陳學(xué)強(qiáng) 謝云 劉家卓

?

穩(wěn)態(tài)視覺誘發(fā)電位的疲勞特性分析*

陳學(xué)強(qiáng) 謝云 劉家卓

（廣東工業(yè)大學(xué)自動(dòng)化學(xué)院）

穩(wěn)態(tài)視覺誘發(fā)電位；腦電功率譜；疲勞特性

0　引言

腦機(jī)接口技術(shù)在大腦和外部設(shè)備之間建立起一條連接通路，通過腦電信號直接控制外部設(shè)備[1]。在非侵入式腦機(jī)接口系統(tǒng)中，穩(wěn)態(tài)視覺誘發(fā)電位（steady-state visual evoked potentials，SSVEP）以高信號傳輸率、少測量電極以及無需訓(xùn)練等特點(diǎn)，引起研究人員的廣泛關(guān)注。在基于SSVEP的腦機(jī)接口系統(tǒng)中，使用者長期盯著閃爍源，會出現(xiàn)眼睛酸澀、大腦疼痛、注意力下降等癥狀。這些癥狀影響SSVEP的信號質(zhì)量，進(jìn)而降低腦機(jī)接口系統(tǒng)的性能[2]，因此，評價(jià)由SSVEP引發(fā)的視覺疲勞十分重要。

以往評價(jià)疲勞的實(shí)驗(yàn)一般通過問卷的方式記錄被試者的疲勞程度，這種方式依賴于被試者的主觀感受，容易出現(xiàn)被試者隱瞞主觀感受的現(xiàn)象，無法準(zhǔn)確地對疲勞進(jìn)行評價(jià)。近年來，腦電信號被廣泛應(yīng)用于檢測疲勞的實(shí)驗(yàn)中，成為較為可信和準(zhǔn)確的疲勞判斷標(biāo)準(zhǔn)。Teng C等對單通道的腦電數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)腦電信號頻譜與視覺疲勞息息相關(guān)[3]。Dimitra Makri等人分析了由不同視覺刺激器產(chǎn)生的SSVEP的疲勞特性，發(fā)現(xiàn)隨著疲勞的增加，主觀疲勞評價(jià)和SSVEP的幅值都有顯著性變化[4]。吳紹斌等通過分析特定頻帶的腦電信號和P80指標(biāo)表征疲勞駕駛腦電特性[5]。本文基于多通道的EEG功率譜分析，引進(jìn)典型相關(guān)分析方法提取SSVEP的頻率特征，通過比較不同階段的腦電指標(biāo)變化，以及各腦電指標(biāo)與SSVEP信噪比之間的相關(guān)系數(shù)，尋找評價(jià)SSVEP疲勞特性的有效性指標(biāo)。

1　實(shí)驗(yàn)方案

1.1　實(shí)驗(yàn)流程

實(shí)驗(yàn)刺激器設(shè)計(jì)成4個(gè)棋盤格的小方塊，位于屏幕的上下左右4個(gè)方位，如圖1所示。每個(gè)格子隨機(jī)閃爍，刺激頻率分別為9 Hz，10 Hz，11 Hz，12 Hz。

圖1　在線實(shí)驗(yàn)

實(shí)驗(yàn)流程如圖2所示。實(shí)驗(yàn)開始前，被試者坐在離屏幕50 cm的地方，注視屏幕中心的注視點(diǎn)，保持舒適的坐姿。實(shí)驗(yàn)開始時(shí)，先對被試者進(jìn)行主觀疲勞程度評測。主觀疲勞評測的調(diào)查問卷由14個(gè)問題組成，其中有8個(gè)精神疲勞的問題和6個(gè)視覺疲勞的問題。實(shí)驗(yàn)有4個(gè)階段，每個(gè)階段中不同閃爍頻率隨機(jī)出現(xiàn)3次，每次刺激要求被試者注視閃爍源30 s。在實(shí)驗(yàn)結(jié)束后，再次評測被試者的主觀疲勞程度。

圖2　實(shí)驗(yàn)流程圖

選取10名被試者參加實(shí)驗(yàn)（2女，8男），年齡在22~26歲之間。被試者身體健康，都有正?；虺C正正常的視力。腦電采集設(shè)備使用neuracle32導(dǎo)腦電放大器，電極放在O1，O2，Pz 3個(gè)位置，如圖3所示。

圖3　電極安放圖

1.2　腦電信號的處理

對采集的腦電信號進(jìn)行預(yù)處理，采用1 Hz~50 Hz的帶通濾波器，得到低頻段的腦電信號，借助獨(dú)立成分分析，去除眼電和肌電等偽跡干擾。

為進(jìn)一步確定視覺疲勞與所選指標(biāo)之間的關(guān)系，引進(jìn)了皮爾遜相關(guān)系數(shù)，分析比較10名被試者的各腦電指標(biāo)與SSVEP信噪比之間的相關(guān)性。通過綜合分析，確定一組能夠評價(jià)SSVEP疲勞特性的指標(biāo)。

2　實(shí)驗(yàn)結(jié)果及數(shù)據(jù)分析

2.1　SSVEP信噪比分析

SSVEP信噪比是評價(jià)基于SSVEP的腦機(jī)接口系統(tǒng)的一項(xiàng)指標(biāo)[9]，它可以評測被試者能否誘發(fā)產(chǎn)生足夠強(qiáng)的腦電信號。根據(jù)文獻(xiàn)[10]SSVEP信噪比定義為

其中，為閃爍頻率；()為閃爍頻率的SSVEP經(jīng)過Fourier變換得到的幅值；為采樣點(diǎn)；的值從1至/2。

實(shí)驗(yàn)前后10名被試者的主觀疲勞程度平均評測結(jié)果如圖4所示。實(shí)驗(yàn)后的評測疲勞程度平均分?jǐn)?shù)明顯比實(shí)驗(yàn)前高（顯著性<0.005）；SSVEP平均信噪比在疲勞狀態(tài)時(shí)明顯降低（顯著性<0.005），說明疲勞狀態(tài)對SSVEP的信號質(zhì)量產(chǎn)生了影響。

圖4　被試者主觀疲勞評價(jià)分?jǐn)?shù)與SSVEP信噪比變化

2.2　疲勞指標(biāo)分析

10名被試者在清醒和疲勞狀態(tài)下所有腦電指標(biāo)的變化情況如圖5所示。

圖5 清醒與疲勞狀態(tài)下腦電指標(biāo)變化情況

表1　EEG指標(biāo)與SSVEP信噪比的相關(guān)性分析

*<0.005時(shí)顯著

2.3　支持向量機(jī)分類

采用支持向量機(jī)對所選指標(biāo)進(jìn)行分類。選取每個(gè)被試者清醒和疲勞階段的240個(gè)腦電片段作為樣本，分別以篩選的3個(gè)指標(biāo)及其組合為特征，隨機(jī)把樣本分量的7/10作為訓(xùn)練樣本，3/10作為驗(yàn)證樣本，利用支持向量機(jī)，以10次交叉驗(yàn)證正確率的平均值作為每個(gè)被試的正確率結(jié)果，最后取10個(gè)被試正確率的平均值作為最終表示3個(gè)腦電指標(biāo)及其組合指標(biāo)的分類結(jié)果。EEG指標(biāo)及其組合指標(biāo)的分類結(jié)果如表2所示。

表2　EEG指標(biāo)及其組合指標(biāo)的分類結(jié)果

3　結(jié)語

筆者下一步將根據(jù)疲勞腦電特性優(yōu)化刺激器機(jī)制，達(dá)到提高基于SSVEP腦機(jī)接口穩(wěn)定性和改善人機(jī)交互的友好性目的。

[1] 程明,高小榕.基于腦電信號的腦-計(jì)算機(jī)接口:2003年康復(fù)醫(yī)學(xué)發(fā)展論壇暨慶祝中國康復(fù)醫(yī)學(xué)會成立20周年學(xué)術(shù)大會論文集[C].北京:中國康復(fù)醫(yī)學(xué)會,2003:113-118.

[2] Pinheiro CG, Naves EL, Pino P, et al. Alternative communication systems for people with severe motor disabilities: a survey[J]. BioMedical Engineering OnLine, 2011,10(1):31.

[3] Teng Cao, Feng Wan, Chi Man Wong, et al. Objective evaluation of fatigue by EEG spectral analysis in steady-state visual evoked potential-based brain-computer interfaces[J]. BioMedical Engineering OnLine, 2014,13(1):13-28.

[4] Makri Dimitra, Farmaki Christina, Sakkalis Vangelis. Visual fatigue effects on steady state visual evoked potential-based brain computer interfaces[J]. International IEEE /EMBS Conference on Neural Engineering, 2015:70-73.

[5] 吳紹斌,高利,王劉安.基于腦電信號的駕駛疲勞檢測研究[J].北京理工大學(xué)學(xué)報(bào),2009,29(12):1072-1075.

[6] Benjamin Blankertz, Claudia Sannelli, Sebastian Halder, et al. Neurophysiological predictor of SMR-based BCI performance[J]. NeuroImage, 2010, 51(4):1303-1309.

[7] 王磊,吳曉娟,俞夢孫.駕駛疲勞/磕睡檢測方法的研究進(jìn)展[J].生物醫(yī)學(xué)工程學(xué)雜志,2007,24(1):245-248.

[8] Robert Becker, Petra Ritter, Arno Villringer. Influence of ongoing alpha rhythm on the visual evoked potential[J]. NeuroImage, 2007, 39(2):707-716.

[9] Shyu KK, Lee PL, Liu YJ, et al. Dual-frequency steady-state visual evoked potential for brain computer interface[J]. Neuroscience Letters,2010, 483(1):28–31.

[10] Wang Yijun, Wang Ruiping, Gao Xiaorong, et al. A practical VEP-based brain-computer interface[J]. IEEE Transactions on Neural Systems & Rehabilitation Engineering, 2006, 14(2):234-239.

Fatigue Characteristic Analysis in Steady-State Visual Evoked Potential

Chen Xueqiang Xie Yun Liu Jiazhuo

(School of Automation, Guangdong University of Technology)

In the steady state visual evoked potential (SSVEP) based BCIs, the user's visual fatigue is caused by a long period of stimulation, which affects the signal quality of SSVEP and restricts the application of BCI system. In order to measure and evaluate visual fatigue, we proposed a method based on electroencephalography(EEG) power spectrum analysis. The experimental results show that in the fatigue state, the quality of the SSVEP signal is affected; the signal-noise ratio(SNR) is significantly decreased; and the amplitude of the EEG index alpha, theta and (alpha+theta)/beta are significantly increased. There is a significant negative correlation between the SNR and SSVEP. The support vector machine classification(SVM) results show that they have good separability, and can be used as an index to evaluate the fatigue characteristics of SSVEP.

Steady-State Visual Evoked Potentials; EEG Spectrum; Fatigue Characteristics

陳學(xué)強(qiáng)，男，1992年生，碩士研究生，主要研究方向：腦機(jī)接口技術(shù)、信號處理。E-mail: 569503960@qq.com

謝云，女，1960年生，教授，博士研究生，主要研究方向：IC集成、腦機(jī)接口技術(shù)、無線通信。

劉家卓，男，1995年生，碩士研究生，主要研究方向：圖像處理、腦機(jī)接口、信號處理。

廣東省自然科學(xué)基金資助項(xiàng)目（2016A030313706）