CN116965835A - 一种用于提取完整咸味脑电信号的数据处理方法及系统 - Google Patents
一种用于提取完整咸味脑电信号的数据处理方法及系统 Download PDFInfo
- Publication number
- CN116965835A CN116965835A CN202311013302.8A CN202311013302A CN116965835A CN 116965835 A CN116965835 A CN 116965835A CN 202311013302 A CN202311013302 A CN 202311013302A CN 116965835 A CN116965835 A CN 116965835A
- Authority
- CN
- China
- Prior art keywords
- salty
- stimulation
- stimulus
- data
- brain
- 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
- 210000004556 brain Anatomy 0.000 title claims abstract description 69
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 230000000638 stimulation Effects 0.000 claims abstract description 91
- 230000004044 response Effects 0.000 claims abstract description 86
- 235000019643 salty taste Nutrition 0.000 claims abstract description 38
- 230000001339 gustatory effect Effects 0.000 claims abstract description 32
- 239000006185 dispersion Substances 0.000 claims abstract description 18
- 238000012706 support-vector machine Methods 0.000 claims abstract description 18
- 238000001228 spectrum Methods 0.000 claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 12
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 claims description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- 235000019640 taste Nutrition 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 16
- 239000011780 sodium chloride Substances 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 239000008213 purified water Substances 0.000 claims description 7
- 230000007177 brain activity Effects 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000009747 swallowing Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 210000002569 neuron Anatomy 0.000 abstract description 4
- 239000000243 solution Substances 0.000 description 14
- 230000008447 perception Effects 0.000 description 6
- 230000008451 emotion Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000001953 sensory effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000036327 taste response Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010013911 Dysgeusia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000012266 salt solution Substances 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000015541 sensory perception of touch Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- A61B5/24—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]
- A61B5/372—Analysis of electroencephalograms
-
- 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
- A61B5/381—Olfactory or gustatory stimuli
-
- 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
- A61B5/4005—Detecting, measuring or recording for evaluating the nervous system for evaluating the sensory system
- A61B5/4017—Evaluating sense of taste
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet 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
-
- 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
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Psychology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Fuzzy Systems (AREA)
- Neurosurgery (AREA)
- Neurology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及生物科学技术领域，公开了一种用于提取完整咸味脑电信号的数据处理方法及系统，包括以下具体步骤：S1：采集受试对象在连续的非味觉刺激和咸味刺激下诱发的脑电信号；S2：以刺激响应波形的离散度为关键衡量指标，确定所获取的脑电信号中涵盖咸味刺激响应和非味觉刺激响应的所有刺激响应的起始节点；S3：计算起始节点对应的各信号段的全局功率谱；采用支持向量机分类器区分非味觉刺激和咸味刺激，提取完整的咸味脑电信号。本发明解决了现有技术无法精准捕获大脑对刺激事件响应的起始点的问题，且具有能够区分咸味刺激强度与由咸味驱动的神经元响应的特点。
Description
技术领域
本发明涉及生物科学技术领域，更具体的，涉及一种用于提取完整咸味脑电信号的数据处理方法及系统。
背景技术
感官评价和仪器检测是用于评估咸味这一感官体验的主流方法。然而，基于鉴评员的感官评价容易受到主观影响，且可复现性较差；仪器检测方法，如电子舌等，受限于传感器数量，无法完成对多类被测物的全面分析。脑电图提供了进一步了解个体对咸味强度感受的观察手段。作为主要的非侵入式脑活动检测技术，EEG在感官分析中有着独特的优势，它允许以超高的时间分辨率(通常以毫秒为分辨率)对大脑活动产生的微弱电势进行定量测量。然而，相关研究仍面临两个显著难题。其一，在尝试提取咸味诱发脑电信号时，所提供的咸味刺激往往会伴随着触觉、嗅觉和温度刺激，因此单纯的咸味脑电提取变得困难；其二，基于味觉刺激引起脑电波动存在不确定潜伏期，传统实验将刺激呈递时刻作为脑电响应的开始时刻，将不确定的潜伏期划入最终响应数据内，降低了有效数据的占比，同样也为分析结果带来误差。上述问题严重影响了咸味脑电的提取难度，并模糊了咸味脑电的辨识结果，更使得咸味刺激强度与由咸味驱动的神经元响应间的关系难以得到完全阐明。
一种脑电信号自适应窗口的情绪分类识别方法，具体的方法是：对采集到的不同情绪状态下的脑电数据进行预处理后，使用广义正交部分定向相干方法，迭代比较不同时间点、不同长度的脑电信号，选取出最能代表情绪的关键脑电信号；根据所选取的关键脑电信号提取分形维数、差分熵、功率谱密度等特征；使用reliefF算法对所提取的特征进行权重计算，以获取高质量的特征；最后，根据所选择的高质量特征利用支持向量机算法和K近邻算法在效价和唤醒二维情绪模型上进行情绪分类识别。
然而现有技术依然存在无法精准捕获大脑对刺激事件响应的起始点的问题，如何发明一种能够精准捕获大脑对刺激事件响应的起始点的提取完整咸味脑电信号的数据处理方法，是本技术领域亟需解决的技术问题。
发明内容
本发明为了解决现有技术无法精准捕获大脑对刺激事件响应的起始点的问题，提供了一种用于提取完整咸味脑电信号的数据处理方法及系统，其具有能够区分咸味刺激强度与由咸味驱动的神经元响应的特点。
为实现上述本发明目的，采用的技术方案如下：
一种用于提取完整咸味脑电信号的数据处理方法，包括以下具体步骤：
S1：采集受试对象在连续的非味觉刺激和咸味刺激下诱发的脑电信号；
S2：以刺激响应波形的离散度为关键衡量指标，确定所获取的脑电信号中涵盖咸味刺激响应和非味觉刺激响应的所有刺激响应的起始节点；
S3：计算起始节点对应的各信号段的全局功率谱；采用支持向量机分类器区分非味觉刺激和咸味刺激，提取完整的咸味脑电信号。
优选的，所述的步骤S1中，采集在连续的非味觉刺激和咸味刺激下诱发的脑电信号，具体为：基于时间序列，将味觉溶液和纯净水的自动呈递受试对象，通过无胶电极帽采集受试对象在连续的非味觉刺激和咸味刺激下诱发的脑电信号。
进一步的，所述的步骤S1中，将味觉溶液和纯净水的自动呈递受试对象，具体为：配置氯化钠溶液作为咸味刺激，依次进行A1次水刺激，A2次等浓度的咸味刺激和A3次水刺激；水刺激和咸味刺激呈递的方式均为以设定间隔时间递送设定量的液体，不同固定刺激间设有刺激间隔；对受试对象进行多轮呈递，由此获取到不同浓度咸味刺激引起的脑电信号。
更进一步的，所述的步骤S1中，采集受试对象在连续的非味觉刺激和咸味刺激下诱发的脑电信号后，还将脑电信号依次进行陷波滤波和低通滤波来实现噪声消除，而后通过线性拟合的方式消除基线漂移。
更进一步的，所述的步骤S1中，还删除了由于受试对象意外吞咽产生的有干扰数据和由于采集异常造成无响应数据。
更进一步的，所述的步骤S2中，以刺激响应波形的离散度为关键衡量指标，具体为：确定所获取的脑电信号中涵盖咸味刺激响应和非味觉刺激响应的所有刺激响应的起始节点，具体步骤为：
S201：通过移动固定大小的窗口捕获脑电信号中各个片段脑电信号，并计算各个片段脑电信号的标准差用以表示其波动情况，计算各个窗口数据的标准差σk：
其中，X＝[xi]为脑电i通道的数据，L为窗口滑动的数据点个数，c为当前窗口内包含的数据点个数，为第k个窗口脑电数据的均值；
S202：计算每个窗口的标准差，构成一个新的标准差序列，以描述完整脑电信号中各个子片段的反应电势的离散度：引入相对离散度σd和刺激捕获因子θ与所有窗口脑电数据标准差的均值σ结合组成捕获阈值建立判别条件RWindows；根据判别条件筛选脑部发生活动的信号的反应窗口Wk：其中，
RWindows＝{Wk|σk>σ+θ*σd,σk∈S}；
S203：将反应窗口内的第个数据点确定为刺激响应的起始时刻，完成信号段内所有刺激事件响应起始时刻的标定，得到所有刺激响应的起始节点。
更进一步的，所述的步骤S3中，计算起始节点对应的各信号段的全局功率谱，具体为：
S301：引入GFP作为指标对起始节点的进行分析，得到起始节点的GFP值；
S302：以若干个数据帧为单位，提取所得GFP数据的均值；将时间序列上的GFP值变化与设定的范式进行对比，确定起始节点对应的各信号段，计算起始节点对应的各信号段的全局功率谱。
更进一步的，GFP为某时刻所有通道数据的标准差，设当前时刻为t，通道数为N，将第t个时间点的GFP值表示为：
其中，
xit为第i通道地第t个时间点的数据，是第t个时间点所有通道数据的均值，GFPt是第t个时间点的GFP值。
更进一步的，所述的步骤S3中，采用支持向量机分类器区分非味觉刺激和咸味刺激后，以各个咸味刺激响应起始节点后的一段时间内的数据作为刺激响应的有效数据区间，截取到所有咸味刺激响应的脑电信号段，而后，去除基线数据获取完整的有效咸味脑电信号。
一种用于提取完整咸味脑电信号的数据处理系统，包括信号采集模块、起始节点确定模块、脑电信号提取模块；
所述的信号采集模块用于采集受试对象在连续的非味觉刺激和咸味刺激下诱发的脑电信号；
所述的起始节点确定模块用于以刺激响应波形的离散度为关键衡量指标，确定所获取的脑电信号中涵盖咸味刺激响应和非味觉刺激响应的所有刺激响应的起始节点；
所述的脑电信号提取模块用于计算起始节点对应的各信号段的全局功率谱；采用支持向量机分类器区分非味觉刺激和咸味刺激，提取完整的咸味脑电信号。
本发明的有益效果如下：
本发明采集了受试对象在连续的非味觉刺激和咸味刺激下诱发的脑电信号；以刺激响应波形的离散度为关键衡量指标，确定所获取的脑电信号中涵盖咸味刺激响应和非味觉刺激响应的所有刺激响应的起始节点；计算起始节点对应的各信号段的全局功率谱；采用支持向量机分类器区分非味觉刺激和咸味刺激，提取完整的咸味脑电信号。由此，本发明解决了现有技术无法精准捕获大脑对刺激事件响应的起始点的问题，且具有能够区分咸味刺激强度与由咸味驱动的神经元响应的特点。
附图说明
图1是本发明一种用于提取完整咸味脑电信号的数据处理方法的流程示意图。
图2是本发明一种用于提取完整咸味脑电信号的数据处理方法的范式示意图。
图3是本发明一种用于提取完整咸味脑电信号的数据处理方法的窗口捕获示意图。
图4是本发明一种用于提取完整咸味脑电信号的数据处理方法的提取完整咸味脑电信号示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做详细描述。
实施例1
如图1所示，一种用于提取完整咸味脑电信号的数据处理方法，包括以下具体步骤：
S1：采集受试对象在连续的非味觉刺激和咸味刺激下诱发的脑电信号；
S2：以刺激响应波形的离散度为关键衡量指标，确定所获取的脑电信号中涵盖咸味刺激响应和非味觉刺激响应的所有刺激响应的起始节点；
S3：计算起始节点对应的各信号段的全局功率谱；采用支持向量机分类器区分非味觉刺激和咸味刺激，提取完整的咸味脑电信号。
本实施例中，招募了20名受试对象(10男性和10女性，年龄：24±1岁，均为右利手)，他们均无嗜烟、嗜酒等不良嗜好，身体健康，精神状态良好而且均经过统一的咸味感知培训，熟悉咸味。
本实施例中，所述步骤S1中，脑电信号的采集使用无胶电极帽和24通道非侵入式脑电仪(NCERP-T,Nuocheng,Shanghai,China)。数据以256Hz的频率采集，并通过仪器内置的0.2～40Hz模拟滤波器。通道按照国际标准导联10-20系统放置，其中两个接地通道连接耳垂，提供电位参考。
在一个具体实施例中，所述的步骤S1中，采集在连续的非味觉刺激和咸味刺激下诱发的脑电信号，具体为：基于时间序列，将味觉溶液和纯净水的自动呈递受试对象，通过无胶电极帽采集受试对象在连续的非味觉刺激和咸味刺激下诱发的脑电信号。
实施例2
更具体的，在一个具体实施例中，如图2所示，所述的步骤S1中，将味觉溶液和纯净水的自动呈递受试对象，具体为：配置氯化钠溶液作为咸味刺激，依次进行3次水刺激，2次等浓度的咸味刺激和3次水刺激；水刺激和咸味刺激呈递的方式均为0.5s递送150μL液体，刺激间隔设定为5s；对受试对象进行多轮呈递，由此获取到不同浓度咸味刺激引起的脑电信号。
本实施例中，咸味刺激样本为150mM的盐溶液，其配置方法为：将8.766g氯化钠(NaCl)溶解在1L纯净水中。使用150mM的盐溶液作为刺激序列对参与者分别进行25次实验，由此获取到不同浓度咸味刺激引起的脑电信号。
在一个具体实施例中，所述的步骤S1中，采集受试对象在连续的非味觉刺激和咸味刺激下诱发的脑电信号后，还将脑电信号应用50Hz的陷波滤波器去除线路噪声，并通过使用截止频率为50Hz的低通滤波器衰减高频噪声。而后通过线性拟合的方式消除基线漂移。
本实施例中，最终每位参与者可用的数据为30个，每种浓度15个。咸味反应信号被分割，对于每个参与者分别应用了刺激前基线校正，然后用于离散小波变换和特征提取。
在一个具体实施例中，所述的步骤S1中，还删除了由于受试对象意外吞咽产生的有干扰数据和由于采集异常造成无响应数据。
在一个具体实施例中，所述的步骤S2中，以刺激响应波形的离散度为关键衡量指标，具体为：在连续脑电信号段中捕获所有刺激事件响应时刻的方法为，使用刺激响应波形的离散度为关键衡量指标，通过滑动窗口获得每个窗口中预处理过后的脑电信号的标准差，然后求解标准差序列中的判定阈值，该阈值计算符合正态分布的3σ准则，即，发生在[μ-3σ,μ+3σ]范围内的事件概率有99.7％，几乎包含所有可能，所以在概率论和数理统计领域认为超过3σ的数据为响应时刻点。确定所获取的脑电信号中涵盖咸味刺激响应和非味觉刺激响应的所有刺激响应的起始节点，具体步骤为：
S201：通过移动固定大小的窗口捕获脑电信号中各个片段脑电信号，并计算各个片段脑电信号的标准差用以表示其波动情况，计算各个窗口数据的标准差σk：
其中，X＝[xi]为脑电i通道的数据，L为窗口滑动的数据点个数，c为当前窗口内包含的数据点个数，为第k个窗口脑电数据的均值；
S202：计算每个窗口的标准差，构成一个新的标准差序列，以描述完整脑电信号中各个子片段的反应电势的离散度：引入相对离散度σd和刺激捕获因子θ与所有窗口脑电数据标准差的均值σ结合组成捕获阈值建立判别条件RWindows；根据判别条件筛选脑部发生活动的信号的反应窗口Wk：其中，
RWindows＝{Wk|σk>σ+θ*σd,σk∈S}；
S203：将反应窗口内的第个数据点确定为刺激响应的起始时刻，完成信号段内所有刺激事件响应起始时刻的标定，得到所有刺激响应的起始节点。
在一个具体实施例中，所述的步骤S3中，计算起始节点对应的各信号段的全局功率谱，具体为：
S301：引入GFP作为指标对起始节点的进行分析，得到起始节点的GFP值；
S302：以若干个数据帧为单位，提取所得GFP数据的均值；将时间序列上的GFP值变化与设定的范式进行对比，确定起始节点对应的各信号段，计算起始节点对应的各信号段的全局功率谱。
在一个具体实施例中，如图3所示，GFP为某时刻所有通道数据的标准差，设当前时刻为t，通道数为N，将第t个时间点的GFP值表示为：
其中，
xit为第i通道地第t个时间点的数据，是第t个时间点所有通道数据的均值，GFPt是第t个时间点的GFP值。
本实施例中，以80个数据帧为单位，对所得GFP数据提取均值用以时间序列上的GFP值变化，将之与设计的实验范式进行对比，确定咸味刺激的响应时刻。
在一个具体实施例中，所述的步骤S3中，采用支持向量机分类器区分非味觉刺激和咸味刺激后，以各个咸味刺激响应起始节点后的一段时间内的数据作为刺激响应的有效数据区间，截取到所有咸味刺激响应的脑电信号段，而后，去除基线数据获取完整的有效咸味脑电信号。受试者个体的大脑对咸味溶液刺激的EEG信号计算的GFP，对受试者1进行的15次150mM盐溶液刺激实验得到的GFP的均值。如图4所示，0、5、10、25、30、35秒对应水刺激，第15秒和20秒进行150mM盐溶液刺激。蓝色的虚线指示了水刺激引起的全局场功率的最高限。绿色的虚线指示了NaCl溶液刺激引起的全局场功率的最高限。
在一次完整的刺激序列中水刺激的GFP表现出相近的变化模式。伴随水刺激第0秒,5秒和10秒的重复进行，水刺激形成的感知逐渐稳定。第15秒NaCl溶液的刺激引起了显著的GFP值的上升。相对水刺激，NaCl溶液刺激势场强度增量的贡献来自大脑对咸味的感知。同时在5秒的刺激间隔后，大脑对同浓度的NaCl溶液做出了同强度的反应。这说明该段脑电数据中包含味觉信息，而其与静息数据的差值即为单纯的咸味脑电。
本实施例中，如图4所示，以80个数据帧为单位，对所得GFP数据提取均值用以时间序列上的GFP值变化，将之与设计的实验范式进行对比，确定咸味刺激的响应时刻。
本发明的主要目的在于提供一种数据处理方法，用于完整提取咸味刺激下产生的脑电信号。首先，通过自制的刺激呈递装置结合特定的实验范式为受试者提供作为参照的纯水刺激和作为对比的咸味刺激，由此为咸味脑电的提取提供可能。而后，采用反应时刻捕获方法，跨越刺激呈递时刻与脑电响应时刻间的短暂潜伏期，从高分辨率的脑电数据中精准捕获大脑对所有刺激事件响应的起始点。最终，以指定信号段的全局功率谱(GFP)作为关键参数区分出纯水刺激和咸味刺激，由刺激信号段的指定时间区间进一步提取完整的咸味脑电。
本发明在引入特定的实验范式的同时，通过特殊的数据处理方法的完成了对不同强度咸味刺激所引起脑活动差异的区分，有效实现了咸味的差异辨识。
实施例3
更具体的，在所述的一种用于提取完整咸味脑电信号的数据处理方法的步骤S3中，采用支持向量机分类器区分非味觉刺激和咸味刺激，具体为：
选取各信号段的特征：
通过多尺度的离散小波变换得到各信号段在6个频带下的电位数据，分别是：0～4Hz,4～8Hz,8～16Hz，16～32Hz，32～64Hz和64～128Hz；从6个频带的EEG信号中分别得到咸味刺激响应的平均功率谱FA，平均电位FB和标准差FC作为表征咸味响应的全部初步特征向量：
其中，k是频带号(k＝1,2,3,…,6)，i是截取刺激响应的EEG电位值(i＝1,2,3,…,n)；gki为原始的频带特征矩阵，Pki是使用Welch平均功率图法计算得到的第k频带下脑电数据功率谱；是第k频带下EEG信号的平均值；将构成18维初步特征向量(6频带*3特征值)；由主成分分析(PCA)降维至3维，3个主成分的累计贡献达到95％，得到最终的特征向量。
构建支持向量机：
支持向量机(SVM)是在高维特征空间中构建一个最优超平面(或曲面)，将不同类别的样本分开，实现分类；使用支持向量机实现150mM和200mM NaCl溶液刺激脑电信号的区分，为二分类问题：
将最终的特征向量构成数据集，150mM NaCl溶液刺激脑电信号的特征向量对应负样本，标签为-1，200mM NaCl溶液刺激脑电信号的特征向量对应正样本，标签为+1；将该数据按照一定比例划分为训练数据集和测试数据集；进一步求出一个超平面：
w*x+b＝0
其中，w为超平面的法向量；b为超平面的截距；x为特征向量数据。
若某一样本x满足w*x+b>0，则该样本为正样本，反之若某一样本x满足w*x+b<0，则该样本为负样本，通过设计目标函数和限制条件找到一个最大间隔超平面来实现分类，使得距离不同类别最近的样本点到该超平面的距离最大化。
其中，目标函数为：
限制条件：
y*(w*x+b)≥-1
其中，y为标签值(+1或-1)；
每个受试者的脑电信号按照6:4的比例划分训练集合和测试集合，使用网格搜索方法优化支持向量机分类器的两个参数c，g；而后，通过20次的交叉验证和网格搜索方法优化评估区分非味觉刺激和咸味刺激。
如表1所示，在20名参与者对盐味感知的辨别结果中，参与者2、3、4、6、8、10、11、12、13、16、18和19对盐味表现出高度敏感性，辨别率超过90％。其他参与者对盐味的感知相对较弱。尽管参与者对两种浓度的盐味刺激的辨别能力存在差异，但辨别的准确率仍显著高于机会水平(50％)。这表明，所采用的方法成功地捕捉到了可辨别的咸味反应。在20名参与者中，150mM和200mM盐浓度之间的辨别水平为89.66％。
表1
实施例4
一种用于提取完整咸味脑电信号的数据处理系统，包括信号采集模块、起始节点确定模块、脑电信号提取模块；
所述的信号采集模块用于采集受试对象在连续的非味觉刺激和咸味刺激下诱发的脑电信号；
所述的起始节点确定模块用于以刺激响应波形的离散度为关键衡量指标，确定所获取的脑电信号中涵盖咸味刺激响应和非味觉刺激响应的所有刺激响应的起始节点；
所述的脑电信号提取模块用于计算起始节点对应的各信号段的全局功率谱；采用支持向量机分类器区分非味觉刺激和咸味刺激，提取完整的咸味脑电信号。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种用于提取完整咸味脑电信号的数据处理方法，其特征在于：包括以下具体步骤：
S1：采集受试对象在连续的非味觉刺激和咸味刺激下诱发的脑电信号；
S2：以刺激响应波形的离散度为关键衡量指标，确定所获取的脑电信号中涵盖咸味刺激响应和非味觉刺激响应的所有刺激响应的起始节点；
S3：计算起始节点对应的各信号段的全局功率谱；采用支持向量机分类器区分非味觉刺激和咸味刺激，提取完整的咸味脑电信号。
2.根据权利要求1所述的用于提取完整咸味脑电信号的数据处理方法，其特征在于：所述的步骤S1中，采集在连续的非味觉刺激和咸味刺激下诱发的脑电信号，具体为：基于时间序列，将味觉溶液和纯净水的自动呈递受试对象，通过无胶电极帽采集受试对象在连续的非味觉刺激和咸味刺激下诱发的脑电信号。
3.根据权利要求1所述的用于提取完整咸味脑电信号的数据处理方法，其特征在于：所述的步骤S1中，将味觉溶液和纯净水的自动呈递受试对象，具体为：配置氯化钠溶液作为咸味刺激，依次进行A1次水刺激，A2次等浓度的咸味刺激和A3次水刺激；水刺激和咸味刺激呈递的方式均为以设定间隔时间递送设定量的液体，不同固定刺激间设有刺激间隔；对受试对象进行多轮呈递，由此获取到不同浓度咸味刺激引起的脑电信号。
4.根据权利要求1所述的用于提取完整咸味脑电信号的数据处理方法，其特征在于：所述的步骤S1中，采集受试对象在连续的非味觉刺激和咸味刺激下诱发的脑电信号后，还将脑电信号依次进行陷波滤波和低通滤波来实现噪声消除，而后通过线性拟合的方式消除基线漂移。
5.根据权利要求1所述的用于提取完整咸味脑电信号的数据处理方法，其特征在于：所述的步骤S1中，还删除了由于受试对象意外吞咽产生的有干扰数据和由于采集异常造成无响应数据。
6.根据权利要求1所述的用于提取完整咸味脑电信号的数据处理方法，其特征在于：所述的步骤S2中，以刺激响应波形的离散度为关键衡量指标，具体为：确定所获取的脑电信号中涵盖咸味刺激响应和非味觉刺激响应的所有刺激响应的起始节点，具体步骤为：
S201：通过移动固定大小的窗口捕获脑电信号中各个片段脑电信号，并计算各个片段脑电信号的标准差用以表示其波动情况，计算各个窗口数据的标准差σk：
其中，X＝[xi]为脑电i通道的数据，L为窗口滑动的数据点个数，c为当前窗口内包含的数据点个数，为第k个窗口脑电数据的均值；
S202：计算每个窗口的标准差，构成一个新的标准差序列，以描述完整脑电信号中各个子片段的反应电势的离散度：引入相对离散度σd和刺激捕获因子θ与所有窗口脑电数据标准差的均值σ结合组成捕获阈值建立判别条件RWindows；根据判别条件筛选脑部发生活动的信号的反应窗口Wk：其中，
RWindows＝{Wk|σk>σ+θ*σd,σk∈S}；
S203：将反应窗口内的第个数据点确定为刺激响应的起始时刻，完成信号段内所有刺激事件响应起始时刻的标定，得到所有刺激响应的起始节点。
7.根据权利要求1所述的用于提取完整咸味脑电信号的数据处理方法，其特征在于：所述的步骤S3中，计算起始节点对应的各信号段的全局功率谱，具体为：
S301：引入GFP作为指标对起始节点的进行分析，得到起始节点的GFP值；
S302：以若干个数据帧为单位，提取所得GFP数据的均值；将时间序列上的GFP值变化与设定的范式进行对比，确定起始节点对应的各信号段，计算起始节点对应的各信号段的全局功率谱。
8.根据权利要求1所述的用于提取完整咸味脑电信号的数据处理方法，其特征在于：
GFP为某时刻所有通道数据的标准差，设当前时刻为t，通道数为N，将第t个时间点的GFP值表示为：
其中，
xit为第i通道地第t个时间点的数据，是第t个时间点所有通道数据的均值，GFPt是第t个时间点的GFP值。
9.根据权利要求1所述的用于提取完整咸味脑电信号的数据处理方法，其特征在于：所述的步骤S3中，采用支持向量机分类器区分非味觉刺激和咸味刺激后，以各个咸味刺激响应起始节点后的一段时间内的数据作为刺激响应的有效数据区间，截取到所有咸味刺激响应的脑电信号段，而后，去除基线数据获取完整的有效咸味脑电信号。
10.一种用于提取完整咸味脑电信号的数据处理系统，其特征在于：包括信号采集模块、起始节点确定模块、脑电信号提取模块；
所述的信号采集模块用于采集受试对象在连续的非味觉刺激和咸味刺激下诱发的脑电信号；
所述的起始节点确定模块用于以刺激响应波形的离散度为关键衡量指标，确定所获取的脑电信号中涵盖咸味刺激响应和非味觉刺激响应的所有刺激响应的起始节点；
所述的脑电信号提取模块用于计算起始节点对应的各信号段的全局功率谱；采用支持向量机分类器区分非味觉刺激和咸味刺激，提取完整的咸味脑电信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311013302.8A CN116965835A (zh) | 2023-08-11 | 2023-08-11 | 一种用于提取完整咸味脑电信号的数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311013302.8A CN116965835A (zh) | 2023-08-11 | 2023-08-11 | 一种用于提取完整咸味脑电信号的数据处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116965835A true CN116965835A (zh) | 2023-10-31 |
Family
ID=88484906
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311013302.8A Pending CN116965835A (zh) | 2023-08-11 | 2023-08-11 | 一种用于提取完整咸味脑电信号的数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116965835A (zh) |
-
2023
- 2023-08-11 CN CN202311013302.8A patent/CN116965835A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110916631B (zh) | 基于可穿戴生理信号监测的学生课堂学习状态评测系统 | |
| Wilson et al. | Spike detection: a review and comparison of algorithms | |
| Alam et al. | Detection of seizure and epilepsy using higher order statistics in the EMD domain | |
| CN111772585B (zh) | 间期颅内脑电信号中癫痫异常群体活动的数据提取方法 | |
| CN113786204A (zh) | 基于深度卷积注意力网络的癫痫颅内脑电信号预警方法 | |
| CN104173046B (zh) | 一种色彩标记振幅整合脑电图的提取方法 | |
| La Rocca et al. | On the repeatability of EEG features in a biometric recognition framework using a resting state protocol | |
| CN104914994A (zh) | 基于稳态视觉诱发电位的飞行器控制系统和飞行控制方法 | |
| CN106175754B (zh) | 睡眠状态分析中清醒状态检测装置 | |
| CN114886388B (zh) | 一种麻醉深度监测过程中脑电信号质量的评估方法及装置 | |
| WO2022135449A1 (zh) | 癫痫患者发作间期痫样电活动检测装置和方法 | |
| CN110192874B (zh) | 基于多导脑电信号裕度因子的测谎方法 | |
| Li et al. | An improved sparse representation over learned dictionary method for seizure detection | |
| CN112426162A (zh) | 一种基于脑电信号节律熵的疲劳检测方法 | |
| CN106974660B (zh) | 基于脑功能活动检测中的血氧特征实现性别判定的方法 | |
| CN111067513B (zh) | 一种特征权重自学习的睡眠质量检测关键脑区判定方法 | |
| CN106175698B (zh) | 睡眠状态分析中睡眠周期检测装置 | |
| US11944445B2 (en) | Method for detecting elements of interest in electrophysiological signals and detector | |
| CN106618486B (zh) | 智能辅助睡眠中的睡眠状态识别方法和系统 | |
| CN116509417B (zh) | 基于神经相似性的消费者偏好一致性预测方法 | |
| Fathima et al. | Wavelet based features for classification of normal, ictal and interictal EEG signals | |
| CN111281382A (zh) | 一种基于脑电信号的特征提取与分类方法 | |
| CN116965835A (zh) | 一种用于提取完整咸味脑电信号的数据处理方法及系统 | |
| CN112861629B (zh) | 一种多窗口判别典型模式匹配方法及脑-机接口应用 | |
| CN106175755B (zh) | 用于睡眠状态分析的睡眠状态检测器 |
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 |