据和四肢运动数据存在干扰段时,通过对肌电数据和四肢运动数据分别进行干扰段标记及存储的方式,有效提高了处理肌电数据和四肢运动数据的灵活性和可靠性,为后续定位分析再次提供了有力依据。
可选的,在步骤S110之后,所述方法还包括:
首先分别计算所述四肢运动数据每个方向上的峰峰值以及所述肌电数据的能量值;然后确定所述峰峰值均小于对应肢体特征阈值及所述能量值小于能量特征阈值时,确定所述四肢运动数据和所述肌电数据满足第一干扰处理条件;确定至少一个峰峰值大于对应肢体特征阈值及所述能量值大于能量特征阈值时,确定所述四肢运动数据和所述肌电数据同时满足第一干扰标记条件和第二干扰标记条件;确定至少一个峰峰值大于对应肢体特征阈值或者所述能量值大于能量特征阈值时,确定所述四肢运动数据和所述肌电数据满足第二干扰处理条件。
具体的,上位机对于本次采集到的肌电数据,首先使用FIR滤波器进行3-200Hz带通滤波,以及使用陷波滤波器去除50Hz工频干扰后再进一步进行快速傅里叶变化使之变换到频域,从而得到频域肌电数据。由于肌电数据包括胸锁乳突肌位置肌电数据和下颌舌骨肌位置肌电数据,因此频域肌电数据也可以包括频域胸锁乳突肌位置肌电数据和下颌舌骨肌位置肌电数据。
然后根据公式计算频域肌电数据的能量值;其中,K为频域胸锁乳突肌位置肌电数据或下颌舌骨肌位置肌电数据被划分的样本总个数,xi为频域胸锁乳突肌位置肌电数据或下颌舌骨肌位置肌电数据被划分为K个样本时每个样本的快速傅里叶变换系数,Energy为频域胸锁乳突肌位置肌电数据的能量值或下颌舌骨肌位置肌电数据的能量值。
由于考虑到当动作发生时,肌肉中活跃的运动单元明显增加,产生的电位上升,传递的表面肌电信号(sEMG)的能量值相应增强,利用这一生理特点,通过预设能量特征阈值判断头部扭转运动及咀嚼吞咽动作,比如当确定频域胸锁乳突肌位置肌电数据的能量值大于预设胸锁乳突肌能量特征阈值SCMo时,可以将胸锁乳突肌SCM的Marker列SCM-Marker标记Marker号为5;当确定下颌舌骨肌位置肌电数据的能量值大于预设下颌舌骨肌能量特征阈值MHo时,也可以将下颌舌骨肌MH的Marker列MH-Marker标记Marker号为6,以此得到第一标记肌电数据。
此外,上位机对于本次采集到的四肢运动数据且四肢运动数据包括左手手腕位置运动数据、右手手腕位置运动数据、左脚脚腕位置运动数据和右脚脚腕位置运动数据时,首先使用陷波滤波器去除四肢运动数据中50Hz工频干扰后,以此实现预处理。
然后按照峰峰值计算公式VPP=Vmax-Vmin,计算每一肢体运动数据在每一个方向上的加速度特征指标峰峰值Vpp,三个方向为X轴、Y轴和Z轴方向,X轴为垂直方向(即重力方向),Y轴为前进方向,Z轴为垂直于X轴和Y轴所形成的平面且朝向身体外侧的方向,Vmax为每一肢体运动数据在X轴、Y轴或Z轴方向的加速度最大值,Vmin为每一肢体运动数据在X轴、Y轴或Z轴方向的加速度最小值。
进一步,当上位机确定左手手腕位置运动数据在至少一个方向上的峰峰值大于左手手腕位置特征阈值LWo时,可以将脑电数据中左手手腕LW的Marker列LW-Marker标记Marker号为1;当确定右手手腕位置运动数据在至少一个方向上的峰峰值大于右手手腕位置特征阈值RWo时,可以将脑电数据中右手手腕RW的Marker列RW-Marker标记Marker号为2;当确定左脚脚腕位置运动数据在至少一个方向上的峰峰值大于左脚脚腕特征阈值LAo时,可以将脑电数据中左脚脚腕LA的Marker列LA-Marker标记Marker号为3;当确定右脚脚腕位置运动数据在至少一个方向上的峰峰值大于右脚脚腕特征阈值RAo时,可以将脑电数据中右脚脚腕RA的Marker列RA-Marker标记Marker号为4;从而得到第一标记四肢运动数据。其中,至少一个方向可以为X轴、Y轴和/或Z轴方向。
需要说明的是,也可以将三个方向上的峰峰值通过加权处理后得到的加权峰峰值或者三个方向上的峰峰值通过平均处理后得到的平均值与对应部位特征阈值进行大小比较,以确定对应腕部位置是否发生轻微运动。此处不作具体限定。
进一步的,当所有峰峰值都小于对应肢体特征阈值及所有能量值都小于对应能量特征阈值时,上位机确定四肢运动数据和肌电数据满足第一干扰处理条件;当所有峰峰值都大于对应肢体特征阈值及所有能量值都大于对应能量特征阈值时,上位机可以确定四肢运动数据和肌电数据同时满足第一干扰标记条件和第二干扰标记条件;当至少一个峰峰值大于对应肢体特征阈值和/或至少一个能量值大于对应能量特征阈值时,确定四肢运动数据和肌电数据满足第二干扰处理条件。
本发明提供的多模态静息脑电数据干扰消除和标记方法,通过将不同肢体运动数据的峰峰值与对应肢体特征阈值判断的方式,以及通过将不同部位肌电数据的能量值与对应肌电部位能量特征阈值判断的方式,实现快速判定本次同步采集的四肢运动数据和肌电数据满足干扰处理条件或者干扰标记条件的目的,简单且计算量小,不仅为后续提高快速标记干扰段标记奠定了基础,也能够为后续获取高质量的静息态脑电数据提供可靠依据。
在实际处理中,静息态脑电的采集过程需要保持绝对安静,因此上位机可以在下位机执行阻抗检测且阻抗检测结果达到预设耦合条件时才会获取每次采集的四类数据;也即,在步骤S110之前,所述方法还包括:
步骤S101,确定被试者头皮与待检测电极建立连接时,向下位机发送阻抗检测指令。
其中,所述待检测电极包括脑电电极和眼电电极,所述阻抗检测指令用于指示所述下位机检测所述待检测电极的阻抗值。
具体的,上位机接收到标识被试者头皮与待检测电极建立连接的提示信息时,向下位机发送阻抗检测指令,以使得下位机执行阻抗检测操作,下位机执行阻抗检测的过程包括:下位机中的阻抗检测模块可以测量待检测电极和被试者头皮接触后待检测的阻抗值,阻抗检测模块可以获取64通路的主电极和参考电极之间的阻抗值,64通路包括62导联脑电通路和2导联眼电通路。
首先按照图3所示的位置给被试者正确佩戴肌电、眼电及运动加速度传感器,包括2导联眼电电极、2导联肌电电极和四肢上的加速度传感器,然后启动并初始化下位机和上位机,并进一步开启实验范式系统,比如静息态实验范式;当初始化完成后再进行阻抗检测,当阻抗检测结果满足高度耦合条件时,即可对静息态实验下的多模态数据进行采集。
如图2所示的62导联的脑电电极在被试者头皮上的分布示意图,可以针对脑电测量62通道的脑电主电极和脑电参考电极之间的脑电阻抗值,脑电主电极表征中央点(Cz)通路的电极时脑电参考电极则表征其余61通路的某一电极。
此外,阻抗检测模块可以进一步测量2导联的眼电通路的眼电主电极和脑电参考电极之间的眼电阻抗值以及脑电主电极和脑电参考电极之间的脑电阻抗值,眼电参考电极和脑电参考电极可共用脑电参考电极;并且,眼电阻抗值和脑电阻抗值的测量过程为:信号发生器产生激励信号后经由信号处理电路输出检测信号,检测信号进入主电极通路流经人体后返回至信号切换分配电路后,再进入信号调理电路进行带通滤波,最后进入阻抗采集电路进行主电极和参考电极之间的阻抗值采集;其中,主电极可以为眼电主电极、脑电主电极,参考电极可以为脑电参考电极,眼电主电极可以为2导联眼电电极,脑电参考电极可以为图2中Cz处的脑电电极,脑电主电极可以为图2中除去Cz之外其它任一位置处的脑电电极。
然后下位机判断眼电阻抗值和脑电阻抗值分别与阻抗阈值的大小关系,当眼电阻抗值和脑电阻抗值均小于阻抗阈值时,则确定满足高度耦合条件,当确定眼电阻抗值和脑电阻抗值至少一个大于阻抗阈值时,则确定不满足高度耦合条件,并将大小比较结果作为阻抗检测结果发送至上位机。
步骤S102,接收所述下位机发送的阻抗检测结果。
具体的,上位机可以接收下位机发送的阻抗检测结果,并进一步确定阻抗检测结果满足高度耦合条件时,则执行步骤S103;反正,当确定阻抗检测结果不满足高度耦合条件时,则停止后续的数据采集及数据处理,结束流程。
步骤S103,确定所述阻抗检测结果满足预设耦合条件时,则向所述下位机发送数据同步采集指令及与加速度传感器之间建立预设通信协议;其中,所述数据采集指令携带有数据采集模态和数据处理周期。
具体的,当上位机确定阻抗检测结果满足高度耦合条件时,则向下位机中的数据同步采集模块发送数据同步采集指令,其中数据同步采集模块携带有数据采集模态和数据处理周期,数据采集模态包括脑电数据、眼电数据和肌电数据,以及通过与加速度传感器之间建立通信协议获取每次采集的四肢运动数据,通过采集起始标识Marker10和采集结束标识Marker20进行同步,采集时长可以为5min~10min,并且数据同步采集模块每秒同步采集一次脑电数据、眼电数据和肌电数据后发送至上位机进行处理,加速度传感器每秒采集一次数据后单独上传至上位机,其采集过程包括:
通过被试者左手腕部、右手腕部、左脚腕部和右脚腕部分别设置的一个加速度传感器,分别采集对应腕部的运动数据,以此得到四肢运动数据;其中,每个加速度传感器分别采用Polhemus G4电磁式位置追踪器,G4为一款设计紧凑、高度精确的无线电磁6自由度动作跟踪器,能够提供无漂移、高度准确的数据结果,具有可重复的跟踪性能,也能实时监测四肢的运动情况。
将肌电参考电极放置在右耳耳后乳突上,通过头颈部右侧的胸锁乳突肌和下颌舌骨肌部位放置的2导联肌电电极采集胸锁乳突肌位置肌电数据和下颌舌骨肌位置肌电数据,得到本次采集的肌电数据,以此判定头颈部的转动及吞咽咀嚼等行为。其中,肌电参考电极是不同于2导联肌电电极的另一个电极。
通过模块化设计的62导联脑电采集系统进行数据采集,其中,62导联脑电采集系统包括2块32-A/D、8块模拟信号采集板卡、1块系统母板、1块DSP数据采集板卡、2块系统总电源板卡;其中,模拟信号采集板卡完成62个通道的脑电数据的同步采集,并转化为数字信号输出,单个通道的脑电信号经过模拟前端电路的放大、陷波、滤波等一系列预处理后信噪比得到大幅地提升,随后的数据采集电路再将预处理后的模拟信号传输至DSP数据采集板卡进行模数转换,以此得到62通道的数字信号,此时得到的62通道的数字信号即为本次采集的脑电数据。
需要说明的是,62导联脑电采集系统中采用的8块模拟信号采集板卡相同且各个模拟信号采集板卡之间可以互相替换使用。
通过共用62导联脑电采集系统以及佩戴在眼睛周边的2导联眼电电极,采集水平眼电数据和垂直眼动数据,以此得到本次采集的眼电数据。
然后,下位机将每次采集的脑电数据、眼电数据和肌电数据发送至上位机,四肢运动数据通过预设通信协议单独上传至上位机。
步骤S104,接收所述下位机每次同步采集的肌电数据、眼电数据和脑电数据以及所述加速度传感器每次同步采集的四肢运动数据后进行对齐处理,以使得所述四肢运动数据、所述肌电数据、所述眼电数据和所述脑电数据均同步。
具体的,上位机首先基于预设有线连接方式接收所述下位机每次同步采集的肌电数据、眼电数据和脑电数据;然后基于预设通信协议接收四个加速度传感器每次同步采集的四肢运动数据;最后再对本次接收的肌电数据、眼电数据、脑电数据及四肢运动数据进行对齐处理;比如,上位机首先通过有线连接串行接口接收到本次采集的肌电数据、眼电数据和脑电数据,以及通过BLUEtooth4.0通信协议接收到本次采集的四肢运动数据,然后采用四类数据各自标识的Marker10和Marker20进行对齐处理,以便于后续进行同步处理。
需要说明的是,下位机在采集数据之前可以通过串行接口接收上位机发送的采集指令,且将静息态下每次采集的脑电数据、肌电数据和眼电数据合并后以1500000波特率上传至上位机,上位机接收到本次采集的脑电数据、眼电数据和肌电数据时,可以先对脑电数据、眼电数据和肌电数据分别进行对齐处理,以此实现后续的同步处理目的。
并且,四肢运动数据通过各个运动加速度传感器与上位机之间建立的BLUEtooth4.0通信协议单独上传至上位机,上位机接收到四肢运动数据时,根据本次采集的脑电数据的起始标记和结束标记对四肢运动数据分别进行对齐处理,以此实现本次采集的四类数据在上位机端均能够同步的目的。
本发明提供的多模态静息脑电数据干扰消除和标记方法,上位机通过下位机执行阻抗检测后发送的阻抗检测结果判断是否执行后续的数据同步采集及数据处理过程的方式,不仅能够实时监测阻抗值变化,保障数据采集及处理质量,而且能够在不影响被试者的情况下实时观测其行为,以此为后续采集数据及去除行为对静息脑电的干扰提供有效保障,从而也能够为后续获取到高质量的静息态脑电数据提供依据。
图4为本发明提供的多模态静息脑电数据干扰消除和标记装置的结构示意图,如图4所示,该多模态静息脑电数据干扰消除和标记装置400,包括:
获取模块410,用于获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据;处理模块420,用于确定所述四肢运动数据和所述肌电数据满足第一干扰处理条件时,对所述脑电数据进行眼动干扰去除处理,得到第一目标静息态脑电数据;其中,所述第一目标静息态脑电数据包括所述眼电数据;标记模块430,用于确定所述四肢运动数据和所述肌电数据满足第一干扰标记条件时,对所述脑电数据对应的肢体运动部位标识列和肌电运动部位标识列分别标记预设标识号,得到第二目标静息态脑电数据;其中,所述第二目标静息态脑电数据包括所述眼电数据;存储模块440,用于将所述第一目标静息态脑电数据按照第一预设格式存储为第一目标静息态脑电数据文件,将所述第二目标静息态数据按照第二预设格式存储为第二目标静息态脑电数据文件。
可选的,处理模块420,还可以用于确定所述四肢运动数据和所述肌电数据满足第二干扰处理条件时,执行针对所述脑电数据、所述眼电数据以及预设历史脑电数据和预设历史眼电数据的删除操作;执行针对所述肌电数据和所述四肢运动数据的干扰标记操作及存储操作。
可选的,标记模块430,还可以用于确定所述四肢运动数据和所述肌电数据满足第二干扰标记条件时,执行针对所述肌电数据和所述四肢运动数据的干扰标记操作及存储操作。
可选的,处理模块420或标记模块430,还可以用于对所述肌电数据中肌电部位标识列标记肌电干扰标识号,以及对所述四肢运动数据中对应肢体运动部位标识列标记对应肢体干扰标识号,得到肌电标记数据和四肢标记运动数据;执行针对所述肌电标记数据和所述四肢标记运动数据的存储操作。
可选的,所述装置还包括确定模块,用于分别计算所述四肢运动数据每个方向上的峰峰值以及所述肌电数据的能量值;确定所述峰峰值均小于对应肢体特征阈值及所述能量值小于能量特征阈值时,确定所述四肢运动数据和所述肌电数据满足第一干扰处理条件;确定所述峰峰值均大于对应肢体特征阈值及所述能量值大于能量特征阈值时,确定所述四肢运动数据和所述肌电数据同时满足第一干扰标记条件和第二干扰标记条件;确定至少一个峰峰值大于对应肢体特征阈值和/或所述能量值大于能量特征阈值时,确定所述四肢运动数据和所述肌电数据满足第二干扰处理条件。
可选的,所述装置还包括检测模块,用于确定被试者头皮与待检测电极建立连接时,向下位机发送阻抗检测指令;接收所述下位机发送的阻抗检测结果;确定所述阻抗检测结果满足预设耦合条件时,则向所述下位机发送数据同步采集指令及与加速度传感器之间建立预设通信协议;其中,所述待检测电极包括脑电电极和眼电电极,所述阻抗检测指令用于指示所述下位机检测所述待检测电极的阻抗值;所述数据采集指令携带有数据采集模态和数据处理周期;接收所述下位机每次同步采集的肌电数据、眼电数据和脑电数据以及所述加速度传感器每次同步采集的四肢运动数据后进行对齐处理,以使得所述四肢运动数据、所述肌电数据、所述眼电数据和所述脑电数据均同步。
可选的,检测模块,具体还可以用于基于预设有线连接方式接收所述下位机每次同步采集的肌电数据、眼电数据和脑电数据;基于所述预设通信协议接收所述加速度传感器每次同步采集的四肢运动数据;对所述肌电数据、所述眼电数据、所述脑电数据及所述四肢运动数据进行对齐处理。
本发明提供的多模态静息脑电数据干扰消除和标记装置与上文描述的多模态静息脑电数据干扰消除和标记方法可相互对应参照,此处不再赘述。
图5示例了一种电子设备的实体结构示意图,如图5所示,该电子设备500,可以包括:处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令,以执行多模态静息脑电数据干扰消除和标记方法,该方法包括:获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据;确定所述四肢运动数据和所述肌电数据满足第一干扰处理条件时,对所述脑电数据进行眼动干扰去除处理,得到第一目标静息态脑电数据;其中,所述第一目标静息态脑电数据包括所述眼电数据;确定所述四肢运动数据和所述肌电数据满足第一干扰标记条件时,对所述脑电数据对应的肢体运动部位标识列和肌电运动部位标识列分别标记预设标识号,得到第二目标静息态脑电数据;其中,所述第二目标静息态脑电数据包括所述眼电数据;将所述第一目标静息态脑电数据按照第一预设格式存储为第一目标静息态脑电数据文件,将所述第二目标静息态数据按照第二预设格式存储为第二目标静息态脑电数据文件。
此外,上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的多模态静息脑电数据干扰消除和标记方法,该方法包括:获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据;确定所述四肢运动数据和所述肌电数据满足第一干扰处理条件时,对所述脑电数据进行眼动干扰去除处理,得到第一目标静息态脑电数据;其中,所述第一目标静息态脑电数据包括所述眼电数据;确定所述四肢运动数据和所述肌电数据满足第一干扰标记条件时,对所述脑电数据对应的肢体运动部位标识列和肌电运动部位标识列分别标记预设标识号,得到第二目标静息态脑电数据;其中,所述第二目标静息态脑电数据包括所述眼电数据;将所述第一目标静息态脑电数据按照第一预设格式存储为第一目标静息态脑电数据文件,将所述第二目标静息态数据按照第二预设格式存储为第二目标静息态脑电数据文件。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的多模态静息脑电数据干扰消除和标记方法,该方法包括:获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据;确定所述四肢运动数据和所述肌电数据满足第一干扰处理条件时,对所述脑电数据进行眼动干扰去除处理,得到第一目标静息态脑电数据;其中,所述第一目标静息态脑电数据包括所述眼电数据;确定所述四肢运动数据和所述肌电数据满足第一干扰标记条件时,对所述脑电数据对应的肢体运动部位标识列和肌电运动部位标识列分别标记预设标识号,得到第二目标静息态脑电数据;其中,所述第二目标静息态脑电数据包括所述眼电数据;将所述第一目标静息态脑电数据按照第一预设格式存储为第一目标静息态脑电数据文件,将所述第二目标静息态数据按照第二预设格式存储为第二目标静息态脑电数据文件。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种多模态静息脑电数据干扰消除和标记方法,其特征在于,包括:
获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据;
确定所述四肢运动数据和所述肌电数据满足第一干扰处理条件时,对所述脑电数据进行眼动干扰去除处理,得到第一目标静息态脑电数据;其中,所述第一干扰处理条件表征所述肌电数据和所述四肢运动数据均不存在干扰段,所述第一目标静息态脑电数据包括所述眼电数据;
确定所述四肢运动数据和所述肌电数据满足第一干扰标记条件时,对所述脑电数据对应的肢体运动部位标识列和肌电运动部位标识列分别标记预设标识号,得到第二目标静息态脑电数据;其中,所述第二目标静息态脑电数据包括所述眼电数据,所述第一干扰标记条件表征所述肌电数据和所述四肢运动数据均存在干扰段;
将所述第一目标静息态脑电数据按照第一预设格式存储为第一目标静息态脑电数据文件,将所述第二目标静息态数据按照第二预设格式存储为第二目标静息态脑电数据文件。
2.根据权利要求1所述的多模态静息脑电数据干扰消除和标记方法,其特征在于,在所述获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据的步骤之后,所述方法还包括:
确定所述四肢运动数据和所述肌电数据满足第二干扰处理条件时,执行针对所述脑电数据、所述眼电数据以及预设历史脑电数据和预设历史眼电数据的删除操作;
执行针对所述肌电数据和所述四肢运动数据的干扰标记操作及存储操作。
3.根据权利要求1所述的多模态静息脑电数据干扰消除和标记方法,其特征在于,在所述确定所述四肢运动数据和所述肌电数据满足第一干扰标记条件之后,所述方法还包括:
确定所述四肢运动数据和所述肌电数据满足第二干扰标记条件时,执行针对所述肌电数据和所述四肢运动数据的干扰标记操作及存储操作。
4.根据权利要求2或3所述的多模态静息脑电数据干扰消除和标记方法,其特征在于,所述执行针对所述肌电数据和所述四肢运动数据的干扰标记操作及存储操作,包括:
对所述肌电数据中肌电部位标识列标记肌电干扰标识号,以及对所述四肢运动数据中对应肢体运动部位标识列标记对应肢体干扰标识号,得到肌电标记数据和四肢标记运动数据;
执行针对所述肌电标记数据和所述四肢标记运动数据的存储操作。
5.根据权利要求1所述的多模态静息脑电数据干扰消除和标记方法,其特征在于,在所述获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据的步骤之后,所述方法还包括:
分别计算所述四肢运动数据每个方向上的峰峰值以及所述肌电数据的能量值;
确定所述峰峰值均小于对应肢体特征阈值及所述能量值小于能量特征阈值时,确定所述四肢运动数据和所述肌电数据满足第一干扰处理条件;
确定所述峰峰值均大于对应肢体特征阈值及所述能量值大于能量特征阈值时,确定所述四肢运动数据和所述肌电数据同时满足第一干扰标记条件和第二干扰标记条件;
确定至少一个峰峰值大于对应肢体特征阈值和/或所述能量值大于能量特征阈值时,确定所述四肢运动数据和所述肌电数据满足第二干扰处理条件。
6.根据权利要求1所述的多模态静息脑电数据干扰消除和标记方法,其特征在于,在所述获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据的步骤之前,所述方法还包括:
确定被试者头皮与待检测电极建立连接时,向下位机发送阻抗检测指令;其中,所述待检测电极包括脑电电极和眼电电极,所述阻抗检测指令用于指示所述下位机检测所述待检测电极的阻抗值;
接收所述下位机发送的阻抗检测结果;
确定所述阻抗检测结果满足预设耦合条件时,则向所述下位机发送数据同步采集指令及与加速度传感器之间建立预设通信协议;其中,所述数据采集指令携带有数据采集模态和数据处理周期;
接收所述下位机每次同步采集的肌电数据、眼电数据和脑电数据以及所述加速度传感器每次同步采集的四肢运动数据后进行对齐处理,以使得所述四肢运动数据、所述肌电数据、所述眼电数据和所述脑电数据均同步。
7.根据权利要求6所述的多模态静息脑电数据干扰消除和标记方法,其特征在于,所述接收所述下位机每次同步采集的肌电数据、眼电数据和脑电数据以及所述加速度传感器每次同步采集的四肢运动数据后进行对齐处理,包括:
基于预设有线连接方式接收所述下位机每次同步采集的肌电数据、眼电数据和脑电数据;
基于所述预设通信协议接收所述加速度传感器每次同步采集的四肢运动数据;
对所述肌电数据、所述眼电数据、所述脑电数据及所述四肢运动数据进行对齐处理。
8.一种多模态静息脑电数据干扰消除和标记装置,其特征在于,包括:
获取模块,用于获取静息态下本次同步采集的四肢运动数据、肌电数据、眼电数据和脑电数据;
处理模块,用于确定所述四肢运动数据和所述肌电数据满足第一干扰处理条件时,对所述脑电数据进行眼动干扰去除处理,得到第一目标静息态脑电数据;其中,所述第一干扰处理条件表征所述肌电数据和所述四肢运动数据均不存在干扰段,所述第一目标静息态脑电数据包括所述眼电数据;
标记模块,用于确定所述四肢运动数据和所述肌电数据满足第一干扰标记条件时,对所述脑电数据对应的肢体运动部位标识列和肌电运动部位标识列分别标记预设标识号,得到第二目标静息态脑电数据;其中,所述第二目标静息态脑电数据包括所述眼电数据,所述第一干扰标记条件表征所述肌电数据和所述四肢运动数据均存在干扰段;
存储模块,用于将所述第一目标静息态脑电数据按照第一预设格式存储为第一目标静息态脑电数据文件,将所述第二目标静息态数据按照第二预设格式存储为第二目标静息态脑电数据文件。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述多模态静息脑电数据干扰消除和标记方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述多模态静息脑电数据干扰消除和标记方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111177728.8A CN113951897B (zh) | 2021-10-09 | 2021-10-09 | 一种多模态静息脑电数据干扰消除和标记方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111177728.8A CN113951897B (zh) | 2021-10-09 | 2021-10-09 | 一种多模态静息脑电数据干扰消除和标记方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113951897A CN113951897A (zh) | 2022-01-21 |
CN113951897B true CN113951897B (zh) | 2023-05-05 |
Family
ID=79463356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111177728.8A Active CN113951897B (zh) | 2021-10-09 | 2021-10-09 | 一种多模态静息脑电数据干扰消除和标记方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113951897B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116458850B (zh) * | 2023-05-06 | 2023-11-03 | 江西恒必达实业有限公司 | 一种vr脑电采集装置及脑电监测系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7204250B1 (en) * | 1999-12-16 | 2007-04-17 | Compumedics Limited | Bio-mask |
US8666484B2 (en) * | 2011-11-25 | 2014-03-04 | Persyst Development Corporation | Method and system for displaying EEG data |
US9055927B2 (en) * | 2011-11-25 | 2015-06-16 | Persyst Development Corporation | User interface for artifact removal in an EEG |
EP3064130A1 (en) * | 2015-03-02 | 2016-09-07 | MindMaze SA | Brain activity measurement and feedback system |
-
2021
- 2021-10-09 CN CN202111177728.8A patent/CN113951897B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113951897A (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106726030B (zh) | 基于临床脑电信号控制机械手运动的脑机接口系统及其应用 | |
KR101080881B1 (ko) | 이이지/엠이지 및 이씨지/엠씨지용 온라인 소스 재구성 | |
CN103699226B (zh) | 一种基于多信息融合的三模态串行脑-机接口方法 | |
Lange et al. | Classification of electroencephalogram data from hand grasp and release movements for BCI controlled prosthesis | |
Silva et al. | Study and evaluation of a single differential sensor design based on electro-textile electrodes for ECG biometrics applications | |
CN105852831A (zh) | 一种基于虚拟现实交互技术与脑功能实时监测技术的设备 | |
CN105662598B (zh) | 一种大脑皮层功能区定位装置、方法和系统 | |
CN106236080B (zh) | 基于多通道的脑电信号中肌电噪声的消除方法 | |
CN106874722A (zh) | 一种基于心电信号的身份识别方法及其装置 | |
CN113951897B (zh) | 一种多模态静息脑电数据干扰消除和标记方法及装置 | |
CN103405225B (zh) | 一种获取疼感评测指标的方法、装置及设备 | |
CN105512500A (zh) | 一种对精神分裂特征快速筛查及治疗疗效评估的方法 | |
CN100998503A (zh) | 自动识别与消除脑电信号中眼动干扰的方法 | |
CN112162634A (zh) | 一种基于seeg信号的数字输入脑机接口系统 | |
Erim et al. | Decomposition of intramuscular EMG signals using a heuristic fuzzy expert system | |
Barra et al. | EEG/ECG signal fusion aimed at biometric recognition | |
CN107822628B (zh) | 一种癫痫脑部病灶区自动定位装置及系统 | |
CN106725463B (zh) | 应用皮层脑电信号对大脑皮层手部功能区定位的方法和系统 | |
CN113647938A (zh) | 一种基于生理信号的超前检测运动状态变化的方法及系统 | |
Chang et al. | A versatile wireless portable monitoring system for brain–behavior approaches | |
CN115553779A (zh) | 一种情绪识别方法、装置、电子设备及存储介质 | |
CN110705656A (zh) | 一种基于eeg传感器的面部动作识别方法 | |
CN114237383B (zh) | 基于前额单导联脑电信号的多状态识别方法 | |
CN113197551A (zh) | 多模生理神经信号检测与实验刺激时间对齐方法 | |
CN108537200B (zh) | 一种用于通过动作识别选择性地收集脑电图数据的装置及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |