基于EEGLAB對癲癇樣腦電信號處理應用研究＊

鞠 祥

(南京中醫(yī)藥大學人工智能與信息技術(shù)學院，江蘇 南京 210023)

0 引言

根據(jù)世界衛(wèi)生組織最新報告，全球癲癇患者約有5 千萬，其中80%來自中低收入國家。而中國目前大約有癲癇患者一千萬。癲癇的發(fā)病機理現(xiàn)在尚無定論，且亞型眾多，這為癲癇的理論分析和臨床診斷帶來了很大的挑戰(zhàn)。腦電圖（EEG）是癲癇臨床重要檢查手段之一，它能夠為癲癇發(fā)作提供獨特的臨床證據(jù)，與其他功能學影響相比具有不可比擬性。腦電信號是腦神經(jīng)細胞電生理活動在大腦頭皮的總體反映，因此，EEG 在對癲癇患者發(fā)作規(guī)律分析評估中占據(jù)核心地位。

EEGLAB 是基于MATLAB 具有圖形用戶界面的的工具箱，通過圖形化界面，方便用戶進行信號處理，便于直觀分析。同時提供包括獨立分量分析在內(nèi)的多種方法處理高密度EEG數(shù)據(jù)。

本文的研究內(nèi)容是針對癲癇發(fā)作間期，患者EEG中產(chǎn)生的癲癇樣瞬變進行檢測，目前與武漢兒童醫(yī)院合作采集有11 名癲癇患者的癲樣放電數(shù)據(jù)。對此，本文運用EEGLAB 對這些腦電信號進行數(shù)據(jù)分析和預處理工作。

1 EEGLAB特點和功能

EEGLAB 是一種基于MATLAB 的工具箱，為專門從事神經(jīng)信號研究的開發(fā)人員提供了一個可擴展的開源平臺。它提供了一個結(jié)構(gòu)化的編程環(huán)境用于處理連續(xù)和事件相關(guān)的EEG 數(shù)據(jù)，還包括MEG 在內(nèi)的其他生理性數(shù)據(jù)，可以在Windows、Unix、Linux多個操作系統(tǒng)平臺上使用。

EEGLAB 支持多種格式數(shù)據(jù)導入，包括本文實驗采集的EDF 格式，它具有高密度數(shù)據(jù)滾動的功能，對大腦皮層呈現(xiàn)的高密度和動態(tài)數(shù)據(jù)可以有效地處理。其具體工作方式是用圖像的形式把那些瞬間的腦電信號記錄下來并且展示給用戶。主要功能包含數(shù)據(jù)導入，數(shù)據(jù)預處理（過濾、重引用、重采樣數(shù)據(jù)），去除偽跡，繪制ERP圖像等。

2 相關(guān)知識和方法

2.1 癲樣放電信號

癲癇發(fā)作間期，患者EEG 中產(chǎn)生的癲癇樣瞬變或棘波稱為發(fā)作間期癲癇樣放電，簡稱為IED。典型的IED 包含，發(fā)作間期的20-70ms 并伴隨100ms 慢波的大幅棘波，100 或300ms 快速尖波，爆發(fā)性棘波，反復發(fā)作的陣發(fā)性慢波等。IED對于確診癲癇、區(qū)分癲癇發(fā)作類型、識別輕微癇性發(fā)作，以及癲癇病灶定位都是具有重要價值的。

在治療癲癇時，眾多檢測方法中，EEG 是一種最常用的生理監(jiān)測的工具。EEG 信號可以清晰地將患者不同時刻的腦部活動可視化展示出來。目前常用的臨床功能信號按照采集方式可以分為兩種：侵入式和非侵入式。侵入式需進行開顱手術(shù)放置電極模板或探針，最典型的是ECoG。非侵入式腦功能區(qū)成像具有無創(chuàng)性、可多次重復操作等優(yōu)點，包含頭皮EEG功能磁共振(fMRI)等方法。

其中由于價格低廉且技術(shù)成熟，EEG 的臨床使用率最高。主要分為顱內(nèi)EEG 和頭皮層EEG。顱內(nèi)EEG 信號特點是相對純凈，雖然能較好地反應出腦內(nèi)細胞的電活動，但是其成本比較高。頭皮EEG 采集方法是將電極放在患者頭皮上，采集的信號沒有顱內(nèi)EEG 的純凈度高，易采集到肌電、眼電信號等噪聲信號。因此，需要對頭皮EEG進行降噪處理。

EEG 信號能夠比較好的反映出大腦內(nèi)細胞的活動狀態(tài)，最直觀的就是可以可視化的顯示出腦電波形、頻率和幅度，這其中包含了大量的生理以及活動信息。此外，信號中所包含成分也很多，其波形成分如表1所示。

表1 腦電波形圖成分

2.2 獨立分量分析

獨立分量分析在信號處理方面被廣泛應用，可以用于移除嵌入數(shù)據(jù)中的偽跡（如肌肉、眨眼或者眼球運動），而不移除受影響的數(shù)據(jù)部分。將ICA引入腦電信號的預處理中，對多通道EEG 做ICA 處理，就可以將信號分成包含噪聲與不包含噪聲的獨立分量。ICA主要是用于處理盲源分離問題，在不知道源信號和混合矩陣的任何信息條件下，只需要假設(shè)源信號是相互統(tǒng)計獨立的，ICA 方法就可以從混合信號中將源信號分離出來，在實際研究中，獨立性假設(shè)一般是合理的，因此ICA被廣泛應用于眾多領(lǐng)域。

獨立分量分析算法的本質(zhì)是在假設(shè)源信號統(tǒng)計獨立的基礎(chǔ)上，試圖將一組隨機變量表示成統(tǒng)計獨立的變量線性組合，ICA 算法使得被分析信號各個組成部分之間的統(tǒng)計依賴最小化，從而突出了源信號的本質(zhì)結(jié)構(gòu)。

3 數(shù)據(jù)處理過程與結(jié)果

3.1 數(shù)據(jù)來源

本文數(shù)據(jù)來源于科研合作單位武漢兒童醫(yī)院的11 名癲癇患者?；颊邤?shù)據(jù)的研究和使用通過倫理委員會的審查，倫理審批號為2022R034-E01。原始數(shù)據(jù)包含EDF格式數(shù)據(jù)，記錄了癲癇患者腦電信號EEG 數(shù)據(jù)、通道數(shù)為43、采樣率有1000Hz 與500Hz 等信息。EEG 是通過符合10-20 國際標準電極所采集的。Excel 標注文檔中記錄了每個癲癇患者的IED 起始時間，以及癲癇樣瞬變的棘波類型。本文基于MATLAB和EEGLAB 對癲癇患者腦電信號進行讀取和處理。各患者信息匯總見表2。

表2 癲癇患者EEG信息匯總

3.2 去除無關(guān)通道

本實驗的EEG 數(shù)據(jù)通道數(shù)為43，但經(jīng)過實驗觀察，可為實際研究IED 檢測的相關(guān)通道為前19 個，故通過EEGLAB 基于MATLAB 去除無關(guān)通道，僅保留實際需要的包含癲樣放電的通道。處理之后各通道波形圖如圖1。

圖1 預處理后EEG波形圖

3.3 過濾

實驗對腦電信號進行濾波處理，采用Basic FIR filter。對數(shù)據(jù)進行帶通濾波0.1-40Hz。過濾成功后在dataset1 基礎(chǔ)上生成新EEG dataset2。過濾全過程見圖2。

圖2 MATLAB過濾處理過程

3.4 ICA分解

本文利用EEGLAB 對腦電信號進行ICA 分解，采用默認算法runica執(zhí)行。該算法適合分析和總結(jié)大腦傳導出的頭皮腦電信號圖，實驗最終得到獨立成分的頭皮分布圖。開始運行后，具體執(zhí)行過程如下：

分解數(shù)據(jù)完成后，開始觀察ICA 組件。繪制2-D Component Scalp Maps。識別出相關(guān)獨立組件的類型需要一定經(jīng)驗。EEGLAB 中提供了ICLabel 插件，它能提供對每個獨立組件（大腦、眼睛、肌肉等噪聲）類型的估計，從而實現(xiàn)對獨立組件可靠而準確的分類，可用于大規(guī)模研究。二維頭皮組件圖繪制見圖3。

圖3 ICA分解后二維頭皮組件圖

3.5 滑動窗口分割

完成上述通道選取、過濾、ICA 去偽跡等實驗后，最后對數(shù)據(jù)進行滑動窗口分割操作。由于患者中存在500Hz 和1000Hz 不同的采樣率。首先運用降采樣的方法將1000Hz 數(shù)據(jù)降采樣為500Hz。再采用滑動窗口算法進行分割?；瑒哟翱诖伴L設(shè)置為500ms，overlap設(shè)置為300ms，即每次向后滑動200ms的長度?；瑒哟翱诔绦驁?zhí)行時自動讀取數(shù)據(jù)標注文件的IED起始時間，對每個片段進行切分。患者1 標注文件格式如圖4所示。實驗中設(shè)置滑動窗口窗寬為500ms,對應500Hz 的采樣率，最終分割得到的每個EEG 片段采樣點數(shù)為251，數(shù)據(jù)最終以.mat格式保存。

圖4 標注文件格式

4 結(jié)論

EEGLAB 是一種先進的腦電分析工具，癲癇樣放電是一種陣發(fā)性活動，與正常腦電信號有明顯區(qū)別。應用EEGLAB 對癲癇患者癲癇樣放電信號進行分析和處理具有優(yōu)勢。癲癇患者EEG 上通常可以檢測到尖棘波、棘波節(jié)律、棘慢復合波、尖慢復合波和多棘慢復合波等癲癇樣放電活動，這些腦電圖信號是醫(yī)生進行癲癇診斷的重要依據(jù)。本文介紹了EEGLAB 在腦電信號處理方面的具體應用，通過對真實采樣的11名癲癇患者EEG預處理，詳細展現(xiàn)了運用EEGLAB對腦電信號處理的過程，為后續(xù)深入研究患者發(fā)作期癲樣放電信號檢測創(chuàng)造條件，同時對相關(guān)領(lǐng)域研究者運用EEGLAB對腦電信號分析有一定參考價值。