logo资料库

健康人视觉工作记忆任务多通道脑电信号特征频段提取.pdf

第1页 / 共16页
第2页 / 共16页
第3页 / 共16页
第4页 / 共16页
第5页 / 共16页
第6页 / 共16页
第7页 / 共16页
第8页 / 共16页
资料共16页,剩余部分请下载后查看
课程设计报告 题 目:健康人视觉工作记忆任务多通道脑电信号特征频段提取 专 业: 生物医学工程 班 级: 学 号: 姓 名: 指导教师:
1.背景 工作记忆(Working Memory)是指一种对信息进行短时存储和加工的记忆系统,对 完成许多复杂认知任务(如理解、推理、计划和学习等)起关键作用。根据所处理信息的 类型,工作记忆可分为词语工作记忆、空间工作记忆和视觉工作记忆。[1]视觉工作记忆 (Visual Working Memory)指短暂维持不在视域内信息并进行活跃认知加工的过程,在人 类高级认知活动中具有极其重要的作用[2-3]。 脑电信号(Electroencephalograph,EEG)是大脑皮层上的锥体细胞树突的自发神经电 活动的总和,是一种常用的获取大脑活动信号的无创方法。EEG 具有高时间分辨率,且 频域特征明显。根据 EEG 在不同频段的生理特征,分为 δ(0~4Hz),θ(4~8Hz),α (8~13Hz),β(13~30Hz),γ(30~50Hz)。在 EEG 中,并非某一种节律波单独存在, 而是不同节律的波同时存在。许多工作记忆相关的 EEG 研究表明,θ、α、γ 频段的活动 在工作记忆延迟阶段扮演着不同的功能角色[4-8]。 本研究旨在对利用延迟样本匹配(DMS)范式获取的健康人视觉工作记忆任务的多 通道脑电信号进行特征频段的提取,从而寻得与视觉工作记忆有关的脑电频段,为进一 步探索工作记忆的神经机制做铺垫。 2.材料和方法 2.1 实验数据选取 本实验的原始数据来自五位受试者,各四轮,每轮执行 15 次工作记忆任务采集的 67 个导联的脑电数据。其中,工作记忆任务采用延迟样本匹配范式,如下图 1 所示,范 式包括注视、编码、保持、探测 4 部分,以电脑屏幕中间的红色“* ”开始,0.5s 后 4 张 编码图片依次呈现,图片呈现 1 s、间隔 0.013 s。图片呈现结束后屏幕中心显示红色“+”, 提示受试者进入 3 s 记忆保持阶段。随后屏幕上呈现探测图片,受试者需要快速准确地 判断探测图片是否在编码图片中出现过。研究表明记忆延迟期的 3 s 为工作记忆关键期 [9]。按实验要求,选取 4 例受试者(fcj,lj,lzq,zt)在各 10 次视觉工作记忆任务中 32 导联 脑电信号的工作记忆延迟阶段的脑电数据作为目标数据文件。 图 1 视觉工作记忆延迟样本匹配范式示意
所选取的 32 通道按照国际 10-20 系统放置,如图 2 所示。额叶包括电极 Fp1、Fp2、 AF3、AF4、F7、F3、Fz、F4、F8,顶叶包括 C3、Cz、C4、CP5、CP1、CP2、CP6、 P3、Pz、P4,枕叶包括电极 PO3、PO4、O1、Oz、O2,颞叶包括电极 FC5、FC6、T3、 T4、T5、T6,以及水平眼电(HEO)和垂直眼电(VEO),采样频率为 1000 Hz。 图 2 32 通道脑电记录电极放置位置示意图 考虑到受试者的主观状态对工作记忆任务的影响,在初始实验时可能未进入工作记 忆状态,在实验最后可能会产生疲劳,故本实验选取的每个受试者的 10 次数据分别为 第一轮实验的 6,7,8 次,第二轮实验的 6,7,8 次,第三轮实验的 6,7 次,第四轮 实验的 6,7 次,从而最大可能的保证数据的有效性。 2.2 脑电数据预处理 原始记录的脑电数据会存在基线漂移、工频干扰、眼电和肌电伪差等干扰,这些干 扰对后续的脑电处理会产生严重的影响,因此需要借助一定的方式来去除这些干扰。 (1)去除基线漂移 基线漂移是脑电信号在采集过程中最容易混入的噪声之一, 它的产生因素有多种, 比如人体呼吸、传感器移位等, 这些因素带来的噪声对脑电数据有较为严重的影响,因 此在分析脑电数据前需要采用的手段来去除基线漂移。 本研究中采用多项式拟合法来去除基线,多项式拟合法是首先对含有线性趋势的信 号进行多项式拟合,将基线拟合出来,然后把原始信号减去拟合信号,得到去除基线的 信号。在 MATLAB 中,多项式拟合的过程可以借助函数 polyfit 和 polyval 实现,其中 polyfit 函数依据预先设定的阶数计算出拟合多项式的系数,polyval 函数依据 polyfit 计 算的系数产生拟合多项式。 (2)去除工频干扰 市电电压的频率为 50Hz,它会以电磁波辐射的形式,对脑电数据的采集造成干扰, 称之为工频干扰,一般表现在频谱图中 50Hz 处的值有明显的尖峰。本研究借助陷波器 来实现工频干扰的去除。
(3)去除眼电、肌电伪差 查阅相关文献资料[10-14],本实验采用两种去除伪差的方法:协方差法和小波去噪法。 协方差法借助脑电数据中提供的参考导联水平眼电(HEO)和垂直眼电(VEO)数据, 首先寻找眼电的最大绝对值,以超过最大值的 10%来定义眼电伪迹,然后根据协方差法, 如下公式(2.2—1),来估计眼电导联的数据和其它脑电导联数据之间的传递系数 b, 其中 cov 表示协方差(covariance),var 表示方差(variance)。 最后,根据传递系数 b 对受眼电影响的脑电数据进行校正,及从采集的脑电信号中 减去眼电数据与权重的乘积,如下公式(2.2—2)所示: 小波阀值去噪的基本思想是将信号通过小波变换(采用 Mallat 算法,如下公式 2.2—3 所示)后,产生的小波系数含有信号的重要信息,将纯净信号经小波分解后小波系数较 大,噪声的小波系数较小,并且噪声的小波系数要小于信号的小波系数,通过选取一个 合适的阀值,大于阀值的小波系数被认为是有信号产生的,应予以保留,小于阀值的则 认为是噪声产生的,置为零从而达到去噪的目的。 其中近似分量 A 中含有信号的低频信息,而细节分量 D 中包含信号的高频信息。 在本实验中,借助 MATLAB 的 Wavelet Analyzer Toolbox 对脑电数据进行 5 层 Marr 小波分解,然后借助工具箱的去噪功能,对不同实验数据选择不同的阈值来对伪迹去除。 2.3 工作记忆特征频段提取 脑电信号按照频率可划分为以下 5 个频段:δ(0~4Hz),θ(4~8Hz),α(8~13Hz), β(13~30Hz),γ(30~50Hz),不同频段的脑电能量能够反映出不同的脑电信息。 对于预处理之后的数据,应用傅里叶变换计算每一次实验延迟阶段 32 通道脑电数 据的频谱,提取每一通道在不同频段的能量,并将其在频带范围内平均。计算 4 例受试 者共 40 次实验的傅里叶变换结果,将每一次实验同一频段下 32 通道的能量平均,计算 每一个频段占总能量的比例,并将最高能量的频段与其它频段之间两两进行配对 t 检验, 确定工作记忆 EEGs 的主要频段。 配对 t 检验借助 MATLAB 中的 ttest 函数,格式为[H,P]=ttest(A,B),输入为 A,B 两 个频段的各 40 个值,输出为 H 和 P,置信区间设置为 0.05。当 H=0 时,说明在 5%的 置信度下 A 和 B 来自同一个分布;当 H=1 时,说明在 5%的置信度下 A 和 B 来自不同 的分布,即 A 与 B 之间有区分度,区分度的大小以 P 来衡量,一般以 P < 0.05 为有统 计学差异,P<0.01 为有显著统计学差异,P<0.001 为有极其显著的统计学差异。
2.4 实验程序流程图 本研究实验程序流程如下图 3 所示: 图 3 实验程序流程图 3.结果 3.1 原始 32 通道脑电时序图 本实验选取了四位受试者的各 10 次视觉工作记忆的 32 通道的脑电数据,下图 4 展 示了 zt1 受试者的第一次视觉工作记忆任务 3s 延迟阶段的 32 通道的脑电数据。 图 4 zt1 受试者第一次实验预处理前 32 通道脑电时序图
3.2 脑电数据预处理 依次利用多项式拟合法、带阻滤波法、协方差法/小波变换法来去除原始脑电数据中 的基线漂移、工频干扰和眼电伪迹。 (1)去除基线漂移 多项式拟合法选取的多项式的阶数为 20 阶,以 zt1 受试者的第一次视觉工作记忆任 务 3s 延迟阶段的 FP1 通道的脑电数据为例,去除基线前后的效果对比如下图 5 所示: 图 5 zt1 受试者第一次实验 FP1 通道去除基线前后效果对比 (2)去除工频干扰 带阻滤波器的幅频响应图和相频响应图如下图 6 所示: 图 6 50Hz 陷波器的幅频响应和相频响应图
(3)去除眼电伪迹 利用小波变换去除眼电伪迹时,是借助 MATLAB 内的 Wavelet Analyzer 工具箱,首 先进行五层 Harr 小波分解,其中,zt1 受试者的第一次视觉工作记忆任务 3s 延迟阶段的 FP1 通道的脑电数据分解结果如下图 7 所示: 图 7 zt1 受试者第一次实验 FP1 通道五层 Harr 小波分解结果 然后借助工具箱内的固定阈值去噪法,得到的去噪前后效果对比图如下图 8 所示, 其中,红线代表去噪前的结果,黑线代表去噪后的结果: 图 8 zt1 受试者第一次实验 FP1 通道小波去噪前后对比图
(4)预处理后效果 下图 9 展示了 zt1 受试者的第一次视觉工作记忆任务 3s 延迟阶段的 32 通道预处理 之后的脑电数据。 图 9 zt1 受试者第一次实验预处理后 32 通道脑电时序图 下图 10 选取了 FP1 导联数据放大观察预处理前后效果: 图 10 zt1 受试者第一次实验预处理后 FP1 通道脑电时序图
分享到:
收藏