CN215272834U - 一种同步记录大脑和脊髓电生理信号的系统 - Google Patents
一种同步记录大脑和脊髓电生理信号的系统 Download PDFInfo
- Publication number
- CN215272834U CN215272834U CN202120205744.2U CN202120205744U CN215272834U CN 215272834 U CN215272834 U CN 215272834U CN 202120205744 U CN202120205744 U CN 202120205744U CN 215272834 U CN215272834 U CN 215272834U
- Authority
- CN
- China
- Prior art keywords
- spinal cord
- brain
- electrophysiological
- signal
- electrophysiological signal
- 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
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本实用新型公开了一种同步记录大脑和脊髓电生理信号的系统,包括:脊髓电生理信号采集装置、大脑电生理信号收集装置、电生理信号整合装置和数据存储装置;脊髓电生理信号采集装置和大脑电生理信号收集装置分别用于采集人体脊髓硬膜外和大脑所产生的电生理信号,经电生理信号整合装置对同时采集到的大脑和脊髓的电生理信号进行同步整合,并将整合后的大脑和脊髓的电生理信号存储于数据存储装置中,达到同步记录大脑和脊髓的电生理信号的目的,且方法相对简单,对于置入脊髓硬膜外的电极片可以采用已经植入到被试身体中的部分,具有良好的安全性,可以准确获知中枢神经系统的活动情况。
Description
技术领域
本实用新型涉及生理信号处理技术领域,具体涉及一种同步记录大脑和脊髓电生理信号的系统。
背景技术
中枢神经系统是神经系统的重要部分,包括大脑和脊髓。中枢系统不仅负责获取和整合外部信息,而且能够自上而下的调控我们的行为和活动,对人类适应环境和个人发展都起到重要作用,因此充分研究和理解中枢神经系统具有重要意义。目前全球除了癌症和心脑血管疾病外,由中枢神经系统的损伤和障碍引发的疾病是人类健康的最大威胁。
现有许多技术都可以在非侵入的方式下研究大脑,包括可以直接记录大脑活动的脑电图(EEG)和脑磁图(MEG),以及通过间接测量大脑活动的正电子发射型计算机断层显像(PET)和功能磁共振技术(fMRI)。利用这些技术,学者们已经对大脑进行了大量的研究。然而,当前对于脊髓的研究手段非常有限,这也使得对脊髓的研究进展相对缓慢,且基本都集中在动物模型中。
考虑到脊髓在躯体感觉和运动系统中的重要作用,对于脊髓电信号的记录,以及在此基础上的大脑-脊髓同步电信号记录,将对躯体感觉与运动系统相关的基础研究及临床疾病研究具有重要意义。
实用新型内容
为了解决上述所存在的技术问题,将收集到的脊髓和大脑信号进行同步记录,准确掌握中枢神经系统的活动情况,实现对人的躯体感觉与运动系统的关联分析,为此,本实用新型提供了一种同步记录大脑和脊髓电生理信号的系统。
本实用新型采用如下技术方案:
一种同步记录大脑和脊髓电生理信号的系统,其特征在于,所述系统包括顺次连接的脊髓电生理信号采集装置,大脑电生理信号收集装置,电生理信号整合装置和数据存储装置;
所述脊髓电生理信号采集装置包括已植入或待植入人体体内的多个电极片,其通过脊髓电信号导线与所述电生理信号整合装置电性连接;
所述大脑电生理信号收集装置为一脑电帽,其通过大脑电信号导线与所述电生理信号整合装置电性连接;
所述电生理信号整合装置包括电极接入盒、放大器和信号输出导线,所述脊髓电生理信号采集装置和大脑电生理信号收集装置分别通过电极导线与所述电极接入盒电性连接,所述放大器与所述电极接入盒电性连接,所述信号输出导线一端与所述放大器电性连接,其另一端与所述数据存储装置电性连接。
所述系统还包括数据处理器,其分别与所述的电生理信号整合装置和数据存储装置电性连接,所述数据处理器用于对原始采集的电生理信号进行预处理,并将预处理后的电生理信号存储到所述数据存储装置中。
所述系统还包括与所述数据存储装置连接的显示装置,所述显示装置用于显示同步处理后的电脑和脊髓的电生理信号。
所述数据存储装置、数据处理器和显示装置集成于一电脑终端。
另一方面,本实用新型还提供了一种同步记录大脑和脊髓电生理信号的方法,所述方法包括如下步骤:
步骤1,分别将脊髓电生理信号采集装置中的电极片植入被试脊髓硬膜外,同时在被试头部佩戴大脑电生理信号收集装置;
步骤2,将电极片和大脑电生理信号收集装置通过电极导线分别接入电生理信号整合装置上;
步骤3,启动脊髓电生理信号采集装置和大脑电生理信号收集装置,将采集到的大脑和脊髓的电生理信号通过电生理信号整合装置进行同步整合后保存于数据存储装置中。
所述步骤3中采集到的大脑电生理信号和脊髓电生理信号输入至电极接入盒,依次经放大器和数据处理器进行信号放大、重参考和去噪预处理,并将预处理后的电生理信号通过显示装置显示。
所述步骤3中的重参考处理提供1~100Hz的带通滤波和48~52Hz的凹陷滤波,所述去噪处理通过独立成分分析算法去除眼动伪迹、头动伪迹以及心跳的噪声。
所述方法还包括对大脑和脊髓电生理信号的功率谱密度分析步骤4:通过快速傅里叶变换将预处理后的电生理信号时域信息转变为频域信息,用频谱总能量为标准对单个电极各个频率能量进行标准化;将频谱划分为多个连续的频带;比较各个频带的大脑和脊髓电生理信号间的差异和关联,并通过显示装置显示。
本实用新型技术方案具有如下优点:
A.本实用新型所建立的系统是建立在对已经在临床成熟应用的两种技术上,分别脊髓电刺激和脑电图。本实用新型将采用脊髓电生理信号采集装置和大脑电生理信号收集装置进行同时采集,经电生理信号整合装置两电生理信号进行同步整合,可以实现同步记录大脑和脊髓的电生理信号的目的,且方法相对简单,对于置入脊髓硬膜外的电极片可以采用已经植入到被试身体中的部分,具有良好的安全性,可以准确获知中枢神经系统的活动情况,更便于医护人员对中枢神经系统的损伤和障碍作出准确判断。
B.本实用新型在同步记录大脑和脊髓的电生理信号时,脊髓电生理信号采集装置和大脑电生理信号收集装置的输出导线均接入同一个电极接入盒,大大简化了系统的复杂程度;另一方面电极接入盒、放大器等后续的数据处理器均使用同一套,在大脑-脊髓电生理信号分析时具有更高的可对比性。
附图说明
为了更清楚地说明本实用新型具体实施方式,下面将对具体实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本实用新型的一些实施方式,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为本实用新型所提供的系统中各装置的连接结构图示;
图2为本实用新型所提供的方法框图;
图3为通过本实用新型系统处理后的大脑和脊髓电生理信号对照图;
图4在静息态的睁眼和闭眼条件下,大脑和脊髓在各个频带上的电生理信号分布对照图;
图5为本实用新型对所采集的大脑-脊髓电生理信号进行整合处理框图。
图中:
1-脊髓电生理信号采集装置;2-脊髓电信号导线;3-电生理信号整合装置,31-电极接入盒,32-放大器;4-大脑电生理信号收集装置;5-大脑电信号导线;6-信号输出导线;7-电脑终端。
具体实施方式
下面将结合附图对本实用新型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实用新型一部分实施例,而不是全部的实施例。基于本实用新型的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本实用新型保护的范围。
如图1所示,本实用新型提供了一种同步记录大脑和脊髓电生理信号的系统,系统包括:脊髓电生理信号采集装置1、大脑电生理信号收集装置 4、电生理信号整合装置3和数据存储装置。脊髓电生理信号采集装置1用于采集人体脊髓硬膜外所产生的脊髓电生理信号;大脑电生理信号收集装置4用于收集人体大脑所产生的大脑电生理信号;电生理信号整合装置3 通过脊髓电信号导线2与脊髓电生理信号采集装置电性连接,大脑电生理信号收集装置4通过大脑电信号线5与电生理信号整合装置3电性连接,电生理信号整合装置3用于对同时采集到的大脑和脊髓的电生理信号进行同步整合;数据存储装置与电生理信号整合装置连接,用于存储经电生理信号整合装置3整合后的大脑和脊髓的电生理信号。这里的数据存储装置优选采用电脑终端7等设备,比如具有存储、数据处理和显示功能的计算机。
这里的脊髓电生理信号收集装置1包括植入人体体内的多个电极片,其通过脊髓电信号导线2与电生理信号整合装置3电性连接。本实用新型中所采用的脊髓电生理信号收集装置1是根据临床上已被成熟应用的技术——脊髓电刺激器改造而成。脊髓电刺激器包括体内植入部分和体外控制部分:体内植入部分由电极片和导线组成;体外控制部分由电极盒、测试电缆、测试电缆接头和外部神经电刺激器组成。在改造时须保留原本的体内植入部分,并将体外控制部分的测试电缆导线和外部神经刺激器拆除。将输出用导线与脊髓电刺激器体外控制部分的测试电缆焊接,并包裹绝缘胶带。
大脑电生理信号收集装置4为一脑电帽,其为现有技术,脑电帽通过大脑电信号导线5与电生理信号整合装置3电性连接。这里脑电帽包括AgCl 电极、连接电极的导线、将电极固定在头皮表面的电极帽。大脑电生理信号收集的电极片可以直接放置,紧贴被采集者头皮,或在头皮和电极之间使用导电膏等介质降低电阻抗率。电极可使用21、32、64个,或根据信号采集的需要选择电极的数量以及放置在头皮的位置。脊髓硬膜外的电极可以是由于医疗原因已被植入的,在合适条件下被改造以用于信号收集,或是为收集脊髓信号而植入的。植入的电极数量和位置可根据信号采集的需要进行选择。
电生理信号整合装置3包括电极接入盒31、放大器32和信号输出导线 6,脊髓电生理信号采集装置1和大脑电生理信号收集装置4分别通过对应的电极导线与电极接入盒31电性连接,放大器32与电极接入盒31电性连接,信号输出导线6一端与放大器电32性连接,其另一端与数据存储装置电性连接。放大器32可以放大电极接入盒31收集的信号,使得在人体近端收集到质量较好的电生理信号,在放大后降低经过信号输出导线6的输出信号信噪比。这里所采用的电极接入盒31为现有技术,具体不再赘述。
如图5所示,本实用新型系统中还包括数据处理器,其分别与电生理信号整合装置和数据存储装置电性连接,数据处理器中设有预处理模块,用于对原始采集的电生理信号进行预处理,并将预处理后的电生理信号存储到数据存储装置中。其中的预处理模块包括重参考模块和去噪模块,用于依次对电生理信号整合装置整合后的电生理信号依次进行重参考、去噪处理。
为了便于对外呈现,本实用新型还在系统中设置了显示装置,其与数据存储装置连接,用于显示同步处理后的电脑和脊髓的电生理信号。
更进一步地,本实用新型还设置了对采集后的大脑和脊髓电生理原始信号进行分析的功能,在数据处理器中设置了功率谱密度分析模块和/或大脑-脊髓功能关联分析模块,功率谱密度分析模块用于分析各个频带中的大脑和脊髓电生理信号间的差异,大脑-脊髓功能关联分析模块采用延迟部分定向相干分析方法对预处理后的电生理信号进行分析,得到大脑信号与脊髓信号间的相关程度,并通过显示装置将分析结果显示。
上述的数据存储装置、数据处理器和显示装置集成于一电脑终端7。在电脑显示屏上可以实时读取电生理信息,判断其收集质量并进行初步的信号分析,还可根据需要保存所需的电生理信号。
招募了8名通过脊髓电刺激治疗带状疱疹后慢性疼痛的患者,每名患者根据其不同的慢性疼痛位置在脊髓不同的位置植入了脊髓电刺激治疗用的8个电极(E1-E8)。招募的8名被试无神经系统疾病史或痴呆史、精神障碍史或精神疾病史,年龄范围为53~84岁,平均年龄为68.1±8.7岁,其中女性5名,男性3名。
实验期间,被试被安排坐在一个安静且温度舒适的房间中。实验包括两个部分:睁眼部分和闭眼部分。在闭眼部分,要求被试闭上眼睛3分钟,保持放松但是不能睡着。在睁眼部分,要求被试保持放松,看着电脑屏幕上的注视点3分钟。睁眼和闭眼的顺序在被试间是平衡的。
本实用新型所提供的同步记录大脑和脊髓电生理信号的方法包括如下步骤:
【S01】分别将脊髓电生理信号采集装置中的电极片植入被试脊髓硬膜外,同时在被试头部佩戴大脑电生理信号收集装置。在被试完成脊髓电刺激植入术后的7~10天(此时被试停止电刺激治疗也不会感到疼痛),保留原本植入在被试脊髓硬膜外的电极,并将脊髓电刺激器的测试电缆导线和外部神经刺激器拆除,将测试电缆和另一可接入电极接入盒的导线焊接,包裹绝缘线。
依据国际通用的1020系统脑电图,比如在被试头皮上放置21个AgCl 电极(FPz、FP1、FP2、Fz、F3、F4、Cz、C3、C4、Pz、P3、P4、Oz、O1、 O2、P7、P8、T7、T8、F7、F8)。
【S02】将电极片和大脑电生理信号收集装置通过电极导线分别接入电生理信号整合装置上。将脊髓电生理信号收集装置的8个电极导线和大脑电生理信号收集装置的21个电极导线均接入电极盒中,连接放大器,在通过输出导线连接电脑。优选记录的带通滤波为1~1000Hz,采样率为5000Hz。
【S03】启动脊髓电生理信号采集装置和大脑电生理信号收集装置,将采集到的大脑和脊髓的电生理信号通过电生理信号整合装置进行同步整合后保存于数据存储装置中,保存大脑-脊髓同步记录的电生理信号。
使用上述保存的大脑-脊髓同步记录的电生理信号可进行后续对于静息态大脑-脊髓电生理信号的联合对比分析,包括对大脑和脊髓在静息态下睁闭眼功率谱密度的比较,以及探究大脑-脊髓功能连接。
为进行后续的数据分析,首先对保存的原始信号进行预处理,包括重参考,1~100Hz的带通滤波,48~52Hz的凹陷滤波,通过独立成分分析算法去除眼动伪迹和头动伪迹以及心跳的噪声,处理后的大脑和脊髓电生理信号如图3所示。根据图3所示结果可以看出,使用本实用新型所述装置和方法可以收集到良好的大脑和脊髓电生理信号。
【S04】对大脑和脊髓在静息态下睁闭眼功率谱密度分析包括以下步骤:
【S041】通过快速傅立叶变换将预处理后的电生理时域信息转变成1~ 100Hz频域信息;
【S042】用1~100Hz的频谱总能量为标准对单个电极各个频率能量进行标准化;
【S043】将频谱划分为6个频带:delta(1~4Hz)、theta(4~8Hz)、 alpha(8~12Hz)、beta(12~30Hz)、低频gamma(30~50Hz)、高频gamma (50~100Hz);
【S044】比较各个频带的大脑和脊髓电生理信号在睁眼和闭眼条件下的差异和关联。
结果如图4所示:在静息态的睁眼和闭眼条件下,大脑和脊髓具有类似的电生理信号,即,在睁眼时delta频段功率谱密度较大,闭眼时alpha 频段功率谱能量较大,其余频段无显著差异。该结果进一步说明本实用新型所提供的系统和方法可以收集到良好的大脑-脊髓电生理信号,且通过所述方法同步收集到的信号在进行对比分析时有较高的可靠性和可对比性。
本实用新型中在数据处理器中所设置的大脑-脊髓功能关联分析模块,用于对大脑-脊髓功能关联性开展研究,其使用了延迟部分定向相干分析 (lPDC),包括以下步骤:
将预处理后的数据降低采样至200Hz,使用式1进行建模;
式1中,[X1(t),X2(t)]代表大脑信号和脊髓信号;
[u1(t),u2(t)]是不相关的高斯噪声,代表的是模型的残差;
B(r)是多元自回归(MVAR)的系数,用来描述X(t)与X(t-r)(r=1,2,…,p) 的相关程度,不包括所需频谱因果关系计算中的与瞬时效应相关的系数(例如,r≠0);
p由赤池信息准则确定,是用于模型X(t)中t之前的最大采样的时间点数。
由式1中可以得出模型残差u1(t)、u2(t)和多元自回归(MVAR)的系数B(r)。
lPDC的值,即|Ci←j(f)|,由式2确定;
式2中,Bij(f)是MVAR系数的傅里叶变换,即式1中的B(r);
σk代表模型残差的标准差,k为1,2,…,i;
结合式1和式2,得到IPDC的值。其中lPDC的范围在0~1之间,“0”代表源j对目标i没有影响,“1”代表源j对目标i的线性预测程度高,大脑和脊髓电生理信号,既可做源j,也可做目标i。通过对大脑-脊髓功能关联分析,其线性预测程度的高低也可以通过电脑终端显示屏对外显示。
使用以上分析方法,发现脊髓至大脑的信号在各频段均无明显相干,大脑至脊髓的信号在delta和alpha频带发现较显著的相干(尤其是在delta 频段),表明在静息态下脊髓的电生理信号受到大脑自上而下的调控。该结果说明本实用新型所述系统和方法不仅能采集到质量较高的大脑和脊髓数据,且能对大脑和脊髓数据进行联合处理,以研究人体中枢神经系统内的神经活动。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本实用新型的保护范围之中。
Claims (4)
1.一种同步记录大脑和脊髓电生理信号的系统,其特征在于,所述系统包括顺次连接的脊髓电生理信号采集装置,大脑电生理信号收集装置,电生理信号整合装置和数据存储装置;
所述脊髓电生理信号采集装置包括已植入或待植入人体体内的多个电极片,其通过脊髓电信号导线与所述电生理信号整合装置电性连接;
所述大脑电生理信号收集装置为一脑电帽,其通过大脑电信号导线与所述电生理信号整合装置电性连接;
所述电生理信号整合装置包括电极接入盒、放大器和信号输出导线,所述脊髓电生理信号采集装置和大脑电生理信号收集装置分别通过电极导线与所述电极接入盒电性连接,所述放大器与所述电极接入盒电性连接,所述信号输出导线一端与放大器电性连接,其另一端与所述数据存储装置电性连接。
2.根据权利要求1所述的同步记录大脑和脊髓电生理信号的系统,其特征在于,所述系统还包括数据处理器,其分别与所述的电生理信号整合装置和数据存储装置电性连接,所述数据处理器用于对原始采集的电生理信号进行预处理,并将预处理后的电生理信号存储到所述数据存储装置中。
3.根据权利要求2所述的同步记录大脑和脊髓电生理信号的系统,其特征在于,所述系统还包括与所述数据存储装置连接的显示装置,所述显示装置用于显示同步处理后的电脑和脊髓的电生理信号。
4.根据权利要求3所述的同步记录大脑和脊髓电生理信号的系统,其特征在于,所述数据存储装置、数据处理器和显示装置集成于一电脑终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202120205744.2U CN215272834U (zh) | 2021-01-25 | 2021-01-25 | 一种同步记录大脑和脊髓电生理信号的系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202120205744.2U CN215272834U (zh) | 2021-01-25 | 2021-01-25 | 一种同步记录大脑和脊髓电生理信号的系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN215272834U true CN215272834U (zh) | 2021-12-24 |
Family
ID=79530210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202120205744.2U Active CN215272834U (zh) | 2021-01-25 | 2021-01-25 | 一种同步记录大脑和脊髓电生理信号的系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN215272834U (zh) |
-
2021
- 2021-01-25 CN CN202120205744.2U patent/CN215272834U/zh active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khosla et al. | A comparative analysis of signal processing and classification methods for different applications based on EEG signals | |
Sörnmo et al. | Bioelectrical signal processing in cardiac and neurological applications | |
US7672717B1 (en) | Method and system for the denoising of large-amplitude artifacts in electrograms using time-frequency transforms | |
Paranjape et al. | The electroencephalogram as a biometric | |
CN112754499A (zh) | 一种同步记录大脑和脊髓电生理信号的系统与方法 | |
Sun et al. | Localizing functional activity in the brain through time-frequency analysis and synthesis of the EEG | |
CN115517687A (zh) | 基于多模态融合改善焦虑的特异性神经反馈系统 | |
CN215272834U (zh) | 一种同步记录大脑和脊髓电生理信号的系统 | |
Munavalli et al. | Introduction to Brain–Computer Interface: Applications and Challenges | |
CN111671421A (zh) | 一种基于脑电图的儿童需求感知方法 | |
CN115192907A (zh) | 一种实时生物反馈经皮迷走神经电子针灸装置 | |
Bhoraniya et al. | Motion artifacts extraction using DWT from ambulatory ECG (A-ECG) | |
Chenane et al. | EEG Signal Classification for BCI based on Neural Network | |
Qi | Algorithms benchmarking for removing EOG artifacts in brain computer interface | |
Jia et al. | Emotion specific network with multi-dimension features in emotion recognition | |
Dubey et al. | Digital analysis of EEG brain signal | |
Goel | An overview of brain computer interface | |
Patel | An EEG-based dual-channel imaginary motion classification for brain computer interface | |
Gurumoorthy et al. | Epilepsy analysis using open source edf tools for information science and data analytics | |
Saikia et al. | EEG signal processing and its classification for rehabilitation device control | |
Qi | Evaluating algorithms of removing EOG artifacts with experimental data in brain computer interface | |
Gripentoft et al. | EEG Signal Analysis in the Frequency Domain: An Examination of Abnormalities During the Gait Cycle | |
Cao | Search For Electrophysiological Biomarkers Of Arousal In Anesthesia And After Cardiac Arrest | |
Macauda | Artifacts removal and application of cross-frequency coupling to EEG signals of epileptic patients | |
Mirgholami Mashhad | EEG-Based Brain-Computer Interfacing via Motor-Imagery: Practical Implementation and Feature Analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |