论著
一种便携式稳态视觉诱发脑电信号采集系统设计
国际生物医学工程杂志, 2019,42(3) : 222-226. DOI: 10.3760/cma.j.issn.1673-4181.2019.03.007
摘要
目的

设计一种便携式脑电采集设备,用于稳态视觉诱发电位(SSVEP)信号的采集与分析。

方法

采用微处理器MSP432P401系列单片机控制高性能集成模拟前端ADS1299,实现脑电信号(EEG)的采集、放大和模数(AD)转换。通过WIFI将数字EEG信号发送到上位机进行处理。采集分析3名受试者的自发脑电信号和稳态视觉诱发脑电信号对系统性能进行验证。

结果

采集到的受试者闭眼自发脑电信号α波节律明显。功率谱密度图显示,在对应刺激频率下,稳态视觉诱发脑电信号频率和谐波频率处均呈现峰值,表明系统工作正常,性能良好。

结论

设计的便携式脑电采集系统能准确采集到人体自发和诱发脑电信号,为SSVEP技术的临床应用提供了技术保障。

引用本文: 董亚斌, 王磊, 王琳琳, 等.  一种便携式稳态视觉诱发脑电信号采集系统设计 [J] . 国际生物医学工程杂志,2019,42 (3): 222-226. DOI: 10.3760/cma.j.issn.1673-4181.2019.03.007
参考文献导出:   Endnote    NoteExpress    RefWorks    NoteFirst    医学文献王
扫  描  看  全  文

正文
作者信息
基金 0  关键词  0
English Abstract
评论
阅读 0  评论  0
相关资源
引用 | 论文 | 视频

版权归中华医学会所有。

未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。

除非特别声明,本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。

0 引言

脑电图(electroencephalography,EEG)是大脑神经细胞的电位活动在大脑皮层的总体反应[1],因其非损伤性已成为经皮检测大脑活动的黄金方法,广泛应用于医学诊断、心理评估、神经学研究等领域[2,3,4,5]。稳态视觉诱发电位(steady-state visual evoked potentials,SSVEP)是受到固定频率的视觉刺激时人脑视觉皮层产生的连续的且与刺激频率基频或倍频相关的响应[6]。由于EEG信号极其微弱,一般只有50 μV左右,最大为100 μV[7],且容易受到神经紧张及肌电信号、眼电信号和工频信号等的干扰[8],为把有用的EEG信号从背景噪声中提取出来,需要对信号进行滤波、放大、特征提取等处理[9],要求采集系统有模拟放大前端、滤波电路、模数转换等模块[10],导致系统的结构复杂繁重、价格昂贵、装置体积大、操作流程复杂等诸多不足,致使SSVEP的研究很大程度上只能在实验室开展,也为相关研究成果的实际应用带来诸多不便[11]

由于EEG在医疗、娱乐、体育和军事等方面发展前景较好,研究人员致力于将基于SSVEP的脑机接口(brain computer interface, BCI)技术应用到多方面,如为瘫痪患者或丧失部分运动能力的患者提供辅助[12]。这些应用场景对采集设备在灵巧便携、易操作和价格等方面提出了更高的要求。随着现代微电子技术的不断发展,开发一款便携式SSVEP脑电采集设备已成为可能[13],该设备能为研究人员和日常用户提供具有无线传输、符合人体工程学、低成本且无痛的EEG采集解决方案,用户可通过该技术方便地采集EEG信号,为各种行为和心理过程与神经活动的相关性研究提供基础。便携式EEG采集设备的设计思路是将采集到的EEG信号通过无线或蓝牙设备传至电脑主机或移动设备[14],而电极多采用单通道或多通道的干电极。由于干电极易受人体出汗,单通道获取信息量较少[15]和与传统EEG采集帽不兼容等原因,多应用于目标为提高注意力的游戏和教学产品等方面[13,16]。因此,本研究设计了一种用于稳态视觉诱发EEG信号采集与分析的便携式多通道湿电极采集设备,以期能为SSVEP技术的推广、应用提供方便可靠的设备终端。

1 系统设计及实现

使用德州仪器公司的高性能集成模拟前端ADS1299为采集前端,以克服以往EEG采集装置体积过大、功耗高、不够便携等缺点[17],将格林泰克公司的湿电极EEG采集帽作为系统的输入部分,使得能够和实验室EEG设备在一定程度上兼容,为实验设备的便携和拓展新的SSVEP应用场景提供可能。

1.1 方案设计

图1所示,显示器上以不同频率闪烁的数字会刺激注视特定区域的受试者,并使其大脑皮层形成对应的SSVEP,EEG信号通过EEG采集帽传导至集成模拟放大前端ADS1299,在MSP432单片机的控制下,将经过ADS1299采样和模数转换后的数字EEG信号经串行外设接口(serial peripheral interface,SPI)传至控制单元,然后通过WIFI将数据传至电脑上位机,在MATLAB软件中编写程序对信号进行接收、数字滤波处理和分析。

点击查看大图
图1
便携式脑电采集系统框图
点击查看大图

SPI—串行外设接口

图1
便携式脑电采集系统框图
1.2 模拟前端

本设计的模拟前端采用德州仪器公司的ADS1299,芯片功能框图如图2所示。

点击查看大图
图2
ADS1299芯片功能框图
点击查看大图

ADC—模数转换器;GPIO—通用输入/输出;SPI—串行外设接口;PGA—可编程增益放大器

图2
ADS1299芯片功能框图

ADS1299是一款8路低噪音同时取样的模数转换(analog-to-digital converter,ADC)芯片,且内置了可编程增益放大器(programmable gain amplifier,PGA),集成了EEG所需的通用特性,集成度高、功能强大。芯片的8个输入(INN)引脚与脑电采集帽连接,SRB2端连接参考电极,与芯片内部的所有INP引脚相连;ADS1299还连接一个偏置电极,有助于减少噪音,抑制信号飘移。

1.3 控制芯片

微控制芯片采用德州仪器公司的MSP432P401R,该芯片为32位ARM(advanced RISC machine)Cortex-M4F处理器的混合信号微控制器MSP432系列,具有低功耗、高性能的特点,其内核可进行灵活的配置,包括外设的工作频率和状态,及正常运行状态与休眠状态,可降低功耗,保证设备长时间有效运行。MSP432P401R的主要功能包括:通过SPI接口配置ADS1299的寄存器,设置PGA增益倍数,选择信号通道;通过SPI接口读取ADS1299对EEG信号的ADC转换结果,即数字EEG信号;控制WIFI模块将SPI接口收到的数字EEG信号发送至上位机,并对上位机的控制做出应答。

1.4 系统电源和WIFI

ADS1299是模数混合的信号采集芯片,数字部分和模拟部分工作分别需要数字电源和模拟电源,其中模拟电源需要±2.5 V,数字电源需要3.3 V。MSP430P401R微控制芯片的推荐工作电压范围为1.62~3.7 V,无线WIFI模块的工作电压为3.3 V。本设计电源采用3.7 V、2 600 mAh的锂电池供电,使用稳压电路为系统提供3.3 V模拟电压、3.3 V数字电压、±2.5 V模拟电压,选择含路径管理的充电IC ETA6002对电池充放电进行管理。

无线传输方式为ISM波段,2.4 GHz WIFI,802.11n,采用内置天线,无遮挡通讯距离大于50 m。

1.5 信号接口及连线

EEG采集帽和ADS1299之间的连接使用高清多媒体接口(high definition multimedia interface,HDMI)接口实现,通过将EEG采集帽的电极导线插入1个并排插孔接线端口,此接线端的另一头为HDMI公插头,而系统电路板上信号接入为HDMI母接头,通过这种连接方式将格林泰克EEG采集帽整合到系统中,连线长度可调整,以满足应用要求,实际连接效果如图3所示。

点击查看大图
图3
电极导线连接图
点击查看大图
图3
电极导线连接图
2 脑电信号采集及分析

采用1个8通道EEG采集设备对采集到的EEG信号进行采集,使用武汉格林泰克科技有限公司的EEG采集帽,系统采样率为500 Hz,电极放置位置参照国际10-20系统标准。采集4名健康受试者的枕叶脑电信号,4名受试者年龄分别为23岁(男)、23岁(女)、24岁(男)、26岁(女),8个通道电极位置分别为PZ、P3、P4、PO3、PO4、OZ、O1、O2,同时连接REF和Earth电极。(图4

点击查看大图
图4
稳态视觉诱发电采集所用设备和过程
点击查看大图
图4
稳态视觉诱发电采集所用设备和过程

1名男性受试者闭眼状态下PZ通道的原始EEG信号如图5所示,持续时间约为16 s。下文将以该名受试者PZ通道的脑电信号分析为例,阐述采集信号的处理流程。

点击查看大图
图5
某受试者闭眼状态PZ通道自发脑电信号
点击查看大图
图5
某受试者闭眼状态PZ通道自发脑电信号
2.1 闭眼α波检测

首先,为受试者带上EEG采集帽并在对应电极点涂抹导电膏,连接EEG采集帽导线和采集装置并打开设备电源开关;电脑与设备通过WIFI连接后,指示受试者闭眼,上位机MATLAB程序发送启动命令控制设备采集EEG信号;将采集到的信号在MATLAB中进行滤波处理后进行频域分析。频域分析结果表明,受试者的EEG信号在11 Hz附近功率谱密度出现明显的峰值,闭眼α节律明显,说明设备工作正常,能准确采集受试者的EEG信号。(图6

点击查看大图
图6
受试者闭眼脑电信号功率谱图
点击查看大图
图6
受试者闭眼脑电信号功率谱图
2.2 SSVEP信号采集

当检测到受试者EEG信号具有明显的自发α节律后,通过视觉刺激器对受试者进行刺激以产生SSVEP。视觉刺激器上每个数字均对应特定的闪烁频率,受试者在刺激过程中注视某个数字将会产生对应的SSVEP。刺激结束后,对采集到的EEG信号进行分析。实验共采集到3组数据,对应的闪烁频率分别为12.0、12.5和15.0 Hz,对其预处理后进行频域分析(图7)。

点击查看大图
图7
不同闪烁频率下的稳态视觉诱发电位信号频谱图
点击查看大图
图7
不同闪烁频率下的稳态视觉诱发电位信号频谱图

当闪烁频率为12.0 Hz时,12.0 Hz处其二次谐波24.0 Hz处功率谱密度出现峰值(图7A);闪烁频率为12.5 Hz时,12.5 Hz处及其二次谐波25.0 Hz处功率谱密度均出现明显峰值(图7B);闪烁频率为15.0 Hz时,15.0 Hz处及其二次谐波30.0 Hz处功率谱密度均出现明显峰值(图7C)。实验结果表明,SSVEP采集效果明显,证明本系统在采集特定频率视觉刺激下的EEG信号时工作正常,能应用于SSVEP研究领域。

3 结论

设计了一款基于集成模拟放大前端ADS1299的便携式EEG信号采集系统。使用微控制芯片对EEG信号的采集和传输进行控制,可灵活选择所需通道数并对每个通道进行个性化配置;采用大容量锂电池对系统进行供电,续航时间可达5 h;采集装置和信号处理平台之间采用WIFI传输数据。该系统电路集成度高、设备体积小、供电时间长、移动能力强,可满足多种场景下SSVEP实验研究需求,并可应用于可穿戴设备领域。脑电α波实验及SSVEP采集实验结果表明,该系统工作正常,可用于采集自发和诱发EEG信号,且系统适用于各类场景下的SSVEP实验研究和应用,可拓宽SSVEP的实验和应用范围。

利益冲突

利益冲突 所有作者均声明不存在利益冲突

参考文献
[1]
NunezPL, SrinivasanR. A theoretical basis for standing and traveling brain waves measured with human EEG with implications for an integrated consciousness[J]. Clin Neurophysiol, 2006, 117(11):2424-2435. DOI: 10.1016/j.clinph.2006.06.754
[2]
AzimMR, HaqueSA, AminMS, et al. Analysis of EEG and EMG signals for detection of sleep disordered breathing events[C]//24th International Conference on Electrical and Computer Engineering. Niagara Falls, Canada: IEEE, 2011: 646-649.
[3]
LiMA, ZhangC, YangJF. An EEG-based method for detecting drowsy driving state[C]//17th International Conference on Fuzzy Systems and Knowledge Discovery. Yantai, China: IEEE, 2010: 2164-2167. DOI: 10.1109/FSKD.2010.5569757.
[4]
ZhuY, ZhenR, LiuH, et al. The research of rehabilitation robots bci technology based on EEG[C]//International Conference on Computer Science and Software Engineering. IEEE Computer Society, 2008: 1107-1110. DOI: 10.1109/CSSE.2008.1246.
[5]
HaydariZ, ZhangY, SoltanianzadehH. Semi-automatic epilepsy spike detection from EEG signal using genetic algorithm and wavelet transform[C]//IEEE International Conference on Bioinformatics and Biomedicine Workshops. Atlanta: IEEE, 2011: 635-638. DOI: 10.1109/BIBMW.2011.6112443.
[6]
谭发江.便携式SSVEP-BCI系统研究[D].重庆邮电大学,2016.
TanFJ. Research on Portable SSVEP-BCI System[D]. Chongqing: Chongqing University of Posts and Telecommunications, 2016.
[7]
OohashiT, KawaiN, HondaM, et al. Electroencephalographic measurement of possession trance in the field[J]. Clin Neurophysiol, 2002, 113(3): 435-445. DOI: 10.1016/s1388-2457(02)00002-0.
[8]
ChenYC, HsiehZH, FangWC. A wireless readout front-end device for portable EEG acquisition system[C]//International Symposium on Consumer Electronics, Hsinchu: IEEE, 2013: 223-224. DOI: 10.1109/ISCE.2013.6570196.
[9]
高岸声.脑电信号处理算法及其便携式系统研究[D].清华大学, 2006.
GaoAS. Research on EEG Signal Processing Algorithm and Portable System[D]. Beijing: Tsinghua, 2006.
[10]
FouadMM, AminKM, El-BendaryN, et al. Brain Computer Interface: A Review[M]//In: HassanienAE, AzarAT(eds). Brain-Computer Interfaces. Switzerland: Springer, 2015: 3-30. DOI: 10.1007/978-3-319-10978-7_1.
[11]
支丹阳杜秀兰赵靖,.基于便携式脑电信号采集器的脑-机器人交互系统[J].电子测量与仪器学报, 2016, 30(5): 694-701. DOI: 10.13382/j.jemi.2016.05.005.
ZhiDY, DuXL, ZhaoJ, et al. Brain-robot interaction system based on portable brain signal collector[J]. J Elect Meas Instrum, 2016, 30(5): 694-701. DOI: 10.13382/j.jemi.2016.05.005.
[12]
PunsawadY, WongsawatY. Motion visual stimulus for SSVEP-based BCI system[C]//Engineering in Medicine and Biology Society. San Diego: IEEE, 2012: 3837. DOI: 10.1109/EMBC.2012.6346804.
[13]
XuJ, ZhongB. Review on portable EEG technology in educational research[J]. Comp Human Behav, 2018, 81: 340-349. DOI: 10.1016/j.chb.2017.12.037.
[14]
LiuC, ZhangX, LiR, et al. Design on portable brain control system and its application[C]//IEEE International Conference on Cyber Technology in Automation, Control, and Intelligent Systems. Shenyang: IEEE, 2015: 1875-1878. DOI: 10.1109/CYBER.2015.7288232
[15]
O'SullivanM, PenaJ P, BocchinoA, et al. Comparison of electrode technologies for dry and portable EEG acquisition[C]//IEEE International Workshop on Advances in Sensors and Interfaces. Vieste: IEEE, 2017: 15-20. DOI: 10.1109/IWASI.2017.7974202.
[16]
ChenCM, WangJY, YuCM. Assessing the attention levels of students by using a novel attention aware system based on brainwave signals[C]//International Congress on Advanced Applied Informatics. Okayama: IEEE, 2015: 379-384. DOI: 10.1109/IIAI-AAI.2015.224.
[17]
钱世猛. 8通道便携式脑电放大器设计[D].电子科技大学, 2014.
QianSM. 8-Channel Portable Brain Electrical Amplifier Design[D]. Chengdu: University of Electronic Science and Technology of China. 2014.
 
 
展开/关闭提纲
查看图表详情
回到顶部
放大字体
缩小字体
标签
关键词