CN110037696A - 基于眼电开关的脑电生物反馈*** - Google Patents

基于眼电开关的脑电生物反馈*** Download PDF

Info

Publication number
CN110037696A
CN110037696A CN201910333590.2A CN201910333590A CN110037696A CN 110037696 A CN110037696 A CN 110037696A CN 201910333590 A CN201910333590 A CN 201910333590A CN 110037696 A CN110037696 A CN 110037696A
Authority
CN
China
Prior art keywords
subject
eeg
feedback
module
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
Application number
CN201910333590.2A
Other languages
English (en)
Inventor
罗虎
宋立国
陈琰
梁戈
阳勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Befang Medical Equipment Co Ltd
Original Assignee
Guangzhou Befang Medical Equipment Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Befang Medical Equipment Co Ltd filed Critical Guangzhou Befang Medical Equipment Co Ltd
Priority to CN201910333590.2A priority Critical patent/CN110037696A/zh
Publication of CN110037696A publication Critical patent/CN110037696A/zh
Pending legal-status Critical Current

Links

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
    • A61B5/398—Electrooculography [EOG], e.g. detecting nystagmus; Electroretinography [ERG]
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Psychology (AREA)
  • Ophthalmology & Optometry (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眼电开关的脑电生物反馈***，包括有基于眼电(EOG)的异步开关模块、脑电信号采集模块、脑电信号特征提取与分类模块和基于虚拟现实技术的反馈模块。采用异步开关模块启动脑电生物反馈训练程序，通过脑电信号采集模块采集不同训练过程中的脑电信号，并将预处理后的脑电信号通过脑电信号特征提取与分类模块进行特征提取与分类，最后由反馈模块采用Microsoft Visual C++软件结合开源三维图像引擎OpenSceneGraph(OSG)编写程序，设计沉浸式交互式良好的用户交互界面，同时调用特征提取、分类的算法程序对在线实验段的数据实时输出三维的反馈结果，反馈将以各类三维游戏形式呈现给受试者，以帮助受试者更有效地调控大脑节律。

Description

基于眼电开关的脑电生物反馈***
技术领域
本发明涉及眼电、脑电等生物信号与生物反馈的技术领域，尤其是指一种基于眼电开关的脑电生物反馈***。
背景技术
生物反馈疗法(Biofeedback Therapy)又称生物回授疗法，或称植物神经学习法，是在行为疗法的基础上发展起来的一种新的心理治疗技术。生物反馈的原理是通过采集与分析人体的生理指标如脑电、心率变化和肌电来确定人体的精神心理状态，并借助工程技术的方法将这些信号转换成容易理解的视觉、听觉的形式展现给个体，使个体了解自身的生理变化，通过反复的训练与治疗，帮助个体达到认知、调控自身的生理变化，从而达到缓解和治疗心理紧张、焦虑、抑郁、失眠等精神心理症状的目的。
脑电生物反馈技术通过脑电图(Electroencephalogram，EEG)传感器，采集和放大由大脑皮层产生的微弱电信号，不同位置的大脑皮层产生不同节律的脑电信号。EEG传感器采集到原始的脑电信号，通过***进行信号放大、记录和分析，并给出一个或多个反馈信号。脑电活动的节律及振幅与情绪、注意力等有密切的联系，通过脑电生物反馈可对人体特定的脑电活动进行训练，达到针对性治疗如焦虑、抑郁、失眠、注意力障碍等疾病的目的。
眼电(Electrooculogram，EOG)是角膜与视网膜之间存在的超极化和去极化现象造成的角膜-视网膜之间的电位差，可以用来反映眼球的运动，是一种应用极为广泛的生物电信号。垂直眼电主要由眼球上下运动或眨眼引起的，水平眼电由眼球的左右运动引起。与脑电相比，眼电信号的模式更为明显，更易检测。研究表明，眼球运动的种类很多，其中皱眉和眨眼产生的眼电信号较为明显，比较适用于构建人机交互***。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提出了一种基于眼电开关的脑电生物反馈***，采用基于眼电(EOG)的异步开关模块启动脑电生物反馈训练程序，通过采集不同训练过程中的脑电信号，并将预处理后的脑电信号进行特征提取与分类，分类结果以互动性强的神经反馈形式(虚拟现实技术，vitual reality)展现给受试者，以帮助受试者更有效地调控大脑节律。
为实现上述目的，本发明所提供的技术方案为：基于眼电开关的脑电生物反馈***，包括有基于眼电EOG的异步开关模块、脑电信号采集模块、脑电信号特征提取与分类模块和基于虚拟现实技术的反馈模块；其中：
所述基于眼电EOG的异步开关模块，包括四部分内容：眼电数据采集、图形用户界面GUI、检测算法训练，校准即阈值计算；所述眼电数据采集是用一个单极电极“A”采集垂直EOG信号，参考电极“REF”置于右侧乳突，接地电极“GND”置于额头，所有电极的阻抗保持在5kΩ以下，采样率为250-1000Hz；所述图形用户界面GUI由一个按键组成，该按键按照n秒闪烁一次，n为0-5之间的任意数值，每次闪烁持续100-300毫秒，按键的闪烁目的是给受试者提供眨眼的时间标记，受试者能够通过执行与按键的闪烁同步的眨眼来发出开/关命令，受试者处于控制状态时代表受试者希望发出开/关命令，否则，认为受试者处于空闲状态；所述检测算法训练是在发送开/关命令时，受试者需要根据开关键的闪烁进行同步眨眼，异步开关模块自动记录单通道的EOG信号，每次按键闪烁后异步开关模块会执行一次在线检测，如果测到与按键闪烁相对应的主动眨眼，则认为受试者处于控制状态，异步开关模块自动发出一个开/关命令；如果没有检测到主动眨眼，按键将继续闪烁，异步开关模块自动执行下一次的检测，每次检测的数据分析包括三个步骤：特征提取、波形检测和决策，每个步骤的详细信息描述为：①特征提取，每次检测时都会提取一个与按键闪烁相对应的特征向量，具体地，先为按键闪烁提取一段EOG信号，在闪烁发生后100-500ms，然后对提取的EOG信号进行0.1-30Hz的带通滤波，以消除基线漂移和高频噪声，最后，使用以下一阶差分方法获得特征向量：
x′t＝xt-xt-1 (1)
其中，x′t是对应第t个采样点差分后的值，xt与xt-1是信号的采样值，所提取的特征向量表示为F；②波形检测，对提取的在线特征向量F进行波形检测，在眨眼EOG的差分波形中存在明显的峰谷特性，且波谷出现在波峰之后，波形检测时，先在特征向量F中找到波峰波谷的位置，将波形的极值点中数值最大的视为波峰tpeak，数值最小的视为波谷tvalley，然后，为每个特征向量F按以下方法计算两个值，即d和e：
其中，d和e分别表示波峰波谷之间的间隔时间和累积能量，最后，根据预先设定的两个时间阈值Dmin、Dmax和一个能量阈值E完成波形检测，如下式(3)所示；
其中，b是特征向量F的波形检测结果，b＝1表示检测到了主动眨眼，b＝0表示没有检测到主动眨眼，式(3)中的阈值Dmin、Dmax和E会在一个校准过程定中确定；③决策，检测算法直接根据波形检测的结果作出判断，具体地，若b＝1，则认为检测到一次控制状态，异步开关模块发出相应的开关命令，当前检测完成且异步开关模块继续执行下一次检测；否则，异步开关模块认为当前受试者处于空闲状态，不发出任何控制命令，继续执行下一次检测；所述校准是在每个受试者参加实验之前，将通过一个校准过程为其确定三个阈值Dmin、Dmax和E，首先，利用GUI收集训练数据集，该数据集包含N(N＝1，2，3，4…100)次按键闪烁，受试者需根据按键的闪烁进行同步眨眼，针对收集到的EOG信号，用上述检测算法训练中介绍过的方法为每次按键闪烁提取一个特征向量，最后得到N个特征向量用于确定上述阈值，根据训练数据集中获得的N个特征向量，按照公式(3)分别计算出N个d和e，而后采用Pauta准则，也称为3σ准则，消除异常值，具体做法为：将大于μ+3σ或小于μ-3σ的值删除，其中μ和σ分别表示所有数值的期望和标准差，最后，对剩余的d和e分别进行由大到小的排序，在排好序的所有e中选择前98％中的最小值作为能量阈值E，类似地，在排好序的所有d中选择前98％中的最小值作为时间阈值Dmin，选择前2％中的最小值作为时间阈值Dmax；
所述脑电信号采集模块，采用16-32通道的EEG电极帽来记录头皮脑电信号，所有通道的脑电信号均以右耳突为参照，其中“HEOGR”“HEOGL”与“VEOGR”“VEOGL”两对通道用来记录眼球运动用于实现眼电异步开关；脑电采集过程中，所有电极的阻抗值皆为5KΩ以下，脑电信号以250-1000Hz的频率采样，并在0.1至100Hz的范围内进行带通滤波；
所述脑电信号特征提取与分类模块，用于实现脑电成分中的α节律、β节律、θ节律和δ节律特征的提取，并根据各节律之间的功率比值进行分类，给出对应的脑电活动模式，以输出不同的视听觉反馈给受试者；脑电信号是一种随机性很强的非平稳信号，根据脑电信号的频率、振幅和生理特征分为四种基本节律：α节律频率为8-13Hz，振幅20～100μV，正常安静、清醒闭目时出现，睁开眼睛或接受其它刺激时，立即消失而呈现快波；β节律频率为14-30Hz，振幅5～20μV，睁眼视物，或突然听到音响，或思考问题时出现此波，通常认为β波是大脑皮层兴奋的表现；θ节律的频率为4-7Hz，振幅100～150μV，在困倦、缺氧或深度麻醉时出现；δ节律频率为0.5-3Hz，振幅20～200μV，成人睡眠时出现，清醒时无此波，在深度麻醉或缺氧时亦出现；目前公认的分析方法普遍都是建立在假设脑电图是准平稳信号的基础上，即：认为它能够分为若干段，每一段的过程平稳，将实时脑电信号以i秒分段，i＝1，2，…5，利用FFT对每一段提取脑电特征成份，同时计算三个参数α/β、θ/β、δ/β，即α、θ、δ节律与β节律的功率比值，由于信号的功率与其电压的平方成正比，因此特征参数分别为：设定比较阈值，单个特征参数大于阈值时，表示大脑的一种活动模式，单个特征参数小于阈值时，表示大脑的第二种活动模式，阈值的设定需要根据受试者在平静放松状态下的特征参数值进行设定，根据阈值对脑电活动模式进行分类，并将这些脑电信号处理后的信息以视觉或听觉的形式反馈给受试者，促使受试者有意识地控制自身的思维状态；
所述基于虚拟现实技术的反馈模块，采用Microsoft Visual C++软件结合开源三维图像引擎OpenSceneGraph(OSG)编写程序，设计沉浸式交互式良好的用户交互界面，同时调用特征提取、分类的算法程序对在线实验段的数据结果实时输出三维的反馈结果，在线实验段的反馈将以各类三维游戏形式呈现给受试者。
进一步，在基于虚拟现实技术的反馈模块中，采用的三维游戏形式有根据脑电活动模式的特征参数与阈值之间的差设定游戏界面中控件的运动方向与运动速度，或者采用水平反馈条的扩展来体现当前受试者的脑电活动模式，反馈水平条会根据受试者的脑电活动模式选择扩展或保持静止，每隔一段时间更新一次。
进一步，采用脑电信号采集模块进行信号采集时，先让受试者就坐于刺激端偏振显示器前，与显示器的距离为80-100cm，显示器高度调至平视水平，给受试者佩戴电极帽，用平口针筒将电极膏注入电极帽嵌入式电极，电极膏注入完毕，给受试者佩戴耳机进行信号采集；实验数据采集包含2段实验：标准训练实验段与在线反馈实验段，标准训练实验段包含30个trial，其数据用于计算受试者在平静放松状态下的特征参数参考值，即阈值；在线反馈实验段包含2段实验，每段实验包含30个trial，一共60个trial；在线实验段的数据用于实时分类并输出生物反馈。
本发明与现有技术相比，具有如下优点与有益效果：
1、本发明利用眼电信号模式明显、易检测，也易于执行的优点，设计基于眼电EOG的异步开关模块产生不同的命令控制生物反馈训练，通过眼电来增强传统的脑电生物反馈，无损伤且效果显著。
2、本发明根据生物反馈的原理，计算脑电信号中各节律(α，β，δ，θ)之间的功率比值并与阈值比较分类，由分类情况给出对应的脑电活动模式同时展现给受试者，让受试者主动地调节或抑制大脑节律，以在后面帮助减轻焦虑、抑郁、失眠、注意力障碍等症状起到良好作用。
3、本发明通过实时的、基于虚拟现实的多种生物反馈形式呈现受试者当前的脑电活动状态，有助于受试者积极主动地参与大脑调控，更好地控制脑电活动中各个节律。虚拟现实的神经反馈形式将为受试者提供沉浸式、交互式良好的训练环境，有利于提高临床试验疗效。
附图说明
图1为基于眼电(EOG)的异步开关模块的电极示意图，其中，A为垂直眼电电极，REF为参考电极，GND为接地电极。
图2为基于眼电(EOG)的异步开关模块的图形用户界面(GUI)。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
本实施例所提供的基于眼电开关的脑电生物反馈***，包括有基于眼电(EOG)的异步开关模块、脑电信号采集模块、脑电信号特征提取与分类模块和基于虚拟现实技术的反馈模块。
所述基于EOG的异步开关模块，包括四部分内容：眼电数据采集、图形用户界面GUI、检测算法训练、校准(阈值计算)；如图1所示，所述眼电数据采集用一个单极电极“A”采集垂直EOG信号，参考电极“REF”置于右侧乳突，接地电极“GND”置于额头，所有电极的阻抗保持在5kΩ以下，采样率为250Hz。如图2所示，所述图形用户界面GUI由一个按键组成，该按键按照n秒(n为0-5之间的任意数值)闪烁一次，每次闪烁持续100-300毫秒，键的闪烁目的是给受试者提供眨眼的时间标记，受试者可以通过执行与按键的闪烁同步的眨眼来发出开/关命令，在本模块中，控制状态代表受试者希望发出开/关命令，否则，认为受试者处于空闲状态。所述检测算法训练是在发送开/关命令时，受试者需要根据开关键的闪烁进行同步眨眼，异步开关模块自动记录单通道的EOG信号，每次按键闪烁后异步开关模块会执行一次在线检测，如果测到与按键闪烁相对应的主动眨眼，则认为受试者处于控制状态，异步开关模块自动发出一个开/关命令；如果没有检测到主动眨眼，按键将继续闪烁，异步开关模块自动执行下一次的检测，每次检测的数据分析包括三个步骤：特征提取、波形检测和决策，每个步骤的详细信息描述如下：①特征提取，每次检测时都会提取一个与按键闪烁相对应的特征向量，具体地，先为按键闪烁提取一段EOG信号(闪烁发生后100-500ms)，然后对提取的EOG信号进行0.1-30Hz的带通滤波，以消除基线漂移和高频噪声，最后，使用以下一阶差分方法获得特征向量：
x′t＝xt-xt-1 (1)
其中，x′t是对应第t个采样点差分后的值，xt与xt-1是信号的采样值，所提取的特征向量表示为F；②波形检测，对提取的在线特征向量F进行波形检测，在眨眼EOG的差分波形中存在非常明显的峰谷特性，且波谷出现在波峰之后，波形检测时，先在特征向量F中找到波峰波谷的位置，将波形的极值点中数值最大的视为波峰tpeak，数值最小的视为波谷tvalley，然后，为每个特征向量F按以下方法计算两个值，即d和e：
其中，d和e分别表示波峰波谷之间的间隔时间和累积能量，最后，根据预先设定的两个时间阈值Dmin、Dmax和一个能量阈值E完成波形检测，如下式(3)所示；
其中，b是特征向量F的波形检测结果，b＝1表示检测到了主动眨眼，b＝0表示没有检测到主动眨眼，式(3)中的阈值Dmin、Dmax和E会在一个校准过程定中确定；③决策，检测算法直接根据波形检测的结果作出判断，具体地，若b＝1，则认为检测到一次控制状态，异步开关模块发出相应的开关命令，当前检测完成且异步开关模块继续执行下一次检测；否则，异步开关模块认为当前受试者处于空闲状态，不发出任何控制命令，继续执行下一次检测。所述校准(阈值计算)是在每个受试者参加实验之前，将通过一个校准过程为其确定三个阈值Dmin、Dmax和E，首先，利用GUI收集训练数据集，该数据集包含N(N＝1，2，3，4…100)次按键闪烁，受试者需根据按键的闪烁进行同步眨眼，针对收集到的EOG信号，用上述检测算法训练中介绍过的方法为每次按键闪烁提取一个特征向量，最后得到N个特征向量用于确定上述阈值，根据训练数据集中获得的N个特征向量，按照公式(3)分别计算出N个d和e，而后采用Pauta准则，也称为3σ准则，消除异常值，具体做法为：将大于μ+3σ或小于μ-3σ的值删除，其中μ和σ分别表示所有数值的期望和标准差，最后，对剩余的d和e分别进行由大到小的排序，在排好序的所有e中选择前98％中的最小值作为能量阈值E，类似地，在排好序的所有d中选择前98％中的最小值作为时间阈值Dmin，选择前2％中的最小值作为时间阈值Dmax。
所述脑电信号采集模块，采用16-32通道的EEG电极帽来记录头皮脑电信号，所有通道的脑电信号均以右耳突为参照，其中“HEOGR”“HEOGL”与“VEOGR”“VEOGL”两对通道用来记录眼球运动用于实现眼电异步开关；脑电采集过程中，所有电极的阻抗值皆为5KΩ以下，脑电信号以250-1000Hz的频率采样，并在0.1至100Hz的范围内进行带通滤波。
所述脑电信号特征提取与分类模块，用于实现脑电成分中的α节律、β节律、θ节律和δ节律特征的提取，并根据各节律之间的功率比值进行分类，给出对应的脑电活动模式，以输出不同的视听觉反馈给受试者。脑电信号是一种随机性很强的非平稳信号。根据脑电信号的频率、振幅和生理特征分为4种基本节律：α节律频率为8-13Hz，振幅20～100μV，正常安静、清醒闭目时出现，睁开眼睛或接受其它刺激时，立即消失而呈现快波；β节律频率为14-30Hz，振幅5～20μV，睁眼视物，或突然听到音响，或思考问题时可出现此波，一般认为β波是大脑皮层兴奋的表现；θ节律的频率为4-7Hz，振幅100～150μV，在困倦、缺氧或深度麻醉时出现；δ节律频率为0.5-3Hz，振幅20～200μV，成人睡眠时可出现，清醒时无此波，在深度麻醉和缺氧亦可时出现。目前较公认的分析方法大多建立在假设脑电图是准平稳信号的基础上。即：认为它可以分为若干段，每一段的过程基本平稳。将实时脑电信号以i秒(i＝1，2，…5)分段，利用FFT对每一段提取脑电特征成份(4种)。同时计算三个参数α/β(pw)、θ(pw)/β(pw)、δ(pw)/β(pw)(即α、θ、δ节律与β节律的功率比值)，由于信号的功率与其电压的平方成正比，因此特征参数分别为：
设定比较阈值，单个特征参数大于阈值时，表示大脑的一种活动模式，比如平静思维状态；单个特征参数小于阈值时，表示大脑的第二种活动模式，比如积极思考；阈值的设定需要根据受试者在平静放松状态下的特征参数值进行设定，本***中取值为6。根据阈值对脑电活动模式进行分类，并将这些脑电信号处理后的信息以视觉或听觉的形式反馈给被受试者，促使被受试者有意识地控制自身的思维状态。
所述基于虚拟现实技术的反馈模块，采用Microsoft Visual C++软件结合开源三维图像引擎OpenSceneGraph(OSG)编写程序，设计沉浸式交互式良好的用户交互界面，同时调用特征提取、分类的算法程序对在线实验段的数据实时输出三维的反馈结果；在线实验段的反馈将以各类三维游戏形式呈现给受试者，比如，根据脑电活动模式的特征参数与阈值之间的差设定游戏界面中控件的运动方向与运动速度。或者采用水平反馈条的扩展来体现当前受试者的脑电活动模式，反馈水平条会根据受试者的脑电活动模式选择扩展或保持静止，每隔一段时间更新一次。
其中，采用脑电信号采集模块进行信号采集时，先让受试者就坐于刺激端偏振显示器前，与显示器的距离为80-100cm，显示器高度调至平视水平，给受试者佩戴电极帽，用平口针筒将电极膏注入电极帽嵌入式电极，电极膏注入完毕，给受试者佩戴耳机进行信号采集；实验数据采集包含2段实验：标准训练实验段与在线反馈实验段，标准训练实验段包含30个trial，其数据用于计算受试者在平静放松状态下的特征参数参考值，即阈值；在线反馈实验段包含2段实验，每段实验包含30个trial，一共60个trial；在线实验段的数据用于实时分类并输出生物反馈。
以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (3)

1.基于眼电开关的脑电生物反馈***，其特征在于：包括有基于眼电EOG的异步开关模块、脑电信号采集模块、脑电信号特征提取与分类模块和基于虚拟现实技术的反馈模块；其中：
所述基于眼电EOG的异步开关模块，包括四部分内容：眼电数据采集、图形用户界面GUI、检测算法训练，校准即阈值计算；所述眼电数据采集是用一个单极电极“A”采集垂直EOG信号，参考电极“REF”置于右侧乳突，接地电极“GND”置于额头，所有电极的阻抗保持在5kΩ以下，采样率为250-1000Hz；所述图形用户界面GUI由一个按键组成，该按键按照n秒闪烁一次，n为0-5之间的任意数值，每次闪烁持续100-300毫秒，按键的闪烁目的是给受试者提供眨眼的时间标记，受试者能够通过执行与按键的闪烁同步的眨眼来发出开/关命令，受试者处于控制状态时代表受试者希望发出开/关命令，否则，认为受试者处于空闲状态；所述检测算法训练是在发送开/关命令时，受试者需要根据开关键的闪烁进行同步眨眼，异步开关模块自动记录单通道的EOG信号，每次按键闪烁后异步开关模块会执行一次在线检测，如果测到与按键闪烁相对应的主动眨眼，则认为受试者处于控制状态，异步开关模块自动发出一个开/关命令；如果没有检测到主动眨眼，按键将继续闪烁，异步开关模块自动执行下一次的检测，每次检测的数据分析包括三个步骤：特征提取、波形检测和决策，每个步骤的详细信息描述为：①特征提取，每次检测时都会提取一个与按键闪烁相对应的特征向量，具体地，先为按键闪烁提取一段EOG信号，在闪烁发生后100-500ms，然后对提取的EOG信号进行0.1-30Hz的带通滤波，以消除基线漂移和高频噪声，最后，使用以下一阶差分方法获得特征向量：
x′t＝xt-xt-1 (1)
其中，x′t是对应第t个采样点差分后的值，xt与xt-1是信号的采样值，所提取的特征向量表示为F；②波形检测，对提取的在线特征向量F进行波形检测，在眨眼EOG的差分波形中存在明显的峰谷特性，且波谷出现在波峰之后，波形检测时，先在特征向量F中找到波峰波谷的位置，将波形的极值点中数值最大的视为波峰tpeak，数值最小的视为波谷tvalley，然后，为每个特征向量F按以下方法计算两个值，即d和e：
其中，d和e分别表示波峰波谷之间的间隔时间和累积能量，最后，根据预先设定的两个时间阈值Dmin、Dmax和一个能量阈值E完成波形检测，如下式(3)所示；
其中，b是特征向量F的波形检测结果，b＝1表示检测到了主动眨眼，b＝0表示没有检测到主动眨眼，式(3)中的阈值Dmin、Dmax和E会在一个校准过程定中确定；③决策，检测算法直接根据波形检测的结果作出判断，具体地，若b＝1，则认为检测到一次控制状态，异步开关模块发出相应的开关命令，当前检测完成且异步开关模块继续执行下一次检测；否则，异步开关模块认为当前受试者处于空闲状态，不发出任何控制命令，继续执行下一次检测；所述校准是在每个受试者参加实验之前，将通过一个校准过程为其确定三个阈值Dmin、Dmax和E，首先，利用GUI收集训练数据集，该数据集包含N次按键闪烁，N＝1，2，3，4…100，受试者需根据按键的闪烁进行同步眨眼，针对收集到的EOG信号，用上述检测算法训练中介绍过的方法为每次按键闪烁提取一个特征向量，最后得到N个特征向量用于确定上述阈值，根据训练数据集中获得的N个特征向量，按照公式(3)分别计算出N个d和e，而后采用Pauta准则，也称为3σ准则，消除异常值，具体做法为：将大于μ+3σ或小于μ-3σ的值删除，其中μ和σ分别表示所有数值的期望和标准差，最后，对剩余的d和e分别进行由大到小的排序，在排好序的所有e中选择前98％中的最小值作为能量阈值E，类似地，在排好序的所有d中选择前98％中的最小值作为时间阈值Dmin，选择前2％中的最小值作为时间阈值Dmax；
所述脑电信号采集模块，采用16-32通道的EEG电极帽来记录头皮脑电信号，所有通道的脑电信号均以右耳突为参照，其中“HEOGR”“HEOGL”与“VEOGR”“VEOGL”两对通道用来记录眼球运动用于实现眼电异步开关；脑电采集过程中，所有电极的阻抗值皆为5KΩ以下，脑电信号以250-1000Hz的频率采样，并在0.1至100Hz的范围内进行带通滤波；
所述脑电信号特征提取与分类模块，用于实现脑电成分中的α节律、β节律、θ节律和δ节律特征的提取，并根据各节律之间的功率比值进行分类，给出对应的脑电活动模式，以输出不同的视听觉反馈给受试者；脑电信号是一种随机性很强的非平稳信号，根据脑电信号的频率、振幅和生理特征分为四种基本节律：α节律频率为8-13Hz，振幅20～100μV，正常安静、清醒闭目时出现，睁开眼睛或接受其它刺激时，立即消失而呈现快波；β节律频率为14-30Hz，振幅5～20μV，睁眼视物，或突然听到音响，或思考问题时出现此波，通常认为β波是大脑皮层兴奋的表现；θ节律的频率为4-7Hz，振幅100～150μV，在困倦、缺氧或深度麻醉时出现；δ节律频率为0.5-3Hz，振幅20～200μV，成人睡眠时出现，清醒时无此波，在深度麻醉或缺氧时亦出现；目前公认的分析方法普遍都是建立在假设脑电图是准平稳信号的基础上，即：认为它能够分为若干段，每一段的过程平稳，将实时脑电信号以i秒分段，i＝1，2，…5，利用FFT对每一段提取脑电特征成份，同时计算三个参数α/β、θ/β、δ/β，即α、θ、δ节律与β节律的功率比值，由于信号的功率与其电压的平方成正比，因此特征参数分别为：设定比较阈值，单个特征参数大于阈值时，表示大脑的一种活动模式，单个特征参数小于阈值时，表示大脑的第二种活动模式，阈值的设定需要根据受试者在平静放松状态下的特征参数值进行设定，根据阈值对脑电活动模式进行分类，并将这些脑电信号处理后的信息以视觉或听觉的形式反馈给受试者，促使受试者有意识地控制自身的思维状态；
所述基于虚拟现实技术的反馈模块，采用Microsoft Visual C++软件结合开源三维图像引擎OpenSceneGraph编写程序，设计沉浸式交互式良好的用户交互界面，同时调用特征提取、分类的算法程序对在线实验段的数据结果实时输出三维的反馈结果，在线实验段的反馈将以各类三维游戏形式呈现给受试者。
2.根据权利要求1所述的基于眼电开关的脑电生物反馈***，其特征在于：在基于虚拟现实技术的反馈模块中，采用的三维游戏形式有根据脑电活动模式的特征参数与阈值之间的差设定游戏界面中控件的运动方向与运动速度，或者采用水平反馈条的扩展来体现当前受试者的脑电活动模式，反馈水平条会根据受试者的脑电活动模式选择扩展或保持静止，每隔一段时间更新一次。
3.根据权利要求1所述的基于眼电开关的脑电生物反馈***，其特征在于：采用脑电信号采集模块进行信号采集时，先让受试者就坐于刺激端偏振显示器前，与显示器的距离为80-100cm，显示器高度调至平视水平，给受试者佩戴电极帽，用平口针筒将电极膏注入电极帽嵌入式电极，电极膏注入完毕，给受试者佩戴耳机进行信号采集；实验数据采集包含2段实验：标准训练实验段与在线反馈实验段，标准训练实验段包含30个trial，其数据用于计算受试者在平静放松状态下的特征参数参考值，即阈值；在线反馈实验段包含2段实验，每段实验包含30个trial，一共60个trial；在线实验段的数据用于实时分类并输出生物反馈。
CN201910333590.2A 2019-04-24 2019-04-24 基于眼电开关的脑电生物反馈*** Pending CN110037696A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910333590.2A CN110037696A (zh) 2019-04-24 2019-04-24 基于眼电开关的脑电生物反馈***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910333590.2A CN110037696A (zh) 2019-04-24 2019-04-24 基于眼电开关的脑电生物反馈***

Publications (1)

Publication Number Publication Date
CN110037696A true CN110037696A (zh) 2019-07-23

Family

ID=67279089

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910333590.2A Pending CN110037696A (zh) 2019-04-24 2019-04-24 基于眼电开关的脑电生物反馈***

Country Status (1)

Country Link
CN (1) CN110037696A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427536A (zh) * 2019-08-12 2019-11-08 深圳忆海原识科技有限公司 一种类脑决策与运动控制***
CN112904893A (zh) * 2021-01-19 2021-06-04 华南理工大学 一种基于便携式眼电采集装置的无人机控制***
CN112987918A (zh) * 2021-02-06 2021-06-18 杭州职业技术学院 Vr移动平台数据处理方法和装置
CN113128398A (zh) * 2021-04-19 2021-07-16 华南师范大学 一种基于眼电信号的远程拍照***
CN113377212A (zh) * 2021-08-16 2021-09-10 南京中谷芯信息科技有限公司 基于脑电检测的眼动跟踪ar界面导航***及方法
CN113499087A (zh) * 2021-06-08 2021-10-15 宁波大学 一种基于itd模态参数识别的脑电信号特征提取方法
CN116671900A (zh) * 2023-05-17 2023-09-01 安徽理工大学 一种基于脑波仪的眨眼识别与控制方法
CN117357351A (zh) * 2023-12-05 2024-01-09 华南脑控(广东)智能科技有限公司 一种电动病床和家电的多模态智能控制方法及装置
CN117860544A (zh) * 2024-01-18 2024-04-12 华南理工大学 一种基于多模态虚拟现实交互的智能按摩***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1060940A (zh) * 1990-07-24 1992-05-06 生物控制***有限公司 眼睛操纵的控制器
CN102799274A (zh) * 2012-07-17 2012-11-28 华南理工大学 基于稳态视觉诱发电位的异步脑开关方法
CN106708273A (zh) * 2017-02-21 2017-05-24 华南理工大学 一种基于eog的开关装置及开关键实现方法
CN107037883A (zh) * 2017-04-13 2017-08-11 安徽大学 一种基于运动想象的混合脑机接口***及方法
CN109171770A (zh) * 2018-07-23 2019-01-11 广州贝方医疗设备有限公司 一种用于注意力训练的脑-机接口***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1060940A (zh) * 1990-07-24 1992-05-06 生物控制***有限公司 眼睛操纵的控制器
CN102799274A (zh) * 2012-07-17 2012-11-28 华南理工大学 基于稳态视觉诱发电位的异步脑开关方法
CN106708273A (zh) * 2017-02-21 2017-05-24 华南理工大学 一种基于eog的开关装置及开关键实现方法
CN107037883A (zh) * 2017-04-13 2017-08-11 安徽大学 一种基于运动想象的混合脑机接口***及方法
CN109171770A (zh) * 2018-07-23 2019-01-11 广州贝方医疗设备有限公司 一种用于注意力训练的脑-机接口***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
戴体俊等: "《麻醉学基础》", 30 April 2013, 第二军医大学出版社 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427536A (zh) * 2019-08-12 2019-11-08 深圳忆海原识科技有限公司 一种类脑决策与运动控制***
CN112904893A (zh) * 2021-01-19 2021-06-04 华南理工大学 一种基于便携式眼电采集装置的无人机控制***
CN112987918A (zh) * 2021-02-06 2021-06-18 杭州职业技术学院 Vr移动平台数据处理方法和装置
CN113128398A (zh) * 2021-04-19 2021-07-16 华南师范大学 一种基于眼电信号的远程拍照***
CN113128398B (zh) * 2021-04-19 2023-07-07 华南师范大学 一种基于眼电信号的远程拍照***
CN113499087A (zh) * 2021-06-08 2021-10-15 宁波大学 一种基于itd模态参数识别的脑电信号特征提取方法
CN113499087B (zh) * 2021-06-08 2023-06-06 宁波大学 一种基于itd模态参数识别的脑电信号特征提取方法
CN113377212A (zh) * 2021-08-16 2021-09-10 南京中谷芯信息科技有限公司 基于脑电检测的眼动跟踪ar界面导航***及方法
CN116671900A (zh) * 2023-05-17 2023-09-01 安徽理工大学 一种基于脑波仪的眨眼识别与控制方法
CN116671900B (zh) * 2023-05-17 2024-03-19 安徽理工大学 一种基于脑波仪的眨眼识别与控制方法
CN117357351A (zh) * 2023-12-05 2024-01-09 华南脑控(广东)智能科技有限公司 一种电动病床和家电的多模态智能控制方法及装置
CN117860544A (zh) * 2024-01-18 2024-04-12 华南理工大学 一种基于多模态虚拟现实交互的智能按摩***

Similar Documents

Publication Publication Date Title
CN110037696A (zh) 基于眼电开关的脑电生物反馈***
CN109224242B (zh) 基于vr交互的心理放松***及方法
Hazrati et al. An online EEG-based brain–computer interface for controlling hand grasp using an adaptive probabilistic neural network
EP3102094B1 (en) System and method for determining timing of sensory stimulation delivered to a subject during a sleep session
CN109645994B (zh) 一种基于脑-机接口***辅助评估视觉定位的方法
EP3493737A1 (en) In-ear sensing systems and methods for biological signal monitoring
CN109893093A (zh) 一种隐式注视脑机接口的意识状态检测***
CN105833411A (zh) 一种新型智能助眠和自然唤醒的方法及装置
US11543879B2 (en) System for communicating sensory information with an interactive system and methods thereof
CN110251801A (zh) 一种眼罩反馈式微电流刺激睡眠辅助***
CN108335728A (zh) 一种用于意识障碍患者的唤名促醒***
CN113576496B (zh) 视觉追踪的脑机接口检测***
Pun et al. Brain-computer interaction research at the Computer Vision and Multimedia Laboratory, University of Geneva
Hinkle et al. Physiological measurement for emotion recognition in virtual reality
CN111481799A (zh) 一种脑电波闭环控制设备
Kawala-Janik Efficiency evaluation of external environments control using bio-signals
KR102231979B1 (ko) 사용자의 집중도를 판단하는 방법 및 이를 위한 웨어러블 디바이스
Smith Electroencephalograph based brain computer interfaces
CN108491792B (zh) 基于眼电信号的办公场景人机交互行为识别方法
Schwarz et al. Combining frequency and time-domain EEG features for classification of self-paced reach-and-grasp actions
Choi et al. An eog/eeg-based hybrid brain-computer interface for chess
Uma et al. A feasibility study for developing an emotional control system through brain computer interface
Molina Direct brain-computer communication through scalp recorded EEG signals
CN116098619A (zh) 一种基于高频听觉稳态响应的抑郁症自动检测***
CN109147951A (zh) 一种大脑警觉度的监测报警方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190723