亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        放松狀態(tài)下α波的溯源分析

        2019-04-25 07:09:48王海霞尤文斌于在水鄧慧芳
        數(shù)據(jù)采集與處理 2019年2期
        關(guān)鍵詞:被試者電信號(hào)腦區(qū)

        王海霞 尤文斌 于在水 鄧慧芳

        (1.中北大學(xué)電子測(cè)試技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室,太原,030051;2.上海復(fù)旦微電子集團(tuán)股份有限公司,上海,200433)

        引 言

        α波影響著大腦的很多高級(jí)功能,有研究表明,人的社會(huì)創(chuàng)造性與α波息息相關(guān)[1],而在放松狀態(tài)下產(chǎn)生的α波可以增強(qiáng)人的記憶、加快收集資料的速度,促進(jìn)人更有效地完成任務(wù)[2]。因此,為了更好地了解有關(guān)認(rèn)知、創(chuàng)造等大腦活動(dòng)機(jī)制,α波的研究受到了廣泛關(guān)注[3-4]。馬小萌等分別計(jì)算抑郁癥組與對(duì)照組中26個(gè)腦區(qū)域的靜息態(tài)腦電α波在頻域的幅值平均值,并統(tǒng)計(jì)其與左右不對(duì)稱(chēng)性的相關(guān)性,指出α波的左右不對(duì)稱(chēng)性可能與抑制負(fù)性自我加工偏向的神經(jīng)活動(dòng)有關(guān)[5]。而在腦電信號(hào)(Electroence-phalogram,EEG)研究中,EEG信號(hào)是神經(jīng)元細(xì)胞集群放電活動(dòng)在頭皮的綜合反映,并不是腦內(nèi)神經(jīng)元集群產(chǎn)生信號(hào)的直接對(duì)應(yīng)[6],而了解神經(jīng)元集的活動(dòng)才能更好地了解大腦活動(dòng)。僅研究不同腦區(qū)的α波差異,缺乏對(duì)α波的溯源分析,所提供的信息對(duì)分析大腦神經(jīng)活動(dòng)不夠全面。文獻(xiàn)[7]用獨(dú)立成分分析(Independent component analysis,ICA)算法分解被試者的自發(fā)腦電信號(hào),并指出分解得到的腦電信號(hào)表現(xiàn)出了一種自然基礎(chǔ)。鑒于此,本文提出了α波獨(dú)立分量能量分析法,探討不同腦區(qū)的α波和各獨(dú)立分量的關(guān)系,將FastICA分解的獨(dú)立分量看作源信號(hào),以同一腦區(qū)在不同獨(dú)立分量中的α波功率分布比值作為衡量?jī)烧哧P(guān)系的尺度;并結(jié)合源定位算法對(duì)獨(dú)立分量進(jìn)行源定位,獲取大腦中源信號(hào)的位置信息,以此進(jìn)行α波的溯源分析,彌補(bǔ)了只分析α波腦區(qū)差異而造成的信息不足的缺陷。本文以放松狀態(tài)下產(chǎn)生的EEG信號(hào)為研究對(duì)象進(jìn)行分析,其分析結(jié)果可為放松狀態(tài)下α波產(chǎn)生的神經(jīng)活動(dòng)提供參考。

        1 腦電數(shù)據(jù)采集

        試驗(yàn)中選取6名被試者,均為男性,無(wú)疾病史,26周歲,右利手,腦電采集系統(tǒng)使用OPENBCI測(cè)試系統(tǒng),其測(cè)試電極為Ag/cl干電極,采樣頻率為250 Hz。圖1給出了國(guó)際標(biāo)準(zhǔn)導(dǎo)聯(lián)10-20系統(tǒng)導(dǎo)聯(lián)位置,放置的測(cè)試區(qū)域分別為:Fp1(左額極),F(xiàn)p2(右額極),C3(左中央),C4(右中央),T5(左后顳),T6(右后顳),O1(左枕區(qū))和O2(右枕區(qū)),A1,A2作為測(cè)試的參考電極分別放置于左耳、右耳部位。

        整個(gè)采集過(guò)程持續(xù)約7 min,測(cè)試過(guò)程中測(cè)試者應(yīng)盡量保持不動(dòng),以免帶來(lái)不必要的干擾。被試者在1~2 min使用手機(jī)進(jìn)行網(wǎng)頁(yè)的瀏覽,屬自由活動(dòng)時(shí)間;3~7 min放下手機(jī),進(jìn)入思緒漫游的放松狀態(tài)。選取每個(gè)被試者進(jìn)入思緒漫游狀態(tài)后的較好的EEG信號(hào)進(jìn)行分析,時(shí)間段為10 s。

        圖1 國(guó)際標(biāo)準(zhǔn)導(dǎo)聯(lián)10-20系統(tǒng)電極安放法Fig.1 International standard lead 10-20 system electrode placement method

        2 分析模型的建立及其原理

        試驗(yàn)共獲得放松狀態(tài)下的6組腦電數(shù)據(jù),為了使研究具有針對(duì)性,對(duì)α波的主要分布腦區(qū)進(jìn)行溯源分析,分為以下幾個(gè)步驟:

        (1)通過(guò)計(jì)算預(yù)處理后的EEG信號(hào)的α波功率,分析α波的主要活動(dòng)區(qū)域;

        (2)將FastICA分解獲得的獨(dú)立分量看作源信號(hào),進(jìn)行源定位分析,獲取源信號(hào)的的腦內(nèi)分布模型;

        (3)α波主要分布腦區(qū)的α波獨(dú)立分量能量分析,其核心是計(jì)算腦區(qū)從各獨(dú)立分量中映射α波的功率情況,以功率分布比值大小作為評(píng)估測(cè)試區(qū)域與獨(dú)立分量關(guān)系,并對(duì)結(jié)果進(jìn)行統(tǒng)計(jì)分析。

        2.1 FastICA算法原理

        對(duì)于觀測(cè)信號(hào)矢量,存在一個(gè)線性變換,使觀測(cè)信號(hào)在線性變換下的每個(gè)分量統(tǒng)計(jì)獨(dú)立最大化,其稱(chēng)之為ICA過(guò)程[8],其簡(jiǎn)化的模型為:若有M個(gè)源信號(hào)s1(t),s2(t),…,sM(t)在統(tǒng)計(jì)上相互獨(dú)立,則其線性組合產(chǎn)成N(M≤N)個(gè)隨機(jī)變量x1(t),x2(t),…,xN(t),第i個(gè)混合信號(hào)輸出為xi(t)=ai1s1(t)+ai2s2(t)+…+aiNsN(t)=As(t)其中,i=1,2,…,N,aij為混合系數(shù)[6]。從M維觀測(cè)信號(hào)中找到隱含的源信號(hào),可將其簡(jiǎn)化為線性問(wèn)題過(guò)程:Y(t)=WTX(t),WT為待確定的分離矩陣,這些變換后的向量y即所求獨(dú)立成分。

        作為一種ICA算法,F(xiàn)astICA算法基于非高斯最大化原理,以最大化負(fù)熵作為其目標(biāo)函數(shù),采用牛頓迭代算法對(duì)觀測(cè)變量的大量采樣點(diǎn)進(jìn)行批處理,收斂速度快,使用方便[8]。

        2.2 腦電信號(hào)預(yù)處理

        腦電信號(hào)是一種微弱復(fù)雜的生理信號(hào),而工頻、眼電以及心電等干擾信號(hào)幅值大,極易將有用的腦電信號(hào)淹沒(méi)[9-10]。為了分析放松狀態(tài)下產(chǎn)生α波的主要腦區(qū),需要對(duì)腦電信號(hào)進(jìn)行預(yù)處理后再對(duì)α波功率進(jìn)行統(tǒng)計(jì)。工頻干擾以及電磁干擾往往發(fā)生在較高的頻段,可以采用經(jīng)典濾波方法去除,而眼電偽跡采用傳統(tǒng)濾波的方法很難去除,因此,可使用FastICA算法去除。預(yù)處理模型如圖2所示。

        預(yù)處理的具體步驟如下:

        (1)輸入為實(shí)測(cè)八通道腦電信號(hào),利用50 Hz的陷波器進(jìn)去除工頻干擾信號(hào);

        (2)利用FastICA算法對(duì)步驟(1)得到的信號(hào)進(jìn)行分解,以獲得多個(gè)獨(dú)立成分,以及對(duì)應(yīng)的分解矩陣WT和混合矩陣A;

        (3)根據(jù)眼電偽跡的特點(diǎn),進(jìn)行辨識(shí);

        (4)將WT對(duì)應(yīng)的眼電偽跡分量置0,并與混合矩陣A相乘,重構(gòu)后得到去除工頻干擾以及眼電偽跡的信號(hào)。

        2.3 α波主要分布區(qū)域分析

        EEG信號(hào)經(jīng)過(guò)預(yù)處理后,對(duì)α波主要分布區(qū)域分析,具體步驟為:

        (1)對(duì)腦電信號(hào)進(jìn)行功率譜密度(Power spectral density,PSD)分析,計(jì)算經(jīng)過(guò)預(yù)處理后每個(gè)通道的EEG信號(hào)功率;

        (2)利用梯形積分法計(jì)算每組各通道的α波(8~12 Hz)功率,對(duì)6組數(shù)據(jù)的不同通道利用兩因素方差分析(Two-way analysis of variance,tow-way ANOVA)進(jìn)行檢驗(yàn)統(tǒng)計(jì),確定α波的主要分布腦區(qū)。

        2.4 獨(dú)立分量的源定位

        由FastICA分解所得的分量,其統(tǒng)計(jì)獨(dú)立性最大,將這些獨(dú)立分量看作獨(dú)立生物電信號(hào),為了直觀地分析大腦源信號(hào)活動(dòng)情況,對(duì)獨(dú)立分量進(jìn)行等價(jià)偶極子定位,得到腦內(nèi)源信號(hào)的分布模式。

        使用MATLAB環(huán)境下的EEGLAB14.1工具包中的DIPFIT插件進(jìn)行源定位,采用電流偶極子模型描述腦內(nèi)激勵(lì)源,頭模型使用Spherical Four-Shell(BESA)模型。DIPFIT插件可以對(duì)每個(gè)獨(dú)立分量進(jìn)行定位分析,采用相對(duì)誤差(Relative variance,RV)值來(lái)衡量擬合程度,RV越小表示頭皮電勢(shì)分布與偶極子源在頭皮上產(chǎn)生點(diǎn)位分布差別越小,擬合程度越好[11]。

        圖2 腦電信號(hào)預(yù)處理模型Fig.2 EEG signal preprocessing model

        2.5 α波獨(dú)立分量能量分析法

        此方法的核心思想是分析α波的分布腦區(qū)對(duì)不同源信號(hào)中α波功率的映射情況,以其映射功率比值的大小評(píng)估測(cè)試區(qū)域與不同獨(dú)立分量的關(guān)系。此方法結(jié)合獨(dú)立分量的源定位結(jié)果,可以更好地了解放松狀態(tài)下不同腦區(qū)的α波主要來(lái)自何源信號(hào)。具體步驟如下:

        (1)假設(shè)Anm為分解得到的獨(dú)立矩陣,n表示通道數(shù),m表示獨(dú)立分量數(shù),將矩陣A中第i行的j列保留原值,其余元素全部置0,記作Y'(i=1,…,n;j=1,…,m);

        (2)計(jì)算X'=AY'的值,其中A為混合矩陣;

        (3)計(jì)算X'中第i行的α波功率,即為第j個(gè)獨(dú)立分量在第i個(gè)通道中映射的α波功率;

        (4)將目標(biāo)通道在每個(gè)獨(dú)立分量中獲取的α波功率值(步驟(3)所得)相加作為總值,并計(jì)算不同獨(dú)立分量在總值中所占的比值;

        (5)對(duì)擬研究的不同腦區(qū)域的不同獨(dú)立分量映射的α波能量進(jìn)行兩因素重復(fù)方差分析,研究不同獨(dú)立分量和不同腦區(qū),以及兩者的交互作用對(duì)α波功率是否具有顯著影響。

        3 結(jié)果分析

        3.1 α波主要活動(dòng)區(qū)域分析結(jié)果

        以第1組EEG信號(hào)為例進(jìn)行分析,得到的獨(dú)立分量時(shí)域圖如圖3所示,可以看出分量1在約3.2 s處、分量6在約0.1 s和0.7 s處出現(xiàn)較大的幅值變化。根據(jù)眼電偽跡的特征,可判定為眼動(dòng)偽跡。

        通過(guò)預(yù)處理腦電信號(hào),計(jì)算每個(gè)通道的EEG信號(hào)的α波功率。6組預(yù)處理后被測(cè)腦區(qū)的α波功率如表1所示,可以看出,α波功率因腦區(qū)的不同而差異較大,但是一般的規(guī)律是左枕區(qū)及右枕區(qū)的α波功率較大,其次為右后顳和左后顳。

        對(duì)不同被試者的不同腦區(qū)進(jìn)行兩因素檢驗(yàn)統(tǒng)計(jì),結(jié)果發(fā)現(xiàn)因被試者不同,α波功率有顯著差異(F=2.79,df=5,p=0.031 8<0.05);腦區(qū)不同,對(duì)α波功率的影響差異顯著(F=58.66,df=7,p=0)。此外,左枕區(qū)與右枕區(qū)的α功率顯著大于右后顳、左后顳的α功率(p<0.05),右后顳的α波功率顯著大于左后顳,但左枕區(qū)與右枕區(qū)的α波功率無(wú)顯著差異(p=0.315 6>0.05),分析結(jié)果與α波的主要分布區(qū)域在枕區(qū)的論述一致。

        不同腦區(qū)的α波功率差異較大,這與大腦不同區(qū)域負(fù)責(zé)不同的功能有關(guān)。當(dāng)人體處于放松狀態(tài)時(shí),與運(yùn)動(dòng)相關(guān)的額葉區(qū)處于不活躍狀態(tài),而枕區(qū)的α波功率大,這可能與視覺(jué)信息的處理以及思維活動(dòng)等活躍有關(guān),而主要負(fù)責(zé)處理聽(tīng)覺(jué)信息的顳區(qū)較額葉來(lái)說(shuō)也比較活躍。

        圖3 第1組腦電獨(dú)立分量時(shí)域圖Fig.3 Time domain diagram of EEG independent components in the first group

        表1 各腦區(qū)α波功率統(tǒng)計(jì)表Tab.1 Channel average power statistics of the first group

        3.2 源定位分析結(jié)果

        對(duì)圖3中各獨(dú)立分量的源定位結(jié)果如圖4所示,其中括號(hào)中的百分比表示RV值。由圖4可知,分量1,6在前額眼睛附近,符合眼電偽跡的位置特點(diǎn)。分量7的波形具有α波的典型特點(diǎn),呈現(xiàn)梭形,并且具有明顯的調(diào)幅現(xiàn)象,進(jìn)行頻譜分析后,發(fā)現(xiàn)其頻段集中主要于11~12.5 Hz,源定位后其偶極子在右枕區(qū)附近(X=15,Y=-91,Z=6)。分量2的源定位在靠近縱裂的左枕區(qū)附近(X=-11,Y=-111,Z=22),其能量也集中于11~12.5 Hz頻段。

        圖4 第1組EEG各獨(dú)立分量的源定位結(jié)果Fig.4 Source positioning results for EEG independent components in the first group

        對(duì)其余5組的EEG信號(hào)分析時(shí),發(fā)現(xiàn)每組源定位結(jié)果均不相同,這可能說(shuō)明不同的被試者在放松狀態(tài)時(shí)的活動(dòng)神經(jīng)源有差別,但是在枕區(qū)附近均有以α波頻段為主的源信號(hào)出現(xiàn),其α波信號(hào)特征明顯。這說(shuō)明在放松狀態(tài)下,枕區(qū)附近區(qū)域分布有產(chǎn)生以α波為主要頻段的神經(jīng)源。

        3.3 α波獨(dú)立分量能量分析結(jié)果

        對(duì)左枕區(qū)、右枕區(qū)的EEG信號(hào)進(jìn)行α波的溯源分析。以第1組為例,分析結(jié)果表明,右枕區(qū)的α波功率的91.13%取決于獨(dú)立分量7;左枕區(qū)的α波功率的95.84%取決于獨(dú)立分量2。結(jié)合源定位分析結(jié)果,可以看出,右枕區(qū)與左枕區(qū)中的α波主要來(lái)自各自附近位置的獨(dú)立神經(jīng)源。

        對(duì)其余組進(jìn)行分析,均發(fā)現(xiàn)右枕區(qū)與左枕區(qū)的α波主要來(lái)自其附近位置的獨(dú)立神經(jīng)源,這兩個(gè)神經(jīng)源所產(chǎn)生的信號(hào)頻段大約集中在11~13 Hz,并且波形呈梭形,而其他神經(jīng)源信號(hào)的主要頻段集中于0.5~6 Hz,在10~13 Hz也占有小部分。

        為了分析左枕區(qū)與右枕區(qū)的α波與其附近位置神經(jīng)源的關(guān)系,采用兩因素重復(fù)方差分析法對(duì)這兩個(gè)源信號(hào)和兩個(gè)枕區(qū)的α波功率進(jìn)行統(tǒng)計(jì)分析。結(jié)果顯示,在顯著水平為0.05時(shí),左枕區(qū)和右枕區(qū)的不同、獨(dú)立分量的不同對(duì)α波功率并沒(méi)有顯著性影響(F=1.01,df=1,p=0.326;F=2.45,df=1,p=0.126 6),而兩者的交互作用具有顯著性差異(F=14.37,df=1,p=0.001 1),這表明左枕區(qū)和右枕區(qū)的α波功率受不同的神經(jīng)源影響。

        4 結(jié)束語(yǔ)

        通過(guò)6個(gè)26歲右利手的被試者在放松狀態(tài)下α波的主要分布區(qū)域進(jìn)行分析,結(jié)果發(fā)現(xiàn)其α波的主要分布區(qū)域位于左枕區(qū)和右枕區(qū),兩者之間無(wú)顯著差異,其次是右后顳和左后顳,右后顳的α波功率顯著大于左后顳。

        放松狀態(tài)下,對(duì)左枕區(qū)和右枕區(qū)的α波的溯源分析結(jié)果顯示,雖然6名被試者的左枕區(qū)與右枕區(qū)的α波功率無(wú)沒(méi)有顯著性差異,但是其α波主要來(lái)自于不同的神經(jīng)源,分別位于靠近左枕區(qū)的左腦和靠近右枕區(qū)的右腦位置,其具有明顯的α波信號(hào)特征,頻段主要集中在11~13 Hz。經(jīng)過(guò)兩因素重復(fù)方差檢驗(yàn),發(fā)現(xiàn)這兩個(gè)不同的神經(jīng)源影響了左枕區(qū)與右枕區(qū)的α波功率。

        本文所提出的α波獨(dú)立分量能量分析法,結(jié)合源定位算法所進(jìn)行的α波溯源分析,亦可對(duì)其他狀態(tài)下產(chǎn)生的α波進(jìn)行溯源、以及病灶分析定位等,并且建議分析時(shí)可適當(dāng)增加采集電極的個(gè)數(shù)。

        猜你喜歡
        被試者電信號(hào)腦區(qū)
        基于聯(lián)合聚類(lèi)分析的單通道腹部心電信號(hào)的胎心率提取
        腦自發(fā)性神經(jīng)振蕩低頻振幅表征腦功能網(wǎng)絡(luò)靜息態(tài)信息流
        德西效應(yīng)
        基于Code Composer Studio3.3完成對(duì)心電信號(hào)的去噪
        科技傳播(2019年24期)2019-06-15 09:29:28
        德西效應(yīng)
        基于隨機(jī)森林的航天器電信號(hào)多分類(lèi)識(shí)別方法
        兒童花生過(guò)敏治療取得突破
        說(shuō)謊更費(fèi)腦細(xì)胞
        為什么我們會(huì)忍不住發(fā)朋友圈?
        奧秘(2016年3期)2016-03-23 21:58:57
        七氟烷對(duì)幼鼠MAC的測(cè)定及不同腦區(qū)PARP-1的影響
        久久婷婷综合色丁香五月| 草草影院发布页| 亚洲精品无码高潮喷水a片软 | 亚洲日韩精品国产一区二区三区 | 日韩一区二区,亚洲一区二区视频 国产一区二区三区经典 | 女人大荫蒂毛茸茸视频| 男性一插就想射是因为啥| 国产成人av一区二区三| 色翁荡熄又大又硬又粗又动态图 | 亚洲av无码资源在线观看| 国产码欧美日韩高清综合一区| 日本办公室三级在线观看| 伊人久久大香线蕉av色婷婷色| 久久亚洲私人国产精品| 国产精品每日更新在线观看| 精品亚洲av一区二区| 国产精品美女久久久免费| 99精品免费久久久久久久久日本| 狠狠色狠狠色综合网老熟女| 一区二区三区高清视频在线| 四虎国产成人永久精品免费| 久久久久亚洲av无码专区体验 | 亚洲天堂一区二区精品| 美女露出自己的性感大胸一尤内衣| 精品少妇人妻av无码久久| 无码不卡免费一级毛片视频 | 品色堂永远的免费论坛| 国产99精品精品久久免费| 二区免费在线视频观看| 天天鲁在视频在线观看| 久久99国产伦精品免费| 日本美女性亚洲精品黄色| 亚洲午夜av久久久精品影院色戒| 亚洲av无码一区二区三区系列| 亚洲第一免费播放区| 91麻豆精品国产91久久麻豆| 我爱我色成人网| 无码精品一区二区三区超碰| 水蜜桃在线观看一区二区国产| 成人国成人国产suv| 国产96在线 | 亚洲|