脑电简介-脑电-EEG资料讲解

《脑电简介-脑电-EEG资料讲解》由会员分享，可在线阅读，更多相关《脑电简介-脑电-EEG资料讲解（49页珍藏版）》请在装配图网上搜索。

1、脑电简介-脑电-EEG实验室简介实验室简介1仿人机器人仿人机器人空间机器人空间机器人维纳操作机器人维纳操作机器人外骨骼外骨骼脑机接口脑机接口机器人视觉机器人视觉医疗机器人医疗机器人脑科学与神经技术脑科学与神经技术军用机器人军用机器人1实验室简介 脑科学与神经技术触觉脑拓扑触觉脑拓扑脑数据分析脑数据分析脑电数据脑电数据核磁数据核磁数据1实验室简介 脑科学与神经技术神经反馈神经反馈经颅电刺激经颅电刺激脑科学与脑电脑科学与脑电2中国脑计划(2016-2030)Poo M M,Du J L,Ip N Y,et al.China Brain Project:Basic Neuroscience,Brai

2、n Diseases,and Brain-Inspired ComputingJ.Neuron,2016,92(3):591-596.脑科学与脑电2脑电原理神经细胞的跨膜静息电位为-70mV，为静息状态，受刺激后，膜内电位上升，开始除极化，形成动作电位。由于组织很厚，而单个神经元电活动非常微小，不能在头皮记录到。能在头皮上测量到的是由大量神经组织的突触后电位同步总和而成脑电波是由大脑皮层中无数个神经元同步化的电活动形成的，同步化作用通常认为受脑干的控制脑科学与脑电2脑电的发现史 1875年英国的克顿首先在兔子以及猴子的大脳皮质层测到直流电压信号。1924年德国的精神科医生翰思发现人脑也产生一种

3、电信号。1929年翰思贝鲁加首次发表了人脑的电信号的论文。1933年英国的尔多里安等人进一步证实并确认了脑电信号。从而形成了脑电图理论。脑科学与脑电2脑电的测量通道时间l自发脑活动：在无明显感觉刺激情况下，大脑皮层经常自发产生的节律性电位变化。(10100uV,50Hz)l诱发脑电位：由于外界诱发引起的脑电位变化(0100uV)l脑电图：应用记录电极在头皮表面所记录的自发脑电活动l皮层电图：在开颅情况下，应用记录电极在皮层表面所记录的自发脑电活动。脑电设备与数据采集脑电设备与数据采集310-20系统脑电设备与数据采集310-20系统特点l电极有各自的名称：位于左侧的是奇数，右侧的是偶数。l按近

4、中线的用较小的数字，较外侧的用较大的数字。l电极名称包括电极所在头部分区的第一个字母。l诸点电极的间隔均以10%和20来测量脑电设备与数据采集3脑电设备脑电设备与数据采集3脑电设备(实验)脑电设备与数据采集3任务与实验 静息态脑电:昏迷患者；癫痫监测和预判 任务态脑电：运动想象任务（BCI）情绪诱发（观看电影）工作记忆脑电数据处理4脑电数据处理 脑电预处理脑电预处理流程 独立成分分析（ICA）：将不同源的独立分量提取出来4脑电数据处理 脑电预处理4脑电数据处理 脑电分析方法-脑电节律4脑电数据处理 脑电分析方法-网络分析4脑电数据处理 脑电分析方法-PLI脑电与脑疾病脑电与脑疾病5 脑电的临床

5、应用帮助脑部疾病诊断及鉴别诊断帮助脑部病灶的定位诊断帮助了解脑部疾病的演变过程和功能状态帮助判断疾病的疗效、估计预后及指导用药帮助判断脑衰老或发育障碍及脑死亡12345五 脑电图的临床应用1 帮助脑部疾病诊断及鉴别诊断，区别脑部疾病是器质性疾病或功能性疾病：1）帮助癫痫诊断，区别癫痫与癔病或精神病，癫痫脑电图常可见痫样放电，还可帮助癫痫分类（各种癫痫有特异的脑电图改变），还可帮助区别癫痫是原发性或继发性（前者放电常对称同步，后者常见局限灶，放电不对称不步）。2）帮助鉴别昏迷是否由安眠药中毒所致，安眠药中毒常见高波幅快活动。3）帮助对脑炎的早期诊断，且某些脑炎如单纯疱疹脑炎、亚急性硬化性全脑炎、

6、海棉状脑病有特殊周期波发放，故EEG有助确诊。4)帮助区别真性痴呆及假性痴呆，真性痴呆者EEG常有异常，慢波增多；假性者正常。5）帮助判断癌肿颅内转移，颅内转移常可见局限或弥漫性慢波，也可有多灶表现。6）帮助肝昏迷早期诊断，肝病者 EEG出现三相波，提示肝昏迷。其它代谢性脑病有时也可见三相波，应结合病史及其它检查确诊。7）帮助确定晕厥为颈动脉过敏性，做EEG时加做压颈动脉窦试验，额叶出现慢波伴心率减慢、血压降低、头晕肢麻等不适8）重复检查有助于脑血管病或脑肿瘤的区别。脑血管病一般数周后好转，脑肿瘤多继续恶化。帮助脑部病灶的定位诊断，EEG有助于区别病变为弥漫性、局限性或多灶性：临床定位征不明显

7、时，常用脑电图检查作为检查颅内病变的筛查手段，故常用于颅内占位病变定位。病变在大脑半球近皮质者易定位，一般因其为功能定位，故比CT检查等解剖定位范围大，有时EEG改变先于形态改变利于早期诊断。EEG也可用于脑损伤的定位。帮助了解脑部疾病的演变过程和功能状态：重复检查有助于了解病情好转、恶化或复发，如脑瘤术后EEG好转，随访中又恶化提示复发。帮助判断疾病的疗效、估计预后及指导用药：如常用EEG作为判断癫痫疗效的指标，指导 治疗是否还应继续或可逐渐减量或停药。各种脑部疾病治疗前后或手术前后EEG对照可了解疗效。脑病或脑炎等患者长期昏迷（器脑点）低平则提示预后不良。5 帮助判断脑衰老或发育障碍及脑死

8、亡：提示衰老者表现为不符合年龄的节律慢化，快波增多。发育障碍者慢波频率也常低与其实际年龄应有水平。临床表现昏迷，脑波平直无波，如排除机器故障，出外低文、麻醉药物所至24小时仍不能恢复者，应考虑脑死亡。6 其它：可帮助判断麻醉深度，以免因抑制过深而不可逆转；可了解其它疾病脑功能改变 如自发性低血糖发作时EEG可见慢波和或痫样放电；甲亢基本节律增快；幅可用于子痫监测；有时用于诈盲诈聋的判断。脑电与脑机接口脑电与脑机接口6脑电的优缺点 脑电设备便携 记录方式简单 解析时间快 精度低，噪声多 不易直观解读 易受影响 样本量小 个体差异大脑电与脑机接口6BCI6脑电与脑机接口 脑机接口系统组成6脑电与脑

9、机接口神经信号的自动语音识别神经信号的自动语音识别实验与数据采集Brain-to-text 系统解码过程Christian H,Tanja S.Automatic Speech Recognition from Neural Signals:A Focused Review:J.Frontiers in Neuroscience,2016,10.6脑电与脑机接口脑电波与视觉分类脑电波与视觉分类Spampinato C,Palazzo S,Kavasidis I,et al.Deep Learning Human Mind for Automated Visual ClassificationJ

10、.2016:4503-4511.6脑电与脑机接口脑电波与视觉分类脑电波与视觉分类Spampinato C,Palazzo S,Kavasidis I,et al.Deep Learning Human Mind for Automated Visual ClassificationJ.2016:4503-4511.6脑电与脑机接口脑电波与视觉分类脑电波与视觉分类Spampinato C,Palazzo S,Kavasidis I,et al.Deep Learning Human Mind for Automated Visual ClassificationJ.2016:4503-4511.

11、6脑电与脑机接口脑电波与视觉分类脑电波与视觉分类Spampinato C,Palazzo S,Kavasidis I,et al.Deep Learning Human Mind for Automated Visual ClassificationJ.2016:4503-4511.6脑电与脑机接口脑电波与视觉分类脑电波与视觉分类Spampinato C,Palazzo S,Kavasidis I,et al.Deep Learning Human Mind for Automated Visual ClassificationJ.2016:4503-4511.6脑电与脑机接口脑电波与视觉分类

12、脑电波与视觉分类-结果结果6脑电与脑机接口脑电与工作记忆状态分类脑电与工作记忆状态分类6脑电与脑机接口脑电与工作记忆状态分类脑电与工作记忆状态分类被试信息：15名被试（删除两人），每人240个Trials采集信息：64通道脑电，500HZ任务：工作记忆，看图进行记忆，展示的图片分别有2/4/6/8个字母，分为四类（区分mental load）数据信息：一共有240*13=3120个Trials，取其中分类正确的Trials共2670个6脑电与脑机接口脑电与工作记忆状态分类脑电与工作记忆状态分类被试信息：15名被试（删除两人），每人240个Trials采集信息：64通道脑电，500HZ任务：工作

13、记忆，看图进行记忆，展示的图片分别有2/4/6/8个字母，分为四类（区分mental load）数据信息：一共有240*13=3120个Trials，取其中分类正确的Trials共2670个脑电数据处理：原始脑电经FFT变换，得到三个频段的功率谱密度，将alpha/beta/theta三个频段的图片合成三通道的脑电图，每个Trials（3.5s）取7个0.5s的时间窗,按时间顺序排成序列对脑电图进行卷积卷积之后的脑电图作为序列的输入使用循环神经网络提取时间上的信息全连接层进行分类两种模式single-frame approach：对一整个Trial计算能量，使用卷积网络分类（找到效果最好的卷积

14、部分的结构）Multi-frame approach：每0.5s的时间窗进行能量计算，排成序列，使用Recurrent-Conventional network 进行分类卷积结构：参考VGG的网络结构（2015）反复堆叠3*3的卷积核循环-卷积结构Max-pooling over time：直接使用池化层Temporal convolution：加入一个在时间维度上的卷积层LSTM：卷积之后加入循环网络Mixed LSTM/1DConv发展现状发展现状7一些产品谢谢Thanks此课件下载可自行编辑修改，仅供参考！此课件下载可自行编辑修改，仅供参考！感谢您的支持，我们努力做得更好！谢谢感谢您的支持，我们努力做得更好！谢谢