摘 要：設計一款采用腦電波技術的測試系統(tǒng)，用于檢測年輕人在現(xiàn)代生活壓力下的心理狀態(tài)。通過佩戴神念科技（NeuroSky）出品的MindWave Mobile耳機，實時檢測佩戴者額葉腦波信號。利用傅里葉變換算法分析腦波能量值，并結合獨特的腦意識分類算法對其進行分析。通過能量值的特征提取和模型分析對比，結合十大情緒核心指標、eSense“專注度”指標和腦電波分析，檢測個體的心理健康情況。程序?qū)z測信號處理為具體指標，從而實現(xiàn)用戶心理健康檢測，并提供相關治療措施。該系統(tǒng)能夠較好地進行心理健康檢測與診療康復，具有廣闊的發(fā)展空間。

關鍵詞：腦波檢測；心理健康；信號去噪；分類算法；FISTA_tail；腦波分析

中圖分類號：TP391.8 文獻標識碼：A 文章編號：2095-1302（2025）02-00-03

0 引 言

隨著現(xiàn)代社會生活節(jié)奏的加快和各種競爭壓力的不斷增大，心理健康的檢測與診斷倍受關注。過去，由于患者對心理評估的回答主觀性較強，針對心理健康問題的準確診斷曾是一項艱巨的任務。然而，隨著腦電圖（EEG）技術的不斷發(fā)展，科學家們已經(jīng)開始將其應用于診斷多種神經(jīng)系統(tǒng)和心理疾病，包括抑郁癥等。這一進展為更精準地識別和理解各種心理疾病提供了新的工具和可能性。

在當前背景下，如何有效地將EEG技術應用于心理健康評估與治療成為一個重要議題。腦機接口（Brain-Computer Interface）憑借其天然的優(yōu)勢被視為解決心理健康問題的重要工具。

腦機接口即“腦機融合感知技術”，它無需經(jīng)過傳統(tǒng)的肌肉或神經(jīng)系統(tǒng)來建立人腦與外部設備之間的通信連接，便能使大腦與外部設備交互。人類大腦在不同的情緒狀態(tài)下腦電信號會產(chǎn)生有規(guī)律的變化。對這些信號進行機器學習、處理，并將其數(shù)字化，采用分類算法對數(shù)字信號進行分類，從而構建訓練模型，使人們能夠通過這些數(shù)字信號了解個體的不同心態(tài)與情緒。這為檢測個體心理是否健康提供了重要的途徑，成為醫(yī)學與人工智能交叉領域中的關鍵。

在醫(yī)學領域，盡管腦機接口的研究已經(jīng)取得了一些進展，但相關研究更側重于如何利用腦電信號來控制外部設備[1-4]，在情緒與心理健康檢測方面，尚未有深入的研究。盡管文獻[5]詳細描述了如何利用腦電信號進行情感識別，但目前仍未達到能夠全面檢測心理健康狀態(tài)的水平。因此，需要采用新的更簡便的方法，以更有效地識別個體的心理健康情況。

本文使用NeuroSky出品的可穿戴藍牙耳機腦電采集設備（NeuroSky Headset）[6]對佩戴者額葉腦波信號進行實時檢測，以獲取腦波數(shù)據(jù)。通過算法對采集的腦波數(shù)據(jù)進行處理，包括缺失片段的恢復[7]和降噪處理等，隨后與EEG中的十大情緒指標進行對比，從而獲取個體的心理健康狀況。該系統(tǒng)具備評估個體心理健康狀況的能力，滿足了當代青年在面對日常壓力和情緒波動時對心理健康檢測和自主診療的需求。

1 腦波檢測與分析處理

1.1 腦波的基礎理論

腦波，又被稱為“腦電波”，描繪了人腦內(nèi)因細胞活動引起的電位變化而通過儀器呈現(xiàn)出的波形。人腦由數(shù)以億計的神經(jīng)元組成，而腦電波則是這些神經(jīng)元相互作用時產(chǎn)生的電信號。腦波的生成不受人體當前活動或情緒狀態(tài)的限制，會持續(xù)不斷地產(chǎn)生。

人類主要的腦波波形可根據(jù)頻率從低至高分為5類，包括：δ波、θ波、α波、β波以及γ波[8]。這些波形的變化能夠反映一個人當前大腦的狀態(tài)，如緊張程度、注意力集中程度等?；谡也嬙斓哪X波波形如圖1所示。表1列出了腦波的種類、頻率以及特性。其中α波和β波是應用最廣泛的波形，通過波形阻斷分析可以得出眨眼產(chǎn)生的眨眼腦電波。腦電波的發(fā)現(xiàn)，為人類量化情緒、分析解決心理問題奠定了基礎。

1.2 腦波的檢測

腦機接口系統(tǒng)的輸入信號可分為3種形式：非侵入式、半侵入式和侵入式。實施侵入式和半侵入式的方式需要進行大腦手術，以植入電極或芯片。盡管這2種方法能夠獲取高質(zhì)量的大腦信號，并具有卓越的時間和空間分辨率，但伴隨有較高的手術風險和昂貴的費用。非侵入式腦機接口采用頭皮EEG，直接從大腦外部獲取信號。盡管這種采集方式存在一些限制，例如腦電信號的精度相對較低和存在較大的噪聲，但由于其相對安全和經(jīng)濟實惠，仍然是一種可行的方法。該方法通過監(jiān)測額葉上的電位變化來獲取原始的腦波數(shù)據(jù)，采集時將腦環(huán)佩戴在額頭并掛在雙耳上。腦環(huán)內(nèi)部配備有3個電極，其中2個電極分別位于測試者的雙耳處，第3個電極位于采集者的前額，以捕捉腦電信號的變化。

本文采用NeuroSky出品的MindWave Mobile耳機，其包括TGAM腦電圖采集模塊（用于腦電圖采集）、前額電極（作為參考點）、耳夾電極（用作接地電路）、藍牙傳輸模塊、藍牙接收模塊以及連接到該設備的計算機[9]，由MindWave移動耳機處理和輸出腦波譜、原始腦波、EEG信號質(zhì)量參數(shù)和2個NeuroSky參數(shù)：注意力值和冥想檢測值。該設備采用了一種干式傳感器，無需使用生理鹽水或凝膠便可確保傳感器與前額表面貼合，同時還能保證低噪聲獲取腦電圖信號。腦波檢測設備的佩戴方式如圖2所示。

1.3 腦波的分析處理

在正常情況下，人類腦波的頻率范圍[4]為2.8～45.9 Hz，因此本文只保留這個范圍內(nèi)的波動信號，將其作為主要提取對象。此外，針對設備異常導致部分信號片段丟失或者噪聲信號與目標信號一致，導致無法識別的情況，本文采用線性模型進行信號恢復，以提升信號獲取的準確性。

在信號重組過程中，本文采用的基本模型如式（1）所示：

y=Ax+e" " " " " " " " " " " " " " " " " " " " " （1）

式中：y為觀測信號；e為噪聲。本文的目標在于求解min（Ax-y），對于這個問題，本文采用尾部快速迭代軟閾值算法（FISTA_tail）[7]求解。

腦電信號通常很微弱，在采集時容易受到其他噪聲信號的干擾。雖然NeuroSky的MindWave Mobile耳機能有效減少噪聲干擾，但采集的信號中仍存在一些噪聲，因此在后續(xù)操作之前，本文首先需要對采集的信號進行去噪處理。

實現(xiàn)信號去噪的主要方法包括濾波去噪、小波變換和傅里葉變換等[10]。本文采用傅里葉變換，將腦電波信號從時域轉換到頻域，獲取腦電波信號的頻率、功率等參數(shù)。對于一個連續(xù)信號x（t），將其經(jīng)過傅里葉變換后得到的X（f）定義為：

（2）

式中：t表示時間；j表示虛數(shù)單位；f表示頻率。

在探索階段，本文通過使用耳機記錄了500多位測試者在整個心理咨詢過程中的腦電波。本文觀察到，當受試者處于抑郁狀態(tài)時，他們的“注意力”信號的腦電波呈現(xiàn)出一種特殊的m型。具體而言，在受試者接受抑郁癥心理咨詢干預時，本文首次觀察到了一個明顯的m型波形。值得注意的是，圖3中用白色圓圈圈出的這一波形在受試者表現(xiàn)出抑郁癥狀，如提到無助感或自殺念頭時，反復出現(xiàn)在“注意力”和“冥想”信號中。

因此，本文提出假設：當受試者處于抑郁狀態(tài)時，他們的“注意力”信號中將出現(xiàn)m型波形。基于這一現(xiàn)象，本文選擇采用基于腦電波對比的方法來識別抑郁狀態(tài)，并采用了詳細的標準來對m型波形進行分類[11]。

2 心理監(jiān)測系統(tǒng)

本文的系統(tǒng)運行流程基于公開的志愿者及組織機構提供的相關數(shù)據(jù)。首先，對收集到的數(shù)據(jù)按心理狀況進行細致分類，如將抑郁癥、焦慮癥等不同心理狀態(tài)的腦部數(shù)據(jù)分別歸類，并進一步根據(jù)其嚴重程度（如輕度、中度、重度）進行子分類。接下來，在數(shù)據(jù)處理階段，采用快速傅里葉變換（FFT），將腦波時域信號轉換為頻域信號，以便更準確地分析和構建特定腦波模式的圖像。此外，本文還運用了先進的區(qū)域FasterRCNN圖像識別技術，對腦波數(shù)據(jù)的圖像進行了深層次分析。通過這種方法，可以識別出特定心理狀況下的腦波特征，例如在抑郁癥患者中，某些特定的腦波形態(tài)（如m波形）可能更為明顯。系統(tǒng)將這些特征與現(xiàn)有數(shù)據(jù)庫進行對比分析，從而提高識別準確性。分析結果會依據(jù)與現(xiàn)有模式的相似度，確定最可能的心理狀態(tài)，并將這些新的發(fā)現(xiàn)反饋到數(shù)據(jù)庫中，實現(xiàn)數(shù)據(jù)的動態(tài)更新和優(yōu)化。此過程不僅增強了人們對不同心理狀態(tài)的識別能力，而且通過持續(xù)學習和適應，能夠不斷提升系統(tǒng)的判斷準確性。

心理監(jiān)測系統(tǒng)利用先進的腦波檢測技術和腦機接口系統(tǒng)，為腦波數(shù)據(jù)的提取和分析提供了必要條件。該系統(tǒng)的使用步驟分為：佩戴使用者腦環(huán)、APP監(jiān)測數(shù)據(jù)、生成指數(shù)、生成報告（含干預方案）。

當使用者佩戴好腦環(huán)后，腦環(huán)內(nèi)的傳感器便開始通過提前設置好的生物特征標準去感受被測量的信息，并將感受到的信息按所規(guī)定的規(guī)律變換為電信號或其他所需形式的信號進行輸出，以達到腦波信息傳輸、處理、存儲、記錄等要求。在信息被傳輸?shù)皆贫撕?，系統(tǒng)開始運行心境團隊所設計的腦波信息分析代碼，對獲取的數(shù)據(jù)進行分析，把數(shù)據(jù)按抑郁心理和身體焦慮、情緒管理能力、睡眠質(zhì)量、內(nèi)心修復能力、沉浸度、慧熵質(zhì)量、創(chuàng)新思維以及精神疲勞等進行歸類整理并反映到APP上，同時系統(tǒng)結合信息庫進行對比，對使用者的心理狀態(tài)進行分析并為干預方向和需要采取的措施提供參考，使其轉化為簡單易理解的語言展示在給用戶呈現(xiàn)的分析報告中。監(jiān)測系統(tǒng)運行流程如圖4所示。

3 結 語

本文介紹了一款基于腦電分析的系統(tǒng)，采用新型的信號對比方式來檢測個體心理健康狀況同時結合了NeuroSky穿戴設備對測得的腦波信號進行實驗分析。本文通過大量實驗發(fā)現(xiàn)，在抑郁情況下，“注意力”信號呈現(xiàn)出一種特殊的m型波形。因此本文采用特定算法對比處理腦電信號，以檢測是否存在這種獨特的m型波形，從而判斷個體是否處于抑郁狀態(tài)。系統(tǒng)為測試者提供檢測結果，并根據(jù)檢測結果提供相應的干預措施。該系統(tǒng)為解決個體的心理健康問題提供了一種先進且精準的檢測和干預手段，具有廣闊的應用前景。

參考文獻

[1] ABIRI R， BORHANI S， SELLERS E W， et al. A comprehensive review of EEG-based brain-computer interface paradigms [J]. Journal of neural engineering， 2019， 16（1）： 011001.

[2] CAO Z. A review of artificial intelligence for EEG-based brain- computer interfaces and applications [J]. Brain science advances， 2020， 6（3）： 162-170.

[3]孫浩，張然，戴巍.基于TGAM腦波傳感的互動冥想系統(tǒng)的設計與實現(xiàn)[J].數(shù)字通信世界，2022（11）：77-79.

[4]李瑛達，周海波，楊易青.腦波控制的智能醫(yī)療輪椅系統(tǒng)[J].物聯(lián)網(wǎng)技術，2019，9（5）：63-66.

[5]柳素紅.基于腦波信號的情感識別[D].合肥：合肥工業(yè)大學，2021.

[6] BHATTI A M， MAJID M， ANWAR S M， et al. Human emotion recognition and analysis in response to audio music using brain signals [J]. Computers in human behavior， 2016， 65： 267-275.

[7] ZHAO Q， LUO Y， MA C， et al. Sparse signal recovery via tail-FISTA [C]// 2022 34th Chinese Control and Decision Conference （CCDC）. Hefei， China： IEEE， 2022： 1410-1415.

[8] SEZER A， INEL Y， SECKIN A C， et al. An investigation of university students’attention levels in real classroom settings with NeuroSky’s MindWave Mobile （EEG） device [C]// International Educational Technology Conference. [S.l.]： [s.n.]， 2015： 88-101.

[9] ZHANG S， LI B， CHEN X， et al. Research on the method of evaluating psychological stress by EEG [C]// IOP Conference Series： Earth and Environmental Science. Bristol， England： IOP Publishing， 2019， 310（4）： 042033.

[10] FOURIER J B J. Théorie analytique de la chaleur [M]. Paris： Gauthier-Villars， 1888.

[11] LEI X， JI W， GUO J， et al. Research on the method of depression detection by single-channel electroencephalography sensor [J]. Frontiers in psychology， 2022， 13： 850159.

作者簡介：武家輝（2001—），男，研究方向為人工智能。

王 津（1999—），女，在讀碩士研究生，研究方向為運籌學與最優(yōu)化。

收稿日期：2023-10-17 修回日期：2024-01-04

基金項目：廣西民族大學國家級大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目（202310608031）