事件相关电位特征提取中的信号处理算法研究设计(开题报告).ppt

1,事件相关电位特征提取中的信号处理算法研究,硕士毕业设计开题报告,2,报告内容：,一、课题的理论意义和现实意义 二、文献综述 三、研究课题的目的、内容以及可行性报告 四、研究课题的技术路线和技术方案 五、研究课题拟创新之处 六、时间进度和阶段性考察目标,3,一、课题的理论意义和现实意义,4,1.2 现实意义,人类的意识和思维是人脑的高级功能，采用微观的自然科学手段难以深入解决这一难题。传统的心理学方法也有较大的局限性，所获结果与实际并不一定相符。 ERP从神经电生理的角度，显示不同应激阶段下大脑的电生理变化，以此可以研究思维和意识，从而评价人类的认知过程。 ERP与心理因素有关的特点可以应用到脑机接口当中，即在人脑和计算机或其他电子设备之间建立一种直接的信息交流和控制通道，既可以为瘫痪病人提供一种与外界进行交流和控制的新途径，而且能应用于用思维直接控制设备的新领域。,5,二、文献综述,1、理论的渊源及演进过程 2、国外有关研究的综述 3、国内有关研究的综述 4、本人对以上综述的评价,6,2.1 理论的渊源及演进过程,1929年，Hans Berger发表论文，报告心算可引起EEG的节律减少。从此科学家对EEG寄予厚望，力图从中提取心理活动信息，以揭示脑的心理功能奥秘。此后的30年间，关于EEG与心理活动关系以及从中提取心理活动信息的研究一直没有中断。20世纪50年代末，随着计算机在生物医学中的应用，特别是用于EEG分析而产生了事件相关电位方法，才使脑波与心理因素关系的研究焕发了生机。40多年来，采用ERP方法进行的脑的高级功能研究出现了一系列突破，为这个领域的研究开辟了一个新纪元，ERP遂被誉为“观察脑的高级功能的窗口”，蓬勃发展，硕果累累，令人瞩目。,7,2.2 国外有关研究的综述,实验刺激方法 ERP提取原理,8,实验刺激方法,Oddball模式,9,实验刺激方法（续）,Oddball实验范式的要点是，对同一感觉通道施加两种刺激，一种刺激出现概率很大，如85%，另一种刺激出现的概率很小，如15%。 两种刺激以随机顺序出现，这样，对于被试来说，小概率刺激的出现具有偶然性，因为它很少才出现一次，感觉有点怪（Odd）。但实验任务却要求被试关注小概率刺激，只要小概率刺激一出现就尽快做出反应。可见这里的靶刺激是小概率刺激。,10,实验刺激方法（续）,Go-Nogo模式 两种刺激的概率相等。令被试反应的刺激叫做Go刺激，即靶刺激；不需被试反应的刺激叫做Nogo刺激。该模式也叫做Go与Nogo作业，其特点是排除了刺激概率对ERP的影响；由于没有大小概率之分，大大节省了实验时间，这是它突出的优点，但也丢掉了因大、小概率差异而产生的ERP成分。 跨通路研究模式 “跨通路”（Cross-Modal）是指在同一实验模式中采用不同感觉通路的刺激物，通常为视觉与听觉刺激，常用于选择性注意的研究。,11,ERP提取原理,叠加技术 将由相同刺激引起的多段脑电进行多次叠加，由于自发脑电或噪音是随机变化，有高有低，相互叠加时就出现正负抵消的情况，而ERP信号则有两个恒定(波形和潜伏期)，所以不会被抵消，反而其波幅会不断增加，当叠加到一定次数时，ERP信号就显现出来了。,12,ERP分段叠加显示图,13,功率谱估计,功率谱估计是频域分析的主要手段。它在ERP信号处理中的意义就在于把幅度随时间变化的的诱发脑电波变换为脑电功率随频率变化的谱图，从而可直观的观察到脑电诱发电位节律的分布与变化情况。其又可分为经典方法与现代方法；谱分析具有平均谱特性，对瞬态信号则往往无能为力，也难以反映突发的低幅信号。,14,自适应滤波,自适应滤波具有两大特点：调整自身参数的“学习”过程和根据输入过程的统计特性变化调整自身参数的“跟踪”过程。其在无先验知识条件下用实时采集的数据，依据给定的判据自动的按误差最小的原则修正权因子，使结果与源信号误差最小，该方法能较好的解决误差与样本的关系，用于噪声抵消、谱线增强、通道均衡及系统辨识等，近十多年来，在诱发电位的提取中得到了较为广泛的应用。,15,混沌与分形,ERP信号是在刺激作用下由神经动作电位的非耦合所发生的，在线性系统范围内无论采用时域或频域以及统计学的处理方法都难以完善地解释脑电信号与刺激的联系，引入混沌理论后，人们发现脑电信号实际上只是由少量独立的动力学变量控制着，通过对信号的时域、频域和相空间的对比曲线的分形，可以发现脑功能的改变将引起其分维数的变化，因此可以用研究混沌动力学的方法来研究ERP信号。该方法的研究，目前还处于探索阶段。,16,国内有关研究的综述,实验刺激方法 ERP提取原理,17,实验刺激方法,国内的研究基本上都是原有实验方法的改进。 魏景汉对经典的CNV进行改进，将原有的刺激信号由两个增加到三个，由此观察到了两级CNV。 汉语句子实验方法。天津大学的实验方法如下：选择新华字典里都是五笔的汉字 ，总共160个汉字，其中80个为最后一笔与前边四笔匹配的汉字即正确的汉字，80个为最后一笔与前边四笔失匹配的汉字即错误的汉字。,18,实验刺激方法,面孔加工特异性实验方法。天津师范大学杜春英等提出的方法：采用四种照片为刺激，人类面孔、鸟、汽车和椅子照片各70张 ，试验采用单因素重复测量设计，因素为刺激类型，实验任务为汽车搜索作业；向被试呈现上述四种刺激，要求被试发现汽车照片时用右手按键，对其他刺激不做反应。以随机顺序向被试呈现280张照片，每类刺激70张。,19,ERP提取原理,加权平局算法的改进。中南民族大学张佳华提出，根据各段记录噪声水平不同而在平均时给予不同的权重，即噪声水平愈高，给予权重愈小；噪声水平愈低，给予权重愈大。 小波变换相关算法。天津大学万柏坤教授先用小波变换去除EEG背景干扰，然后对脑电数据进行重构和ERP波峰检测。首都医科大学李海云先将脑电复合信号进行小波多尺度分解，然后利用径向基神经网络逼近各尺度信号中反应低频的成分，最后利用网络输出的细节系数估计对信号进行重建，同时实施ERP波形的提取并去除噪声。中国科学技术大学李晓鸥博士使用小波变换和盲分离算法提取ERP。,20,综述小结,国外学者对基础理论的奠定做出了贡献。国内起步较晚，但目前发展比较迅速。 实验方法的繁杂限制了应用推广，单一模式的刺激难以准确描述自然界的真实情况。 信号平均和叠加技术依然大范围使用，许多新的方法依然不够成熟，需要进一步的实践。 ERP波形的判断需要相关知识和经验，限制了临床应用。 多模式的刺激和波形模式识别将是一个发展方向。波形的单次提取技术依然需要进一步的发展。,21,三、研究课题的目的、内容以及可行性报告,3.1 课题的目的 本课题的目的在于构建出完善的ERP测试平台，设计出有效的试验方案，在试验的基础上完成ERP的信号处理算法，并最终将其应用到临床当中。,22,3.2 课题的基本内容,完成简易脑电信号硬件采集前端。 完成刺激端主机简易软件设计。 完成处理端主机简易软件设计。 实现双机对联（串口或UDP）。 设计试验方案，进行试验。 设计信号处理算法及软件。 统计、归纳出所检测和分析后的有效波形。 得出有关结论。 完善整个软硬件系统。 完成毕业论文。,23,3.3 可行性报告,ERP检测系统国外已经有产品出现，理论上从在开发的可能性。 现有的设备可以搭建有效的试验环境。 有效的试验方案。通过查阅资料和自己的工作经验，得出相关的试验方案。 相当成熟的软硬件设计方案。 有部分科研经费可以使用来保证研究的进行。,24,四、研究课题的技术路线和技术方案,4.1通过查阅资料和经验得出需要的试验方案 对于事件相关电位的研究，大多数是在单一模式下进行的选择性注意试验研究，而在现实世界中，人们的注意是各感官交叉模式下的综合与调整，因此，本课题以单一模式下的事件相关电位的研究为基础，继而研究交叉模式下的事件相关电位。对交叉模式下ERP的研究，主要围绕在多模式下（如听觉、视觉、触觉和本体感受）相互交叉之间的联系。,25,4.2 技术方案,26,4.3 技术路线,27,信号处理算法,独立分量分析、小波变换以及人工神经网络是本课题信号处理算法的基础。技术路线分为以下几个部分：1、采用独立分量分析对采集的脑电信号进行处理，分离出包括EPR和噪声等几个有效成分的信号。2、利用小波变换对已得到的ERP波形进行多尺度分析，提取不同频段上的能量特征，同时对这些能量特征进行统计分析，尝试得到在时频域内标记ERP波形的新指标，这些新指标将更加有利于帮助研究者更容易识别ERP波形的相关成分，并且利用这些新指标可以做ERP波形的少次提取（重点部分）。3、将得到的不同ERP成分的的能量特征作为神经网络的输入，通过神经网络进行学习训练，最终达到波形识别的目的。,28,信号处理示意,29,独立分量分析,30,小波变换,本课题尝试通过小波变换对信号进行小波多尺度分解，得到的不同尺度的低频和高频分量，然后在不同频段上抽取能量。各尺度空间内的高频分量和低频分量能提供信号的时频局部信息，对不同频段上的ERP信号离散点的幅度值进行平方和累加就得到每一频段上的能量，对较大的信号能量进行归一化处理，可以得到相关频段的特征参数。,31,小波变换（续）,对相关频段的特征参数进行分析，通过对照组的对比，我们可以找出一些明显标识ERP成分的特征参数，例如对于P300来说，就是在300ms左右出现的正波，这是一个在时域内的表示，我们可以采用小波变换的方法，将其在频域内进行多尺度分解，经过统计分析，我们期望在某一个尺度内发现更容易表示P300的频谱特征参数，将其作为在时频范围内标识P300的新指标。利用这个新指标，我们将其较容易的对应到原始波形，那么可以实现P300的少次及单次提取。由此推广开来，我们可以对每一个ERP波形进行提取频域内的特征参数。,32,人工神经网络,人工神经网络是接近人类大脑思维方法的一种算法，它通过大量简单的处理单元即神经元广泛地互为连结而形成复杂的网络系统，可以通过训练学习来进行准确的模式识别。神经网络算法拟采用支持向量机学习方法，支持向量机基于统计学习理论和结构风险最小化原则，其基本思想是把输入空间的样本通过非线性变换映射到高维特征空间，然后在特征空间中求取把样本线性分开的最优分类面。将小波变换得到的频域能量特征作为输入，最终达到波形识别的目的。,33,五、研究课题拟创新之处,试验方案拟采用多模式交叉刺激。 尝试利用小波变换提取在时频域内标识ERP波形的新指标。,34,六、时间进