郭苗苗 徐桂芝 王 磊 王 江

(河北工業(yè)大學 電氣工程學院 生物醫(yī)學工程系，天津 300130)

引言

腦機接口(brain computer interface，BCI)是一種不依賴于大腦的正常輸出通路(即外圍神經(jīng)和肌肉組織)就可以實現(xiàn)人腦與外界(計算機或其它外部裝置)直接通信的系統(tǒng)[1]。這種技術(shù)在醫(yī)療康復(fù)領(lǐng)域有著廣泛的應(yīng)用前景，能夠為那些神經(jīng)肌肉受損，喪失肢體控制能力的閉鎖綜合癥患者提供一種與外界交流的通道，改善其生活質(zhì)量。國內(nèi)外研究學者對基于視覺的腦機接口范式作了大量的研究，并在實際中得到了廣泛應(yīng)用[2～4]。然而有很多閉鎖綜合癥患者，其視覺通路存在障礙，這就限制了他們對基于視覺的腦機接口系統(tǒng)的使用，因此，有必要研究依賴于聽覺的腦機接口范式。

國際上，Hinterberger等最早進行了基于聽覺的腦機接口研究，他們通過聽覺或視覺反饋自主控制皮層慢電位的幅值，并以此作為腦電信號的特征，獲得了較好效果[5]。Sellers等研究了聽覺 odd-ball產(chǎn)生的P300誘發(fā)電位，并以此作為特征設(shè)計了一個具有 4 個選項“Yes”，“No”，“Pass”，“End”的腦機接口實驗。結(jié)果表明，不論是健康受試者還是閉鎖癥患者，聽覺P300信號均能被很好的激發(fā)，同時具有一定的穩(wěn)定性[6]。在國內(nèi)，只有清華大學對聽覺腦機接口技術(shù)進行了研究，郭靜等將主觀選擇注意融入到聽覺腦機接口實驗中，使受試者收聽中文朗讀的1至8這八個數(shù)字，受試者根據(jù)實驗前的約定，選擇指定的數(shù)字產(chǎn)生特征腦電信號[7]。與之前所述分析P300誘發(fā)腦電不同，該實驗分析的主要成分為聽覺處理產(chǎn)生的N200成分以及后續(xù)主觀注意所產(chǎn)生的晚期正成分，最終平均分類正確率達到80%以上。然而，閉鎖癥患者在失去自主肌肉控制的同時，注意廣度也有所降低，因此，為了提高腦機接口系統(tǒng)的性能應(yīng)簡化實驗范式，縮短實驗時間。本研究采用三音odd-ball范式，其中包含兩種靶刺激，一種非靶刺激。每組實驗只要求被試注意其中一種靶刺激，其余聲音均為非靶刺激以誘發(fā)聽覺P300。通過一維離散小波變換獲取單次刺激的特征向量，并采用支持向量機對目標和非目標進行識別，以實現(xiàn)二分類的腦機接口。

1 實驗方法

1.1 被試

本實驗隨機選擇5名聽覺正常的在校學生作為被試，包括三名男生兩名女生，被試年齡在22～26歲之間。每名被試在實驗前都能明確實驗任務(wù)，并在實驗結(jié)束后給予適當?shù)膱蟪辍?/p>

1.2 實驗范式

對于閉鎖綜合癥的患者，其注意廣度也會有所下降，故所設(shè)計聲音應(yīng)該清晰，容易分辨，因此設(shè)計了三種純音刺激構(gòu)成的語音序列。這三種純音，頻率分別為100 Hz、1000 Hz、4000 Hz，聲音幅值均為80 dB，持續(xù)時間均為100 ms。選取4000 Hz和100 Hz的純音作為靶刺激1和靶刺激2，1000 Hz的純音作為非靶刺激，每個刺激的間隔(inter stimulus interval，ISI)為 250 ms～400 ms。每個實驗周期包含7種刺激：靶刺激1、靶刺激2和5次非靶刺激，圖1所示為一個實驗周期的刺激序列。所有刺激隨機排列，20個實驗周期構(gòu)成一組實驗。每組實驗只要求被試注意其中一種靶刺激，聽到時計數(shù)。每位被試參與4組實驗，交替注意靶刺激1和靶刺激2，實驗期間要求被試忽略非目標刺激，并對目標刺激進行計數(shù)。

Odd-ball實驗理論上認為目標刺激的概率越低，P300電位幅值越高。本研究的范式包含7種刺激，每次被試只要求注意其中一種靶刺激，因此目標刺激出現(xiàn)的概率約為14.3%。有研究表明，當目標概率高至33%，仍能產(chǎn)生P300來進行分類。所以從理論上講，本實驗設(shè)計可以誘發(fā)出P300電位。

圖1 純音刺激序列中的一個基本實驗周期Fig.1 A trial of the three-tone stimulus sequence

1.3 數(shù)據(jù)采集與預(yù)處理

6個銀/氯化銀電極依國際10～20電極安放系統(tǒng)放置，分別置于 Fz、Cz、Pz、Fcz、Cpz 和 Oz 處，參考電極置于耳后雙側(cè)乳突處。實驗所用放大器為清華大學研發(fā)的16導聯(lián)USB腦電放大器。采集過程中所有電極阻抗保持在5 kΩ以下，信號采樣率為1000 Hz。實驗期間被試舒適地坐在有扶手的椅子上并戴上耳機，刺激期間被試可以選擇雙眼微閉或盯著屏幕中央的固定塊，以保證注意力集中。

對采集到的EEG數(shù)據(jù)首先進行20 Hz的低通濾波，然后截取刺激前200 ms到刺激后800 ms的數(shù)據(jù)，并對每一通道的數(shù)據(jù)進行分段，得到1000 ms的數(shù)據(jù)段并對每段數(shù)據(jù)進行基線矯正。

1.4 利用小波變換進行特征提取

在odd-ball范式中，通過疊加目標刺激的響應(yīng)可以有效地提取特征P300。然而，在實時腦機接口通信中，疊加平均法由于所需時間長而不能被采用。本文采用一維離散小波變換對預(yù)處理后的信號進行處理，以期可以從單次刺激中提取到聽覺誘發(fā)電位。小波變換是時間和頻率的局部變換，能有效地從信號中提取信息，并通過伸縮和平移等運算功能對信號進行多尺度細化分析，通過將原始信號與小波函數(shù)進行積分，把信號分解為位于各個不同頻帶和時段內(nèi)的成分[8]。

選取B樣條小波函數(shù)，將單個目標刺激樣本的原始信號分解成6個尺度層，得到7個小波系數(shù)序列。每個小波系數(shù)序列對應(yīng)于信號不同頻帶范圍的信息，這些頻帶范圍大致對應(yīng)于D1：256 Hz～512 Hz;D2：128 Hz～256 Hz;D3：64 Hz～128 Hz;D4：32 Hz～64 Hz;D5：16 Hz～32 Hz;D6：8 Hz～16 Hz;A6：0 Hz～8 Hz。每個尺度層包含小波系數(shù)的個數(shù)與每個頻率范圍相應(yīng)的時間分辨率相對應(yīng)，高頻段小波系數(shù)的個數(shù)多，低頻段小波系數(shù)個數(shù)少。利用樣條函數(shù)在小波系數(shù)間插零可以得到信號在每個頻率帶的時間過程，如圖2所示。

圖2 D1，A6尺度層的小波系數(shù)以及相應(yīng)的插值信號。(a)D1層的小波系數(shù);(b)D1層的插值信號;(c)A6層的小波系數(shù);(d)A6層的插值信號Fig.2 The wavelet coefficients in D1，A6 octaves and the interpolated signals in D1，A6 octaves.(a)the wavelet coefficients in D1 octave;(b)the interpolated signals in D1;(c)the wavelet coefficients in A6 octave;(d)the interpolated signals in A6

由于誘發(fā)腦電信號主要集中于低頻段，噪聲主要集中在高頻段和中頻段，所以選擇頻率較低的A6層插值信號進行分析。為了進一步縮小數(shù)據(jù)量，對重構(gòu)信號進行50 Hz重采樣，選取對應(yīng)時域上250 ms～550 ms的數(shù)據(jù)點作為特征進行分類。

1.5 SVM分類

SVM是Vapnik等人根據(jù)統(tǒng)計學習理論提出的一種新的機器學習方法，它以結(jié)構(gòu)風險最小化準則為理論基礎(chǔ)，是一個具有最優(yōu)分類能力和推廣能力的學習機器。采用基于徑向基核函數(shù)的SVM分類器進行二分類，將提取的特征向量分成訓練集和測試集。訓練集中一部分為靶刺激記錄，另一部分為非靶刺激記錄。每位被試參與4組實驗，共80個樣本，從中隨機抽取一半靶刺激記錄和非靶刺激記錄作為訓練數(shù)據(jù)集，另一部分為測試集，例如第1次測試取1～20，21～40共40組樣本為訓練集，其余40組為測試集，總共進行8次交叉測試，對每名被試單個電極進行目標與非目標的分類。

2 結(jié)果

通過疊加平均oddball實驗中的目標刺激響應(yīng)，可以在刺激后250～700 ms內(nèi)獲得較大的正波。圖3所示為某位被試Cz電極的疊加平均波形，可以明顯看出目標刺激響應(yīng)在300～500 ms間有較大的正向峰，而非目標刺激響應(yīng)波形中則沒有明顯的P300。

圖3 Cz電極的疊加平均波形Fig.3 Grand average waveform from one subject.Solid curves show averaged waveform at electrode Cz for target stimuli

為了驗證小波變換可以單次提取特征信號，文中將目標刺激響應(yīng)A6層小波插值信號與疊加20次目標刺激所得波形進行了對比，如圖4所示。圖中實線為單次目標刺激小波A6層 的信號，虛線為疊加平均后的波形。通過比較可以看出經(jīng)過小波變換，同樣在300～600 ms之間有最大的正波峰出現(xiàn)，單次小波變換達到與20次疊加平均相當?shù)男Ч?。采用SVM檢驗特征提取的有效性，對每名被試單個電極進行目標與非目標的分類結(jié)果如表1所示，可見采用SVM進行8次交叉測試所得的平均分類正確率及其標準差，可以看出每位被試某些單個電極的分類正確率已經(jīng)很高，最高可達80%以上，說明采用SVM分類是可行的，能夠達到有效區(qū)分目標刺激與非目標刺激的目的。

圖4 單次A6層小波系數(shù)插值信號(實線)與目標刺激的疊加平均(虛線)的對比Fig.4 The single target interpolated signals in A6 octave(solid line) and the average of original target signals(dashed line)

表1 每名被試單個電極的目標與非目標的分類正確率Tab.1 The classification accuracy of each channel for every subjects

3 討論和結(jié)論

文中設(shè)計的三音oddball范式易于掌握，靶刺激與非靶刺激可以清晰地區(qū)分，而且靶刺激可以穩(wěn)定誘發(fā)出 P300電位，而非靶刺激則沒有，因此這種范式可以用于研究二分類的腦機接口。小波變換單次提取特征向量相當于20次樣本疊加平均的結(jié)果，說明小波變換可以達到特征提取的目的，而且縮短了實驗時間。從表1的結(jié)果可以看出，每位被試的最高正確率均超過80%，因此采用SVM分類能有效地區(qū)分目標刺激與非目標刺激。不同被試的最高正確率分布于不同的電極，這應(yīng)該是由個人差異決定的，而且受試者對目標的注意程度以及當時的精神狀態(tài)都會影響最終的分類正確率，這也說明通道選擇對信號提取及分類的影響非常明顯，在實際應(yīng)用中可以僅選擇分類正確率高的通道，從而簡化BCI系統(tǒng)，本研究結(jié)論可以歸納為以下觀點。

1)采用疊加平均法和一維離散小波變換對采集到腦電信號進行特征提取，在250～600 ms范圍內(nèi)靶刺激響應(yīng)可以得到明顯的正向峰，非靶刺激響應(yīng)波形中則沒有顯著地P300，即三音范式的純音實驗適用于二分類的腦機接口。

2)通過SVM進行目標刺激與非目標刺激的分類，5名被試的單通道分類正確率分別高達87.51% 、91.67% 、89.16% 、86.42% 和 85.71% 。說明采用小波變換進行P300特征信號的單次提取，并采用SVM進行分類是可行的，這也為聽覺腦機接口系統(tǒng)的實現(xiàn)打下了基礎(chǔ)。

[1]高上凱.神經(jīng)工程與腦機-接口.生命科學[J].2009，21(2)：177-180.

[2]閆錚，賓光宇，高小榕.基于左右視野雙頻率刺激的SSVEP腦-機接口.清華大學學報(自然科學版)[J].2009，49(12)：2017-2020.

[3]Townsend G，Lapallo BK.，Boulay CB，et al.A novel P300-based brain-computer interface stimulus presentation paradigm：Moving beyond rows and columns.Clinical Neurophysiology，2010，121：1109-1120.

[4]Martin T，Huxlin KR，Kavcic V.Motion-onset visual evoked potentials predict performance during a global direction discrimination task[J].Neuropsychologia，2010，48(12)：3563-3572.

[5]Pham M，Hinterberger T，Neumann N，et al.An auditory brain-computer interface based on the self-regulation of slow cortical potentials[J].Neurorehabiitition，2005，19：206-218.

[6]Sellers EW，Krusienski DJ，McFarland Dennis J，et al.A P300 event-related potential brain-computer interface(BCI)：Theeffects of matrix size and inter stimulus interval on performance[J].Biological Psychology，2006，73(3)：242-252.

[7]Guo Jing， Gao Shangkai， Hong Bo. An Auditory Brain-Computer Interface Using Active Mental Response[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering，2010，18：230-235.

[8]Tamer D，Ahmet A，Yorgo I，et al.Wavelet analysis of oddball P300[J].International Journal of Psychophysiology ，2001，39：221-227.