運動準備電位單次檢測技術(shù)研究

逯 鵬， 牛 新， 劉素杰， 胡玉霞， 胡航航(鄭州大學(xué) 電氣工程學(xué)院，河南 鄭州 450001)

0 引言

目前，提高BCI系統(tǒng)實時性的主要途徑是提高算法的效率[1].腦科學(xué)研究發(fā)現(xiàn)，大腦在自主運動前的1 500～2 000 ms已經(jīng)被激活[2],在大腦額葉皮層區(qū)和初級運動皮層區(qū)誘發(fā)電位，稱為運動準備電位(readiness potentials,RP)[3].RP由兩個部分組成：早期的RP于自主運動前1 500 ms誘發(fā)一個緩慢上升的負電位；晚期的RP于自主運動前400 ms誘發(fā)一個陡峭的斜坡電位，如圖1所示[4-5].RP波幅范圍是2～10 μF，信噪比低、幅值小、易受干擾.此外，提取RP的過程易受肌肉收縮力度、收縮速度等影響[6].

圖1 運動相關(guān)電位Fig.1 Motor relative potential

RP檢測技術(shù)主要有Lew等[7]采用運動前的腦電信號對自主右手腕擴展動作進行了預(yù)測，結(jié)果表明在運動起始前的0.62 s對動作的預(yù)測正確率平均達到(62.75±10)%；Xu等[8]采用MRCP以位置保留映射方法提取EEG，采用LDA分類器進行分類，獲得真陽性為(79±11)%的檢測率.

筆者針對RP單次特征提取困難的問題，基于EMG信號確定運動準備的有效時間段，基于有效時間段內(nèi)的腦地形圖序列，定位激活腦區(qū)并選取關(guān)聯(lián)通道，采用小波包變換與功率譜分析相融合的方法分析低頻(0.1～1.0 Hz)信號，以信號的能量、均值和方差為特征，并采用支持向量機進行運動單次RP檢測.

1 試驗與數(shù)據(jù)采集

提示信息采用聲音、圖片等會誘發(fā)相關(guān)的腦電信號，會對RP信號造成污染[9].本試驗設(shè)計一種受試者手腕自主運動的試驗范式，避免提示信息產(chǎn)生的噪聲污染.試驗范式流程如下：受試者坐于計算機屏幕前，兩手自然地垂放在椅子上，受試者注視計算機屏幕，開始提示音后，受試者手腕上下擺動5次，手腕自主擺動的時間間隔約為2 000 ms.2 min后，會有結(jié)束提示音，結(jié)束這一組試驗，如圖2所示.

圖2 實施范式流程圖Fig.2 Experimental flowchart

試驗采用Neuroscan SynAmps 64導(dǎo)聯(lián)腦電采集系統(tǒng)，10～20國際標準電極分布，采樣頻率設(shè)置為1 000 Hz，放大器的帶通濾波設(shè)置為0.01～100 Hz；試驗中，腦電采用單極記錄方式，將右側(cè)乳突(M2) 設(shè)置為參考電極，同時記錄水平眼電和垂直眼電,電極阻抗小于5 kΩ.

為了單次檢測RP，將信號分為兩部分：無運動意圖信號和有運動意圖信號，如圖3所示.把提示音前的1 000 ms作為0類；把運動開始前的1 000 ms作為1類，用于RP檢測.

圖3 用于訓(xùn)練分類器的數(shù)據(jù)段Fig.3 Selected EEG samples to build the training set of the movement intention intention classifier

2 方法

2.1 預(yù)處理

腦電信號中包含了大量的噪聲干擾和偽跡信號，其中RP易受眼電偽跡、肌電偽跡干擾.采用二階統(tǒng)計量和時序結(jié)構(gòu)特征法去除眼電偽跡、肌電偽跡，以降低其影響[10].

2.2 確定有效時間段

運動準備的有效時間段指的是運動起始前的1 000 ms,如何確定運動的起始時刻是技術(shù)難點.

對EMG信號采用高通濾波器(高通5 Hz，低通50 Hz，24 dB/octave)濾波，EMG信號在運動時刻的能量有大幅的增加，選取這一點作為運動的起始時刻.基于EMG信號的能量在運動起始時刻突增這一現(xiàn)象，對受試者分別做9組試驗，確定該受試者的最優(yōu)的閾值，達到閾值的這一時刻，作為運動的起始時刻.其中一個受試者的EMG信號圖形如圖4所示，紅色為最優(yōu)閾值.

圖4 閾值確定運動起始時刻Fig.4 Threshold determines the movement starting time

2.3 定位激活腦區(qū)并選取關(guān)鍵通道

大腦運動準備過程的大腦機理的研究尚不明確，導(dǎo)致與運動準備電位相關(guān)的通道也不能確定[11].

針對這一問題，我們采集了被試的全通道EEG，平均疊加EEG中的RP成分后，繪制出整個過程的腦地形圖，分析時序關(guān)系和各個時刻激活的相關(guān)區(qū)域.其中一個受試者的腦地形圖序列如圖5所示.

圖5 腦地形圖序列(低頻信號)Fig.5 The sequence of brain topographic maps(low frequency)

在圖5中，運動的起始時刻前1 000 ms為零時刻，從0 ms時刻到運動起始時刻950 ms繪制腦地形圖，每隔50 ms畫一幅.在0～100 ms期間，大腦處于靜息的狀態(tài)；在550～800 ms期間，內(nèi)側(cè)前額及額中央部觀察到ERP的差異，這些活動反映運動意圖的預(yù)測過程.

從腦地形圖序列分析發(fā)現(xiàn)C1、C2、C3、C4、C5、C6、CP1、CP2、CP3、CP4、CP5、CP6、FC1、FC2、FC3、FC4、FC5、FC6、P5、P3這20個通道在運動準備時，有較大的振幅.20個通道所在腦區(qū)是后頂葉和額葉皮質(zhì)區(qū)，該腦區(qū)與運動規(guī)劃和運動意圖關(guān)聯(lián)較大[12-13]，因此我們選擇此20個通道提取EEG信號.

2.4 確定敏感頻率點和頻率段

在運動準備過程的有效時間段內(nèi)，大腦的感覺運動皮層會出現(xiàn)EEG的節(jié)律性活動，包括低頻直流成分[14-15].基于小波包變換的性質(zhì)，采用多次迭代的小波轉(zhuǎn)換進一步分析輸入EEG的低頻直流成分(0.1～1 Hz).

首先對采樣頻率為1 000 Hz，運動準備相關(guān)的20個通道，運動開始時刻前的EEG數(shù)據(jù)采用小波包進行12層分解，將0.1～1 Hz頻率段EEG劃分為7個頻率段，如表1所示.

表1 頻帶范圍Tab.1 The frequency range

根據(jù)7個頻率段分量，對每一個通道均進行疊加平均，繪制各頻段的功率譜，其中主要通道的功率譜圖如圖6所示.橫坐標表示時間，縱坐標表示表中的序號，運動的起始時刻為1 000 ms.在序號2所對應(yīng)的0.24～0.36 Hz頻率段，運動起始前的1 000 ms的能量比其他時間段的能量高，認為此為運動準備過程的有效特征.

圖6 0.1～1 Hz功率譜圖Fig.6 0.1～1 Hz power spectrum

圖7 不同受試者的相關(guān)通道功率譜圖Fig.7 The power spectrum of Correlation channel of different subjects

2.5 通道優(yōu)化

采用2.3節(jié)中選取的20個通道采取EEG數(shù)據(jù)，提取0.24～0.36 Hz頻率分量作進一步分析，繪制了其中6名受試者能量隨時間變化的規(guī)律.如圖7所示，橫坐標表示時間，縱坐標表示通道，運動的起始時刻為1 000 ms.不同的被試者之間與運動準備相關(guān)的通道有差異，但是都包含在選擇的20個通道中.因此，選擇20個通道的數(shù)據(jù)進行特征提取.

2.6 特征提取

基于2.2、2.3、2.4、2.5節(jié)中對于RP時域、頻域特性分析結(jié)果，提出針對RP單次特征提取算法.

(1)對EMG信號進行處理，確定運動的起始時刻.

(2)輸入已選擇的20個通道，運動的起始時刻前1 000 ms的 EEG數(shù)據(jù)X(i).

(3)去除EEG的基線，采用二階統(tǒng)計量和時序結(jié)構(gòu)特征法去除眼電偽跡、肌電偽跡.

(4)選取‘db4′小波包基函數(shù)將EEG數(shù)據(jù)X(i)進行12層分解.

(5)重構(gòu)低頻0.24～0.36 Hz頻率分量S12,3，其中S12,3是小波重構(gòu)第12層第3節(jié)頻率分量.

(6)計算S12,3對應(yīng)的能量Ew，均值Mw和方差Vw.

(7)對每個通道重復(fù)4～6步驟，獲得60維特征向量.

3 結(jié)果分析

3.1 訓(xùn)練模型

SVM 的核參數(shù)直接關(guān)系到分類器識別正確率的高低.經(jīng)驗值和試算方法確定核參數(shù)的計算效率低，且難以找到最優(yōu)解[16].筆者采用網(wǎng)格搜索法獲得最佳參數(shù)c和g，得到最佳模型.基于RP單次特征提取算法，選取每名受試者80%數(shù)據(jù)訓(xùn)練SVM模型，如圖8所示.

圖8 參數(shù)c和g的搜索結(jié)果Fig.8 The search results of parameter c and g

3.2 分類識別

分別對15名受試者進行9組試驗，并對試驗數(shù)據(jù)進行處理，剔除有明顯錯誤、有明顯波動等無效數(shù)據(jù)，使無運動意圖類和有運動意圖類兩類樣本比例為1∶1，取每名受試者80%數(shù)據(jù)訓(xùn)練，剩余20%數(shù)據(jù)進行測試，基于3.1節(jié)中所述的RP單次特征提取算法，采用SVM分類器分別進行單次RP檢測，其結(jié)果如表2所示.不同的受試者單次RP檢測準確率存在差異.15名受試者9組試驗中最高檢測率是77.5%～91.3%；每名受試者的9組平均檢測率是68.2%～ 91.2%.

表2 單次RP檢測正確率Tab.2 The single test results of RP %

4 結(jié)論

通過實時的BCI系統(tǒng)采集運動執(zhí)行前的EEG和EMG信號，根據(jù)EMG信號確定運動準備的有效時間段，由腦地形圖定位激活腦區(qū)，采用小波包變換的方法提取低頻0.24～0.36 Hz頻率分量，分析其幅值和能量的特征，用支持向量(SVM)分類識別.通過單次檢測RP，以確定受試者的運動意圖，為異步BCI系統(tǒng)的實現(xiàn)提供了新的技術(shù)途徑.筆者通過離線分析只對運動前1 000 ms的數(shù)據(jù)研究RP，不同受試者檢測準確率存在差異.今后將進一步研究克服不同受試者的差異，提高預(yù)測RP的準確率，將其應(yīng)用于在線系統(tǒng)中.