生物医学工程概论作业-脑部生物磁信号通过人-机接口.doc

脑部生物磁信号通过人-机接口技术控制外联器械大脑主要由神经细胞和神经胶质细胞组成。神经细胞能感受刺激和传导兴奋，而神经胶质细胞则主要起支撑作用，维持大脑内离子浓度和营养物质的输送。早在1929年，生物脑电波就被伯格发现，脑磁波也随之被发现。脑磁波的强度很弱，只有10-12-10-14特斯拉，远远低于一般的环境磁干扰。由电生磁的原理，可知脑磁主要是由于脑电的活动引起的，而脑电活动主要来源于跨膜电流，细胞内电流和细胞外电流。而这些电活动则是由于各类神经信号的传导导致的。因此我们可以通过监测脑磁信号的波动来预测人体躯体的活动，也为脑磁信号通过人-机接口技术控制外联器械(主要指机械臂)提供了部分理论基础。要实现脑磁活动控制机械臂这一技术，主要包括3个方面。首先，就是脑磁信号的获取；其次，由于有许多干扰，得对获取的脑磁信号进行预处理，包括伪迹去除，基线校正，滤波等；最后，才是将脑磁信号导入通过人-机接口连接的控制系统，通过计算机系统生成相应的指令指导机械臂操作。脑磁信号的获取主要是通过脑磁图( Magnetoencephalography，MEG)来实现的。脑磁图（MEG）是一种无创性探测大脑电磁生理信号的脑功能检测技术，它出现于19世纪70年代，目前已经应用于许多关于脑部生理上的研究。同时与其他神经功能成像技术(功能磁共振(fMRI)、正电子发射断层扫描(PET)、单光子发射断层扫描(SPECT)相比，MEG最大的优点在于时间/空间分辨率高(1ms/2mm),在高时间分辨率的情况下，这就为实时监控，实时反馈信息作用于人-机接口控制控制系统实时操纵机械臂提供了可能。而与脑电图(EEG)相比，MEG的优点是它失真度低，非接触。由于脑磁信号特别弱，在获取脑磁信号的过程中应最大程度地避免外部磁场的干扰。同时受当前技术的限制，因此获取MEG时应在磁屏蔽室内进行。获取方法一般是测试者不断重复某一简单动作（如右手食指不断重复按键动作，而其余躯干均保持静止状态)，通过CTF脑磁图机测得。得到脑磁图后，就得对脑磁信号(即脑磁图)进行预处理。孙吉林等人出版的脑磁图书中提到干扰分为外源性干扰和内源性干扰。外源性干扰主要是指周围环境的电磁干扰。我们在获取脑磁图的过程中一直保持小心谨慎的态度，采用磁屏蔽室尽量避免了外部磁信号的干扰，就是最大限度降低甚至消灭外源性干扰。而内源性干扰是指不相关的生理性电磁信号所引起的干扰，这也是脑磁图中最主要的干扰。内源性干扰主要是因为测试者正常生理需要不自主发生的动作，如眨眼，头长时间僵硬而自发发生轻微移动等，甚至内部器官(心脏，肺等)正常脉动引发的磁信号等。脑磁图一书中主要把这些内源性干扰分为眨眼、眼动伪迹，肌电伪迹，心电伪迹，头动伪迹。由于如此多的伪迹干扰，而脑磁信号又十分微弱，极有可能会掩盖MEG自身的波动特性，而表现为混乱无章的杂波，或者碰到某种较强特异性干扰而变异其他活动的波动特性（如心磁等),对MEG的分析造成十分严峻的挑战。因此，脑磁图的预处理主要就是降低伪迹的干扰，恢复MEG在我们要求动作下的波动特性。常用EEG去伪迹方法有：伪迹减法，回归法，小波法，主成分分析(PCA)法,ICA法等。我们可以通过改进这些方法来实现MEG的去伪迹。在李卫娜的硕士毕业论文手指运动相关脑磁图信号的处理方法研究中详细介绍ICA法改进用于MEG去伪迹的详细步骤。ICA法适用于EEG去伪迹的前提要求是：脑电活动与伪迹(如EOG、ECG等)的产生是不同的生理过程，即它们相互之间是独立的；观测信号可以视为是伪迹与脑电无延迟的线性组合；伪迹源的数据通常比头皮上测量EEG的通道数目要少。ICA法去除伪迹的步骤如下：a)通过ICA对观测信号进行分解；b)找出能反映干扰信号(如心电、眼动、工频干扰)的分量，并置零；c)重构源信号。通过这三个步骤就可以得到一个去伪迹的能够反映生理特性的EEG。李卫娜通过改进ICA法的模型，在传统的ICA模型中加入ICA筛选的模块，并对ICA进行算法改进变为基于峭度的FasflCA算法。最后在对MEG进行基线校正以及滤波后，就基本完成了对MEG的预处理。进行基线校正是由于在MEG的检测过程中，基线会有很大程度的漂移。在生物医学工程中常见的校正方法有：基准基线法，小波法，最小二乘曲线拟合法。而对MEG进行滤波是为了减小其他频率的干扰，但应注意在测试者进行不同简单动作时，由于脑磁频率的波动范围较大，则应选择一个适当宽度的带通滤波器。进行过预处理后的MEG已经能够表现出该简单动作下的波动特性，然后对这些波形进行保存。然后测试者对手臂进行各种不同的动作（尽量全面），对这些动作下获得的MEG进行上述操作，获取大量关于手臂运动的脑磁图资料。对这些资料进行整合，拆分等一系列分析处理，整理出几种或几十种如三原色一样的波动信号，通过不同的加权组合后可以进行手臂活动的大多数甚至全部动作。同时整理出手臂活动信号同其他躯干活动间脑磁图的差别，便于后期得到复杂MEG后的信号处理。将这些整理后的信号通过模数转换器转变为数字信号，并保存在与人-机接口相联的作为控制系统的微型计算机内。并对每个单一的动作信号在控制系统中设定一套匹配的算法，从而能够实现单一动作信号在机械臂上精确重复，且无明显延迟。接下来就是对测试者做出的复杂动作通过人-机接口导入微型计算机内，通过去伪迹，滤波等一系列方法对MEG简单化，明朗化。然后再剔除非本外联器械的操作而产生的磁信号(如腿部，心情变化导致的MEG变化)。剔除方法我们可以通过我们在前期获得的手臂活动信号与其他躯干活动间脑磁图的差别（也可用大脑下行神经通路磁信号或电信号的变化来验证信号，但过于复杂）作为辅助资料来识别、剔除MEG中的干扰信号，获得完全用于操控手臂运动的磁信号，然后通过模数转换器转变为数字信号。然后就是信号间的匹配问题，通过编辑适当的算法将计算机内保存的信号进行不同的加权，叠加（如同使用三原色按不同的配比调整出我们所需颜色的方法)，使生成的新信号与传导过来MEG两信号间达到最佳程度的匹配效果。最后就是通过这个新生成的信号代替MEG，将相应的简单信号及其加权系数传递给控制系统，从而实现控制外联器械（机械臂）按大脑意愿进行不同复杂操作。同时为了能够更好地控制外联器械（机械臂），我们也可以通过人-机接口在机械臂与大脑间构建一个类似反射弧的反馈系统实时检测并向大脑反馈机械臂的回应效果，在一定程度上降低错误回应的风险。这个反馈系统的一端位于机械臂上，通过三维位移传感器(感受器)将位置变化转化为电信号，由微导线连接在躯体特定的上行通路的神经元上，沿着上行通路传递到控制相关控制手臂运动的脑皮层上，使大脑能够感知机械臂的具体动作，如同我们大脑能够感受到我们自身肢体的运动一样，并对这些运动实时纠错。在整套方案中，我们力争实现的就是大脑能够实时地控制机械臂，按大脑意愿做出相应的动作，最终用于残疾人帮助其能够摆脱残疾，能够进行生活自理甚至与普通人毫无差别。但目前碰到主要的两大问题是：1.脑磁图（MEG）获取方法的娇贵且价格昂贵，以及设备的小型化问题迟迟不能解决；2.在复杂脑磁信号处理过程中，可能很难将其他躯干以及反馈系统导致的脑磁信号干净剔除，从而导致匹配信号的失真，机械臂不能做出回应或作出与大脑意愿不相符和的回应等。脑磁信号作为反应大脑活动主要方式之一，且MEG凭借其低失真，非接触，高时间/空间分辨率等优良特性必将广泛应用于科研以及医疗，康复器械上，为广大肢体残疾者提供更优良，更贴近于真实肢体的智能假肢系统。注：1. 文中画 部分引自李