脑活动状态EEG信号解码方法及其应用

摘要

脑是自然界中最复杂的器官之一，是人体的中央控制器，控制和调节着人的情感、认知、感觉、行为等活动。了解和认识脑的结构、功能和活动表达可以揭开人类脑的秘密，为脑疾病的治疗提供坚实的基础。因此，该课题的研究具有重要的理论意义和应用价值。本论文将以脑电(Electroencephalogram，EEG)信号作为研究对象，探索在不同的脑思维状态下脑电的表达方式，揭示脑工作的机理。然后，根据这些脑工作的机理来发展识别算法，从而解码在不同的脑思维状态下的脑电表征。解码脑思维状态的一个重要应用是构建脑机接口系统。脑机接口系统可以使得人们直接通过自己的脑与外界世界进行沟通交流，而不需要通过传统的神经和肌肉输出通路。本论文从揭示脑在不同思维下的脑工作机理，到发展机器学习算法来识别分类脑思维状态，到构建脑机接口系统应用原型，对整个过程进行了系统化地研究。
　　 本文的主要贡献和创新点主要体现在以下方面:
　　 1.脑机接口(BrainComputerInterface，BCI)研究领域大部分论文集中于算法性能提高方面的研究，而相对忽视了受试者产生易分脑电模式的训练范式的研究。我们结合算法模型和受试者训练两方面，提出了双向自适应训练框架。在双向自适应训练框架中，在训练时受试者的自我调节因素被充分考虑进去，受试者可以根据神经反馈的信息来更好地完成被要求的想象任务。此两个过程交替进行，互相学习，以使得两者之间达到动态平衡。通过受试者的调节和BCI模型的更新学习来提高系统的稳定性。
　　 2.传统训练范式存在的问题是当受试者有时候想象的运动类型和提示给出的类型不一样时，用于标记数据的类型还是按照提示给出的类型标记。那么误标的数据会干扰模型的训练，将会降低模型的性能和有效性。为了尽量避免这个问题的出现，我们提出了一种主动训练范式。在主动训练范式中，在必要时受试者有机会去确认前面一个trial数据的标签。与传统的训练范式相比较，我们提出的范式使得受试者更加主动地参与到实验中。受试者不仅可以通过调节自己的脑活动来影响训练效果，而且也可以通过数据的标示来更主动地影响训练过程。
　　 3.为了探讨不同尺度下运动想象引起事件相关电位的异同，我们设计了食指（小尺度）和手臂（大尺度）的运动想象对比实验，检验不同尺度下的运动想象对性能的影响，分别从分类准确率和频谱能量两方面来衡量对比不同尺度下运动想象效果的优劣。本实验的目的是研究不同尺度下不同想象运动类型的性能差异，从而可以为运动想象模式的选择提供指导，为从事运动想象范式的研究人员在想象模式选择中提供经验参考。
　　 4.设计了一个延迟运动执行的实验范式用于研究在意图运动方向准备过程中脑活动的机理和动态变化过程。相对于意图运动方向来说，ERP(EventRelatedPotential)的幅值在PPC(PosteriorParietalCortex)区域呈现同侧正，对侧负的现象。在后期，α频带的能量呈现明显的同侧能量增强，对侧能量减弱的现象。另外，在后期我们在额叶中间和项叶中间区域观察到了与方向相关的脑活动（慢波）。ERP和频谱能量的分析结果显示在视觉运动转换和视觉空间注意这两个过程中PPC区域记录的EEG中包含了意图运动方向相关的互补的信息。因此，结合ERP特征和频谱能量特征可以提高意图运动方向的解码能力。
　　 5.根据不同领域的应用和不同的使用目的，我们设计开发了辅助轮椅控制系统、多人赛车系统、网页浏览系统和脑电数据可视化系统。辅助轮椅控制系统旨在帮助运动功能严重受限的患者实现自主地移动，而不需要借助于看护人员的帮助。多人赛车系统的目的是提供一种基于BCI技术的游戏控制原型，可以为游戏领域提供一种新的控制输入方式。网页浏览系统是为了实现大脑直接控制浏览网上的信息，构建脑与网络之间的交流通路。为了简单直观地呈现脑电数据中的本质信息，我们开发了脑电可视化系统。
　　 6.设计开发了运动功能康复训练平台，用于实际的康复训练当中。通过患者的想象运动来训练脑运动区域的神经元细胞和功能性电刺激设备等刺激外周神经和肌肉的感觉通路来闭环的训练运动传输通路，使得神经元细胞连接重组或代偿形成新的网络链接，恢复原来受损的运动功能，实现脑运动功能的重建与康复。
　　 总之，本论文研究了在特定任务下脑活动的动态过程，揭示了人脑在不同思维状态下的工作机理。设计了两种训练范式，提高了训练的性能和可靠性。此外，设计和开发了几个基于BCI技术的系统原型，开发了运动功能康复训练平台，用于患者的康复训练当中。该论文的工作揭示了脑在不同思维状态下的神经机理，开发了不同功能的BCI系统，将为脑研究和未来BCI技术的现实应用提供理论基础和技术原型。

目录

声明

摘要

主要符号对照表

第一章 绪论

1．1 研究课题的背景及其意义

1．2 大脑的结构与特点

1．3 脑电信号(EEG)的产生、特性与分类

1．3．1 EEG信号的产生机制

1．3．2 EEG信号的特性与分类

1．4 测量EEG信号电极的国际标准布局

1．5 脑-机(计算机、机器等)接口技术

1．6 本论文的研究内容以及在各章节中的安排

第二章 EEG信号的解码算法

2．1 EEG信号解码的流程

2．2 时-频掩膜法

2．3 条件随机场

2．4 支持向量机(SVM)

2．5 本章小结

第三章 训练范式与神经反馈

3．1 双向自适应训练

3．1．1 模型的学习训练

3．1．2 受试者的学习训练

3．1．3 系统模型和受试者相互学习训练

3．1．4 实验设置

3．1．5 实验结果比较与分析

3．1．6 双向自适应训练范式的优势

3．2 主动训练范式

3．2．1 主动训练范式流程

3．2．2 实验结果

3．2．3 按键反馈的作用

3．2．4 主动训练范式的使用范围和意义

3．3 神经反馈

3．4 本章小结

第四章 不同尺度运动想象和意图运动方向的解码与机理研究

4．1 不同尺度下的运动想象比较

4．1．1 实验的设置

4．1．2 实验的结果

4．1．3 结论

4．1．4 针对结论的直观解释

4．2 意图运动方向的解码与机理

4．2．1 实验设置

4．2．2 数据处理与分类

4．2．3 特征的组合和分类

4．2．4 数据的分析

4．2．5 意图运动方向的神经活动机理

4．2．6 意图运动方向研究对脑机接口的意义

4．3 本章小结

第五章 BCI应用系统原型设计与典型应用

5．1 辅助轮椅控制系统

5．1．1 系统框架

5．1．2 轮椅控制模块

5．1．3 轮椅控制用户界面

5．1．4 轮椅控制优化算法

5．1．5 测试结果

5．2 赛车系统

5．3 网页浏览系统

5．3．1 控制鼠标方法

5．3．2 IHTML的方法

5．4 在线脑电数据可视化系统

5．4．1 原始EEG信号显示

5．4．2 频谱能量可视化

5．4．3 脑电三维可视化

5．4．4 特征空间投影可视化

5．4．5 可视化系统的特点

5．5 系统间的协作

5．6 脑损伤运动功能康复训练平台

5．6．1 康复训练方法

5．6．2 虚拟康复训练环境

5．6．3 康复训练系统操作界面

5．6．4 训练场景和训练效果初步分析

5．7 本章小结

第六章 总结与展望

6．1 本论文主要工作及创新点

6．2 对未来研究的展望

参考文献

致谢

个人简历、在学期间的研究成果及发表的论文