诱发电位快速提取算法的新进展

诱导电位（ＥＰ）和事件相关电位（ＥＲＰ）的单次提取是生物医学信号处理领域颇受关注的一个研究问题。本文综述了近年来的ＥＰ／ＥＲＰ快速提取余步垢一些新进展，主要介绍了子窨正则化、自适应期斯径向基神经网络、独立分量分析和划性检测四种方法，这些方法都立足于用较少的刺激次数提取出较高质量的诱发电位或事件相关电位，展示了ＥＰ／ＥＲＰ快速提取的前景。     

基于独立分量分析的大脑视觉诱发电位单次提取

脑电 (Electroencephalography ,EEG)视觉诱发电位 (VisualEvokedPotential,VEP)的单次提取是当前生物医学信号处理领域的一个研究热点。提出一种基于独立分量分析 (IndependentComponentAnalysis,ICA)的多道脑电信号VEP单次提取方法 ,与多次叠加求平均的方法相比较 ,可以得到令人满意的结果。     

模式翻转视觉诱发电位和眶部CT检查在外伤性视神经病变中的应用价值

目的：探讨模式翻转视觉诱发电位（PRVEP）和眶部CT检查在外伤性视神经病变（TON）中的应用价值。方法：选择55例我院眼科病房2013年4～10月期间单眼外伤合并视神经病变的患者进行PRVEP和眶部CT检查,统计两项检查的异常结果情况,并比较外伤患者眼与正常眼的PRVEP结果。结果：TON患者的PRVEP结果异常者55例（占100％）,其中轻度25例（占45％）,中度19例（占35％）,重度11例（占20％）。TON患者PRVEP的外伤眼的眶部CT结果异常者为41例,异常率为75％,其中轻度23例（占42％）,中度12例（占22％）,重度6例（占11％）。外伤眼P100波幅较正常眼明显降低（P＜0．01）,潜伏期明显延长（P＜0．01）。结论：PRVEP和眶部CT检查具有客观、无创性的优点,对于头面部外伤尤其是存在视物不清的患者应常规进行检查,有助于外伤性视神经病变的早期诊断,避免漏诊。     

自适应干扰对消的大鼠视觉诱发电位提取

研究大鼠的视觉诱发电位对认知人类视觉机理和疾病发生的位置具有重要意义.为获得大鼠视觉刺激诱发电位的特征信息,本研究设计了一种新的用于自适应干扰对消的大鼠视觉诱发电位信号采集方案,在大鼠初级视皮层不同位置和深度分别植入检测电极和干扰参考电极,有效提取了同源干扰信号.并基于该方案进行了大鼠视觉诱发电位的快速提取研究.仿真实验和实际应用结果表明,应用该方案实现自适应干扰对消,信噪比提高约6 dB,能够有效提取出大鼠单次闪光刺激诱发电位波形,并可从单次提取的结果中获得准确的潜伏期信息.该方案为实时获取大鼠视觉诱发电位特征信息提供了有效手段.     

31例急性甲醇中毒早期患者模式翻转视觉诱发电位检测

国内已有甲醇中毒造成眼部损害的病例报道，但其早期视觉诱发电位（VEP）改变的报道甚少。我们对31例临床确诊为甲醇中毒者进行早期视觉电生理检查，以寻求甲醇中毒VEP早期改变的特点，现报道如下。     

酒精依赖者视觉诱发电位的研究

目的：本研究旨在通过对酒精依赖者模式翻转视觉诱发电位（ＰＲＶＥＰ）的研究，为了解酒精依赖者的生理和心理功能损害提供客观指标。方法：酒精依赖者６２人，正常对照者４０人，采用日本产Ｎｅｕｒｏｐａｃｋ－２型诱发电位仪，分别对其进行模式翻转视觉诱发电位（ＰＲＶＥＰ）记录。结果：与正常对照组相比，酒精依赖者ＰＲＶＥＰ波潜伏期延长，波幅降低，主波群异常，晚成份出现率低，周期不明显及侧性优势现象消失，差异具有显     

用小波变换提取视觉诱发电位信号

视觉诱发电位（ＶＥＰ）信号的动态提取及处理具有重要的临床意义。通过硬件采集的ＶＥＰ信号经过叠加平均处理后仍含有大量背景噪声，不能直接用于诊断分析。小波变换是一种新兴时频分析方法，适于分析非平稳信号。在我们研制的视觉生理地形图系统中，成功地用它从背景噪声中提取出ＶＥＰ信号，完成信号的预处理。     

帕金森病患者的视觉诱发电位研究

目的:观察帕金森病(PD)患者视觉诱发电位(VEP)的改变及其临床意义。方法:选取昆明医学院第一附属医院神经内科2008年1月～2010年3月期间收治的48例帕金森病患者作为观察组,同时选取45例在昆明医学院第一附属医院神经内科健康体检的志愿者作为对照组,应用丹麦Dantec公司生产的Keypoint4导诱发电位仪对两组受试者进行视觉诱发电位(VEP)的检测并进行比较。结果:观察组视觉诱发电位的P100潜伏期为(116.8±11.2)ms,P100波幅为(6.52±2.87)μV,对照组视觉诱发电位的P100潜伏期为(104.8±10.1)ms,P100波幅为(7.68±3.02)μV,两组P100潜伏期经比较,差异有统计学意义(P<0.05),两组P100波幅差异不显著;观察组P100潜伏期与病程及病情严重程度均呈正相关(P<0.05)。结论:帕金森病患者的视觉诱发电位有一定程度的改变,提示帕金森病患者可伴有视觉传导通路的损害,视觉诱发电位可作为患者疾病早期诊断及病情发展、判断预后的客观的评价标准。     

诱发电位快速提取算法的新进展

诱发电位 (EP)和事件相关电位 (ERP)的单次提取是生物医学信号处理领域颇受关注的一个研究问题。本文综述了近年来 EP/ERP快速提取算法的一些新进展 ,主要介绍了子空间正则化、自适应斯径向基神经网络、独立分量分析和奇异性检测四种方法 ,这些方法都立足于用较少的刺激次数提取出较高质量的诱发电位或事件相关电位 ,展示了 EP/ERP快速提取的前景。     

结合稳态视觉诱发电位的多模态脑机接口研究进展

脑机接口(BCI)能够在大脑与外部环境之间建立一种不依赖于外周神经或肌肉的交流与控制通道,有助于恢复运动障碍者的生活自理能力,是当前神经工程领域最活跃的研究方向之一。其中,稳态视觉诱发电位(SSVEP)脑机接口因信息传输率(ITR)高、所需训练少而备受关注。现有的无创高通讯速率脑机接口系统主要是来自于或基于SSVEP。近年来,为进一步提高脑机接口性能,整合SSVEP与其他类型输入信号的多模态脑机接口逐渐成为脑机接口研究的新趋势。从输入信号类型、实验范式和信号融合等方面,综述结合SSVEP 的多模态脑机接口研究进展,帮助相关研究者理解该领域研究动态,以启发高通讯速率脑机接口系统的设计与实现。同时探讨目前结合SSVEP的多模态脑机接口存在的问题和未来可能的发展趋势,以期推动结合SSVEP的多模态脑机接口技术的发展。     

8.5—10岁正常儿童视觉诱发电位测定

目的 :了解 8.5～ 10岁正常儿童视觉诱发电位基值 ;方法 :以 DISA2 0 0 0 C型肌电仪对 8.5 - 10岁的 5 0名正常儿童 (男 2 5名 ,女 2 5名 )进行了视觉诱发电位 ( Visual Evoked Potential,VEP)测试 ;结果 :被试儿童 VEP波的形态极为规整和相似 ,可分别描述为 :( 1)陡峭型 ,P3出现 ,4 0例 ;( 2 )陡峭型 ,P3不出现 ,4例 ;( 3 ) W型 ,P3出现 ,6例。 VEP各波的出现率分布在 4 2 % - 10 0 % ,其中 ,主波群 ( N1- P2 - N2 )的出现率为 82 % ,10 0 % ,10 0 % ,P3波的出现率为 92 % ,提示 8.5 - 10岁儿童脑的发育程度已相当高 ,顶叶联合皮层已基本成熟和完善。对随机抽取的5例被试在第一次测试后的 14天和 4 4天进行的相同条件的重复测试显示儿童 VEP测试的稳定性好 ,左右眼测试比较差异无显著性 ,可作为神经系统疾病和脑发育、脑功能的检查手段。主波群性别间比较显示 ,右眼刺激记录的 N1波潜伏期、左右眼刺激记录的 N2波潜伏期差异有显著性 ,其原因可能是 N1、 N2波所代表的视觉传导路、皮层和丘脑激活系统的功能存在差异 ,也可能是由于不同性别儿童生长发育速度不同导致。结论 :8.5 - 10岁儿童 VEP十分稳定 ,可做为脑发育及脑功能的检查手段。     

闪光视觉诱发电位技术监测脑水肿的研究

目的:本研究在探讨fVEP各波潜伏期与颅内压增高的关系,评价其在神经内科疾病中颅内压监测的临床应用的可行性的基础上[1],以此监测高颅压治疗效果,并对颅高压的临床治疗提供指导性意见。材料与方法:对53例临床诊断的脑膜炎高颅压患者用药(甘露醇)前、后(每隔10min)各测一次颅压值,选取60min分析。结果:脑膜炎高颅压患者甘露醇脱水效果佳。结论:fVEP可以较准确,安全地判定颅内压值,并在指导颅高压的临床治疗中有重要意义及广泛的应用前景。     

基于AAA-ICM技术的视觉闪光诱发电位单次提取新方法的仿真研究

目的:利用计算机仿真人体脑电背景信号和人视觉诱发电位信号,验证基于自参考、自相关、自适应干扰对消理论(AAA-ICM)的诱发电位单次提取新方法。材料与方法:用Delphi语言编程仿真脑电背景信号与视觉闪光诱发电位信号,实现AAA-ICM算法提取诱发电位信号,用信号的功率值及相关系数衡量提取效果。结果:仿真结果表明使用该方法,可以从带有强的自发脑电干扰信号中单次提取出诱发电位信号。结论:与传统的叠加平均提取方法相比,简化了提取方法,改善了提取质量。     

基于眼电和稳态视觉诱发电位分析的目光跟踪方法

眼动跟踪技术作为人机交互手段和行为检测方法已广泛应用于心理学和认知科学领域的研究,基于稳态视觉诱发电位的脑-机接口也是一种备受关注的人机交互方法。本研究提出一种结合眼电和稳态视觉诱发电位同步分析的眼睛注视点位置跟踪方法,通过同步检测两种电生理信号:眼电信号(EOG)和脑电信号(EEG)来实现。主要的处理算法有:基于EOG的人机交互算法,包括基线去除、去噪声、角度变换、基准校正等;基于SSVEP的脑-机接口算法,通过典型相关分析法实现。由SSVEP判断出的目标对应的屏幕坐标可以作为眼动分析中基准校正的输入参数。实验结果表明:每0.5 sEOG-HCI可以对注视点位置进行一次识别;每2 sSSVEP-BCI可以对注视目标做一次判别;两者既可以独立运行,也可以协同工作,相比单一信号的人机交互方法,可以缩短判断时间和提高准确率。     

The Single Training Sample Extraction of Visual Evoked Potentials Based on Wavelet Transform

Based on the good localization characteristic of the wavelet transform both in time and frequency domain, a de-noising method based on wavelet transform is presented, which can make the extraction of visual evoked potentials in single training sample from the EEG background noise in favor of studying the changes between the single sample response happen. The information is probably related with the different function, appearance and pathologies of the brain. At the same time this method can also be used to remove those signal＇ s artifacts that do not appear with EP within the same scope of time or frequency. The traditional Fourier filter can hardly attain the similar result. This method is different from other wavelet de-noising methods in which different criteria are employed in choosing wavelet coefficient. It has a biggest virtue of noting the differences among the single training sample and making use of the characteristics of high time frequency resolution to reduce the effect of interference factors to a maximum extent within the time scope that EP appear. The experiment result proves that this method is not restricted by the signal-tonoise ratio of evoked potential and electroencephalograph （EEG） and even can recognize instantaneous event under the condition of lower signal-to-noise ratio, as well as recognize the samples which evoked evident response more easily. Therefore, more evident average evoked response could be achieved by de-nosing the signals obtained through averaging out the samples that can evoke evident responses than de-nosing the average of original signals. In addition, averaging methodology can dramatically reduce the number of record samples needed, thus avoiding the effect of behavior change during the recording process. This methodology pays attention to the differences among single training sample and also accomplishes the extraction of visual evoked potentials from single trainings sample. As a result, system speed and accuracy could be improved to a great extent if this methodology is applied to brain-computer interface system based on evoked responses.     

闪光视觉诱发电位无创颅内压监测结合头颅CT的临床研究

目的:探讨闪光视觉诱发电位无创颅内压监测与头颅CT之间的相关性.方法:用无创颅内压监测仪对50例颅脑外伤患者进行动态颅内压监测,其中重型颅脑损伤者20例,中型23例,轻型7例;每次检测后行头颅CT检查并计分,分析其CT变化特征,并与颅内压值对照.结果:伤后同一时点,患者的颅内压和头颅CT计分比较,重型＞中型＞轻型(P＜0.05).中、重型颅脑损伤患者保守治疗组和手术治疗组的颅内压与头颅CT计分之间,组内比较具有相关性,计算相关系数分别为r=0.92和r--0.96,差异有统计学意义(P＜0.05).结论:闪光视觉诱发电位无创颅内压监测与头颅CT变化呈正相关,两者结合可以指导治疗并判断预后.     

The Brain Computer Interface Using Flash Visual Evoked Potential and Independent Component Analysis

In this study flashing stimuli, such as digits or letters, are displayed on a LCD screen to induce flash visual evoked potentials (FVEPs). The aim of the proposed interface is to generate desired strings while one stares at target stimulus one after one. To effectively extract visually-induced neural activities with superior signal-to-noise ratio, independent component analysis (ICA) is employed to decompose the measured EEG and task-related components are subsequently selected for data reconstruction. In addition, all the flickering sequences are designed to be mutually independent in order to remove the contamination induced by surrounding non-target stimuli from the ICA-recovered signals. Since FVEPs are time-locked and phase-locked to flash onsets of gazed stimulus, segmented epochs from ICA-recovered signals based on flash onsets of gazed stimulus will be sharpen after averaging whereas those based on flash onsets of non-gazed stimuli will be suppressed after averaging. The stimulus inducing the largest averaged FVEPs is identified as the gazed target and corresponding digit or letter is sent out. Five subjects were asked to gaze at each stimulus. The mean detection accuracy resulted from averaging 15 epochs was 99.7%. Another experiment was to generate a specified string ‘0287513694E’. The mean accuracy and information transfer rates were 83% and 23.06 bits/min, respectively.