高海娟，韓金玉

（天津中德應(yīng)用技術(shù)大學(xué)，天津 300350）

一種基于聽(tīng)覺(jué)誘發(fā)電位的腦機(jī)接口實(shí)驗(yàn)研究

高海娟，韓金玉

（天津中德應(yīng)用技術(shù)大學(xué)，天津 300350）

腦機(jī)接口技術(shù)對(duì)腦電信號(hào)進(jìn)行提取分析，將特定的腦電信號(hào)傳遞給外部設(shè)備執(zhí)行某種功能，使大腦不用再借助于肢體去實(shí)現(xiàn)相應(yīng)需求?；诳臻g選擇注意的聽(tīng)覺(jué)BCI范式，通過(guò)相干平均和相關(guān)性分析對(duì)聽(tīng)覺(jué)誘發(fā)電位進(jìn)行特征提取，用支持向量機(jī)（SVM）進(jìn)行目標(biāo)識(shí)別，取得了很好的分類(lèi)效果。

腦機(jī)接口；聽(tīng)覺(jué)誘發(fā)；相關(guān)性分析；支持向量機(jī)

隨著現(xiàn)代科技和醫(yī)療水平的進(jìn)步，如何讓肢體功能受損傷的殘障人士提高生活質(zhì)量、幫助其回歸社會(huì)，成為醫(yī)學(xué)領(lǐng)域的一大熱點(diǎn)問(wèn)題。BCI技術(shù)為該問(wèn)題提供了一種良好的解決方案。許多處于嚴(yán)重閉鎖狀態(tài)的病患，不僅喪失了四肢活動(dòng)能力，視覺(jué)能力也受到了一定程度的影響。對(duì)于這類(lèi)人群，以視覺(jué)作為刺激的BCI技術(shù)效果欠佳。但是，絕大多數(shù)閉鎖綜合征患者的聽(tīng)覺(jué)能力并未受到影響，采用基于聽(tīng)覺(jué)刺激的BCI能有效的搭建起患者與外部世界溝通的橋梁。BCI技術(shù)的研究最初采用運(yùn)動(dòng)想象、皮層慢電位、穩(wěn)態(tài)視覺(jué)誘發(fā)電位等，后來(lái)聽(tīng)覺(jué)刺激也被慢慢引入BCI的研究中。德國(guó)研究人員開(kāi)發(fā)了分別以聽(tīng)覺(jué)和視覺(jué)刺激作為反饋的BCI系統(tǒng)［1］，視覺(jué)范式下的平均正確率為67%，而聽(tīng)覺(jué)范式下僅為59%。隨著技術(shù)的不斷發(fā)展，一些研究人員研制了基于經(jīng)典P300范式的聽(tīng)覺(jué)BCI系統(tǒng)。如Furdea設(shè)計(jì)的聽(tīng)覺(jué)P300 的BCI打字機(jī)［2］，平均正確率為65%。國(guó)內(nèi)對(duì)聽(tīng)覺(jué)BCI技術(shù)的研究起步較晚。清華大學(xué)研究人員在基于聽(tīng)覺(jué)范式的BCI研究中加入選擇注意，實(shí)驗(yàn)中的靶刺激聲音能夠誘發(fā)出明顯的腦電信號(hào)［3］。目前聽(tīng)覺(jué)BCI技術(shù)的發(fā)展還處于起步階段，分類(lèi)正確率和信息傳輸率低的問(wèn)題，阻礙了聽(tīng)覺(jué)BCI技術(shù)向?qū)嶋H應(yīng)用的邁進(jìn)。為了提高基于聽(tīng)覺(jué)范式的BCI技術(shù)的實(shí)用性，需要設(shè)計(jì)簡(jiǎn)單高效的實(shí)驗(yàn)范式。本文設(shè)計(jì)了基于選擇注意的聽(tīng)覺(jué)BCI范式，通過(guò)相干平均和相關(guān)性分析對(duì)聽(tīng)覺(jué)誘發(fā)電位進(jìn)行特征提取，用支持向量機(jī)（support vector machine，SVM）進(jìn)行目標(biāo)識(shí)別，取得了很好的分類(lèi)效果。

一、實(shí)驗(yàn)方法

1.被試及信號(hào)采集

以6名健康在校大學(xué)生（其中4名男生2名女生，年齡在22～26歲）作為被試。實(shí)驗(yàn)前進(jìn)行適當(dāng)訓(xùn)練，明確實(shí)驗(yàn)任務(wù)。實(shí)驗(yàn)采用Mipower-U腦電放大器及32導(dǎo)Quik-cap電極帽，按照國(guó)際10～20電極導(dǎo)聯(lián)系統(tǒng)，對(duì)12個(gè)電極位置（Fz、Cz、Pz、Oz、F3、F4、T7、T8、P3、P4、O1、O2）的腦電信號(hào)進(jìn)行記錄，參考電極置于耳后雙側(cè)乳突處。實(shí)驗(yàn)期間被試保持舒服姿勢(shì)坐在椅子上并戴上耳機(jī)，刺激期間被試者盯著屏幕中央的固定塊，并且盡量克制吞咽口水、眨眼、眼球移動(dòng)等動(dòng)作。

2.實(shí)驗(yàn)設(shè)計(jì)

本文設(shè)計(jì)了兩個(gè)單聲道的聲音序列，在左右耳同時(shí)播放。左耳聲音序列中的一個(gè)聲音周期由100 Hz純音（3次）和火車(chē)?guó)Q笛聲（1次）組成；右耳聲音序列由100 Hz純音（3次）、豎琴聲（1次）組成。每個(gè)聲音片段均持續(xù)150ms，聲音強(qiáng)度80dB，聲音片段間隔300ms，所有聲音片段隨機(jī)出現(xiàn)。20個(gè)聲音周期構(gòu)成一個(gè)聲音刺激序列。進(jìn)行4組實(shí)驗(yàn)，把火車(chē)?guó)Q笛聲和豎琴聲輪流作為靶刺激進(jìn)行關(guān)注。聽(tīng)到靶刺激后默念計(jì)數(shù)，但不要引起肌肉運(yùn)動(dòng)。

3.數(shù)據(jù)處理

首先對(duì)腦電信號(hào)進(jìn)行預(yù)處理，以達(dá)到去除干擾和分段的目的。由于聽(tīng)覺(jué)誘發(fā)電位主要是20Hz以下的低頻信號(hào)，故本文對(duì)原始EEG數(shù)據(jù)首先進(jìn)行20 Hz低通濾波。然后以每個(gè)靶刺激出現(xiàn)時(shí)刻為零點(diǎn)，截取-100～700ms時(shí)間段內(nèi)的腦電信號(hào)作為分析對(duì)象，并以刺激出現(xiàn)前信號(hào)狀態(tài)為基準(zhǔn)進(jìn)行基線校正。

首先對(duì)所有靶刺激及非靶刺激對(duì)應(yīng)的800ms腦電信號(hào)數(shù)據(jù)段分別進(jìn)行疊加平均，以此來(lái)消除噪聲，提取特征信號(hào)。實(shí)驗(yàn)中每位被試者均選取了12個(gè)電極位置進(jìn)行測(cè)量，特征信號(hào)最明顯的電極位置作為特征電極，筆者采用特征可分性判據(jù)r2分析來(lái)確定特征電極的所在位置［4］。r2求取表達(dá)式如下：

公式中x1是靶刺激特征向量，x2是非靶刺激特征向量，Ex1和Ex2分別為x1和x2的均值，分別為x1和x2的標(biāo)準(zhǔn)差。r2值的大小能夠反映特征成分對(duì)分類(lèi)正確率的貢獻(xiàn)，其數(shù)值越大貢獻(xiàn)程度越高。r2的取值范圍處于0～1之間，r2為0時(shí)表示該特征是無(wú)效的，r2為1時(shí)則代表該特征向量和任務(wù)種類(lèi)完全對(duì)應(yīng)。筆者采用基于徑向基核函數(shù)的SVM分類(lèi)器進(jìn)行二分類(lèi)。為了進(jìn)一步縮小數(shù)據(jù)量，對(duì)提取的特征信號(hào)進(jìn)行50 Hz重采樣。對(duì)重采樣后的數(shù)據(jù)進(jìn)行交叉驗(yàn)證，從而得到數(shù)據(jù)分類(lèi)的正確率。

二、結(jié)果及分析

1.特征提取

將6名被試者每一導(dǎo)腦電信號(hào)中目標(biāo)刺激響應(yīng)和非目標(biāo)刺激響應(yīng)分別進(jìn)行疊加平均，波形如圖1所示。在靶刺激波形中，100～200 ms及300～500 ms間分別出現(xiàn)了明顯的負(fù)波N200和正波P300，而在非靶刺激波形中則沒(méi)有出現(xiàn)。

對(duì)每次刺激出現(xiàn)以后各個(gè)電極上的腦電信號(hào)進(jìn)行r2分析，以求取該電極上特定刺激時(shí)刻的r2特征向量。將所有刺激出現(xiàn)時(shí)r2特征向量平均，得到該電極上的平均r2結(jié)果，取平均r2最大的電極位置為特征電極。由于特征成分N200及P300的作用，在r2波形圖中出現(xiàn)了兩個(gè)較為明顯的波峰，兩個(gè)波峰依次出現(xiàn)在0～300 ms和300～600 ms的時(shí)間范圍內(nèi)。為縮小數(shù)據(jù)范圍，進(jìn)一步提取兩個(gè)特征信號(hào)的時(shí)間窗，分別把以上兩個(gè)波峰值的60%設(shè)為閾值，高于閾值點(diǎn)的特征時(shí)間窗內(nèi)對(duì)應(yīng)的腦電數(shù)據(jù)可作為反映N200和P300信號(hào)的特征值。圖2為在一位被試的特征電極上提取其特征時(shí)間窗的示意圖。采用以上分析方法對(duì)所有被試進(jìn)行分析，得到每位被試的特征電極及特征時(shí)間窗。

圖1　所有被試所有電極位置疊加平均波形圖

圖2　某位被試的特征時(shí)間窗提取圖

2.分類(lèi)結(jié)果

在以往的BCI技術(shù)研究中，事件相關(guān)電位中的P300信號(hào)是得到最多關(guān)注的特征信號(hào)。筆者通過(guò)疊加平均分析，在誘發(fā)電位中除了經(jīng)典特征信號(hào)P300以外，還出現(xiàn)了N200成分。嘗試將兩個(gè)特征成分相結(jié)合參與對(duì)靶刺激和非靶刺激的分類(lèi)預(yù)測(cè)。通過(guò)采用特征可分性判據(jù)的分析方法，確定了每位被試的特征電極并確定了特征電極上N200及P300成分所對(duì)應(yīng)的時(shí)間窗口。采用SVM對(duì)N200和P300相結(jié)合的特征成分（記為N200/P300）進(jìn)行二分類(lèi)預(yù)測(cè)，并將該結(jié)果與單獨(dú)對(duì)P300進(jìn)行分類(lèi)的結(jié)果進(jìn)行比較，結(jié)果如表2所示。通過(guò)對(duì)比發(fā)現(xiàn)，以N200/ P300作為特征的分類(lèi)正確率要略高于僅采用P300作為特征向量的分類(lèi)正確率。基于以上結(jié)果，可以說(shuō)明本文設(shè)計(jì)的聽(tīng)覺(jué)實(shí)驗(yàn)誘發(fā)的N200以及P300兩個(gè)特征成分可以用于作為特征信號(hào)參與特征分類(lèi)，離線分析的分類(lèi)正確率能夠達(dá)到80%以上。

表1　r2分析方法確定特征電極和特征時(shí)間窗結(jié)果表

表2　特征成分N200/P300與P300分類(lèi)正確率對(duì)比表

［1］Hinterberger T，Hill J，Birbaumer N.An auditory brain-computer communication device.proceedings of the IEEE International Workshop on Biomedical Circuits&Systems，Singapore F，2004 S3/6-15-18.

［2］Furdea A，Halder S，Krusienski D J.An auditory oddball（P300）spelling system for rain-computer interfaces.Psychophysiology，2009，46（3）：617-625

［3］Guo Jing，Gao Shangkai，Hong Bo.An Auditory Brain-Computer Interface Using Active Mental Response［J］.IEEE Transactions on Neural Systems and Rehabilitation Engineering，2010，18：230-235.

［4］張岐龍，單甘霖，段修生，等.基于特征空間中類(lèi)別可分性判據(jù)的特征選擇［J］.火力與指揮控制，2010，35（6）：118-120.

編輯鄭晶

A Brain-computer Interface Based on Auditory Evoked Potential

GAO Hai-juan，HAN Jin-yu
（Tianjin Sino-German University of Applied Sciences，Tianjin 300350，China）

The Brain-computer interface extracts and discusses electroencephalogram signals and conveys specific signals of brain activities to external devices，which makes people implement the corresponding requirements instead using their bodies.An auditory BCI based on spatial selective attention is proposed，coherent average and relevance analysis are used to extract features from auditory evoked potential and support vector machine（SVM）is used to assess the target classification accuracy which contribute to the good classification results.

Brain-computer Interface（BCI）；Auditory evoked potential；Relevance analysis；support vector machine（SVM）

TP

A

2095-8528（2016）04-035-03

2016-03-17

高海娟（1986），女，河北承德人，碩士，研究方向?yàn)樾盘?hào)處理、電磁場(chǎng)。