一种基于异常片段识别的FVEP信号增强方法

技术领域

本申请涉及一种基于异常片段识别的FVEP信号增强方法。

闪光视觉诱发电位(FVEP)，作为一种事件相关电位(ERP)，是指人的双眼在受到非模式的弥散闪光刺激后，经过视神经的传输，在人的后枕骨位置处产生的脑电电位，其典型波形如附图3所示。一些研究表明，当人处于颅内压升高状态时，其大脑视觉通路受到损伤，视觉神经信号的传导会受到影响，使得FVEP中的N2波与刺激间的时间延迟比正常人更高，因此FVEP作为一种重要的无创颅内压监测手段，在脑积水、脑溢血以及其他临床研究上被广泛运用。

然而，FVEP十分微弱，峰值只在10μV量级，所以它被淹没在静息脑电和背景噪声中，无法用肉眼直接识别出是否存在。因此如何从原始脑电信号中提取出质量更高的FVEP信号，是一个值得研究的主题。本方法正是面向这一主题的。

背景技术

在FVEP信号的增强技术方面，目前业内的主流做法是使用叠加平均FVEP(AFVEP)来增强FVEP信号，这种方法主要分为三个阶段：预处理、分片、叠加平均。对采集的一段时间内受试者在某一频率的闪光刺激下产生的脑电信号，首先进行滤波等预处理，再将之按照周期性刺激的时间点切分出一系列FVEP片段，最后对切取的这些FVEP片段进行叠加平均得到增强的FVEP信号，它抑制了与刺激无关的静息脑电和噪声干扰。

但在这个方法中，一些低质量的异常FVEP片段会影响整个叠加平均出来的FVEP信号的信号质量，正是因为FVEP无法直接在叠加前用肉眼识别出，这种异常片段不易被及时筛选出并剔除，以至导致叠加平均得到的增强FVEP信号的质量下降，最糟糕的情况下可能要重新测量，增大了医护人员和病人的负担，也浪费了参与平均的其他有效片段。因此，需要一种方法，在叠加平均之前识别出异常片段，加以去除，来提高FVEP信号质量。

关于异常离群片段的识别，人们容易想到的方法是：使用所有片段的平均作为模板，然后用每个片段去和模板计算相关系数，并将低相关系数的片段作为低质量片段去除。但是这个方法在FVEP异常片段识别的问题中并不适用，因为FVEP信号本身十分微弱，而干扰的量级往往更大，导致最后计算出的模板也会有较大的误差，并不能作为判断离群片段的依据。

总而言之，FVEP信号的特点客观上要求提出一种新的异常片段识别方法，而相关方法目前尚未见文献报道，具有很大的研究空间。

发明内容

发明目的

提出一种新的基于异常片段识别的FVEP信号增强方法，与传统方法相比，能获得更高的FVEP信号质量，具有更强的鲁棒性。

技术方案

一种基于异常片段识别的FVEP信号增强方法，其特征在于，包括这些步骤，(1)对采集的视觉诱发原始脑电信号进行预处理，(2)对预处理后的原始脑电信号按周期性闪光刺激的刺激时间点切分成片段，(3)筛选出质量较高的片段；(4)将筛选出的高质量片段进行叠加平均得到增强的FVEP信号。

根据以上所述的一种基于异常片段识别的FVEP信号增强方法，第(3)步筛选出质量较高的片段，其特征在于，包括如下流程步骤：(1)首先利用离散小波变换(DWT)对每一个片段进行特征提取；(2)基于提取的特征用一分类支持向量机(OCSVM)筛选出离群度最高的片段X，(3)对筛选出的离群度最高的片段X进行离群性确认，如果它与其他片段的平均波形T功率相近、相关系数大于阈值th

根据以上所述的一种基于异常片段识别的FVEP信号增强方法，第(3)步筛选出质量较高的片段中的第(3)小步——对筛选出的离群度最高的片段进行离群性确认，其特征在于，筛选出的信号片段X以及除X外其他片段的平均波形T的相关系数和信号能量之比的对数的绝对值分别定义为

有益效果。

目前，尚未见文献报道基于异常片段识别的FVEP信号增强方法。

由于FVEP一般数据量不会很大(否则会对被测者带来较大的生理负担)，且信号经过了小波变换的特征提取，压缩了数据，数据量往往较小，因此算法的时间开销可以忽略不计。

经过数十次实验，相比于一般的滑动平均方法，本方法能够显著改善那些具有较强干扰的FVEP信号的信号质量，如图2所示。

对于同一受试者，其在不同时刻同一状态下测出的FVEP相关性越好，说明方法的重复性越好。申请人曾对十名受试者做了实验：对每一受试者在五个不同时间测了其在相同状态下的FVEP信号，计算了五组数据之间的FVEP相关系数，作为方法的性能评价指标，用传统方法作为对照组。表1给出了实验对照结果。

从表1可以看到，有40％的受试者的数据在本方法处理后信号质量有显著的增强(大于10％的增强)，60％受试者的数据未发生改变，考虑到不是每个受试者都有很多信号质量差的片段，这个结果明显是良好的。

表1：本发明方法重复性的实验结果对照

附图说明

图1，本申请——基于异常片段识别的FVEP信号增强方法流程框图。

图2，使用本方法和传统方法对某一数据处理得到的FVEP信号对比图。

图3，典型的FVEP信号，其中P1、P2、P3代表第一个、第二个和第三个正向波，N1、N2、N3代表第一个、第二个和第三个负向波。

具体实施方式

实施例。搭建了FVEP信号采集的硬件装置和软件系统，并对10名受试者进行了实验，实验结果已在有益效果部分展示。

硬件装置主要分为刺激器、传感器两部分：

(1)刺激器部分，根据相关研究中提到的参数，本实施例使用了自制的发光眼罩进行闪光刺激，光的波长为590±5nm，亮度为5000cd/m2，刺激野宽达50°。刺激频率为1.0Hz，脉冲宽度为1ms，刺激时长为1分钟。

(2)传感器部分，本实施例先用生理盐水和酒精对受试者头皮进行处理，再使用湿电极脑电帽进行数据采集(用到其中O1、O2两路电极，分别对应后枕骨左侧和后枕骨右侧)，再使用脑电膏让电极阻抗降低到50kΩ以下。使用左耳和右耳的平均电位作为零电位参考点。采集到的信号会通过0.1Hz-100Hz的二阶巴特沃斯滤波器，再通过生理信号采集芯片ADS1298R转换为采样率500Hz的生理信号。

本申请涉及该系统的软件部分，按前文所述，实施步骤如下：

(1)预处理，用二阶50Hz巴特沃斯带阻滤波器去除工频干扰，再用二阶0.8-40Hz巴特沃斯带通滤波器进行滤波。

(2)分片，按照1Hz的刺激频率，将输入信号切分为一系列长度为1s的片段。

(3)异常片段筛选，使用三次以Daubechies 2小波为基的离散小波变换作为特征提取，再用OCSVM进行异常片段识别，而在OCSVM的关键参数方面，取σ＝0.04，v＝0.5。在离群性检测时，取th1＝0.1，th2＝3，N＝10。

(4)叠加平均，得到最终的FVEP信号。