可穿戴腦電圖設備關鍵技術及其應用綜述

秦 靜，孫法莉，HUI Fang，汪祖民*，高 兵，季長清，4

（1.大連大學軟件工程學院，遼寧大連 116622；2.大連大學信息工程學院，遼寧大連 116622；3.拉夫堡大學計算機科學學院，英國LE113TU；4.大連大學物理科學與技術學院，遼寧大連 116622）

0 引言

腦電圖（ElectroEncephaloGram，EEG）是一種典型的無創性腦電波測量方法，記錄了腦神經細胞在大腦皮層或頭皮表面的電生理活動。1924 年Berger 首次記錄人類腦電圖，1958年Jasper 將EEG 作為臨床診斷和大腦研究的基礎工具。EEG 作為一種無創腦電監測手段不僅可以對偏頭疼、癲癇、腦腫瘤等腦部疾病進行檢測，還可以輔助神經系統功能性疾病診斷和研究。近年來，隨著智能傳感器和物聯網的發展，EEG 設備的發展趨于便攜性、小型化、實時性和可穿戴性，并與可穿戴設備接合，形成了類型豐富的可穿戴EEG 設備，并受到廣泛的關注及應用。

可穿戴EEG 設備總體框架如圖1 所示，該系統主要由三層七個模塊組成：信號采集層（信號采集模塊、預處理模塊、控制模塊、電源模塊和數據傳輸模塊）、信號傳輸層和智能診斷層（移動終端模塊和與服務器模塊）。

圖1 可穿戴EEG設備總體框架Fig.1 Overall framework of wearable EEG device

與傳統EEG 設備相比，可穿戴EEG 設備有四大改進：1）將腦電信號采集傳感器、信號處理芯片和藍牙集成在一起，安裝在帽子、耳機或眼鏡等一些附屬品上，便攜性強、舒適度高、可實時采集信號；2）具有相匹配的移動終端應用，記錄和顯示腦電信號，當達到閾值時報警，可作為日常健康監測設備；3）利用機器學習或深度學習算法對腦電信號實時分析并將結果反饋給用戶或醫護人員，提供病情分析甚至挖掘出更有價值的信息；4）產品形式多樣化，滿足大眾基本需求。

1 信號采集模塊

信號采集模塊是可穿戴EEG 設備的基礎。首先，低阻抗、高靈敏、操作便捷且舒適的電極是最基本要求。其次，采用單通道或少通道的腦電采集方式，減小采集模塊的電路復雜性和體積，增強腦電采集模塊的靈活性，使其更好地嵌入到精巧的附屬飾品上用于日常監測。

1.1 電極材料

傳統方式將“濕”電極固定在頭皮的適合當位置采集信號，但需要提前進行皮膚準備、頭發清潔等煩瑣的過程。凝膠長期暴露在空氣中會降解和蒸發，導致不適宜長期監測的要求，而且長期使用凝膠會造成皮疹和刺激。與之相反，干電極一般由金屬制成，且不需要借助凝膠，可避免濕電極上述缺點，干電極還具有成本低、佩戴舒適等優點。在穿戴式EEG 設備中干電極逐漸取代濕電極，成為首選電極。

干電極的可塑性好，能夠滿足人們的不同需求，根據毛發的多少采用不同的柔性桿電極。對于毛發茂密的區域一般采用具有微結構的電極達到與頭皮更好接觸的目的。Fleury 等提出一種頭戴織物干電極，很好地與發帶接合、隱秘性高、可在公共場合佩戴。Gao 等提出一種軟針型鬢毛干電極，利用碳纖維把干電極頭制成針尖，增加電極柔韌性的同時降低與皮膚之間的阻抗。殷燦提出一種PDA/Pt-TiO2 納米管陣列桿電極，此電極具有低極化點位、低阻抗和高電子傳輸特性。但是此類電極需要施加一定的壓力確保與皮膚充分接觸，所以易受運動或壓力的影響。相反在毛發少的區域，柔性電極沒有太多的要求，所以形式更加多樣。如Asogw 等提出的一種由導電紗制成的干電極，在增加電極耐磨性的同時也大幅提高了佩戴的舒適度。Shu 等提出一種多層吸汗紡織物干電極，有效減少電極間短路或串擾現象，其次也很好地降低接觸阻抗。祝偉仝等提出一種柔性聚酯纖維（織物）基底石墨烯織物電極，該電極能實現高信噪比的腦電信號精確識別，且對皮膚的阻抗性更穩定。總之改良后的干電極無論在皮膚阻抗性、舒適度還是可操作性上，都比傳統濕電極更勝一籌。

1.2 新型采集模塊

大多數臨床研究使用了來自10～20 系統的頭發頭皮區域的腦電圖通道，電極易受毛發和皮膚之間干擾，同時設備對運動容忍度低，不適合作為日常生活中腦電信號檢測設備；而從前額、耳朵后面或內部等無毛區域進行的腦電圖記錄更適合日常生活中的長期監測。

表1 為可穿戴EEG 設備參數對比，新型腦電采集模塊集成度高，往往將傳感器、電路、電池等一些硬件集成到電路板并嵌入到日常生活中的各種配件上，且采集位置不僅局限于頭皮，還可以在前額或耳的周圍。新型腦電采集模塊從外觀來看，體積小，芯片體積只在毫米級別，質量輕、便攜性好。從實用性來看，對運動的容忍性高，對用戶日常活動干擾小，不引人注目，能很好保護個人隱私。從性能來看，Zibrandtsen 等利用耳腦電與頭皮腦電對癲癇病檢測做了比較，耳腦電可以很好地檢測與局灶性顳葉癲癇相關的腦電圖模式。Valentin 等提出耳蝸的腦電采集方案中記錄的EEG 信號與研究性EEG 采集設備的信號質量不分伯仲，且在頭皮和耳朵分別獲得的數據存在高度的互信息。Mahdid等利用四種商用耳腦電設備證明在自然條件下采集信號的可行性。新型腦電采集各模塊間相互獨立，又相互協調工作，如同樂高可按需組合，提高了腦電采集模塊的可擴展性和異構性。

表1 可穿戴EEG設備參數對比Tab 1 Comparison of parameters of wearable EEG devices

2 腦電信號處理

腦電信號處理過程包括信號放大、模數轉換、預處理、特征提取和分類，處理流程如圖2 所示。

圖2 腦電信號處理流程Fig.2 Flow of EEG signal processing

2.1 預處理

為了去除由環境和自身運動造成的噪聲或偽影的影響，提高腦電信號的可用性，腦電信號必須經過特定預處理。腦電信號的噪聲和偽影主要來自兩個方面：外在信號偽影和內在信號偽影。如電極漂移、人體運動偽影、環境噪聲或設備電源線噪聲等由環境或物理因素產生外在偽影，通常采用濾波器方法處理。例如，利用帶通濾波器允許一定頻率范圍內的信號通過，并防止其他頻率信號的特性處理由電極漂移、電極阻抗、運動造成的影響和應用陷波濾波器使信號在非常窄的頻帶內指定固定頻率，使其在指定頻率內的干擾信號無法通過而不影響周邊有用信號的原理來消除電源線干擾。

眼球運動、眨眼、面部肌肉運動等由自身生理因素造成的內在偽影，因其頻譜與腦電相似難以處理。獨立分量分析（Independent Component Analysis，ICA）可以有效地檢測、分離和消除EEG 記錄中各種自身生理因素造成的污染，所以ICA 常用于去除內在偽影。隨著腦電采集通道的減少，單通道偽影的去除至關重要。Majmudar 等提出一種單通道實時去除眼部偽影的混合算法，取得了較好去噪效果。此外，小波變換（Wavelet Transform，WT）只需要單通道數據，并可在嵌入式硬件上實現，因此WT 是一種非常有前途的單通道EEG 偽影去除方法。Mahajan 等提出一種基于小波增強獨立分量算法，利用峰度和改進的多尺度熵自動去除偽影。張銳等提出基于WT 和集合經驗模態分解混合眼電偽影去除算法，在去除偽影的同時減少信號的失真。此外，深度學習在偽影去除也得到廣泛應用。姚粵漢基于生成對抗網絡（Generative Adversarial Network，GAN）提出EDGAN（Electroencephlogram Denoising GAN）算法，實現多通道、在線、端到端的偽影去除。

2.2 特征提取

特征提取是對原始特征集進行某種映射或變換，將高維數據映射到低維的空間表示，消除特征之間的相關度和數據維度，增強特征的表達能力，有利于提高模型的準確度和泛化能力。根據需求對腦電時域、頻域、時頻域、空間域和功率譜密度進行特征提取，對各方法對比結果如表2 所示。

表2 不同腦電信息號特征提取方法的優缺點比較Tab 2 Comparison of advantages and disadvantages of different EEG signal feature extraction methods

2.3 分類器

可穿戴EEG 設備中常用的分類器有兩類：1）機器學習，模型結構相對簡單，不太需要大量數據支持，但是需要進行復雜特征工程（如特征提取或選擇），學科知識依賴強，并且選擇的特征向量主觀性強；2）深度學習，是機器學習的進階，利用深度神經網絡來解決特征表達，可以從低層次特征提取出高級語義特征并且自動學習特征和任務之間的關聯，將特征工程的需求降到最低。兩種分類器的比較結果見表3。

表3 不同可穿戴EEG設備分類器的優缺點比較Tab 3 Comparison of advantages and disadvantages of different wearable EEG device classifier

3 可穿戴EEG設備應用

目前市場上可穿戴EEG 設備種類繁多、應用廣泛。根據可穿戴EEG 設備應用領域可分為以下四類：慢病監測、醫療輔助、情緒監測、疲勞檢測。

3.1 慢病監測

可穿戴EEG 作為一種無創、成本相對低、實時腦電檢測設備，可以友好地監測慢性病的變化和為慢性病的臨床研究提供數據支持，甚至在疾病發作前預警，有利于慢性病的及時治療和預防，降低死亡和風險。

偏頭疼一種發作性神經疾病，表現為劇烈的跳動性頭痛，且發作前期前額葉區腦電熵顯著增加。Martins 等利用可穿戴EEG 設備記錄24 名實驗者兩周內偏頭疼發作期間，對發作前24 h 內、發作當天和發作后的數據并分析，以識別偏頭痛發作前的生理變化，從而實現有價值的癥狀前預測和隨后的早期干預。Cao 等提出一種基于穩態誘發電位的四通道頭戴EEG 設備，探究偏頭疼腦電波在發病前期和發病期的不同，開發有利于研發新的藥物和制定新的治療方案。癲癇是大腦電活動紊亂引起的間歇性癲癇發作，表現為意識受損，甚至全身嚴重抽搐。常用穿戴式EEG 作為癲癇患者日常生活中腦電監測設備。Zibrandtsen 等從耳朵里記錄腦電圖，并與頭皮腦電比較，耳腦電能可靠地檢測到局灶性顳葉癲癇發作信號，并向醫護人員發出警報提醒。Sopic 等提出四通道、超低功耗e-Glass 設備，將腦電采集模塊嵌入在兩個眼鏡腿上，實時檢測太陽穴的腦電變化，并能提供關于癲癇發作的客觀信息和提醒家庭成員或護理人員及時給患者服藥，避免意外發生。考慮到設備功耗和處理效率問題，Taufique 等提出利用體感誘發電位監測動態環境中的偏頭痛模式，旨在片上處理數據，以實現節能和及時的干預。

3.2 醫療輔助

可穿戴EEG 設備作為輔助設備，主要在半自然環境中（如病房）輔助醫護人員實時對病人監護，并對病人治療狀況進行定量分析，有利于及時修改治療方案。Billeci 等在半自然環境中，通過對自閉癥兒童從脫離到參與狀態EEG 和心率的變化，實時監測治療期間自閉兒童神經生理和自主反應之間的變化和制定個性化治療方案。Rohani 等利用頭戴式EEG 設備在自然環境下實時連續收集抑郁癥患者EEG變化，并進行干預。Dehzangi 等采用了干式腦電圖帽，幫助重癥監護室中有語言障礙患者和護士之間進行有效溝通，在緩解患者情緒的同時，還可以滿足患者基本需求。

除此之外，可穿戴EEG 設備還可幫助肢體損傷或殘疾患者進行自主康復訓練或輔助完成基本動作。Roshdy 等利用腦電圖耳機讀取腦電信號并分析大腦意圖，在主動模式下控制機械手臂運動。Bhagat 等提出一個異步可穿戴EEG 系統，通過一個上肢外骨骼輔助中風患者運動。

3.3 情緒監測

情緒作為一種生理和心理狀態，對個人認知、決策和行為影響極大。EEG 能提供更豐富的情緒狀態信息，所以利用穿戴式EEG 設備連續和定量地測量人的情緒，有利于情緒識別、精神或心理疾病快速檢測和治療。除此之外，EEG 可直接從中樞神經中捕獲和量化人的壓力，持續的壓力會導致嚴重的心理甚至身體紊亂，所以對一些高壓職業進行情緒/壓力識別，有利于實時了解工人精神狀態，提升工人幸福感、安全感，提高工人的生產力和生產質量。

近年來，可穿戴EEG 設備常用來監測人們的情緒狀態進行兩級或多級分類和預測。Yokota 等利用兩通道穿戴EEG 設備實時采集腦電信號，融合空間和頻率特征對情緒進行評估。Hwang 等基于情緒的兩個維度（愉快―不愉快，激動―平靜），通過少通道穿戴EEG 設備來量化員工的情緒狀態和壓力。Betti 等采用多模態單通道EEG 信號穿戴系統進行情緒檢測。

3.4 疲勞檢測

隨著社會跨步式發展，越來越多的人處在高強度工作環境中，由疲勞、困倦造成的經濟損失甚至生命損害屢見不鮮，尤其因困倦導致的交通事故頻發。

疲勞往往伴隨著多種行為特征和生理反應，單純的生理分析不足以精確地檢測到疲勞狀態。Ha 等將EEG 與近紅外光譜接合提出入耳式片上睡意監測系統，不僅可以檢測腦電信號，還可以檢測血流動力學域信號，提高了系統準確性。Zhang 等提出一個車輛自主安全系統，對駕駛員警惕性進行檢測和識別，當超出閾值時及時作出減速或剎車的決策。目前穿戴式疲勞檢測設備多采用多模態輸入，將多種生理信號和行為特征相結合，相較于以前的解決方案顯著提高了設備通用性、準確性。

總之，可穿戴EEG 設備常用于長期腦電監測及認知反饋，在臨床醫療領域不僅有助于診斷和治療也有助于對疾病的認識。其次，利用腦電對認知的反饋也制成一系列的生活衍生品，豐富人們的生活和娛樂。

4 總結和展望

可穿戴EEG 設備具有舒適度高、便攜性好、干擾小、可長期實時檢測等特點，且可與心電圖、肌電圖等其他生理信號接合，構建多模態的可穿戴系統，提高穿戴系統的實用性和精準性。可穿戴EEG 設備應用廣泛，如慢病監測、醫療輔助、情緒檢測和疲勞監測等。不僅有利于對人們實時監測，避免不必要的傷亡，提高人們健康意識；還利于醫護人員對疾病的研究，挖掘更有價值的信息。可穿戴EEG 設備目前發展如火如荼，逐漸走入人們的日常生活，未來研究主要集中在以下幾個方面：

1）長續航。能源是可穿戴EEG 設備的核心，是一切硬件工作的基礎，體積小、質量輕、容量大的電池也是各界學者有待解決的問題。隨著無線充電能技術和新能源技術的發展，將無線充電或新能源作為可穿戴EEG 設備的能源可謂解決了長期續航的要求，如何提高傳輸效率和能量損耗是研究者未來工作中心。

2）多模態。可穿戴EEG 設備常用于健康檢測、醫療輔助，所以要求設備有相當高的準確度。對于一些復雜的任務來說，單一的EEG 不足以精確地分析結果。未來的穿戴式EEG 設備，將采用多模態輸入，將多種生理信號甚至行為特征聯合分析，提高系統的準確度和靈敏性。

3）精確性。除了多模態地輸入、提高設備的準確度外。還可通過機器學習、深度學習、智能優化算法的應用，提高模型的準確度和靈敏性，且輕量級算法還可增強模型實時處理能力。

4）安全性。穿戴式EEG 設備傳輸的數據中包含與個人相關的隱私數據，為保證數據傳輸過程中個人信息不會被泄露和篡改，如何在傳輸過程中對數據進行有效的保護也是可穿戴EEG 設備研究的重點問題。