专栏首页米虫的家BCI--脑电基础整理

BCI--脑电基础整理

脑电基础整理

脑机接口(BCI),是一种通过检测中枢神经系统活动并将其转化为人工输出,来替代、修复、增强、补充或者改善中枢神经系统的正常输出,从而改变中枢神经系统与内外环境之间的交互作用的技术。脑机接口技术通过置于头皮或颅内的电极等传感器采集脑神经活动信号,经过信号处理、特征提取、模式识别等过程,可获知人的控制意图、认知或心理状态、神经系统疾病状态等信息,为运动、语言等功能残缺的患者提供新的控制、交流通道或康复手段,也可为健康人群提供更多信息输出通道。随着脑电信号采集技术与信号处理技术的发展成熟,脑机接口技术已逐渐走入临床应用,在诸如中风、注意力缺陷等脑损伤或其他神经系统疾病患者的临床康复中表现出色,为高位截瘫、肌萎缩性侧索硬化症等运动功能障碍患者提供新的运动功能替代方案,为情绪、疲劳、意识状态等的检测和识别提供客观指标。

一、采集脑电信号的四种技术

1、脑电图(Electroencephalography,EEG)

脑电图通过电极记录大脑的电活动,电极通常嵌入电极帽中。这种电极帽通常需要5分钟才能安装在用户身上并调节电极以获得良好的信号。脑电图系统相对便宜且便携,是BCI研究中最常见的神经影像学方法。

2、皮层脑电图(Electrocorticography, ECoG)

皮层脑电图涉及到通过外科手术将电极植入大脑表面来记录电活动。相对于EEG传感器,ECoG传感器具有更好的空间分辨率,能够准确检测脑电图电极不可见的高频脑活动。电极一旦植入,就可以准备用于BCI或其他任务,而无需在每次使用前进行准备。

3、深度电极(Depth electrode)

深度电极(Depth electrode)记录使用通过外科手术植入大脑的电极。这种方法具有类似于ECoG的吸引人的特性,但记录的是来自一小群神经元的活动。因此,这两种方法提供了大脑活动的不同图景。

4、功能磁共振成像(FunctionalMagnetic Resonance Imaging, fMRI)

功能磁共振成像不能测量电活动,而是用来测量与不同精神活动相关的大脑血流变化。而这些变化不能像上面三种方法那样用时间精度来检测。fMRI系统需要非常强大的磁场,因此要花费昂贵且不便于携带。

二、大脑布罗德曼分区系统

布罗德曼分区是一个根据细胞结构将大脑皮层划分为一系列解剖区域的系统。神经解剖学中所谓细胞结构(Cytoarchitecture),是指在染色的脑组织中观察到的神经元的组织方式。

大脑半球外侧面的布罗德曼分区

大脑半球内侧面的布罗德曼分区

  • 黄色部位是 额叶,主要功能:思维,计划和中央执行职能;运动执行;
  • 绿色部位是 顶叶,主要功能:体感知觉,视觉和体空间信息的整合;
  • 红色部位是 颞叶,主要功能:语言功能和听觉感知,参与长期记忆和情感;
  • 青色部位是 枕叶,主要功能:视觉感知和处理。

三、稳态视觉诱发电位 SSVEP

诱发电位主要有视觉诱发电位听觉诱发电位以及触觉诱发电位三种。视觉诱发电位由于简单、方便被广泛应用于脑电信号的研究中。当视觉收到光或者图形闪烁等刺激时,脑电信号的电位会发生变化,这些电位的变化就是视觉诱发电位(Visual Evoked Potential, VEP)

1、视觉诱发电位可以大致分为三类:

  • 瞬时视觉诱发电位(Transient Visual EvokedPotential, TVEP);
  • 稳态视觉诱发电位(Steady-State Visual EvokedPotential, SSVEP);
  • 伪随机码视觉诱发电位。

2、SSVEP信号原理与基础

关于SSVEP信号的原理,主流观点认为大脑里分布的各种神经网络都有其固有的谐振频率,在正常状态下,这些神经网络都是互不同步的,也是杂乱无章,没有规律的,此时的脑电信号是自发脑电。当施加一个恒定频率的外界视觉刺激时,与刺激频率或谐波频率相一致的神经网络就会产生谐振,导致大脑的电位活动在刺激频率或谐波频率处出现明显变化,由此产生SSVEP信号。

基于SSVEP信号的BCI系统就是通过检测枕叶视觉区的EEG信号来判断大脑的思维活动。

当人体受到一个固定频率的闪烁或者变换模式的视觉刺激时,大脑皮层的电位活动将被调制,从而产生一个连续的且与刺激频率有关(刺激频率的基频或倍频处)的响应,这个响应具有和视觉刺激类似的周期性节律,即为稳态视觉诱发电位(SSVEP)。SSVEP信号表现在EEG脑电信号中则是在功率谱中能在刺激频率或谐波上出现谱峰。通过分析检测谱峰处对应的频率,即能检测到受试者视觉注视的刺激源,从而能识别受试者的意图。

在使用视觉刺激装置来获取SSVEP信号时,在大脑皮层中与枕叶视觉区有关的脑电通道主要有六个(P03,P0Z,P04,01,0Z,02)

3、获取SSVEP信号要注意的点

  • (1)能诱发SSVEP幅度随频率变化的响应曲线大致可以分为三个区域:低频区(4~15Hz), 中频区(15~30Hz), 高频区(30~60Hz)。不稳定的频率无法诱发稳定的SSVEP信号,将严重影响对信号识别的准确率,因此稳定的刺激频率是必须的。
  • (2)不同人的SSVEP信号幅值不尽相同,对相同频率的响应敏感程度也存在差异,同时,由于谐波成分的存在,要尽量避免一个刺激频率是另一个刺激频率的整数倍,否则将容易引起识别错误的情况。
  • (3)诱发SSVEP信号的刺激源要具有友好性,满足受试者对于舒适性的要求,刺激频率过高或是刺激强度过大容易导致视觉疲劳而影响视力健康,甚至会诱发癫痫样脑电活动。

四、10-20国际标准导联系统

1、系统介绍

10-20系统电极放置法是国际脑电图学会规定的标准电极放置法。额极中点至鼻根的距离和枕点至枕外粗隆的距离各占此连线全长的10%,其余各点均以此连线全长的20%相隔,如下图所示。因此命名为10-20系统。

奇数表示大脑左侧,偶数表示大脑右侧。左右侧各取8个电极,加上前后位上的额中点(Fz)、中央点(Cz)、顶点(Pz)以及两个耳电极共21个电极。

10-20系统的电极位置主要以颅骨为参照,并不因个人头围或头型的差异而有所不同。10-20系统电极位置描述如下:

  • 前后矢状线:从鼻根至枕外粗隆取一连线,在此线上,由前至后标出5个点,依次命名为:额极中点(Fpz)、额中点(Fz)、中央点(Cz)、顶点(Pz)、枕点(Oz)。额极中点至鼻根的距离和枕点至枕外粗隆的距离各占此连线全长的10%,其余各点均以此连线全长的20%相隔。
  • 横位:从左耳前点(耳屏前颧弓根凹陷处)通过中央点至右耳前点取一连线,在此连线的左右两侧对称标出左颞中(T3)、右颞中(T4)、左中央(C3)、右中央(C4)。T3、T4点与耳前点的距离各占此线全长的10%,其余各点(包括Cz点)均以此连线全长的20%相隔。
  • 侧位:从Fpz点向后通过T3、T4点至枕点分别取左右侧连线,在左右侧连线上由前至后对称地标出左额极(Fp1 )、右额极(Fp2 )、左前颞(F7)、右前颞(F8)、左后颞(T5)、右后颞(T6)、左枕(O1)、右枕(O2)各点。Fp1 、Fp2点至额极中点(Fpz )的距离与O1、O2点至Oz点的距离各占此连线全长的10%,其余各点(包括T3、T4)均以此连线全长的20%相隔。
  • 其余的左额(F3)、右额(F4)点分别位于Fp1、Fp2与C3、C4点的中间;左顶(P3)、右顶(P4)点分别位于C3、C4与O1、O2点的中间。

2、10-20系统中数字与字母

(1)数字代表的含义:

Code

左脑单数,右脑双数;

/代表中间,例:C3/T3就是指两点之间的中间地点;

-代表涵盖两点或相连的所有点,例:C3-T3代表涵盖这两点;
(2)字母代表的含义:

Code

F: 额叶(Frontal lobe)

Fp:前额叶(Frontal poles)

T: 颞叶(Temporal lobes)

O: 枕叶(Occipital lobes)

P: 顶叶(Parietal lobes)

C: 中心部(Central) 或感觉运动皮层(sensorimotorcortex)

Z: 零点(zero)即左右脑中心

五、运动想象系统

1、系统介绍

运动想象系统的生理基础是:当人在想象躯体不同部位的运动时,会相应的激活大脑的不同功能区域,从而产生具有不同特性的脑电信号。而所谓的不同特性指的是事件相关去同步化(Event-related desynchronization,ERD)事件相关同步化(Event-relatedsynchronization,ERS)现象。

当人在想象运动时,大脑皮层相关的区域会出现特定频率振幅减小,能量下降的情况,这就是ERD;而当人在想象运动结束或者进入大脑静息状态时,大脑皮层相关区域则会出现振幅增加,能量增加的情况,这就是ERS。

而ERD 和ERS只会在EEG的特定频率范围内出现,比如8-12Hz的Mu波以及18-26Hz 的Beta 波

上图详解:想象左手右手运动的ERD现象。当想象左手运动时,大脑皮层右侧(C4电极附近) 出现ERD 现象,相关区域能量减小;当想象右手运动时,大脑皮层左侧(C3电极附近)出现ERD 现象,相关区域能量减小。

运动想象系统是指对想象运动产生的EEG信号进行解码,从而获知被试的运动意图,将相应的控制命令传给外接设备,达到人机交互的目的。

2、脑电信号的节律波

两种分类方法:

分类方法一:以Schwab频率来划分的话,一般分为三类:慢波、中间快波和快波

  • 1)慢波包括0.5-3Hz范围的delta波、4-7Hz的theta波和8-13Hz的alpha波;
  • 2)中间快波为频率在14-17Hz范围的波;
  • 3)快波包括18-30Hz的beta波、31Hz以上的为gama波。

分类方法二:Walter分类,共有以下五种分类:

  • a.频率在0.5-3.5Hz范围内为delta波,
  • b.频率在4-7Hz范围内为theta波,
  • c.频率在8-13Hz范围内为alpha,
  • d.频率在14-25Hz范围内为beta波,
  • e.频率在26Hz以上的为gama波,

特别要注意的是这里对频率在10Hz左右的波称为节律。

3、特征提取算法

(1)时域方法:这是比较早期的EEG信号处理方法,主要通过提取EEG的波形特征,比如振幅、方差、波峰等,对EEG信号进行分析;

(2)频域方法:运动想象EEG信号的ERD和ERS现象只出现在特定频率范围,比如8-12Hz 的Mu波和18-26Hz 的Beta 波。因此,通过功率谱等谱分析方法,也可以有效地从EEG提取中特征。其中比较出名的方法有自回归功率谱分析、双谱分析法等;

(3)空域方法:这是近年运动想象领域比较通用的特征提取方法,主要通过设计空域滤波器对EEG 的多通道空间分布进行处理,提取可分的特征。包括:共空域模式法(Common spatialpattern,CSP),以及基于CSP改进的方法。

基于CSP改进的方法包括:

  • 时空滤波的共空谱模式(Common spatio-spectralpattern, CSSP)
  • 共稀疏谱空模式(Common sparse spectral spatial pattern,CSSSP)
  • 正则化公用空间模式(Regularized Common Spatial Pattern, RCSP)等。

(4)小波模糊熵的特征提取方法鉴于脑电信号的非线性特性和运动想象时的节律特性,提出了小波模糊熵的特征提取方法,利用小波变换将EEG信号进行小波分解,得到对应运动想象EEG信号的alpha和beta节律,然后采用模糊熵方法提取特征。

4、分类识别算法

(1)LDA 分类器

LDA分类器(LinearDiscriminant Analysis,LDA)是一种简单高效的线性分类器,将数据往低维度方向投影,使得投影后的数据具有类内方差最小,类间方差最大的特性。也即是投影后同一类别的数据尽可能接近,不同类别的数据尽可能分开。最后在最可分的数据上通过简单的阈值设置进行分类。LDA 是运动想象系统中最常用的分类器,在历届的脑机接口竞赛中都被许多参赛者使用。近年来,结合运动想象的特点,许多基于LDA 的改进方法也被提出来,比如自适应LDA、贝叶斯LDA等,并且都取得了很好的分类性能。

(2)SVM 分类器

支持向量机分类器(SVM)是机器学习里典型的分类器,通过构建一个最优的分割超平面,从而将两类数据尽可能的区分开。SVM 在运动想象系统中也被广泛的使用,除此之外,SVM 在P300、稳态视觉诱发电位(Steady state visuallyevoked potentials,SSVEP)脑机接口系统中也广泛使用。

(3)贝叶斯分类器

贝叶斯分类器是利用贝叶斯公式计算出样本属于各个类别的后验概率,然后最大后验概率所对应的类别则为该样本的类别。贝叶斯分类器也广泛的使用于运动想象系统,对特征进行分类。

(4)人工神经网络

人工神经网络是利用大脑神经元结构和信息传递机理,在此基础上建立大规模的具有自适应能力的网络系统,并且通过拓扑结构连接,按照大型规模的并行方式排列而成。人工神经网络适合非线性分析问题,并且具有较强的学习和归纳能力,自适应性强。人工神经网络的模式有很多种,目前常用的人工神经网络有:感知器、多层感知器、BP神经网络、RBF神经网络等。

(5)聚类分类器

聚类分析是一种具有探索性质的模式分类方法,在分类时不依赖于任何关于分类的先验知识,而是采用相似度量的方法,对具有相同或相似特征的样本进行分类。聚类分析在分类时需要确定一种聚类准则来评价聚类方法的好坏,常用的聚类准则有误差平方和类间距离和离散度等。聚类方法有很多种,常见的方法有:层次聚类动态聚类法决策树聚类法等。由于聚类为线性分类器,它在脑电信号分类中的缺点是对脑电信号的特征要求很高,难以处理复杂的分类问题,容易造成分辨率低。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 论文周报 | 第12期 移动脑电图具有便携,多场景使用的特点,未来非常有竞争力

    Mobile EEG in research on neurodevelopmental disorders: Opportunities and challe...

    脑机接口社区
  • 通用脑-机接口研究软件介绍

    g.tec提供了完整的基于MATLAB的研发系统,包括数据采集,实时和离线数据分析,数据分类以及提供神经反馈所需的所有硬件和软件组件。可以使用g.MOBIlab...

    脑机接口社区
  • 一个网站让你系统的入门脑机接口和神经科学

    NeuroTechX是一个非盈利的神经科技社区,该社区为领域内的专家学者提供交流和学习的平台和机会,旨在促进脑机接口和神经科学的发展。

    脑机接口社区
  • BCI-EEG脑电数据处理

    EEG信号特征提取就是以脑电信号作为源信号,确定各种参数并以此为向量组成表征信号特征的特征向量。

    MiChong
  • 解码大脑:在脑机接口上寻求稳定性

    脑机接口(BCI) 寻求在神经科学和工程系统之间建立桥梁,使神经工程师能够记录大脑中的电活动,对其进行分析以推断个人正在尝试做什么,并使用它来控制假肢等设备。除...

    脑机接口社区
  • 脑机接口和卷积神经网络的初学指南(一)

    脑机接口和卷积神经网络的初学指南分为两部分,第一部分主要介绍脑机接口和AI +研究论文的概貌;第二部分主要深入解释神经网络与BCI的结合

    脑机接口社区
  • 利用脑机接口技术可以直接将大脑活动转换成文本形式

    你可能有过这样的经历:想要快速给某人发短信,但你手头上正有活,比如正拿着杂货或做饭,手头很忙。虽然Siri可以为我们和设备之间的互动提供一个新的交互方式,但还是...

    脑机接口社区
  • 华中科技大学研究团队揭示了基于EEG的脑机接口中的安全性问题

    电子设备被攻击会带来非常严重的安全问题,尤其是医疗领域。当前的很多BCI设备应用于医疗领域。所以基于EEG的脑机接口、脑机交互等的安全性问题在未来会得到越来越多...

    脑机接口社区
  • PNAS:基于脑电在线神经反馈调节唤醒程度可以改善个体在高难度感觉运动任务中的表现

    来自哥伦比亚大学的Josef Faller等人在PNAS上发文,其发现唤醒程度唤醒程度会影响个体的决策与判断,通过调节个体的唤醒程度唤醒程度,可以改善个体在高负...

    用户1279583
  • 使用CNN-LSTM混合深度学习分类基于MUSE采集的运动想象EEG信号

    脑机接口(BrainComputer Interfaces)技术是将人脑与外部设备建立起直接的通路,在智能助残、人机工程、神经康复训练等领域有巨大的应用潜力。随...

    脑机接口社区
  • 脑机接口EEG信号分类算法

    人工智能的发展也给脑机接口技术带来了很广阔的空间,目前限制脑机接口技术的走出实验室的主要原因是脑电信号的因人而异性,在线脑机接口的信号传输率,准确率等。下面对目...

    脑机接口社区
  • Nature:研究人员设计稳定器来改善脑机接口

    神经记录的不稳定性可导致临床脑机接口(BCI)失控。在这里,研究人员展示了低维神经流形(描述神经元之间特定关联模式的低维空间)的对齐可以用来稳定神经活动,从而在...

    脑机接口社区
  • 稳态视觉诱发电位SSVEP介绍

    诱发电位是当大脑受到脉冲电流、闪光或者变化的图像、连续的声音刺激时产生的神经动作电位或突触后电位。这种脑电位有一定的潜伏期,潜伏期的长短和刺激部位、记录部位的距...

    脑机接口社区
  • 脑机头条 第20期| 世界机器人大会-脑控打字创纪录

    打字、滑动和点击鼠标发送电子邮件将很快成为过去。在中国举行的世界机器人大会(WRC)上,一台由人脑控制的高速计算机以闪电般的速度录下人的思想,创造了一项世界纪录...

    脑机接口社区
  • 深度解析脑机接口技术的现状与未来!

    通过在脑后插入一根线缆,我们就能够畅游计算机世界;只需一个意念我们就能改变“现实”;学习知识不再需要通过书本、视频等媒介,也不需要在花费大量的时间,只需直接将知...

    数据猿
  • 脑机接口中结合脑电和脑磁图信号来提高运动想象分类

    分享一篇2019年发表于INTERNATIONAL JOURNAL OF NEURAL SYSTEMS(计算机科学大区1区TOP)的Integrating EE...

    脑机掌门
  • 脑机接口技术介绍、应用与挑战

    BCI系统根据脑电信号获取的方式,可分为非侵入式、半侵入式和侵入式三种。其位置和特征如图2所示。对非侵入式BCI的研究,由于只需要通过相关设备对大脑皮层的表面信...

    脑机接口社区
  • 浅谈脑机接口

    <!--more--> </br> <a href="https://s2.ax1x.com/2020/01/19/19fbAU.jpg" class="hig...

    王荣胜
  • 采集脑电信号的四种技术

    脑机接口(BCI)是可以不间断地进行通信或控制的设备。BCI检测到用户大脑活动的特定模式,这些模式反映了用户想要发送的不同信息或命令,例如拼写或更改电视频道。信...

    脑机接口社区

扫码关注云+社区

领取腾讯云代金券