通向大脑之路:脑电信号处置与特征提取

2021-03-01 网络
浏览
[科技新闻]通向大脑之路:脑电信号处置与特征提取

原题目:通向大脑之路:脑电信号处置与特征提取

生物科学最前沿的领域之一是探索意识发生的生物学基础以及我们感知、行为、学习和记忆的心理历程。我们的大脑就是这些历程的焦点。

这一看法始于这样一个事实,即大脑仅重约 2.5 磅(2.25千克),却消耗了人体 40%~60%的血糖(Squire & Zola-Morgan,1988)和相当数目的氧气(等同于我们肌肉运动的逐日耗氧量)。为什么会有云云不成比例的能量消耗?谜底是这些能量的绝大部分被用于发生脑内电信号,其中包罗由轴突和树突毗邻的大大小小的神经元的同步集群电流动。每个神经元就像一个不停充电的动态振荡电池(Steriade,1995)。这些局部毗邻的神经元会引发相近神经元依次发生电势转变。

图片泉源:Pixabay

140 多年前,理查德 · 卡顿(Richard Caton)发现了这种大脑电流动的存在(Caton,1875)。他的事情被认为是对大脑电心理学的首次探索,标志着脑电(electroencephalography,EEG)手艺的降生(Kelly,1962)。早在 20 世纪 20 年月,汉斯· 伯杰(HansBerger)就证实脑电流动可以直接从人 的 头 皮 测 量 到 , 而 无 须 打 开 颅 骨 ( Berger , 1929) 。随 后 ,“electroencephalogram”一词被提出,用来形貌人脑的电流动。

1934 年,阿德里安(Adrian)和马修斯(Mathews)证实了大脑的“α节律”由 10~12Hz的规律性振荡组成。然而,那时人们对α节律的神经源仍然一知半解。直到43 年后,Da Silva 和 Van Leeuwen 通过研究狗的脑电信号证实α节律是在视觉皮层内的差别深度区域发生的(Da Silva & Van Leeuwen,1977)。

只管对于脑电的功效、意义和发生机制在很长一段时间内仍存在诸多争议,但鉴于其内在的神经基础和容积传导的庞大性,这一点也不令人感应新鲜。凭据现在的明白,脑电通常被界说为从人脑头皮纪录到的电流动,由脑内神经元放电发生(Niedermeyer & Da Silva,2005)。

图中显示了三种差别类型的大脑电流动纪录手艺的差异。EEG 电极放置于头皮上,ECoG 电极置于大脑皮层外面或硬脑膜上,LFP/MUR 电极则置于大脑皮层内部

迄今为止,已经有跨越150 000项使用 EEG 手艺的研究被揭晓,而且该领域的研究数目每年仍在持续增长。

为什么脑电手艺云云备受迎接?正如我们现在所知,感受、知觉、语言、情绪和运动历程是异常迅速的,其发生时间往往在几十到几百毫秒。脑电的高时间分辨率特征使其异常适合捕捉这些快速、动态且具有时序性的认知事宜。几十年来,关于人脑实时电流动的丈量方式不停生长,促进了一系列EEG 信号处置手艺的开发。脑电信号处置与特征提取》旨在以周全、简朴且易于明白的方式系统总结 EEG 和 EEG 信号处置相关的观点、数学和应用知识(例如,通过MATLAB 编程),为脑电相关的科研事情者或兴趣爱好者提供手艺支持。

本书的写作意图

诚然,现今有大量网络资源及在线教程(例如,EEGLAB网站)可用于脑电手艺和剖析方式的学习(Regan,1989;Handy,2004;Luck &Kappenman,2011;Sanei & Chambers,2013;Cohen,2014),它们涵盖了脑电软件工具的使用先容以及剖析效果的出现和注释。然而,一方面,这些资源对于明白脑电剖析方式的数学原理或可能的缺陷并不系统和深入,难以为那些希望通过自学掌握这些剖析方式的读者提供充实的指导;另一方面,有些资源包罗许多数学或物理方面的靠山知识,对于初学者而言往往艰涩难明,尤其是对于那些没有数学或工程学科靠山的初学者而言更是云云。此外,上述资源大多缺乏适用的操作方式,例如,若何举行数据统计或对小样本量数据举行处置,使得那些未经正规数学培训的读者难以真正掌握和灵活运用这些剖析方式。

因此,作者试图通过系统总结当前主流的脑电信号处置和特征提取手艺以拓展本书的广度,并通过将每章的方式原理与实践操作相结合的计谋来增添本书的深度。读者可以逐章阅览本书,并使用相关章节提供的示例数据和软件/代码举行演习,从而更好地明白有关 EEG 信号处置的原理和操作方式。

本书的构架

本书共 18 章。

第一章至第三章,重点叙述了有关脑电手艺的基础知识。第一章主要先容了脑电的电心理特征和数据采集方式。第二章详细叙述了普遍应用于心理学、精神病学和神经工程等领域的诱发电位(evoked potentials,EP)、事宜相关电位(event-related potentials,ERP)。第三章侧重于讨论若何凭据特定研究或临床目的来设计实验以诱发 EP 或 ERP。这三章不仅适用于刚开始从事 EEG 研究且没有任何数学或工程学科靠山的低级研究人员,还适用于那些熟悉基础知识但又希望深入明白原理和方式的高级研究人员。若是能够通读上述每一章,将有助于对后续章节所列的方式的学习。

第四章和第五章,重点先容了最常见和经典的 EEG 信号处置方式和流程。其中,第四章周全叙述了EEG 信号的预处置流程,第五章则主要先容了 EEG 的频谱剖析和时频剖析。这两章的内容是脑电信号处置的基础,必不可少,对于具有脑科学或工程学靠山的初学者来说异常有用。

第六章至第十三章,周全先容了险些所有主流 EEG 信号处置和特征提取方式,包罗盲源星散(第六章)、微状态剖析(第七章)、源剖析(第八章)、单试次剖析(第九章)、非线性神经动力学(第十章)、连通性剖析(第十一章)、空间庞大脑网络(第十二章)和时间庞大网络剖析(第十三章)。对其中某一特定主题感兴趣的读者可以从相关章节中获得有用的信息。

第十四章至第十八章,重点关注机械学习(包罗深度学习)和 EEG 相关的统计剖析。这些方式通常被用于探索差别条件或群组之间的 EEG 特征差异或分类,越来越受到 EEG 相关的科研事情者的重视。第十四章先容了机械学习的基本观点和经典算法。第十五章简要叙述了深度学习在脑电手艺中的应用。第十六章旨在提供有关统计的基本观点。第十七章和第十八章划分用于先容多模态数据 融合,即同步 EEG-fMRI 数据处置和 Letswave 这一异常适用的 EEG 工具箱。最后,我们简要总结了有关 EEG 数据剖析和特征提取的研究现状和未来生长方向。

图片泉源:Pexels 作者:David Cassolato

《脑电信号处置与特征提取》有两大特点:一是系统性,二是适用性。

系统性。脑电数据剖析方式众多,从基础的时域剖析、频域剖析和时频剖析,到高级的单试次剖析、源定位、非线性神经动力学和机械学习等。要对脑电信号举行深入挖掘,这些剖析方式不可或缺。该书不仅对这些方式做了周全、系统的先容,还先容了脑电的心理基础,并重点强调了前期的实验设计、数据采集和数据预处置。这一特点使得阅读该书对于初学者和差别领域的专家来说都有裨益。

适用性。作为一项研究手艺,脑电手艺对于一样平常研究者的最大价值在于其应用。光有理论知识,无法应用,难以称为真正明白了脑电手艺。该书稀奇重视脑电手艺的适用性,绝大多数章节提供了剖析的工具包、代码和示例数据,为读者从零开始,真正应用脑电手艺开展研究提供了极大的便利。该书文字流通、通俗易懂,却不失严谨,是不可多得的脑电教学佳作。

脑电信号处置与特征提取

胡理 张治国 等 著

北京:科学出版社,2020.12

(认知神经科学书系/杨玉芳主编)

ISBN 978-7-03-066713-7

责任编辑:孙文影 高丽丽

内容简介

脑电的怪异优势使其在临床和科学研究中普遍应用。随着人脑电流动实时丈量手艺的逐步提高,一系列脑电信号处置方式获得快速生长,脑电有望成为更有用和通用的研究大脑功效的工具。本书各章由相关领域拥有厚实履历的优异研究者撰写,旨在以周全、简练且通俗易懂的方式,出现作者对脑电手艺自己及信号处置方式的深入明白和应用心得,向读者提供笼罩脑电神经基础、主流脑电信号处置和特征提取方式相关的观点、数学及应用知识。大多数章节还链接了MATLAB软件、代码和示例数据。

本书适用于认知神经科学、心理学和生物医学工程等学科的科研事情者,其他有能力明白和掌握数据剖析方式却缺乏数学和工程学靠山知识的业余爱好者。

目录CONTENTS

丛书序(杨玉芳 吴艳红)

序一(罗跃嘉)

序二(尧德中)

前言

缩略语表

第一章 脑电的神经起源和丈量 001

第一节 脑电的神经起源 001

第二节 脑电丈量 005

第二章 脑电、诱发电位和事宜相关电位 016

第一节 自发性脑电流动 016

第二节 诱发电位和事宜相关电位 017

第三节 EP和ERP的概述 018

第四节 常见的EP和ERP身分 019

第五节 脑电手艺的优势和局限性 027

第三章 ERP实验设计 037

第一节 实验设计与认知历程 039

第二节 ERP实验的手艺性要求 046

第三节 实验的无关因素 050

第四节 经典实验设计及对应的ERP身分 052

第四章 脑电数据的预处置与降噪 070

第一节 脑电信号中的伪迹 071

第二节 导联方式 073

第三节 滤波 075

第四节 重参考 076

第五节 脑电分段和基线校正 077

第六节 剔除或插值坏导 078

第七节 剔除坏段 078

第八节 基于ICA的伪迹去除 079

第九节 总结 080

第五章 频谱剖析和时频剖析 084

第一节 简介 084

第二节 频谱估量 085

第三节 时频剖析 095

第四节 事宜相关同步化/去同步化 104

第六章 盲源星散 112

第一节 盲源星散算法简介 112

第二节 主身分剖析与旋转在事宜相关电位剖析中的应用 114

第三节 自力身分剖析在延续脑电中的应用 121

第四节 张量剖析在事宜相关电位研究中的应用 131

第七章 微状态剖析 136

第一节 基础观点 139

,科技新闻实时报道,

第二节 微状态剖析中的空间聚类算法 140

第三节 判别最优的种别数目 143

第四节 匹配模板图和电压图 144

第五节 经常使用微状态参数 144

第六节 微状态剖析中的可用工具 145

第七节 总结 151

第八章 源剖析 154

第一节 正问题 155

第二节 逆问题 159

第三节 贝叶斯 166

第四节 未来的生长方向 171

第五节 应用实例 173

第六节 总结 185

第九章 单试次剖析 190

第一节 单试次剖析简介 190

第二节 若何举行单试次剖析 192

第三节 单试次剖析的潜在应用 205

第十章 非线性神经动力学 215

第一节 非线性神经动力学简介 216

第二节 庞大度 218

第三节 熵 222

第四节 赫斯特指数 229

第五节 递归图 231

第六节 总结 233

第十一章 连通性剖析 239

第一节 共同源问题 240

第二节 EEG连通性剖析中的指标 241

第三节 总结 250

第四节 示例 255

第五节 本章结语 262

第十二章 空间庞大脑网络 266

第一节 图论与庞大网络 268

第二节 空间庞大脑网络 270

第三节 总结 279

第十三章 时序庞大网络剖析 284

第一节 庞大网络简介 285

第二节 典型庞大网络时间序列剖析方式 286

第三节 庞大网络时间序列剖析的两种方式 290

第十四章 机械学习 297

第一节 机械学习剖析简介 298

第二节 机械学习剖析的脑电特征 299

第三节 机械学习剖析训练 301

第四节 机械学习剖析的特征选择和降维 302

第五节 机械学习剖析的选择分类器 304

第六节 机械学习剖析的评价效果 307

第七节 机械学习剖析的模式表达 309

第八节 展望:深度学习算法 310

第九节 机械学习剖析示例 312

第十五章 深度学习 318

第一节 深度学习简介 319

第二节 深度学习模子 319

第三节 在EEG信号中应用的两个示例 321

第十六章 统计剖析 326

第一节 统计学基础 326

第二节 假设检验 336

第三节 方差剖析 344

第四节 相关剖析与回归剖析 349

第五节 非参数检验 353

第六节 多重对照问题 359

第十七章 同步脑电-功效磁共振 367

第一节 同步脑电-功效磁共振的硬件系统 368

第二节 伪迹去除 369

第三节 基于fMRI约束的EEG源成像 373

第四节 基于EEG信息的fMRI剖析 375

第五节 多模态脑网络 379

第六节 应用实例 382

第七节 总结 388

第十八章 EEG/ERP数据剖析工具箱 397

第一节 EEG/ERP数据剖析工具箱简介 397

第二节 Letswave先容 399

第三节 下载和安装 404

第四节 单个被试剖析的示例 405

第五节 多个被试剖析的示例 414

第六节 绘图和批处置 420

结语 426

想领会更多内容?

科学商城(科学出版社)

京东(科学出版社)

火星直升机状态正常,毅力号正在给它充电

NASA必须确保机智号拥有充足电量,以维持加热和其他重要功能,同时让电池保持最佳健康状态,这对机智号后续在火星上成功飞行至关重要。 目前,机智号只能依靠毅力号进行充电,一旦从毅力号腹部释放下来,它就…