ICA與小波去噪相結(jié)合提取聽覺誘發(fā)電位研究

廣東工業(yè)大學(xué)自動化學(xué)院 溫冰冰 譚程豪

ICA與小波去噪相結(jié)合提取聽覺誘發(fā)電位研究

廣東工業(yè)大學(xué)自動化學(xué)院 溫冰冰 譚程豪

聽覺誘發(fā)電位信號(BAEP)是一種人腦部微弱的電生理信號，能反映人體中樞神經(jīng)系統(tǒng)的相關(guān)情況，對神經(jīng)疾病診斷、康復(fù)工程等領(lǐng)域具有十分重要的意義，誘發(fā)電位的相關(guān)提取算法現(xiàn)己成為學(xué)術(shù)界研究熱點(diǎn)；本文提出一種基于獨(dú)立分量分析與小波去噪相結(jié)合方法，能夠有效提取強(qiáng)背景噪聲中微弱的腦干聽覺誘發(fā)電位信號，并使用基于小波閾值的濾噪方法將誘發(fā)電位誘殘留的一些高頻噪聲濾除，解決了傳統(tǒng)算法殘留高頻噪聲、疊加次數(shù)過多等缺點(diǎn)。文章成功地進(jìn)行了腦干聽力誘發(fā)電位(BAEP)的提取測試，獲得聽覺誘發(fā)電位特征波形，并與單獨(dú)使用獨(dú)立分量分析算法得到的波形進(jìn)行對比，結(jié)果表明本文算法能夠有效地提取聽覺誘發(fā)電位，無論波形還是相關(guān)系數(shù)指標(biāo)都更加精確，對誘發(fā)電位信號領(lǐng)域的相關(guān)研究具有一定的應(yīng)用價(jià)值。

獨(dú)立分量分析；小波去噪；閥值處理；聽覺誘發(fā)電位

1 引言

誘發(fā)電位信號(evoked potential ,EP)是指外界給予人體以適當(dāng)刺激,誘發(fā)人體腦部產(chǎn)生的電生理信號,目前已成為神經(jīng)疾病診斷和評價(jià)腦功能常使用的重要手段和工具,并廣泛應(yīng)用于人體神經(jīng)系統(tǒng)電生理活動檢測。誘發(fā)電位提取研究,對現(xiàn)代神經(jīng)學(xué)科、臨床神經(jīng)生理學(xué)、神經(jīng)系統(tǒng)康復(fù)治療等領(lǐng)域都具有重大意義。

目前臨床上使用最廣泛的誘發(fā)電位提取算法即平均疊加算法。其認(rèn)為背景噪聲是高斯分布,并通過施加數(shù)百次重復(fù)刺激,來提高性噪比。但平均疊加的缺陷在于,長時(shí)間重復(fù)刺激使人體感官神經(jīng)產(chǎn)生不耐受性,導(dǎo)致神經(jīng)疲勞,誘發(fā)波形發(fā)生變化,產(chǎn)生誤差。為實(shí)現(xiàn)快速提取,不受采集過程時(shí)變之影響,少次提取或單次提取誘發(fā)電位,已成為業(yè)界重要研究方向。隨著信號處理學(xué)科的發(fā)展,誘發(fā)電位的提取出現(xiàn)了各種各樣的方法。獨(dú)立分量分析ICA、希爾伯特-黃變換、小波變換、人工神經(jīng)網(wǎng)絡(luò)是比較常見的幾種方法。但都存在一定的局限性和缺點(diǎn)。ICA算法在臨床醫(yī)學(xué)上可以成功的進(jìn)行盲源分離,但由于不能徹底去除高頻噪聲,提取的信號會出現(xiàn)毛刺。小波變換對信噪比較高的信號有較好的去噪效果,但對信噪比低的信號去噪效果不好。本文就提出一種基于獨(dú)立分量分析(ICA)與小波去噪相結(jié)合的誘發(fā)電位單次提取算法研究,運(yùn)用于對聽覺誘發(fā)電位進(jìn)行提取,并對數(shù)據(jù)其進(jìn)行了仿真測試并且比較了單獨(dú)使用ICA算法和ICA算法與小波去噪算法相結(jié)合所的到的提取信號在波形、頻譜、和功率譜密度三方面進(jìn)行了比較分析。

2 腦干聽覺誘發(fā)電位信號概述

聽覺腦干誘發(fā)電位(BAEP),是指在給予聲音刺激后,在頭皮上可記錄到由耳蝸至腦干聽覺神經(jīng)通路電位變化?？捎糜诼樽砘杳詸z測、臨床檢查、判斷聽覺神經(jīng)網(wǎng)絡(luò)損傷、顱內(nèi)動脈瘤手術(shù)等。臨床上最常用的是評估患者從外耳到腦干聽通路的功能正常情況,受外界刺激后,約10ms內(nèi)顱骨皮膚表面會連續(xù)呈現(xiàn)6到7個(gè)正電位,這些點(diǎn)位按順序命名為I、II、III、IV、V、VI、VII,一般前五個(gè)波比較穩(wěn)定。

I波:蝸神經(jīng)。高強(qiáng)度刺激甚至交替的刺激方式才能分辨I波。反映了耳蝸到腦干耳蝸核電位。

II波:起源于蝸神經(jīng)核。與耳蝸核神經(jīng)元和聽神經(jīng)顱內(nèi)段電位相關(guān)。

III波:與內(nèi)上橄欖神經(jīng)核和內(nèi)上橄欖場電位相關(guān)。

IV波:屬于外側(cè)丘系。短聲刺激更容易產(chǎn)生IV波。

V波:下丘,可以可靠地反應(yīng)出雙耳交互功能的強(qiáng)弱并且有學(xué)者認(rèn)為V波與IV波有著共同的起源(腦橋)。

3 自適應(yīng)非線性盲源分離算法原理

3.1 lCA算法原理

上述分解過程中,本文認(rèn)為信源s的各個(gè)分量之間是相互獨(dú)立的,并且假定:

(1)源信號的分量個(gè)數(shù)m小于觀察信號分量個(gè)數(shù)n。也就是說,n個(gè)觀察信號最多能分解出m個(gè)源信號分量。

(2)源信號s的各個(gè)分量最多只能有一個(gè)高斯信號。這是因?yàn)楦咚剐盘柕木€性組合仍然是高斯信號,兩個(gè)以上的高斯信號的解混問題是病態(tài)的。

因?yàn)樵葱盘杝的各個(gè)分量之間是相互獨(dú)立的,又要求y近似于s,因而,解混求出的y的分量之間也必須是相互獨(dú)立的。采用ICA方法測量生理信號中獨(dú)立成份的過程可由圖1表示:

圖1 lCA方法測量生理信號過程分析

3.2 小波去噪算法

小波變換是將時(shí)域和頻域結(jié)合起來分析的方法,是在傅里葉變換的基礎(chǔ)上發(fā)展起來的。主要利用積分將信號按不同頻段、不同時(shí)段分解開,通過分析信號的性質(zhì)和噪聲的奇異性,將信號提取出來?；谛〔ㄈピ胨惴ㄖ饕蟹纸夂椭貥?gòu)法、軟閥值和硬閾值方法,而本文主要去除ICA處理之后殘留的高頻信號,所以采用處理高頻小波的閥值處理方法。

小波去噪算法的閥值處理方法主要是是對小波系數(shù)進(jìn)行門限處理即設(shè)置閥值,保留系數(shù)高于閾值的信號,置零系數(shù)比閾值低的信號,然后再利用新系數(shù)對信號進(jìn)行信號重構(gòu)。所以其關(guān)鍵在于對閥值的選取。

假設(shè)測量信號為:

本文采用的小波系數(shù)估算公式為:

其它加權(quán)因子為:

4 誘發(fā)電位提取測試

4.1 誘發(fā)電位提取概述

在聽覺誘發(fā)電位采集過程中,本文測試是在測試者頭部皮膚清潔(用來減小皮膚與電極之間的阻值,皮膚與電機(jī)之間阻值〈=2KΩ)后通過導(dǎo)電膏聯(lián)結(jié)導(dǎo)聯(lián),并將頭頂電極作為參考電極,兩耳電極作為活動電極通過耳機(jī)給測試者耳朵某側(cè)以80-90dBHL、10HZ聲音刺激(爆破聲、滴答聲、白噪聲)。電極放置圖如圖2所示:

圖2 聽覺誘發(fā)電位采集電極接法

對測試者進(jìn)行聽覺誘發(fā)電位采集,并將采集到的數(shù)據(jù)分別通過經(jīng)過MATLAB處理。

4.2 lCA與小波去噪算法結(jié)合和lCA算法提取信號比較

圖3是采集信號通過MATLAB分別經(jīng)過ICA算法和ICA與小波去噪相結(jié)合算法處理后的結(jié)果如圖3所示:

ICA算法處理過后雖可以清晰顯示PAEP波形,但是在潛伏期和波形的準(zhǔn)確度上還是不夠精確。并且由于信號中依然存在大量高頻噪聲未被濾除導(dǎo)致波形不夠光滑,所以需要對數(shù)據(jù)進(jìn)行小波濾噪去除高頻噪聲。

圖3 lCA與小波去噪相結(jié)合測試結(jié)果

由上圖可以看出與單獨(dú)使用ICA算法處理結(jié)果相比,經(jīng)過小波濾噪之后的圖像能更清晰的顯示出經(jīng)聽覺刺激后的5個(gè)波峰,并且出現(xiàn)的波形比較平滑,無論是潛伏期時(shí)間和峰值都與理想BAEP波形更加接近。

圖4（a）（b）兩種算法頻譜比較

圖5（c）（d）兩種算法功率譜密度比較

4.3 lCA與小波去噪結(jié)合與lCA算法提取BAEP頻譜功率譜密度比較

對于信號提取算法來講,頻譜與功率譜密度是兩個(gè)很重要的參數(shù),頻譜是頻率的分布曲線,反映出各個(gè)頻率的信號震蕩幅值和強(qiáng)度。功率譜密度是每單位頻率波攜帶的功率。這兩個(gè)參數(shù)可以判斷出濾波效果和濾波后的信號的準(zhǔn)確度,下圖是對兩種方法處理的結(jié)果進(jìn)行頻譜比較分析和功率譜密度比較分析如圖4所示:

由圖4中(a)、(b)兩圖可以看出兩種方法處理后的頻譜圖可以看出,只經(jīng)過ICA算法處理過后依然存在大量的高頻信號,經(jīng)過小波去噪處理后5000Hz以上的高頻信號基本被濾除。而由圖5(c)、(d)兩圖可以看出經(jīng)ICA算法處理后的數(shù)據(jù)在1HZ～3000HZ這個(gè)頻帶的功率譜密度保持在-75dB～-45dB之間,而再經(jīng)過小波去噪后,功率譜密度保持在-55dB～-25dB之間,說明小波濾噪之后去除了更多無效的的信號。由此可以提高所得信號的信噪比。

5 結(jié)論

本文運(yùn)用ICA與小波去噪相結(jié)合算法成功的提取了誘發(fā)腦電中腦干聽覺誘發(fā)電位(BAEP)。并通過對ICA算法和ICA與小波去噪相結(jié)合算法分別從從BAEP波形、頻譜、功率譜密度三方面進(jìn)行比較實(shí)驗(yàn)結(jié)果表明單獨(dú)用獨(dú)立分量分析算法(ICA算法)雖然能夠成功顯示出BAEP波形,過多高頻信號的存在使得波形狀不夠標(biāo)準(zhǔn),并且存在毛刺。但是通過ICA算法對誘發(fā)電位處理之后,再利用小波去噪去除高頻噪聲,得到的信號就更加光滑,并且與標(biāo)準(zhǔn)的BAEP波形更加接近由功率譜密度比較也可以看出,后者更好的保留了所需信號。為臨床醫(yī)學(xué)提取了更加準(zhǔn)確的聽覺誘發(fā)電位,也為聽覺神經(jīng)疾病的檢測和治療提供了更強(qiáng)的技術(shù)支持。也為其它誘發(fā)電位(視覺、體感)的提取提供了新的思路。

［1］王磊.腦干聽覺誘發(fā)電位和中腦形態(tài)對重型顱腦損傷昏迷患者預(yù)后評估的臨床研究［D］.南方醫(yī)科大學(xué),2012.

［2］Kidmose P,Looney D,Ungstrup M,et al.A Study of Evoked Potentials From Ear-EEG［J］.Biomedical Engineering,IEEE Transactions on,2013,60(10):2824-2830.

［3］Mahajan R,Morshed B I.Unsupervised Eye Blink Artifact Denoising of EEG Data with Modified Multiscale Sample Entropy,Kurtosis,and Wavelet-ICA［J］.Biomedical and Health Informatics,IEEE Journal of,2015,19(1):158-165.

［4］王永軒.基于小波分析的腦電誘發(fā)電位單導(dǎo)少次提?。跩］.中國生物醫(yī)學(xué)工程報(bào),2011.2.

［5］Casta X F,Eda-Villa N,James C J.Independent Component Analysis for Auditory Evoked Potentials and Cochlear Implant Artifact Estimation［J］.Biomedical Engineering,IEEE Transactions on,2011,58(2):348-354.

［6］陳靜.聽覺誘發(fā)電位提取技術(shù)進(jìn)展［J］.北京生物醫(yī)學(xué)工程,2013.6.

［7］師黎.基于虛擬通道ICA-WT大鼠視覺誘發(fā)電位少次提?。跩］.中國生物醫(yī)學(xué)工程報(bào),2010.

［8］崔麗英,劉明生.肌電圖與誘發(fā)電位［J］.中國現(xiàn)代神經(jīng)疾病雜志,2010.10.

溫冰冰（1990—），女，河南許昌人，碩士研究生，主要研究方向：醫(yī)療器械設(shè)備與嵌入式系統(tǒng)設(shè)計(jì)。