文摘

基本的脑机接口游戏行业已经存在。在这里,我们提出一个无线、实时和分享服务脑电图(EEG)系统,家庭护理的应用程序。系统使用高密度干电极和压缩传感策略来克服电极相互冲突的需求之间的空间密度、时间分辨率,时空的吞吐率。空间稀疏解决了近距离活动电极之间和所需的源位置和使用一种自适应的选择吗活跃在被动电极形式组织随机读数的线性组合,。颞稀疏硬件是通过并行处理框架的差异。在设计阶段,我们把拴在实验室脑电图数据集和模糊逻辑应用于计算(a)时空平均0.3秒间隔较大的脑电图数据中心级的和(b)在脑电波来源由独立分量分析盲反褶积不知道脉冲响应函数。我们的主要贡献是无线脑电图数据质量的忠诚而原始拴在数据和压缩图像的速度复苏。相比我们复苏的不适定逆使用代码块稀疏的数据与结果。未来的工作包括发展战略从高密度脑电图(即过滤不必要的工件。、面部肌肉活动和无线环境电磁干扰)。

1。介绍

头皮从附近的一个非侵入性电响应存在神经元离子传输之间的神经网络,可以通过脑电图(EEG)测量。王先生和他的同事们UCSD的1,2)展示了一个天马行空的功效,无线脑机接口(BMI)系统使用20干电极嵌入一个帽。无线脑电图帽系统有一个内置的带宽滤波器来消除环境噪声,例如,60赫兹家庭效用和模式噪声。此外,这种模式噪声滤波器自然代表一个神经元阈值逻辑可用于评估认知功能和诊断。

图1脑电图显示各种状态,EEG代表模式,典型的频率范围,不同的活动相关,心境/的参与度。有一个简单的经验法则对脑电波的助记符的”D,T,一个,B“语音等价与“深挖掘。深度挖掘”分离D=δ(0 - 4赫兹);T=θ(4 - 7赫兹);一个=α(8 - 12 Hz);B=β(13-30 Hz) 4赫兹以上的间隔。在经典的神经心理学研究中,中枢神经系统(CNS)是参与大规模并行的信息处理和分配联想记忆储存在海马。这产生了一个与事件相关电位(ERP)在延迟大于300毫秒,或0.3秒延迟,通常被称为P300脑电波组件。

压缩感知(CS)的技术处理稀疏问题集已经由萤石et al。3,4]和Donoho [52007年](CRT&D)。做一个稀疏线性组合,,CRT&D证明限制等距性质定理,允许一个等价的一个嘈杂的LMS -简约源条件相似。他们采用一种纯粹随机压缩传感矩阵的大小行和列,然后由后处理解决线性规划算法转化一个欠定的线性的结合““数据稀疏的小波变换表示。我们希望修改他们的数学一般情况下一个特别的设计。我们应用另一个著名的独立分量分析(ICA)的策略,解决了未知的混合矩阵和未知源通过盲源分离(BSS)。使用这种技术,我们可以专门设计一个组织稀疏传感矩阵提高信噪比,以利用邻近效应的身体放置在源位置传感元素(5]。我们可以进一步加强的稀疏程度的视频时间帧差分电极传感器领域。

压缩感知(CS)不同于JPEG或如JPEG2000后处理压缩。以类似的方式如何的焦平面阵列CCD输出像素的传感器所有的线性组合传感器数据(欠定的),一个真正的优势医疗CS的价值在于它可以获得更快更少接触(即。辐射)的病人。这病态反演数学上是可能的,因为CRT&D CS定理证明了读数线性组合系数组成一个纯粹的随机双极模拟CS采样矩阵这是pseudoorthogonal之间行,内在稀疏自由度对应的信息。换句话说,小模拟系数将0,或的位置不会发送任何数据射线辐射通过患者在第一时间。除了光学成像,没有人曾表明CS光域。

这项工作的总体目标,如图2分享服务,是开发一个易于使用的无线便携式脑电图家庭制度措施的认知功能相同的精度和分辨率在诊所大脑功能的措施。

2。的策略生成稀疏

成功地应用计算机技术,稀疏数据采集策略值得特别关注。通常,数据采集本质上限制传感器材料的相互作用如何产生时空采样。这个基本的化学物理交互不灵活,无法轻易操纵到另一个内在自由度体现明确表示成一个数值量化值。没有传感器数据交互的详细知识,表现出稀疏信息内容的技巧是有限的。我们首先考虑数学变换将时空信息,因此减少明显稀疏。然后,考虑如何将数学嵌入传感器电路硬件,如果可能的话。(1)事件关联域。如果数据密集,相关的数据可能不是。一个合适的阈值后,相关性,例如,运动目标指示器(MTI),是稀疏的。(2)频率变换域。直方图可以量化不同稀疏的决议。限带函数的傅里叶变换频域需要Gerchberg-Saxon-Papoulis超分辨率迭代算法为了恢复postcompression算法。这是需要转向传感器领域,以体现其数据稀疏CS的实现。(3)时频联合表示(TFJR)。最佳浓度的信息可以证明使用TFJR,短时傅里叶变换,维格纳分布函数(频率加权卷积)收费,和伍德沃德模糊度函数(多普勒频移相关)。(4)帧差分变化检测(FDCD)。通常一个采样过量视频允许减少冗余的一个简单的帧差分。(5)Sensor-Sensing邻近效应(SSPE)和盲源分离(BSS)。看到下面的定理(部分3)。

我们生成空间和时间的稀疏度分别脑电图(i)和(ii)如下:(i)空间稀疏:通过加强内在信噪比之间的亲密距离活性电极和所需的脑电图源位置,使用一个自适应软件控制的选择活跃,在10N被动的,电极形成组织随机读数的线性组合,;(2)颞稀疏:通过大规模并行框架不同on-board-computing每个电极上通过采样和保持低功耗数模混合电路的区别。

例如,在设计阶段,我们把拴在实验室脑电图数据集(见图3),应用模糊逻辑来计算(a)时空平均0.3秒的更大的脑电图数据中心级(即。,Event Related Potential P300 brainwave) and (b) inside brainwave sources by Independent Component Analysis (ICA) blind deconvolution, without the need of knowing the impulse response function mixing matrix. Consequently, we can choose those active linear-combination read-out electrodes by software selection, as if we had tailored a nonuniform set of electrode distribution at exactly fuzzy-centered locations of sources for enhancing SNR and therefore the degree of sparseness by a simple band-passing threshold.

3所示。定理:提高ICA的稀疏

给定一个CRT&D-defined纯粹随机的CS,我们可以交换列向量保持pseudoorthogonality而产生组织CS根据sensor-sensing邻近效应如下: 在数据4和5,我们说明CRT&D CS的区别与视频CS。区别可能根源于生产信息浓度的方法。与以前的应用程序集中在生成一个单帧稀疏,我们应用视频变化检测产生自然稀疏。虽然CRT&D浓度的信息生成一些喜欢变换(FFT或DWT)领域,我们在一个时空信息处理工作使用不同框架的变化检测。两个产生的采样矩阵可能是等价的,一个完整的行或列排列不会改变原始矩阵的行列式,因此我们可以交换的非零值像素CRT&D模板图4重大改变像素的位置,例如,笑脸。这是为了说明潜力等级之间的等价CRT&D纯粹随机矩阵和有组织的伪随机矩阵。在我们的视频CS方法,构造直接采样像素通过帧差异,没有提到的绕道。我们组织稀疏的好处可能是衡量一个好质量的视频发送通过智能手机的窄带宽图6。

4所示。硬件和软件的方法

我们的改善主要是由于对清单提到的提高信噪比的内在稀疏使用物理sensor-sensing邻近机制。其次,我们运用颞过采样视频自然减少帧之间的稀疏而且使用邻帧差分通过减少冗余。硬件实现了模拟程序与集成电路重点香料如图6。

在图6、半导体有3个港口:阳极、阴极和门。门口有两个港口,左和右低的角落,用和。门势被按顺序从一个电势检测器之前和后续潜在的强度。输出电流之差,位于右边的中间部分是通过本地和自适应修改探测器之间的时间跨度和根据目前的脑电图潜力,其早期脑电图的潜力。

5。建模与仿真

我们可以迭代恢复压缩遥感图像数据,因为我们通过适当的放置电极,提高了信噪比本质上接近期望的脑波来源减少明显稀疏度阈值。明显稀疏进一步降低智能视频数据改变传感器电极的收购战略领域。为空间稀疏已知,我们集中测量电极在所需的位置脑波来源,进一步减少每个电极的接触阻抗使用gecko-like定向nano-grip进行表面。向颞稀疏,我们注意到,原本CRT&D CS算法有m pseudoorthogonal线性组合形成稀疏传感矩阵的大小,在那里。我们这些大规范的列向量作为整体的脑波来源,与非均匀覆盖设计电极的位置。简而言之,通过重新组合列向量作为一个整体,我们没有打扰的内部产品中任何两行。稀疏的程度可以增加意外地是如果电极正确放置在所需的脑波来源。然后,我们非均匀采样的物理和几何可以集中所需的脑电波测量,自然生成源和weighted-measurement邻近效应,所以更大的信噪比是伴随着更大的权重系数。这个过程完成了传感后来组织理论(6]。

数据7和8显示代表数据使用提出CS算法(第2列)时空测量脑电波动力学相比在诊所脑电图措施(1)列。原始之间的差异和CS图像所示的第三列数据7和8。

6。结论

家庭脑电图系统能够实时监控有几个潜在的健康监测应用,特别是人口老龄化渴望age-in-place以及那些生活在严重的健康状况。利用脑电图检测抽搐(7- - - - - -9]和nonconvulsive [10,11癫痫是发达和记录在文献中与敏感性在80% - -90%之间。Nonconvulsive癫痫可能模仿脑电图在脑病的模式,也就是说,减少的意识状态。实时睡眠脑电图监测可以提供有价值的信息在睡眠模式的改变,已被证明是有效的检测和预测焦虑,抑郁,和早期痴呆老人12- - - - - -15]。焦虑和抑郁是直接相关的许多有害的慢性疾病如心血管疾病、中风、睡眠障碍、糖尿病等等。在许多情况下,应对这些条件规定的药物可能会导致抑郁症的发作的病人。有一种机制来检测和预测出现焦虑和抑郁是一个强大的out-of-clinic工具。然而,进一步的研究需要努力提高特异性和敏感性的脑电图为这些应用程序嗜睡和对药物的反应直接影响脑电图模式。家庭脑电图监测包括评估的潜在应用头部损伤和postconcussion综合症。这些条件影响个人的警觉性,有证据表明,头部损伤影响脑电图的α波模式在8 - 10赫兹的范围16- - - - - -18]。

在前面讨论的许多研究已经表明潜在的脑电图检测和评估认知障碍,大多数已经在诊所进行了控制研究条件。扩展这些发现家里需要进一步调查的环境条件可能会影响脑电图数据收集。警觉性/嗜睡是一个混杂因素的影响,需要进一步的研究以及精神性药物可能给消费者。进一步发展自动化的脑电图分析和数据简化技术,以及事件记录为未来的分析,需要管理大量的数据收集从拟议的系统。

头皮脑电图(即。,EEG from electrodes over the skin and hair through electrically conductive paste) is often affected by a variety of unwanted artifact such as (i) EMG, EOG, and so forth, (ii) biologically-related signal distortion by the skull bone and skin, and (iii) environmental noise and electromagnetic interference (i.e., 60 Hz powerline, computers, and some other electric equipment). Thus, the scalp EEG is often unstable and unreliable, even in a shielded space, which leads to misidentification of the position and volume of the epileptogenic focus and other cognitive measures. Ideally, we wish to improve our strategies and proposed system to more accurately measure electrocorticography (ECoG). Future improvements will focus on a CS module of high-density dry electrodes with nano-grid surface, thereby reducing contact impedance of the original inconvenient EEG measuring wet electrodes. Two spatiotemporal analog filters at electrode level will be implemented to eliminate both the unstable motion-generated EMG and无线环境电磁干扰(we-EMI)。这种方法可以清理脑电图数据准确确定癫痫的中心证明撒切尔et al。17]。这个清理版本将用于家庭治疗癫痫的病人监护系统和其他认知措施。

在本文中,我们共同解决实时原位的可能性脑电图测量使用CS固件技术用于out-of-clinic应用程序。然而,完成视频脑电图的设计,额外的挑战依然存在如(i)需要模糊基于逻辑的最优策略,非均匀放置电极,产生更强的自然稀疏的信噪比,(2)低功率混合信号处理器在每个电极(消除干扰,一个/D等),和(3)新的先进的系统设计使用一个ultra-high-density 500个电极的分布自适应开关128本地。额外的技术挑战,包括电磁干扰影响无线传输,时空延迟,和计算速度要求实时原位处理。

确认

原始数据是由传统的拴在脑电图头山,由ONR和皮王博士提供的施瓦茨UCSD的中心。t . Yamakawa希望承认部分支持(项目没有。20001008)de-EMG和de-EMI脑电图数据称为ECoG数据确定癫痫中心资格”的识别由癫痫引起的关注采用Softcomputing建立微创和明确的手术”从2008年6月至2012年3月17]。