基于脑电源定位方法的人体精神状态检测方法

摘要

基于脑电源定位方法的人体精神状态检测方法，先进行受试者的选择，后进行硬件连接和软件调试，再采用基于独立成分分析脑电信号特征提取方法进行滤波去噪、伪迹分离和提取脑电数据特征，并在MATLAB平台上画出所有分量的地形图；最后使用通过基于电偶极子理论、正逆演问题的分析以及研究头部模型的确定，得出电偶极子的源定位方法，以应用于脑电信号的源定位；最后对ESL的定位结果图进行比对分析，找出下分布在枕区的偶极子数目的分布规律，然后对ESL分析结果中定位到的枕区的偶极子数目进行统计分析，从而证明不同精神状态下枕区的偶极子的数量可以作为定量评估精神状态的指标，本发明具有无损、受试者舒适、源定位可靠，评估方法简单等优点。

主权项

基于脑电源定位方法的人体精神状态检测方法，其特征在于，包括以下步骤：步骤1，选择实验对象：受试者选择遵循年龄相似，工作情况相同，身体健康且无脑部疾病历史者；步骤2，电极导联位置及信号采集：硬件使用128位脑电信号采集系统，电极安放标准是依据临床神经生理学国际联合会的电极安放标准5/10系统，电极帽采集信号后经过两台64active box送至g.HIamp处理，最后送到计算机进行分析，存储和显示，g.HIamp的驱动程序是基于MATLAB数据采集工具包MATLAB API，g.HIamp的应用编程接口API是开源的；在受试者清醒时、轻度疲劳时、睡眠剥夺即重度疲劳时分别采集2组、2组和6组数据，三种实验情况互为对照；步骤3，对采集到的脑电信号进行预处理：脑电信号预处理先对采集信号进行滤波，滤波条件是8‑13Hz alpha频段滤波，然后再进行独立成分分析，即ICA技术，采用ICA技术对脑电信号进行处理，实现各种伪迹的分离和脑电信号的特征提取，ICA的运用过程描述如下：设X(t)＝[x₁(t),x₂(t),…,x_N(t)]^T是N维的观测信号，S(t)＝[s₁t),s₂(t),…,s_M(t)]^T是产生观测信号X(t)的M个相互统计独立的源信号，且观测信号X(t)是源信号S(t)经过一个未知的矩阵A线性混合产生，即X(t)＝AS(t)，在源信号S(t)与混合矩阵A是未知的情况下，仅利用源信号S(t)和观测信号X(t)统计上相互独立的假设，找寻一个完成线性变换分离的矩阵W，使得到的输出信号Y(t)＝W X(t)＝WAS(t)尽可能的逼近真实的源信号S(t)；步骤4，以步骤3处理后的脑电信号为基础进行信号源定位：将电偶极子的研究运用于脑电源定位分析，通过建立相应头部模型，运用数学方法实现脑电信号源的定位，内容分为以下3方面：1)确定外部电场和源电流之间的关系：将头部看作是一个电磁学系统，这样外部电磁场和脑内的电流源之间的关系用麦克斯韦方程组表示：$\left\{\begin{array}{c}▿·E=\rho /{ϵ}_0\\ ▿\times E=-\frac{\partial B}{\partial t}\\ ▿·B=0\\ ▿\times B={\mu }_0(J+{ϵ}_0\frac{\partial E}{\partial t})\end{array}\right.$式中：E为电场强度(V/m)，ε₀为电常数，μ₀为磁常数，B为电磁感应强度，J为自由电流密度(A/m²)，ρ为电荷密度(C/m³)；脑部近似看成是一个由无源、均匀、各项同性的导电体组成的线性介质，同时在实际应用中可以发现，脑电场中的时变因素可以忽略，对电磁问题简化得到准静态下的电磁问题，这样上式简化为：式中：是头皮电位，J＝J^p+σE为全电流密度，J^p为源电流密度，用电流偶极子来描述，σE为传导电流，也称返回电流或欧姆电流，在J^p≠0时，这是一个Poisson方程，在J^p＝0则是Laplacian方程，对于理想的无限大均质导体而言，Poisson方程的解为：$\phi (x,y,z)=\frac{1}{4\mathrm{\pi \sigma }}\underset{\Omega }{\int }\frac{-▿·J^p}{R}\mathrm{d\Omega }$式中：R为外部场点到场源点的距离，为对封闭的场源空间Ω的体积分，σ为导电率，这样，就确定了外部电场和源电流之间的关系，并由Poisson方程的解唯一确定；2)正、逆演问题在ESL研究中的应用：使用的正模型是边界元素模型，相应的逆演问题使用偶极子源模型，◆正演问题在数学上的表述为：式中：g是脑电源，q是线性映射矩阵，m是头皮电极的数目，根据线性叠加原理，当存在有多个脑电源时，头皮电位看成是这些脑电源各自电场在头皮某处的线性叠加，用以下方程表示：Y＝GJ+V式中：Y代表m个测量值，G表示增益矩阵，J表示n个脑电源，V表示测量的噪声，对于不同的头部模型，用相应的数值方法计算得到相应的增益矩阵，则解决了正演问题；◆逆演问题在数学上的表达：J＝TY式中：J表示脑电源，T是一个(3N)×M的矩阵，Y是头皮电位测量值，T被称为转换矩阵G的广义逆，G与T之间必须满足：GT＝H_M式中：H_M是一个M×M的平均参考算符，式GT＝H_M说明，由此估计得到的脑电源同样也必须满足相应的正演问题，H_M定义为：$H_M=I_M-\frac{1}{M}{1}_M{1}_M^T$式中：I_M表示M×M的单位矩阵，1_M表示元素全为1的M×1向量；3)偶极子源定位的实现：对于一个偶极子源，若只对其位置定位只需要三个参数，即x,y,z三坐标，若要进一步确定其指向和大小，则还需要方向和θ,和强度P，那么从原始数据出发，经过预处理得到各个独立成分对于每一个独立成分的电极电势图通过最小化成本方程定位一个偶极子，使用顺向下行单纯形搜索法，对于一个偶极子，需要确定六个自由度，即坐标(x,y,z)和该坐标处的偶极子强度(P_x,P_y,P_z)，因为这些电势图是偶极子时刻的线性函数，用Awada KA,Jackson DR,Williams JT的分析优化法来减少搜索空间，即对用于评价指定单纯形的每一个定位，先单独的计算单纯形坐标值，再通过解决一个3×3的系统来确定对于这一位置最优的偶极子强度和指向，成本函数的最小化只取决于偶极子的位置：$R(x,y,z)=\left|\right|{\phi }^i-{\bar{p}}_x{\hat{\phi }}_x-{\bar{p}}_y{\hat{\phi }}_y-{\bar{p}}_z{\hat{\phi }}_z\left|\right|$式中：R(x,y,z)为经优化后的成本函数，(x,y,z)是偶极子源的坐标值，φⁱ是独立成分i的电势图，偶极子方向强度，是对于一个特定源配置的正向模型计算结果，为得到R(x,y,z)的非线性最小化，应用多起点下行单纯形方法作为补充，已知在一个N维空间中，单纯形是由N+1维完全相关的向量组成的几何图形，所以在这里，寻找三维的坐标空间，则其单纯形就是一个有四个顶点的四面体，在单纯形即偶极子中，通过每一次从成本函数最高的地方移走一个点的方法，称为驱动法，通过该方法，获得三维函数的最小化，此时同时得到偶极子的坐标，完成对其定位；步骤5，脑电源定位基础上的精神状态分析以及结果的统计意义分析：对ESL的定位结果图进行比对分析，找出不同精神状态下分布在枕区的偶极子数目的分布规律，然后对ESL分析结果中定位到枕区的偶极子进行统计分析，如果其符合统计学意义上的显著性差异水平，则选择这一指标作为定量评估精神状态的指标。