基于小波的腦電信息提取

董素鴿　李華　王小麗

摘 要：腦神經功能信息學是信息科學與腦神經科學的交叉科學， 它既有意義重大的基礎研究， 又有豐富而廣闊的應用課題腦神經功能信息學的交叉學科的性質， 不僅體現在其研究方法、研究領域與其他學科的重合和互補上，還體現在其從基礎研究走向應用研究的過程中與其他學科的雙向促進。腦電圖信息是反映大腦活動狀態的重要數據，該種類型的數據信息主要具有自動性和誘發性。在這種情況下，如何更好地對這些信息加以分析，并進行有效利用對于醫學上的臨床診斷工作水平的不斷提高來說具有十分積極的意義。小波變換是信號分析和特征提取的重要工具，能夠將時間這一要素考慮在內。本文對此進行了有效分析，并指出了改進方法。

關鍵詞：自發腦電信號； 誘發腦電信號；小波變換； 閾值

1 引言

進入二十一世紀之前， 美國最早提出了“ 人類腦計劃”這一研究課題， 該項研究主要屬于神經信息學方面的研究工作， 其實是對神經學科與信息技術的融合。從這一一時期開始，人們便將更多的精力投入到大腦支配行為的研究當中。人工電子耳蝸就是腦神經功能信息學的典型應用，把麥克風接收到的數據信息， 經過特殊手段處理成為多通道（ 可多達28 通道以上）的語音刺激信息，用一定的微電極對耳蝸處的聽覺細胞進行有效調控，從聽覺上可以達到良好的效果， 強化大腦神經中樞的聽覺功能。現階段，澳大利亞、美國在這些方面均取得了一些進步。對于這些研究內容我們可以進行如下的分析[1，2]：

（1） 腦功能數據信息的收集、整理，這是開展相關性研究的最基本的要素。

（2）對于出現異常的腦部疾病表癥的檢查，這是腦功能信息學最應該研究的，具有關鍵性的內容。

（3） 腦功能調控及康復研究，這在醫學領域有很廣泛的應用。腦電信息（Eleetroeneephalogram簡稱EEG）是人體內部大腦信息活動的整體檢查反應。人體大腦活動，被稱作是Elektroenkephalogramm，簡稱EEG。二十世紀三十年代，Deicth首次對EEG的相關內容進行了分析。在之后的幾年里，該領域分別展開了相關的各項分析研究工作。不同的分析方法所分析的對象具有很大的不同，如幅度、均值、方差等。

在有的情況下，可以接受到的腦波信息是非常微弱的，且信號源的內阻很高，不管采取什么樣的檢查手段最后所得的效果差異性也很大，同時還特別容易受到外部信息源的影響。小波調整是各類信號不斷進行有效調整的重要手段，不管在時間上還是在地域上都會受到很大的影響，適應性很強。一些頻率比較高的波，需要采取特殊的方式控制好時間范圍與距離范圍，才能獲得有用的信息，加以利用，才可以進行更加精確的分析從而獲得理想的效果；對于波頻比較低的情況，小波分析采用逐漸粗略的時域或空域采樣步長，這樣才能獲得更加客觀的整體的信息。現階段，在醫學界的臨床治療中，對于腦電圖的分析很多情況下都是通過肉眼觀察來完成的，這種傳統的方式很容易引起各類失誤的產生，容易導致臨床EEG的“數據壓縮”和“特征提取”處在主觀階段無法改變。小波分析則會對這些問題產生很大的影響，為影響信號的有效傳遞。在對狀態進行調整時，通過傳統形式無法實現正常的轉變，在這種情況下我們必須進行必要的檢測，還需要對周期性的數據信息進行個別化處理。小波則會對局部特征產生獨特的影響，在短時間內實現更好地轉變，不但能對數據進行調整，同時也能進行數據信息的進一步簡化。

2 基于小波的腦信號去噪

2.1 小波閾值法在腦電信號去噪中的應用

用Dnohoo提出的小波閾值措施可以控制噪聲的干擾。該種措施的觀點是信號對應的小波系數對于信號的影響是重要的，其幅度比較大，而且數目的量也比較低，同時其與噪聲相關的系數也很容易發生變化，個數與幅度均會發生很大的變化。在這一思想觀念的基礎之上，Donoho等人則提出了相應的方法進行控制，將絕對系數值控制在一定的范圍內，在這種方式之下小波系數則會發生相應的改善。通過這種措施在Besov空間中可以得到最佳的實現方式，而其它的估算方式（包括核估計、近鄰估計以及局部多項式估計）都不能達到這種效果，所以該種方式是目前去除噪聲干擾的最佳方式。本文在這一基礎上進行了相應的研究與分析，對其在腦電系統中的應用進行了分析。在生物醫學信號采集過程中，可以通過過個儀器設備的使用來達到良好的效果，所有信號的使用都是獨立成分的相互融合，這一點具有普遍使用性。在進行腦電信息收集的過程中，不但會對腦內神經元產生影響，同時也會對其它方面產生重大影響，影響了研究結果的科學性。所以需首先將心電和腦電信號進行分離。

2.2 快速定點獨立分量算法用于心腦電信號的分離研究

采取獨立分量診斷（CIA）是最近幾年最常用的重要信號處理技術，主要的方法就是將不同的幾個原則分解成為相關的幾個方面，在CIA為基礎的條件之下，進行不同信號源的設計。

其中，ICA的問題可以敘述如下：可以對相關獨立源進行設計，S（t）=[s1（r），s2（t），…sm（t）]T經過線性瞬時系統的確認以后，可以測得數據信息為X（t）= [x1（t），x2（t），…，xm（t）] T，即S（t）= X（t）。其中各類數據信息源的系統都是無法得以確認的，只有在混合后的情況下X（t）可以得到確認。ICA的主要工作就是對A和源信號S（t）的進一步確認，從中尋找出更好的解決方案W，從X（t）中分離出S（t）的各分量Y（t），即Y（t）= WX（t），以此證明在n大于等于m的前提之下，如果S（t）中含有的高斯分量的個數不足，在Y（t）逼近S（t）的情況下，只是Y（t）中各所含有的各個成分表現出了各自的不同。從本質上來說可以達到一定的效果，通過各類信息的使用來達到良好的效果。所以，CIA所涉及到內容可以從下面幾個方面反映出來：優化判據（代價函數）和尋優算法，在計算方法不斷深入發展的當下，精度和穩定性是所有的計算工作所必須遵守的一個原則。endprint

通過專門的手段進行處理后所得的數據信息仍然表現出受到影響的特點，接下來我們將要對各類電信號進行進一步處理。將電腦信號作為最初的研究對象。使用軟閉值法去噪后重建的信號，對于信號的重構容易產生影響。不過，在這種情況也會對電腦的具體使用產生重大影響，隨著尺度的不同，信號與噪聲的模制也會產生很大的差距，所以必須選定標準的值數進行分析研究，容易對原始信號產生不利的影響，導致信息失去效用。但是在電腦信號往往會受到更大的影響，但是小波對其產生的影響則是獨立的，所以，必須根據實際的需求對此進行進一步的改進和完善[3，4]。

2.3 基于中值濾波的自適應小波閩值方法。

（1）自適應閉值法，在尺度不斷加大的同時，對于噪聲所產生的影響的調控是有限的，信號的幅度與密度也會隨之發生相應的變化。所以說每一個環節上的尺度都會受到相應的影響，對于EEG信號的產生來說太過簡單粗糙。所以必須要對相應的數據進行專業的調控。[5]

（2）中值濾波方法。通過一系列的過濾措施能夠達到良好的效果，將噪聲的產生控制在一定的范圍以內，不利于信號的有效傳遞，無法使用信號的有效傳播。

3 腦神經功能信息學的主要研究領域

腦一機相互連接的分析。 腦機相互連接， 是在人腦和計算機或其它電子儀器之間構建起一種數據信息的相互融合， 主要目標就是實現信息技術與計算機之間的良好連接，有利于計算機信息技術功能的強化、完善、實現各類信息的綜合高校利用，有利于殘疾病人各項身體技能的進一步恢復完善。

音樂認知與腦功能機制研究。現階段，從音樂角度出發進行的研究工作已經從心理發展到了大腦，這一轉變有利于將更加精密的儀器設備與高端的研究技術與學科的拓展研究工作精密的聯合起來，以達到良好的研究效果，通過探索音高、音樂速度刺激等的改變對誘發腦電的幅度和潛伏期來進一步加深對大腦結構以及內部機制的認識，所得的研究結果將會對我們的生活與發展帶來積極的影響。

4 展望和結束

對于腦神經的功能性研究，是現階段生命科學和腦科學最為前沿性的研究領域， 對其進行的研究工作將會對我們的日常生活產生極大的影響， 不但有利于我們對腦功能的進一步理解， 同時也能夠進一步實現相關學科領域信息的豐富化。其最終的研究結果將會使得臨床診斷與治療評估結果進行完善， 該項研究工作將會對社會和諧發展產生積極的影響， 有利于人類社會的優化性進化發展， 不僅能夠實現身體健康同時能夠提高人們的工作能力與效率。應用是科學研究的重要推動力， 同時更是對以往研究工作的進一步驗證。雖然其中存在很多技術性的難點，不過，其所具有的功能性效果是不容質疑的。

參考文獻：

[l]鄭崇勛，裴曉梅，徐進.腦神經功能信息學研究進展[J].中國醫療器械雜志，vol.30（6）：399-407.20.

[2]唐孝威，尹嶺，唐一源.人類腦計劃和神經信息學[J].武警醫院，2003.

項目基金：鄭州大學西亞斯2014年度校級科研項目，編號2014KYYB05endprint