吳 歡 印 想 官金安，2

（1.認(rèn)知科學(xué)國家民委重點實驗室 武漢 430074）（2.醫(yī)學(xué)信息分析及腫瘤診療湖北省重點實驗室 武漢 430074）

1 引言

注意力（Attention）是指人的心理活動指向和集中于某種事物的能力，其伴隨著人的感知覺、記憶、思維、想象等一系列的心理過程［1］。研究表明，有超過5%的兒童或者青少年存在注意力缺失或不集中的問題，然而目前并沒有很好的方法或手段去改善這種狀況。隨著認(rèn)知神經(jīng)學(xué)科、計算機(jī)技術(shù)的發(fā)展，不同領(lǐng)域的學(xué)者通過對大腦的研究，發(fā)現(xiàn)腦電波是一種獨特的生物電信號，它可以直接反映出大腦的內(nèi)部活動狀況以及人體的注意力精神狀態(tài)，因此，基于腦電的注意力的研究開始興起。Lutsyuk［2］等對29 名健康兒童進(jìn)行神經(jīng)反饋的自主注意和腦電圖的關(guān)聯(lián)研究時，結(jié)果發(fā)現(xiàn)θ/β的比值發(fā)生了明顯的變化；Rebsamen［3］等對受試者腦電信號的頻譜進(jìn)行加權(quán)頻率計算，并將結(jié)果作為刻畫其注意力水平高低的指標(biāo)；白學(xué)軍、楊海波等［4］通過對腦電信號進(jìn)行頻譜分析并提取β波成分，并對其進(jìn)行注意力反饋訓(xùn)練的實用化研究；徐魯強［5］，徐秋晶［6］，燕楠［7］等采用基于近似熵、模糊熵、樣本熵、多尺度熵等對注意力水平進(jìn)行研究，發(fā)現(xiàn)樣本熵在區(qū)分不同水平的注意力狀態(tài)時最為敏感。由此可知，對于注意力相關(guān)腦電的研究主要通過腦電信號的頻帶能量或非線性動力學(xué)特性進(jìn)行研究。本文通過設(shè)計三種注意力水平實驗范式，對比研究頻帶能量比和樣本熵對注意力指標(biāo)刻畫的優(yōu)劣。

2 實驗方案設(shè)計

本文設(shè)計了三種不同的實驗場景，目的是在不同的實驗場景下誘發(fā)出受試者不同程度的注意力水平，注意力水平從高到低依次為注意力場景1、注意力場景2、注意力場景3，具體設(shè)計如下。

注意力場景1：心算測試，受試者做快速的心算測試，時間為50s。為了讓受試者保持較高水平的注意力狀態(tài)，實驗選取4位數(shù)的加減法算術(shù)題。

注意力場景2：文本閱讀，受試者做自由的文本閱讀，時間為50s。為了讓受試者處于一般水平的注意力狀態(tài)，閱讀素材選擇人物傳記類的文章，所有受試者所用素材一致。

注意力場景3：靜息態(tài)，受試者平視面前的電腦屏幕，視距約為45cm，屏幕中央顯示一個綠色的“+”型符號，背景為黑色，要求受試者不做任何的主動思考，持續(xù)時間50s。

受試者需完成3 次實驗，每次實驗需分別完成注意力場景1、注意力場景2、非注意力場景下對應(yīng)的實驗任務(wù)，時間分別為50s，且每兩個實驗場景之間有10s的休息時間，休息時數(shù)據(jù)采集停止。

實驗選用9 名健康的研究生，年齡在23～26 歲之間。實驗所用的腦電采集設(shè)備采用中南民族大學(xué)認(rèn)知科學(xué)實驗室研發(fā)的八通道腦電采集儀［8］，采樣頻率為1000Hz，電極分布按照國際標(biāo)準(zhǔn)10-20系統(tǒng)放置，所涉及的電極包括：A2，P8，C3，F(xiàn)P1，F(xiàn)P2，O1，C4，PO4。

3 注意力特征的提取

3.1 頻帶能量

小波包變換［9］是依據(jù)小波變換理論發(fā)展而來，通過將頻帶進(jìn)行多層次的劃分，實現(xiàn)對信號低、高頻部分的分解。小波包變換的二尺度方程如下：

其中h0，h1是多分辨率分析中濾波器的系數(shù)，并且h0，h1是滿足h1(k)=(-1)1-kh0(1-k)關(guān)系的一對共軛正交濾波器。小波包分解采用二進(jìn)制方式對小波子空間進(jìn)行頻率細(xì)分，對于每一個分解深度為l，第r個節(jié)點的小波包分解系數(shù)滿足如下公式：

式（3）、（4）中l(wèi)，r∈Z，n=0，1，2…，2r-1 。經(jīng)過小波包l層分解之后的每個節(jié)點所對應(yīng)的頻帶范圍為，其中fs為原始信號的采樣頻率。

據(jù)相關(guān)文獻(xiàn)，db4 小波作為一種常見的小波基函數(shù)，其在腦電信號的檢測與分析方面有著大量的應(yīng)用［10］。本文選擇db4 小波基對腦電信號進(jìn)行七層分解，故每個節(jié)點的頻帶間隔為500/27=3.9Hz，分解之后各節(jié)點與所對應(yīng)的頻帶范圍如表1所示。

表1 節(jié)點與對應(yīng)頻帶范圍

由于小波包將能量不重疊的正交分解到相鄰頻帶上，因此是遵循能量守恒定律的。也就是說小波包分解后得到的系數(shù)的平方和可近似等于原信號在時域上的能量［11］，如式（5）所示。

式（5）中，j表示相應(yīng)頻帶，N表示原數(shù)據(jù)點數(shù)，ni表示小波包分解之后所得到的系數(shù)。根據(jù)式（5），很容易求得β波與θ波對應(yīng)的頻帶能量。

由于θ波主要存在于大腦的頂葉和額葉，β波在額區(qū)和中央?yún)^(qū)域，故本實驗選擇θ波、β波較活躍腦區(qū)對應(yīng)的四個通道FP1、FP2、C3、C4。由于腦電信號是一種非平穩(wěn)的隨機(jī)信號，為找到合適的時間窗口，本文分別設(shè)定窗口大小為2s，4s，6s，8s，并選取一名受試者，隨機(jī)截取各實驗場景下50s 的腦電數(shù)據(jù)，經(jīng)過滑動平均后FP1通道的能量特征值如圖1所示。由圖1可見：隨著滑動窗口的增大，三種注意力狀態(tài)下的區(qū)分度越發(fā)明顯，在8s 時效果最佳。假如設(shè)定更大的滑動窗口，也許三種狀態(tài)的區(qū)分度會更加明顯，但滑動窗口過大時，會削弱各狀態(tài)之間的差異性，同時為了注意力檢測的實時性，我們選擇8s。

圖1 FP1通道處滑動平均后能量特征值

依次對該受試者的FP2、C3、C4 通道分別進(jìn)行同樣的分析，通過對比發(fā)現(xiàn)在滑動窗口時間為8s時三種狀態(tài)下的區(qū)分度最明顯，且在FP1通道處的效果最好。

3.2 樣本熵

樣本熵［12］（Sample Entropy，SampEn）是由 Richman 等在Grassberger 的研究基礎(chǔ)之上提出的一種改進(jìn)的時間序列復(fù)雜度測試方法，且大腦混亂程度越高，樣本熵值越小。

假定一段時間序列為x（1），x（2），x（3），…，x（n），樣本熵算法的具體步驟如下［13］：

1）將序列按照時間順序構(gòu)成一組m維矢量：

公式中(i=1，2，…N-m+1)

2）定義矢量Xm(i)與矢量Xm(j)之間的距離為d[Xx(i)，Xx(j)]，則：

公式中i，j=1，2，…，N-m+1；i≠j

3）給 定 閾 值r(r＞0 )，對 于 每 一 個1 ≤i≤N-m+1，將d[X(i)，X(j)]＜r的數(shù)量(r)

xx與矢量總數(shù)N-m+1的比值定義為(r)，則：

4）Dm(r)為(r)相對所有i的平均值：

5）將維數(shù)變?yōu)閙+1，然后重復(fù)以上步驟1）～4），求得Dm+1(r)。

6）得到序列樣本熵的理論值：

在實際的工程應(yīng)用中，序列N的取值是有限的，不可能趨向于無窮，故對應(yīng)的序列樣本熵計算如下：

由樣本熵算法可知，其本質(zhì)上計算的是一個條件概率。據(jù)相關(guān)文獻(xiàn)［14］，并綜合算法所耗時間，本文選取m=2，r=0.1*δ，N=500，其中δ是原始數(shù)據(jù)的標(biāo)準(zhǔn)差。據(jù)調(diào)研，K-S（Kolmogorov-Smirnov）檢驗對于樣本沒有特殊的要求，是一種有效的，穩(wěn)定的非線性統(tǒng)計量［15］，且適用于小樣本。因此，為獲得差異性顯著的通道，本實驗對通道進(jìn)行K-S 檢驗，分別計算9 名受試者在心算測試、文本閱讀、靜息態(tài)下的SampEn，且分別將心算測試與文本閱讀、心算測試與靜息態(tài)、文本閱讀與靜息態(tài)進(jìn)行差異性分析，其結(jié)果分別記為P1，P2，P3，并隨機(jī)選取三名被試進(jìn)行疊加平均，其通道差異性結(jié)果如表2所示。

表2 各通道的顯著差異性

通道P8、FP1、PO4 的樣本熵值存在顯著差異性（p＜0.05），故為了獲取更為穩(wěn)定、可靠的表征注意力狀態(tài)的樣本熵特征，本實驗選擇將P8、FP1、PO4 三個通道SampEn 的平均值作為樣本熵特征對腦電信號進(jìn)行多級研究。

選取與3.1 節(jié)中相同的窗口滑動平均的方法，分別將滑動窗口的大小設(shè)置為2s、4s、6s、8s，挑選一名受試者，隨機(jī)選取50s 的腦電數(shù)據(jù)，其滑動平均之后的樣本熵結(jié)果如圖2 所示。由圖可見：隨著滑動窗口的增大，三種注意力狀態(tài)下的區(qū)分度越發(fā)明顯，在8s 時效果最佳。假如設(shè)定更大的滑動窗口，也許三種狀態(tài)的區(qū)分度會更加明顯，但滑動窗口過大時，會削弱各狀態(tài)之間的差異性，同時為了注意力檢測的實時性，我們選擇8s。

圖2 滑動平均之后的樣本熵

4 結(jié)果與分析

下文對9 名受試者的實驗數(shù)據(jù)分別從頻帶能量和樣本熵的角度進(jìn)行了分析。圖3 表示受試者在三種場景下的能量特征值，均采用8s 的滑動窗口對FP1 通道處各場景下150s 的腦電數(shù)據(jù)進(jìn)行滑動平均。而圖4 表示的是受試者在三種場景下的樣本熵值，實驗時選擇P8、FP1、PO4 三通道聯(lián)合，并采用8s的滑動窗口平均，分別計算9名受試者三種狀態(tài)下共150s 腦電數(shù)據(jù)的樣本熵。根據(jù)統(tǒng)計學(xué)原理，將各狀態(tài)的期望值作為該實驗狀態(tài)下的特征。

圖3 能量特征值圖

圖4 樣本熵

從圖3 可知，大部分的受試者隨著注意力水平的降低，能量特征值越小，而個別受試者在各狀態(tài)下的表現(xiàn)異常，其中s1、s3 的靜息態(tài)下的能量特征值遠(yuǎn)高于其他兩種狀態(tài)，可能這兩位受試者在靜息態(tài)時做了較強深度的自主思考，s4在各狀態(tài)下的能量特征值完全與理論相悖，這種現(xiàn)象后期有待進(jìn)一步研究，s9 靜息態(tài)的能量特征值最小，但在心算測試和文本閱讀時卻表現(xiàn)的不相上下，可能該受試者對于注意力的調(diào)節(jié)能力較強。綜上所訴，β波/θ波頻帶能量特征值對注意力水平狀態(tài)有一定的區(qū)分度，但區(qū)分度并不明顯，且只適用于部分受試者，存在較大的個體差異性。

而從圖4 中可以看出，大多數(shù)的受試者隨著注意力水平的降低，樣本熵越大，而受試者s1、s8在心算測試狀態(tài)下的樣本熵值高于文本閱讀狀態(tài)下的，可能這兩位受試者在心算測試狀態(tài)時發(fā)生了間斷性的分心、走神，受試者s2 在文本閱讀狀態(tài)下的樣本熵值高于靜息態(tài)下的，可能該受試者在靜息態(tài)時進(jìn)行了某一思考。單從注意力（心算測試或者文本閱讀）與非注意力狀態(tài)（靜息態(tài)）來說，9 名受試者隨著注意力水平的降低，樣本熵越大，與理論相符，但受試者s2 比較特殊，其文本閱讀的SampEn 高于靜息態(tài)，可能該受試者在文本閱讀狀態(tài)時發(fā)生了間斷性的分心、走神。但從整體而言，樣本熵雖然對于兩注意狀態(tài)之間的區(qū)分度并不是很高，但對于注意力和非注意力狀態(tài)具有較好的區(qū)分度，且擁有較高的一致性。

5 結(jié)語

本文通過頻帶能量和樣本熵對注意力進(jìn)行相關(guān)研究，發(fā)現(xiàn)頻帶能量和樣本熵在一定程度上都能表征注意力水平，但樣本熵對于注意力各狀態(tài)的區(qū)分度相對更高。由于本文僅從單一的腦電信號的角度對注意力進(jìn)行了相關(guān)分析，若能借助于安卓平臺的攝像優(yōu)勢，通過智能圖像算法對受試者視覺注意力進(jìn)行同步的檢測，并與腦電信號相結(jié)合，或許能更加全面地對注意力水平進(jìn)行評估。