劉玉紅,楊會杰,吳干華

摘要：腦電信號可以用復雜網(wǎng)絡(luò)方法進行分析和識別。基于國際上已廣泛采用10-20系統(tǒng)電極法（64 channel）,首先，將每個電極定義為一個網(wǎng)絡(luò)節(jié)點；然后，用電極有序錯位法來計算其相關(guān)系數(shù)，網(wǎng)絡(luò)節(jié)點間是否有邊相連取決于其相關(guān)水平；最后，通過延遲時間來確定因果導向關(guān)系，生成一系列不同網(wǎng)絡(luò)密度的有向無權(quán)圖，從而用來分析網(wǎng)絡(luò)的統(tǒng)計特性。結(jié)果表明通過網(wǎng)絡(luò)結(jié)構(gòu)圖結(jié)合腦區(qū)功能劃分圖能快速準確地識別出動作方向。通過現(xiàn)代信號處理技術(shù)和外部的連接實現(xiàn)人腦與外部設(shè)備的通信。

關(guān)鍵詞：復雜網(wǎng)絡(luò)方法; 64channel;識別動作方向

中圖分類號：TP242文獻標識碼：A文章編號：1009-3044(2012)02-0278-04

Study on Network-graph Analysis of Movement EEG

LIU Yu-hong,YANG Hui-jie,WU Gan-hua

(Business School, University of Shanghai for Science and Technology, Shanghai 200090,China)

Abstract: EEG can be recognized by the analysis of complex networks. Based on the 10-20 international electrods system (64 channel), Firstly, defined each electrod as a network node; And then, estimated functional connectivity by calculating the correlation between the electrodes of dislocation; Finally, the Delay time to determine the relationship-oriented to generate a set of directed binary graphs and fur? ther analyzed topological parameters. The results demonstrate that the structure of network and brain functional can be devided quickly and accurately identify the movement direction. This study has provided new ideas and methods for feature extraction and classification of differ? ent mental tasks for EEG.

Key words: complex networks methods; 64 channel; identify the movement direction

現(xiàn)實世界中許多復雜系統(tǒng)都可以通過各種網(wǎng)絡(luò)來描述，復雜系統(tǒng)中的個體抽象為網(wǎng)絡(luò)節(jié)點，而個體之間的相互作用抽象為節(jié)點之間的邊。復雜網(wǎng)絡(luò)作為研究復雜系統(tǒng)的一門新興學科，近年來備受國內(nèi)外不同學科研究人員的廣泛關(guān)注，腦科學也不例外。人的大腦是一個極其復雜的神經(jīng)科學系統(tǒng)，研究人的思維機制、實現(xiàn)神經(jīng)系統(tǒng)損傷的患者直接與外部環(huán)境進行信息交流是認知神經(jīng)科學領(lǐng)域的一項重要課題。該項技術(shù)就被稱之為“腦-機接口（BCI—Brain Computer Interface）”技術(shù)[1-4]，它是基于腦電信號實現(xiàn)人腦與計算機或其他電子設(shè)備通訊和控制的系統(tǒng)，是一個不依靠外周神經(jīng)和肌肉組織等通常的大腦輸出通道的通信系統(tǒng)，是一種全新的通訊和控制方式。BCI系統(tǒng)的核心和關(guān)鍵就是對腦電信號的特征提取和分類識別，即把用戶輸入的腦電信號轉(zhuǎn)換成輸出控制信號或命令，使得神經(jīng)電信號能夠?qū)崟r、快速、準確地通過BCI系統(tǒng)轉(zhuǎn)換成可以被計算機識別的命令或操作信號。

腦電信號是一種典型的電生理信號，它是通過電極在頭皮或顱內(nèi)記錄下來的腦細胞群的節(jié)律性電活動，包含了大量腦內(nèi)神經(jīng)元之間活動的信息。近幾年來，對不同腦電信號進行特征提取和分類識別的方法越來越受到研究者的關(guān)注，相繼引入了頻域分析、時域分析、時頻特征組合法、FFT、相關(guān)性分析、AR參數(shù)估計、小波變換等腦電分析的經(jīng)典方法[5-9].

本文是從構(gòu)建復雜網(wǎng)絡(luò)結(jié)構(gòu)圖這一全新的角度來分析和識別腦電信號的特征，這也是初次把復雜網(wǎng)絡(luò)分析方法應(yīng)用在腦科學這一新領(lǐng)域的創(chuàng)新研究。本文的工作將會詳細地講述如何去構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)圖，從該網(wǎng)絡(luò)結(jié)構(gòu)圖中導出對應(yīng)于大腦相應(yīng)腦區(qū)電極之間信號的接受、整合、傳導和輸出的全過程。從而可以準確地定位出大腦的活躍區(qū)域和大腦的執(zhí)行任務(wù)區(qū)域，并最終根據(jù)大腦各腦區(qū)功能和基本運作原理精確地識別出信號的特征和方向。在此基礎(chǔ)上還會進一步給出一些發(fā)展方向和應(yīng)用前景方面的思考和討論。

1方法

1.1網(wǎng)絡(luò)節(jié)點的定義

構(gòu)建復雜網(wǎng)絡(luò)結(jié)構(gòu)圖需要定義網(wǎng)絡(luò)節(jié)點。根據(jù)國際10-20系統(tǒng)電極法（64 channel），可以把64個電極視為每一個網(wǎng)絡(luò)節(jié)點。信號的發(fā)生都是這些電極共同作用的結(jié)果。

1.2網(wǎng)絡(luò)結(jié)構(gòu)圖的構(gòu)建

利用視覺誘發(fā)狀態(tài)所采集兩種類型的腦電信號：實際做出該動作(real)和想象左右手運動思維(imagine)的腦電數(shù)據(jù)來構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)圖。該數(shù)據(jù)來源于官方的physionet.org by Gerwin Schalk and his colleagues at the BCI R&D Program[10]。第一組是視覺誘發(fā)腦電數(shù)據(jù)，即受試者根據(jù)屏幕光標的移動出現(xiàn)向左或向右的箭頭并做出相應(yīng)的動作方向；第二組是想象動作發(fā)生的腦電數(shù)據(jù)，即根據(jù)光標移動的方向大腦思維直接去想象該動作的發(fā)生。

網(wǎng)絡(luò)結(jié)構(gòu)圖的構(gòu)建步驟如圖1,圖2,圖3所示。

圖1視覺誘發(fā)數(shù)據(jù)相關(guān)系數(shù)矩陣

圖1中，顏色的深淺程度代表彼此間相關(guān)系數(shù)值的大小情況，紅色區(qū)域代表相關(guān)系數(shù)值較大，即彼此間的關(guān)聯(lián)程度就越強。

圖2視覺誘發(fā)數(shù)據(jù)延遲相關(guān)系數(shù)矩陣

圖2中，信號的發(fā)生有正延遲和負延遲相關(guān)，圖中有很大一部分區(qū)域呈現(xiàn)綠色，表明這些信號是同時發(fā)生的，彼此間并不存在相互影響的關(guān)聯(lián)程度。

圖3腦電數(shù)據(jù)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖3中，從保證網(wǎng)絡(luò)的連通性出發(fā)，該閾值取ρ=相關(guān)系數(shù)矩陣的平均值，便構(gòu)成了網(wǎng)絡(luò)。從該網(wǎng)絡(luò)結(jié)構(gòu)圖可以直觀地看到絕大多數(shù)電極都在向綠色電極（12）、（14）發(fā)送信號，即綠色電極（12）、（14）是信號的接受端從而執(zhí)行命令。然后再把這些電極對應(yīng)到腦區(qū)功能上，即可以快速地識別出方向。

網(wǎng)絡(luò)結(jié)構(gòu)圖的構(gòu)建步驟描述如下：

1)相關(guān)性分析[11]。利用電極有序錯位法來計算相關(guān)系數(shù)，假設(shè)數(shù)據(jù)的長度為N,先取數(shù)據(jù)長度的1/3,即令k= (LEN(1)/3 );示意圖如圖4所示。

圖4-xj為平均時間序列。得到的是N×N對稱矩陣。本文的網(wǎng)絡(luò)節(jié)點N為64，每個矩陣元r ij代表電極i與電極j之間的相關(guān)系數(shù)值。

2)導出信號延遲相關(guān)—確定網(wǎng)絡(luò)節(jié)點的鏈接方向。通過延遲時間來確定電極間的因果導向關(guān)系。

3)閾值的設(shè)定。它也是網(wǎng)絡(luò)結(jié)構(gòu)圖構(gòu)建過程中比較靈活的一步。閾值的作用是將弱的連接(較小的相關(guān)值)認為是噪聲邊，并加以去除；同時又要保證網(wǎng)絡(luò)連通性(即無孤立模塊)。本文選取閾值策略范圍是ρ=相關(guān)系數(shù)矩陣的平均值。

4)網(wǎng)絡(luò)的構(gòu)建。綜合上述兩個方面（a和b），也就是當兩個電極信號之間有正延遲(D>0)并且他們的相關(guān)系數(shù)值大于所設(shè)的閾值則把這兩個節(jié)點相連；反之則不建立連邊。鄰接矩陣中的對角元素設(shè)為0，以避免網(wǎng)絡(luò)中出現(xiàn)自連接。這一環(huán)節(jié)同時也剔除了部分噪聲信號，精確度較高，方法操作簡單，易于實現(xiàn)。

3實驗結(jié)果分析

3.1數(shù)據(jù)集描述

本文數(shù)據(jù)來源于109位受試者在視覺誘發(fā)狀態(tài)之下和想象動作發(fā)生狀態(tài)之下所記錄的大腦電位信號，每組實驗包括14個數(shù)據(jù)集，編號1,2是表示采集數(shù)據(jù)的兩種狀態(tài)（睜眼和閉眼），編號3,4,7,8,11,12表示向左或向右方向的數(shù)據(jù)集，編號5,6,9,10,13,14是向上或向下方向的數(shù)據(jù)集。由于實驗應(yīng)用的需要，暫時先識別左右方向的信號數(shù)據(jù)，其中數(shù)據(jù)集編號為奇數(shù)的是實際做出動作狀態(tài)(re? al)，即當受試者眼球受到屏幕光標閃爍的視覺刺激之后，根據(jù)光標移動的方向提示打開或合上左拳或右拳；數(shù)據(jù)編號為偶數(shù)的是想象動作發(fā)生狀態(tài)(imagine)，即同樣也是根據(jù)屏幕光標移動的提示，想象打開或合上左拳或右拳。采集數(shù)據(jù)時間均在2～3分鐘之內(nèi)。

3.2腦電信號的實驗采集系統(tǒng)—國際10-20系統(tǒng)電極放置法（64 channel）[12]

電極名稱是根據(jù)大腦解剖部位命名，如額、顳、頂、枕等（常以各部位英文名的第一個字母大寫F、T、P、O等來表示）。相關(guān)腦區(qū)各解剖部位電極應(yīng)代表和體現(xiàn)的是各個腦皮質(zhì)區(qū)的功能。對64個電極進行腦區(qū)功能劃分如圖5所示。

圖4國際10-20系統(tǒng)電極放置法（64 channel）相應(yīng)的腦區(qū)功能劃分圖

圖4：大腦分左右兩個半球，每個半球上按功能劃分都有運動區(qū)、軀體感覺區(qū)、視覺區(qū)、聽覺區(qū)和聯(lián)合區(qū)等神經(jīng)中樞。并且大腦半球在功能上都是對稱的。在神經(jīng)傳導的運作上，兩半球相對的神經(jīng)中樞，彼此配合，發(fā)生交叉作用：兩半球的運動區(qū)對身體部位的管理，是左右交叉、上下倒置的；即大體上是左半球管右半身，右半球管左半身。每一半球的縱面，在功能上也有層次之分，原則上是上層管下肢，中層管軀干，下層管頭部。[13]

3.3實驗數(shù)據(jù)分析

采用時間相關(guān)分析來度量網(wǎng)絡(luò)節(jié)點（64個電極）間的關(guān)系，通過閾值和延遲相關(guān)分別決定節(jié)點間是否連邊及連邊的方向。最后，構(gòu)建出一系列不同密度下的網(wǎng)絡(luò)結(jié)構(gòu)圖。信號特征分析與識別的結(jié)果如圖5所示。

說明：圖5中，如果實驗生成網(wǎng)絡(luò)結(jié)構(gòu)圖中有孤立節(jié)點存在表明這些電極是沒有參加此次動作發(fā)生的活動。

下面可以從兩個角度來分析所生成的網(wǎng)絡(luò)結(jié)構(gòu)圖：

1）利用大腦各腦區(qū)功能劃分和基本運作原理，并對應(yīng)到國際10-20系統(tǒng)電極放置法(64-channel)，可以觀察到當受試者眼球受到屏幕光標的視覺刺激之后，大部分來自于大腦的視覺電信號不斷地在向大腦的運動區(qū)發(fā)送信號，并請求左腦或右腦的運動區(qū)做出向右或向左的動作。由于兩半球的運動區(qū)對身體部位的管理，是左右交叉、上下倒置的，即左腦運動區(qū)執(zhí)行向右的動作，右腦運動區(qū)執(zhí)行向左的動作。（圖a中，絕大多數(shù)的視覺區(qū)電極（編號56～64）分別向右腦運動區(qū)電極（編號12，14）發(fā)送信號，表明執(zhí)行的是向左的動作。圖b中，大部分電極都分別不斷地向右腦運動區(qū)電極（編號7,12,14,40）和軀體感覺區(qū)（編號17～19）發(fā)送信號，表明大腦進行想象動作發(fā)生的時候是軀體感覺區(qū)和運動區(qū)共同作用的結(jié)果，從而執(zhí)行的是向左的動作。人在進行想象運動時，大腦中發(fā)出的腦電波信號影響到想象運動中的肌肉組織。當人的四肢有活動的時候，這個運動皮層區(qū)就活躍起來。結(jié)果表明和大腦的運作原理完全匹配，并且還具備很強的魯棒性，該方法識別精確度高，識別速率快。

2）從網(wǎng)絡(luò)的統(tǒng)計特性出發(fā)，如果是在視覺誘發(fā)狀態(tài)下，網(wǎng)絡(luò)關(guān)系圖中網(wǎng)絡(luò)節(jié)點的入度數(shù)目最多的大部分都是運動區(qū)電極，而且是中心性節(jié)點，說明運動區(qū)電極在網(wǎng)絡(luò)中起著主導作用，即它是信號的執(zhí)行端；網(wǎng)絡(luò)關(guān)系圖中網(wǎng)絡(luò)節(jié)點的出度大部分是視覺區(qū)和軀體感覺區(qū)的電極，并不斷地在向大腦運動區(qū)電極發(fā)送信號，即它是信號的發(fā)送端。因此，基于描述各個節(jié)點在網(wǎng)絡(luò)中所占的地位有助于我們從整體上確定節(jié)點間關(guān)系很有意義。

圖6

圖6統(tǒng)計了每組數(shù)據(jù)集所生成的網(wǎng)絡(luò)關(guān)系圖中節(jié)點的入度數(shù)目分布情況（節(jié)點入度數(shù)目很小的都視為0，以便更好地區(qū)分出來），（a）節(jié)點密度較高的主要集中在節(jié)點14，29，38，40，這些節(jié)點定位到國際10-20系統(tǒng)電極放置法(64-channel)發(fā)現(xiàn)均位于大腦的右半腦，由于兩半球的運動區(qū)對身體部位的管理，是呈左右交叉的，因此表明執(zhí)行向左方向的動作。（b）節(jié)點數(shù)目分布較多的分別是電極22，25，30，39，其它們位于大腦的左半腦，實現(xiàn)向右的動作。由此可以看出，在網(wǎng)絡(luò)關(guān)系圖中節(jié)點入度數(shù)目最多的大部分都是運動區(qū)電極，而且是中心性節(jié)點，說明運動區(qū)電極在網(wǎng)絡(luò)中起著主導作用，即它們是信號的執(zhí)行端。

4應(yīng)用前景

基于視覺誘發(fā)(real)[14]和想象左右手運動思維(imagine)[15]的腦電數(shù)據(jù)的實證研究表明，本文探討的運用構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)圖方法是可靠的。該項研究對理解大腦認知過程、智能信息處理有重要的理論意義，對研發(fā)處理高度復雜數(shù)據(jù)的新型信息感知技術(shù)、模式識別技術(shù)具有重要的價值。對挖掘人類認知潛能、研發(fā)殘疾人和老年人自理自助系統(tǒng)、特別是對認知障礙疾病的康復等問題具有重要的應(yīng)用前景，并具有極其重要的社會意義。新型的腦計算機接口也可以應(yīng)用于汽車安全駕駛系統(tǒng)、殘疾人輪椅控制、高危險性警覺度評估、情緒分析等領(lǐng)域。尤其在汽車、飛機、宇宙飛船等需要快速反應(yīng)控制的交通工具上，腦電波識別和通信技術(shù)將會有更大的用途?？梢允箍刂扑俣缺仁种高\動速度還快，減少了神經(jīng)信號傳輸?shù)绞种敢约笆种府a(chǎn)生運動的控制時間，更重要的是提高了控制精度，使人運動不靈活產(chǎn)生的失誤大大減少，從而減少了不良事故的發(fā)生。

參考文獻：

[1]高上凱,張志廣,高小榕,等.基于腦機接口技術(shù)的新型醫(yī)療器械[J].中國醫(yī)療器械雜志,2006,30（2）:79-82.

[2] Wolpaw J R,Birbaumer N,McFarland, Gert Pfurtscheller, Theresa M. Vaughan. Brain–computer interfaces for communication and con? trol [J].Clinical Neurophysiology ,2002(113):767-791.

[3] Jonathan R.Wolpaw. Brain–computer interfaces as new brain output pathways [J]. Physiol 579.3 2007:613–619.

[4] Gerwin Schalk, Dennis J. McFarland.BCI2000: A General-Purpose Brain-Computer Interface (BCI) System. IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, VOL. 51, NO. 6, JUNE 2004

[5]吳婷,顏藩正,耪幫華.一種快速的腦電信號特征提取與分類方法[J].系統(tǒng)仿真學報,2007,19(18).

[6] Ji Zhong, Qin Shuren, Peng Liling. Time-Frequency Analysis of EEG Sleep Spindles Based Upon Matching Pursuit. ISIST2002 Proceed? ings, 2nd International Symposium on Instrumentation Science and Technology, Vol.2: 671-675 .

[7] Tulga kalayci and Ozcan Ozdamar. Wavelet Preprocessing for Automated Neural Network Detection of EEG Spikes. IEEE Engineering in Medicine and Biology[J], 0739-5175,1995(3/4).

[8] Qin Shuren, Ji Zhong,Test Center,Chongqing Univ., Chongqing. Extraction of feature information in EEG signal by virtual EEG instrument with the functions of time-frequency analysis. IEEE 978-953-184-135-1,2009.

[9] Zhang Tong, yang Fusheng, Tang Qingyu. Automatic Detection and Classification of Epileptic Waves in EEG-A Bierarchical Multi-Meth? od Integrated Approach[J].Chinese Journal of Biomedical Engineering,1998,17(1).

[10] http://www.physionet.org/pn4/eegmmidb/

[11]丁寶璽.腦電圖數(shù)據(jù)的相關(guān)性分析[J].現(xiàn)代生物醫(yī)學進展,2008(8).

[12] Sharbrough F, Chatrian G E,RPLesser,et al.American electroencephalographic society guidelines for standard electrode position nomen? clature[J].ClinNeurophysiol.1991;8(2):200-202

[13]唐孝威.腦科學導論[M].浙江大學,2006.

[14]尹晶海,胡劍鋒.基于視覺誘發(fā)電位腦機接口瀏覽器的設(shè)計與應(yīng)用[J].江西.中國組織工程研究與臨床康復, 2009,13(35).

[15]程龍龍.腦-機接口研究中想象動作電位的特征提取與分類算法[x].天津.儀器儀表學報, 2008,29(8).