基于多模态轻量化混合模型的情绪识别

实现更加准确的情绪识别是当前面临的一项富含挑战性且十分有意义的任务。由于情绪的复杂多样性,单一模态的脑电信号难以对情绪进行全面客观的度量。因此本文提出一种多模态轻量化混合模型PCA-MWReliefFGAPSO-SVM,该混合模型由PCA-MWReliefF特征通道选择器和GAPSO-SVM分类器构成。选用脑电信号(EEG)、肌电信号(EMG)、体温信号(TEM)三模态信号进行情绪识别。在DEAP公共数据集上进行多次实验验证,在效价维度、唤醒维度和四分类中分别取得了97.5000%、95.8333%、95.8333%的分类准确率。实验结果表明,提出的混合模型有助于提高情绪识别准确率且明显优于单模态情绪识别。与近期的类似工作相比,本文提出的混合模型具有较高准确率、计算量小且通道数少的优点,更易于实际应用。

基于延时等概率符号化传递熵分析的脑肌耦合双向神经信息传递规律研究

为了有效揭示脑肌双向神经传递机制,解决传统分析方法存在的计算复杂度高、动态特征提取能力差等问题,面向手部运动过程脑肌电耦合特征提取任务,提出了延时等概率符号化传递熵脑肌电耦合分析方法,计算了脑肌电神经信息传递时延规律,进行了运动执行过程激活功能区的关联分析,探索了脑肌耦合强度的时序变化规律。通过在线实验表明:人体左右手的脑肌信息传递具有不对称性,且该传递时延约为20~35 ms;运动执行任务中从脑电到肌电(EEG→EMG)过程比肌电到脑电(EMG→EEG)具有更强的传递熵值。同时,在不同耦合方向下,主动运动任务的脑肌电耦合强度显著高于静息状态。研究不仅对现有的脑肌电耦合分析方法进行了改进,提出了延时等概率符号化传递熵分析方法,同时通过在线实验分析,揭示了手部运动任务下脑肌耦合双向神经信息传递规律,为新的康复方案和康复评价方法提供了理论依据,为神经接口技术的发展提供有力的算法支撑。

Grael脑电放大器与深度学习的手势实时识别研究

手势识别是人机交互的关键。为了能够更好地实现脑电信号与肌电信号的融合,精准地识别人体的运动,本文建立了一套基于Grael脑电放大器的手势动作实时检测识别的研究系统。通过Grael脑电放大器和Curry8系统采集5个通道的8种不同手势的表面肌电信号(sEMG),并对采集到的sEMG信号进行滤波去噪、滑动窗口分割以及特征提取等预处理的操作;最后采用几种常用的分类器与卷积神经网络(CNN)对不同手势的sEMG信号进行实时分类识别。结果表明CNN的识别准确率最高,能达到92.98%;对每个手势动作进行30次实时识别检测,结果显示识别延迟大概在1~1.5 s,实时识别的精度可高达90%。该系统为将来研究脑电信号与肌电信号的融合提供了一个可行的方法,在人机交互方面展现了巨大的潜力和应用空间。

脑电联合肌电生物反馈联合抗阻训练在儿童痉挛型脑瘫治疗中的应用

目的观察脑电联合肌电生物反馈联合抗阻训练在儿童痉挛型脑瘫(SCP)治疗中的应用效果。方法本研究采用前瞻性随机对照试验,选取2015年7月至2021年7月中国医科大学航空总医院收治的107例SCP患儿,依据随机数字表法将其分为观察组(54例)和对照组(53例)。对照组给予常规康复训练+脑电联合肌电生物反馈,观察组在对照组的基础上联合抗阻训练,干预3个月。比较两组干预前、干预3个月时粗大运动功能测量量表(GMFM)评分,腓肠肌、比目鱼肌改良Ashworth量表(MAS)评分,6、10 min步行测试和生理消耗指数(PCI)。结果干预3个月时,两组GMFM评分高于干预前,且观察组高于对照组,差异有统计学意义(P<0.05);两组腓肠肌、比目鱼肌MAS评分低于干预前,且观察组低于对照组,差异有统计学意义(P<0.05);两组6、10 min步行测试高于干预前,PCI低于干预前,且观察组6、10 min步行测试高于对照组,PCI低于对照组,差异有统计学意义(P<0.05)。结论脑电联合肌电生物反馈联合抗阻训练可更加有效改善儿童SCP运动功能和肌张力,步行耐力明显提高,且运动过程中的能量消耗减少。

基于多模态特征组合的真实驾驶疲劳状态识别

对驾驶员在驾驶过程中的疲劳状态进行实时准确的预判,可减少由于驾驶疲劳引发的交通事故。首先,通过无线体域网采集了12名驾驶员在真实驾驶过程中的多模态特征,提取了脑电、肌电、呼吸等3种生理信号的特征参数近似熵,其中基于畸变能密度理论(DED)确定肌电信号的采集位置为颈6棘突旁开2 cm处的上斜方肌;然后,通过模糊C聚类方法分析了3种特征参数组合对疲劳状态的反映效果;最后,建立基于马氏距离理论的真实驾驶疲劳判别模型。研究结果表明,驾驶员颈6部位比颈7部位肌电信号的ApEn值显著下降(P<0.05),表明颈6处肌肉比颈7处肌肉对驾驶员的疲劳状态反映更为敏感,实际检测结果与畸变能密度理论计算结果一致,证明了该位置提取肌电信号的正确性和准确性;脑、肌、呼吸这3种生理信号的ApEn值均随驾驶时间的延长呈递减变化,驾驶约90 min时递减趋势变缓,表明驾驶员进入疲劳状态;通过模糊C聚类分析可知,当脑电与肌电ApEn组合时,清醒与疲劳的概率分布界限清晰,可有效反映驾驶疲劳状态;以脑电和肌电近似熵为自变量,基于马氏距离理论建立真实驾驶过程的疲劳判别模型,其测试集准确率达90.92%,表明该模型能够比较准确的判别出驾驶员的疲劳状态。

小鼠睡眠生物解析系统与应用

目的建立高度自动化小鼠睡眠生物解析系统,并考察作用于多巴胺D1/D2受体的左旋千金藤啶碱(L-stepholi-dine,SPD)对小鼠睡眠的影响。方法动物饲养在恒温、恒湿、隔音、静电屏蔽、12h/12h明暗光照环境下,利用Sleep-Sign软件,连续48h记录自由运动小鼠的脑电和肌电,分别在d121:00点腹腔注射生理盐水和d2同一时间注射SPD;并用此软件对脑电和肌电进行分析,自动判断睡眠-觉醒时相。结果该系统能高度自动化和高效率地记录与解析小鼠睡眠-觉醒行为。小鼠觉醒期腹腔注射SPD能增加睡眠量,延长非快动眼睡眠波的时程,降低觉醒量及觉醒期脑电波的强度,但不影响快动眼睡眠。结论作用于多巴胺受体的SPD能促进非快动眼睡眠,抑制觉醒。

基于相干性的多频段脑肌电信号双向耦合分析

针对皮层肌肉相干性分析时不能确定耦合方向的局限性,根据神经肌肉信息的双向传递性,提出利用不同大脑功能区的脑电信号和动作相关的肌电信号,实现了相干函数对脑肌电信号的双向耦合分析。本文对不同握力模式下同步采集的脑肌电信号进行了多频段耦合分析。通过下行(EEG—>EMG)和上行(EMG—>EEG)分析发现,随着握力的增大,EEG能量、相干幅值和耦合强度均向高频段转移。与基于新型格兰杰因果关系的耦合方法进行比较,验证了相干性方法进行皮层肌肉双向耦合分析的可行性和优势。研究结果为探索基于皮层肌肉相干性的双向手部运动信息解码和上肢运动功能障碍分析提供了依据。

混合脑机接口的研究现状及应用

随着多学科的发展,脑-机接口(brain-computer interface,BCI)技术取得了飞速发展,已成为脑科学、神经医学、人工智能等领域的研究热点。多项研究表明,多模态混合BCI(hybrid brain-computer interface,h BCI)比仅使用一种脑电信号(单模态)的BCI拥有更高的识别率和更好的稳定性。针对基于脑电图(electroencephalography,EEG)和肌电图(electromyography,EMG)的h BCI技术的研究现状与应用情况进行了分析与阐述,并总结了近年来EEG和EMG信号处理的主要方法,并针对目前国内外研究现状中所存在的问题,提出了在脑肌电混合BCI方向的潜在创新点,以期促进基于EEG和EMG的混合BCI在实际应用中进一步发展。

基于脑肌电融合的混合脑机接口研究

动作模式识别是脑机接口技术的核心内容之一。针对目前脑机接口动作识别模式单一、识别率低等问题,基于混合脑机接口思想,提出一种脑电和肌电特征融合策略,可实现单侧肢体不同动作模式的有效分类,进而可用于脑机接口技术。同步采集9名健康受试者单侧手腕屈/伸两种动作模式下的脑电信号和表面肌电信号,分别提取脑电信号事件相关去同步化特征和表面肌电信号的积分肌电值特征,构建基于支持向量机和粒子群优化算法的脑肌电融合及运动模式识别模型,通过调整"特征融合系数"来实现动作模式最优分类,从而提高模式识别的准确率;进一步通过递降健康人的肌电信号幅值来模拟患者和运动疲劳状态下的肌电信号,验证所提出方法对动作模式识别的有效性。实验结果表明,基于脑肌电融合特征的动作模式识别率(98%)比单纯依靠脑电特征的识别率(73%)提高25%;在运动疲劳状态下,基于脑肌电融合特征的识别率稳定在80%以上,比单纯依靠肌电特征的识别率提高14%。可见,脑肌电融合策略能提高动作模式识别的准确性和鲁棒性,为混合脑机接口技术提供条件。

慢性束缚应激对大鼠睡眠时相的影响及酸枣仁汤的干预作用

目的:探讨慢性束缚应激对大鼠睡眠结构的影响,以及酸枣仁汤的干预作用。方法:采用经典的慢性束缚应激的造模方法,复制大鼠慢性应激的模型,结合大鼠大脑皮层脑电和肌电描记技术,监测模型复制后大鼠12h脑电图(EEG)和肌电图(EMG)的变化,分析各睡眠时相的持续时间及所占睡眠总时间的比例,并探究中药复方酸枣仁汤对其干预作用。结果:从睡眠持续时间来看,与空白组相比,模型复制后大鼠在睡眠总时间、浅睡眠(LS)、慢波睡眠(SWS)以及快动眼(REM)睡眠的持续时间均显著缩短(P<0.05)。与模型组相比,酸枣仁汤给药组大鼠在睡眠总时间、LS和SWS期睡眠持续时间均显著延长(P<0.05),REM期睡眠虽有延长的趋势,但无统计学意义(P>0.05);从各睡眠时相所占睡眠总时间的比例来看,与空白组相比,模型复制后大鼠LS期所占比例显著增加(P<0.05),SWS期睡眠所占的比例则明显减小(P<0.05),而REM期所占睡眠总时间的比例与空白组相比基本持平。与模型组相比,酸枣仁汤给药组大鼠SWS期所占睡眠总时间的比例显著提高(P<0.05),LS期和REM期睡眠所占比例虽有下降的趋势,但是在统计学上无显著性差异(P>0.05)。结论:慢性束缚应激使大鼠各睡眠时相持续时间和所占睡眠总时间的比例发生明显的改变,大鼠的正常睡眠结构已被打乱,酸枣仁汤能有效对抗慢性束缚应激对大鼠睡眠结构造成的影响。

基于Gabor小波和格兰杰因果的脑-肌电同步性分析

手部运动功能神经肌肉调节机制的研究在假肢控制、康复治疗和评价等方面具有重要意义。基于Gabor小波和格兰杰因果(WT-GC)实现皮层肌肉耦合(CMC)分析,并定义GC峰值频率和显著性面积指标,定量描述不同频段的脑-肌电耦合及信息流向特征。同步采集10名健康被试在10%和60%最大自主收缩力(MVC)下的脑电(EEG)与肌电(EMG)信号,运用脑-肌电同步性分析方法进行手部不同力量下的脑-肌电同步耦合特征分析。结果显示:与10%MVC相比,在60%MVC握力输出下,EEG→EMG和EMG→EEG方向GC峰值频率均向高频段转移;EEG→EMG方向上beta频段的GC显著性面积降低,并具有统计性差异(P<0.05)。研究结果验证,所提出方法能够有效刻画不同频段的皮层肌肉间能量耦合特征,可描述不同信息传递方向上的神经元同步振荡强度,也可揭示皮层肌肉运动系统通过调节神经元同步振荡强度、频段与流向来控制手部力量输出的神经机制,为探索手部运动控制与反馈信息解码提供了依据。

基于典型相关分析与低通滤波的肌电伪迹去除

提出了一种基于典型相关分析(CCA)和低通滤波的盲源分离方法去除脑电信号(EEG)中的肌电伪迹。该方法首先将混入了肌电伪迹的EEG信号分解为不相关的CCA分量,然后对与伪迹源相关的分量进行低通滤波处理,去除这些分量中的高频伪迹成分,最后利用与EEG相关的CCA分量和滤波处理后的新分量重构信号,消除肌电伪迹的影响。实验结果表明,采用CCA能够有效地分离出肌电伪迹,而结合低通滤波技术能够更有效地保留EEG信息。该方法取得了较好的去除肌电伪迹的效果。

视觉表象与自我谈话技术对情绪放松调节效果的比较

研究采用完全被试间设计考查自我谈话和视觉表象这两种常见的心理放松认知技术对个体的情绪放松在效果上是否存在差异。将36名被试随机分为4组,引导被试分别进行视觉表象和自我谈话放松,并记录此过程中电生理指标的即时和延时变化以及被试的主观评价。研究发现,1)主观评价在两种方法间有差异;2)时间以及时间和方法的交互作用对α波的变化有显著影响。时间因素对其他指标也有影响;3)视觉表象的即时放松效果优于自我谈话,但是在延时效果上恰恰相反。

基于SVM多分类技术的肌电辅助脑电智能轮椅控制系统

针对单一脑电控制智能轮椅中信号识别率不高和系统稳定性低的问题,考虑到脑电传感器Emotiv能同时获取脑肌电信号,提出一个基于支持向量机(support vector machine,SVM)多分类技术的肌电信号(electromyography,EMG)辅助脑电信号(electroencephalogram,EEG)的轮椅控制系统。系统采用小波变换和阈值法分别对EEG和EMG进行特征提取,并对特征向量进行融合;然后,采用多分类SVM对信号进行分类,将分类结果作为智能轮椅的控制指令。实验证明,系统与单一脑电控制相比,动作识别率高,稳定性好。

基于颈腰部肌电及脑电信号的疲劳驾驶检测

为了有效判别驾驶员的疲劳状态,结合生物力学分析提取了驾驶过程中的颈腰部肌电信号EMG和头部脑电信号EEG,并分析其特征参数在驾驶过程中的变化规律.结果表明:颈肌样本熵、颈肌复杂度、腰肌样本熵、腰肌复杂度、脑电样本熵、脑电复杂度这6个生理信号的特征参数值都随着驾驶时间的延长而逐渐降低,通过主成分分析可实现特征参数间的合理组合.基于多元回归理论,建立了能够有效预测疲劳驾驶的数学模型.状态验证结果表明,该模型对疲劳状态判别的正确率可达95%以上.

健脑安神胶囊对失眠大鼠EEG、EOG、EMG的睡眠时相及安全性的相关实验研究

目的:观察健脑安神胶囊对失眠大鼠睡眠时相及肝、肾功能的影响。方法:将80只Wister大鼠,随机分为假手术组、模型组、中药模型治疗组、西药模型治疗组各20只,采用对氯苯丙氨酸(PCPA)腹腔注射复制失眠大鼠模型,各组灌胃治疗3周,治疗前后监测各组大鼠脑电图(EEG)、眼动电图(EOG)、肌电图(EMG)及肝、肾功能的变化。结果:中药模型治疗组与模型组相比觉醒期(Waking)明显缩短,慢波睡眠期(SWS)、快动眼睡眠(REMS)、总睡眠期(TST)明显回升(P<0.01)。比较4组治疗前后尿素氮、肌酐、谷丙转氨酶、谷草转氨酶,无统计学意义(P>0.05)。结论:健脑安神胶囊治疗失眠的疗效确切,其治疗失眠的作用机制与减少失眠大鼠的觉醒时间,延长SWS、REMS、TST期有关。且该药物对大鼠肝肾功能无明显损害,具有良好的药物安全性。

运动准备电位单次检测技术研究

针对自主运动起始时刻难以定位的难点,以受试者手臂自主运动前的EMG信号为研究对象,采用肌电激活触发点作为自主运动起始时刻,然后确定有效时间段;针对运动准备电位频率段难以确定的问题,采用小波包变换与功率谱分析相融合的方法确定有效频段.以信号的能量、均值和方差为特征,利用支持向量机(SVM)进行RP单次检测.实验结果表明:在自主运动过程单次检测RP中,15名受试者9组试验中最高检测率为77.5%~91.3%;每名受试者的9组平均检测率为68.2%~91.2%.研究结果有助于运动准备电位在异步BCI系统中的应用.

脑电信号中肌电伪差的实时去除方法研究

为了在线去除脑电信号中的肌电伪差,使用典型相关分析方法,分析了大量被肌电干扰和未被干扰的脑电(EEG)信号,得出了一个合理的自相关阈值.在时域上,肌电伪差和一般的噪声信号比较类似,有比较小的自相关值,在去除肌电伪差时,凡自相关值低于此值的分解成分被识别为肌电伪差.该方法很好地利用了这个特点,将肌电伪差分量与潜在大脑信号分离,然后依据剩下的分解成分重建"干净"的EEG信号.实验结果表明,典型相关分析法在去除肌电伪差时优于独立成分分析法,结合提出的自相关阈值在有效去除肌电伪差的同时,又能较好地保持潜在的大脑信号不变.

震颤信号分析的研究现状及展望

震颤是人身体某一个或多个功能区肌肉的节律性、不自主振动,是运动神经元异常同步化的结果。用信号处理的方法检测分析震颤患者加速度(accelerometer,ACC)、表面肌电(electromyography,EMG)、脑电(electroencephalography,EEG)信号对震颤临床诊断、等级评定、疾病早期发现等方面具有重要意义。介绍了时域分析、频域分析、人工神经网络、高阶谱、近似熵、模糊、浑沌、判别分析等方法在震颤信号研究中的应用情况,最后展望了震颤信号分析的应用前景。

基于变尺度符号传递熵的多通道脑肌电信号耦合分析

在运动控制中,脑肌电耦合强度可以反映大脑皮层和运动肌肉之间的联系。传统的时间序列符号化方法容易混淆原始信号,丢失信号的动态特性。因此,提出可变尺度参数的符号传递熵,对上肢不同握力下的皮层脑电和表面肌电信号进行多通道耦合性分析,进而提出一种耦合强度的表示方法,对脑肌电耦合强度进行定量分析。首先,分析并比较尺度参数对脑肌电传递熵的影响,并选择优化的尺度进行符号化传递熵的计算;其次,针对不同握力下多通道脑肌电信号的分析,验证大脑运动区C3、C4通道的脑电在运动控制中占主导地位以及大脑的对侧控制机制。实验中还发现,随着握力的增强,肌电到脑电的传递熵有增大趋势,右手(惯用手)脑电到肌电的传递熵较左手的高,同时随着输出力量的增强,脑肌电的双向平均耦合强度也增大。结果分析显示:5、10、20 kg握力下,EMG→EEG方向的左手耦合强度分别为0.033 0±0.005 8、0.037 3±0.004 0、0.045 1±0.005 5,右手耦合强度分别为0.035 2±0.002 9、0.043 2±0.003 5、0.060 3±0.001 8,除左手5和10 kg握力间不存在显著性差异,其余都具有显著性差异(P<0.05);EEG→EMG方向左手耦合强度分别为0.025 3±0.004 7、0.037 9±0.002 6、0.048 1±0.006 8,右手耦合强度分别为0.033 3±0.004 1、0.051 0±0.005 7、0.064 9±0.008 5,不同握力间均有显著性差异。研究结果表明:皮层肌肉功能耦合具有双向性,而且耦合强度在通道和握力不同时有差异。变尺度传递熵可用于定量描述大脑皮层与神经肌肉组织之间的非线性同步特征及信息交互。