論文-便攜式腦電健康檢查的專家系統(tǒng)關鍵技術研究

1、項目名稱： 便攜式腦電健康檢查的專家系統(tǒng)關鍵技術研究 項目負責人（簽名） 所在學校（蓋章） 1本項目研究意義及國內(nèi)外同類研究工作現(xiàn)狀（附主要參考文獻及出處）：（1）項目背景 人體的大腦與身體其他部位如心臟、肌肉等一樣，能產(chǎn)生生物電流。通過安裝在頭皮部位的電極記錄的腦生物電活動，就稱為腦電圖（electroencephalogram，EEG）。自上世紀80年代以來，人類對大腦疾病的診斷方法產(chǎn)生了劃時代的進展，CT、MRI及數(shù)字減影血管造影（DSA）等產(chǎn)品的問世，大大簡化了診斷的過程，提高了診斷的精確性，并且能夠顯示出大腦結(jié)構(gòu)形態(tài)改變的清晰影響，以供臨床判斷。但是這些方法不能對大腦功能性疾病顯影，

2、這也是它們的一大缺點之一；而腦電圖、動態(tài)腦電圖、腦電地形圖、誘發(fā)電位圖等腦電檢測手段正好彌補了這一不足，對了解腦功能狀況，揭示腦的病理、生理狀態(tài)及其活動特性、輔助診斷腦疾病等能夠提供極為有益的資料。利用常規(guī)腦電設備進行檢測，由于時間和環(huán)境的限制，往往得不到有確切意義的結(jié)果。為此，人們一直致力于在非醫(yī)院環(huán)境中進行腦電檢測的腦電系統(tǒng)的研制工作，以在不影響病人的日常生活的情況下，獲得長時間的腦電記錄，輔助于腦部疾患的診斷，尤其是對那些能引起腦電陣發(fā)異常的疾病診斷價值更大。本課題的主要任務就是設計一個低成本、便攜式、可以在任意時間記錄腦電信號，并通過“云”專家系統(tǒng)獲取腦電診斷知識庫的健康建議的大眾化腦

3、電檢查系統(tǒng)；該系統(tǒng)以腦電數(shù)據(jù)的模式識別和云計算為技術基礎，兼顧專業(yè)醫(yī)院腦電診斷和普通百姓腦電健康檢查兩方面的需求，將腦電檢查從必須由專業(yè)醫(yī)院專營實施的復雜臨床醫(yī)療工作，變成一個大眾化的、可以由普通非專業(yè)人員使用的大腦健康狀況速查，從而普及腦電量化診斷，及早發(fā)現(xiàn)可能的腦部隱患，以采取有針對性的保健或醫(yī)療措施，提高公眾腦健康水平。（2）腦電檢查的現(xiàn)狀和問題目前，雖然單次普通腦電檢查的費用并不是非常高（參見表1的某醫(yī)院腦電檢查項目價目表），但是，動態(tài)腦電的監(jiān)測、腦地形圖、無紙腦電圖等項目費用仍比較高；更況一般百姓到醫(yī)院檢查，從“交通”到“掛號”到“診斷單”、“繳費”、“排隊”等一系列流程，其人力和時

4、間的成本是非常高的。對于普通大眾，一般在沒有明顯的病癥的情況下，是不會輕易進行類似的檢查的。表1 某醫(yī)院的腦電檢查項目價目表項目單位價格/元說明腦電圖次8腦電圖（14導）次100腦電圖（16導）（18導）次160無紙腦電圖次280進口機癔癇誘導、誘發(fā)次80癲癇和癔癥鑒別診斷次100睡眠誘導次200誘導EP蝶骨電極次90復雜性EP閃光刺激次90腦地形圖次200腦血流圖（轉(zhuǎn)頸試驗加倍）次30轉(zhuǎn)頸試驗加倍腦電圖監(jiān)測小時3024小時動態(tài)腦電圖監(jiān)測(國產(chǎn)) 次800國產(chǎn)儀器24小時動態(tài)腦電圖監(jiān)測(進口)次1000進口儀器數(shù)字化腦電圖次180腦電超慢漲落分析次200因此，從總體上來說，目前的腦電檢查，存在

5、如下問題：單次檢查成本較高，難以成為“保健”行為。綜合考慮個人到醫(yī)院進行腦電檢查的全面成本（包括人力、時間等因素），單次腦電檢查的成本實際上已經(jīng)遠遠超過個人“健康檢查”的成本預期，因此常規(guī)的腦電檢查難以成為一個健康“普查”行為（例如家庭中的“血壓”測量就是一種大眾化的健康普查行為），而只能是一種針對嚴重疾病的病理檢查。依賴專家個人的臨床經(jīng)驗，準確度波動較大。而腦電檢查的長處所在即對“功能性”疾病的診斷能力由于專家個人經(jīng)驗的不同而可能導致診斷結(jié)果的可靠性差異較大。難以進行診斷知識的積累。由于不同的專家和不同的病例沒有共享數(shù)據(jù)存儲，更沒有計算機人工智能輔助的模式識別等大規(guī)模計算能力的運用，診斷知識

6、僅僅依賴醫(yī)學實驗和醫(yī)學專著、論文的積累，對于單獨的診所和醫(yī)生個人來說，難以在短時間內(nèi)提高診斷的準確性。（3）目標和意義目標：(a) 分模塊完成系統(tǒng)研發(fā)所需的關鍵技術研究。系統(tǒng)模塊包括：數(shù)據(jù)采集子系統(tǒng)，數(shù)據(jù)處理子系統(tǒng)，模式識別子系統(tǒng)，專家診斷子系統(tǒng)。(b) 構(gòu)建系統(tǒng)原型，并為推廣應用和產(chǎn)業(yè)化進行前期測試。意義：腦電是一種具有重要臨床意義的生理指標，是各種顱內(nèi)病變，如癲癇、腦中風、腦炎、腦瘤、代謝性腦病變等的輔助診斷手段，更是多種功能性疾?。ɡ缡?、抑郁等）的重要診斷指標。但是，由于目前的由醫(yī)院和醫(yī)生專營的腦電診斷存在個人成本較高，實施過程繁瑣，準確度的波動性較大等問題，腦電檢查難以成為一種大眾

7、化的健康檢查行為。本課題研究低成本、便攜式、大眾化、高智能的腦電測量工具，應用模式識別和人工智能的方法，建立云端的腦電診斷專家系統(tǒng)，并通過互聯(lián)網(wǎng)（特別是3G網(wǎng)絡）進行數(shù)據(jù)的傳輸和展示，方便普通大眾使用，從而將腦電檢查變成一種大眾化的保健檢查，并通過逐步的知識積累，不斷豐富和完善專家?guī)斓闹悄茉\斷能力，為大眾和專業(yè)醫(yī)院提供基于腦電的健康維護的技術手段。2主要研究內(nèi)容、目標、方案和進度及擬解決的關鍵問題：研究內(nèi)容：本課題研發(fā)的總體框架如圖1所示；其中可分為3條技術主線：（1）腦電數(shù)據(jù)采集；（2）腦電數(shù)據(jù)傳輸和可視化；（3）“云”專家系統(tǒng)智能診斷。其關鍵技術，為路線（3）中的腦電時間序列數(shù)據(jù)的特征提取

8、和模式分類。圖1 大眾化腦電普查云專家系統(tǒng)的總體框架圖腦電數(shù)據(jù)采集子系統(tǒng)通過放置在人體頭部的干電極，采集腦電信號。采集操作由PC或者手執(zhí)設備（例如手機）內(nèi)的應用程序（App）控制，通過藍牙進行通訊。采集到的數(shù)據(jù)經(jīng)過簡單處理后，提交給云端的專家系統(tǒng)進行模式匹配和識別，并根據(jù)識別結(jié)果給出診斷建議。研發(fā)目標：本項目的實施目標為：針對小型診所和普通民眾家庭使用的大眾化腦電健康檢測需求，完成大眾化的便攜式腦電檢測專家系統(tǒng)的整體原型，包括如下組件：（1）便攜式腦電采集終端原型1臺：執(zhí)行腦電數(shù)據(jù)采集操作；（2）手機Android App操控軟件：用于操控采集和數(shù)據(jù)傳輸；（3）專家系統(tǒng)軟件：用于腦電診斷數(shù)據(jù)的

9、特征分析和檢索；（4）服務器Web接口：用于在手機App和專家?guī)熘g通訊。便攜式采集終端實現(xiàn)如下參數(shù)要求：（1）終端設備硬件成本：<500元；（2）終端設備重量：<200克；專家系統(tǒng)建設實現(xiàn)如下要求：（1）積累超過500個病例樣本數(shù)據(jù)；（2）單次模式檢索時間<10秒；（3）支持并發(fā)的模式檢索，并發(fā)數(shù)>10。研發(fā)進度：起止年月進度目標要求（每欄限80字）2014-07-01至2014-12-31設計并實現(xiàn)便攜式腦電測試儀；構(gòu)建基于云平臺的專家系統(tǒng)；與醫(yī)院和專家合作，完成一定數(shù)量的腦電數(shù)據(jù)的采集；研究時間序列的簡明模式識別方法。2015-01-01至2015-06-30完成

10、典型腦電案例的分析，研究典型腦電的特征提取方法；完成安卓App軟件設計，并進行軟件測試；通過申報系統(tǒng)主動報告前期研發(fā)工作和階段性成果。 2015-07-01至2015-12-31實現(xiàn)裝置與android的通信、利用手機與云服務器通信；完成特征提取與匹配算法的研究和軟件編程工作；進行大范圍系統(tǒng)測試和數(shù)據(jù)采集工作，完善專家知識庫；總結(jié)研究成果，完成論文撰寫和專利申請。2016-01-01至2016-06-30做好項目驗收所需要的文本，包括工作報告、技術報告、相關測試報告和用戶報告等。做好項目驗收的財務審計。 擬解決的關鍵問題：為降低終端成本，同時提高輔助檢查的準確度，本課題應用

11、云計算模式，在“云端”構(gòu)建腦電模式提取和檢索專家系統(tǒng)，并將腦電檢查中的大部分計算任務通過網(wǎng)絡分配到云端。病人或普通民眾通過便攜式腦電檢測儀進行腦電數(shù)據(jù)采集，并將腦電信息通過手機傳遞至云服務器，調(diào)用專家系統(tǒng)給出診斷建議。經(jīng)過醫(yī)生確認的診斷案例將再次傳至云服務器以充實專家系統(tǒng)的知識數(shù)據(jù)庫。專家系統(tǒng)所涉及的關鍵技術包括：(a) 腦電數(shù)據(jù)的結(jié)構(gòu)化存儲(b) 特征提取與知識庫建設(c) 模式匹配檢索其中，“特征提取與知識庫建設”是本系統(tǒng)的核心，它負責完成“云”專家?guī)熘胁±\斷數(shù)據(jù)的抽象存儲，為后續(xù)的模式查詢和檢索提供服務。研發(fā)方案：1. 技術路線及可行性分析(1) 腦電數(shù)據(jù)采集腦電數(shù)據(jù)采集擬采用TGAM

12、（ThinkGear AM）腦電模塊。TGAM是Neurosky為大眾市場應用所設計的腦波傳感器ASIC模塊。它可以處理并輸出腦波頻率譜，原始腦電波和三個Neurosky獨有的eSense參數(shù)：專注度，放松度和眨眼偵測。其人體界面是一個簡單的干接觸點，可以很容易地運用于便攜式健康設備中，又由于能耗小，適合于電池供電。圖2和圖3分別是TGAM模塊的外觀視圖以及和藍牙連接的引線示意圖。圖2 TGAM腦電模塊（2.79cm x 1.52cm x 0.25cm）圖3 傳感器和藍牙等的連線示意圖TGAM模塊的特點及優(yōu)勢包括： 能直接連接干接觸點，不像傳統(tǒng)醫(yī)學用的濕傳感器使用時需要上導電膠，便于使用和攜帶

13、。 先進的噪音過濾技術，能抗拒日常生活中環(huán)境里的各種干擾。 低能耗（15毫安 3.3伏），適合便攜式消費產(chǎn)品的電池供電的設備 嵌入式的信號質(zhì)量分析功能能警告接觸不良或是完全沒接觸的異常狀態(tài)，便于軟件開發(fā)和大眾化使用。 不僅可以輸出原始腦波信號，也可以處理和輸出,等腦波波段數(shù)據(jù)，還可以處理和輸出Neurosky獲得專利技術的eSense專注度和放松度指數(shù)以及眨眼偵測等和未來開發(fā)的其他數(shù)據(jù)。以上特性，使得根據(jù)TGAM模塊進行腦電采集子系統(tǒng)的研發(fā)，具有快速原型建立、方便測試等優(yōu)點，便于我們將主要精力集中于“云”專家系統(tǒng)和腦電時間序列數(shù)據(jù)模式識別等關鍵技術的研究上。(2) 數(shù)據(jù)傳輸和可視化我們使用移動

14、設備（例如安卓手機）進行數(shù)據(jù)的傳輸和可視化工作。該工作主要通過兩條通訊線路進行：對于下位的采集模塊，使用藍牙通訊和MindSet Communications Protocol（MindSet通訊協(xié)議）操縱數(shù)據(jù)采集動作，以獲取腦電時間序列。對于上位的通訊，則通過Internet、3G網(wǎng)絡等，使用Web接口和專家系統(tǒng)交互。除了常規(guī)的腦電數(shù)據(jù)外，TGAM模塊可以輸出,等腦波波段數(shù)據(jù)和Neurosky獲得專利技術的eSense專注度和放松度指數(shù)：專注度參數(shù)（Attention）表示一個人精神上的專注程度，或集中注意力的程度。參數(shù)值的范圍是0-100，注意力水平增加說明使用者的注意力正集中在某一事物上

15、做單一的思考，分心的時候注意力參數(shù)就會下降。放松度參數(shù)（Meditation）表示使用者精神上的“放松”或者“冷靜”的程度，它的數(shù)值范圍也是0-100。放松度參數(shù)上升表示使用者心情放松，參數(shù)下降表示他心情不適或者正在感受壓力。ThinkGear組件使用異步串行數(shù)據(jù)包和控制端通訊；其一般格式為：SYNC SYNC PLENGTH PAYLOAD. CHKSUM_ _ _(Header) (Payload) (Checksum)其中的Data Payload包含腦電采集的關鍵數(shù)據(jù)；它包含兩類代碼：單字節(jié)代碼（表2）和多字節(jié)代碼（表3）；分別見表2和表3的列示。表2 Single-Byte CODE

16、sExtended Code LevelCODELENGTHData Value Meaning00x02-POOR_SIGNAL Quality (0-255)00x04-ATTENTION eSense (0 to 100)00x05-MEDITATION eSense (0 to 100)00x16-Blink Strength. (0-255) Sent only when Blink event occurs表3 Multi-Byte CODEsExtended Code LevelCODELENGTHData Value Meaning00x802RAW Wave Value: a

17、 single big-endian 16-bit two's-compliment signed value (high-order byte followed by low-order byte) (-32768 to 32767)00x8324ASIC_EEG_POWER: eight big-endian 3-byte unsigned integer values representing delta, theta, low-alpha high-alpha, low-beta, high-beta,low-gamma, and mid-gamma EEG band powe

18、r valuesAny0x55-NEVER USED (reserved for EXCODE)Any0xAA-NEVER USED (reserved for EXCODE)數(shù)據(jù)的初步處理和可視化可以在移動設備上直接進行；圖4就是手機App軟件對通過藍牙接收的,等腦波波段數(shù)據(jù)和Neurosky獲得專利技術的eSense專注度和放松度指數(shù)的可視化展示。通過MindSet通訊協(xié)議采集到的數(shù)據(jù)，被手機App提交到專家?guī)斓腤eb接口，后者從中提取特征并和專家?guī)熘械哪Ｊ竭M行比對，最終將匹配結(jié)果傳回手機軟件，完成腦電檢查結(jié)果的回顯和可視化。圖4 手機接收的腦電波形和關注度、放松度指標的動態(tài)可視化展示 (

19、3) 云專家系統(tǒng)為降低終端成本，同時提高輔助檢查的準確度，本課題應用云計算模式，在“云端”構(gòu)建腦電模式提取和檢索專家系統(tǒng)，并將腦電檢查中的大部分計算任務通過網(wǎng)絡分配到云端。病人或普通民眾通過便攜式腦電檢測儀進行腦電數(shù)據(jù)采集，并將腦電信息通過手機傳遞至云服務器，調(diào)用專家系統(tǒng)給出診斷建議。經(jīng)過醫(yī)生確認的診斷案例將再次傳至云服務器以充實專家系統(tǒng)的知識數(shù)據(jù)庫。專家系統(tǒng)所涉及的關鍵技術包括：(a) 腦電數(shù)據(jù)的結(jié)構(gòu)化存儲(b) 特征提取與知識庫建設(c) 模式匹配檢索其中，“特征提取與知識庫建設”是本系統(tǒng)的核心，它負責完成“云”專家?guī)熘胁±\斷數(shù)據(jù)的抽象存儲，為后續(xù)的模式查詢和檢索提供服務。分述如下。(a

20、) 腦電數(shù)據(jù)的結(jié)構(gòu)化存儲腦電數(shù)據(jù)采集后，經(jīng)過TGAM模塊的初步處理，可以按醫(yī)學領域知識的理解分解為不同的組分，如表4所示，并使用適當?shù)牟蓸宇l率存儲，以避免過多的數(shù)據(jù)（原始采樣512Hz）引起模式分類和識別的困難。表4 初步處理后的腦電數(shù)據(jù)組分腦波類型頻率范圍精神狀態(tài)Delta波0.1Hz 到 3Hz沉睡，非快速動眼睡眠，無意識狀態(tài)Theta波4Hz 到 7Hz直覺的，創(chuàng)造性的，回憶，幻想，想象，淺睡Alpha波8Hz 到 12Hz放松但不困倦，平靜，有意識地低頻Beta波12Hz 到 15Hz運動感覺節(jié)律, 即輕松又專注，有協(xié)調(diào)性中頻Beta波16Hz 到 20Hz思考，對于自我和周圍環(huán)境意識

21、清楚高頻Beta波21Hz 到 30Hz警覺，激動關注度eSense指數(shù)精神上的專注程度，或集中注意力的程度放松度eSense指數(shù)精神上的“放松”或者“冷靜”的程度分解后的腦電數(shù)據(jù)通過Internet上傳到專家系統(tǒng)，進行特征提取和模式分類。(b) 特征提取與知識庫建設腦電信號的特征提取，即如何從 EEG 中提取出少量的有用信息，進而利用這些信息進行不同腦狀態(tài)的區(qū)分。常用的特征提取方法有時域分析、頻域分析、時頻分析以及時頻空分析和模型參數(shù)方法等?；诮?jīng)驗模態(tài)分解（Empirical mode decomposition，EMD）和希爾波特（Hibert）變換是一種時頻分析方法，這種變換方法的基函

22、數(shù)并不需要事先設定，變換方法本身使得變換過程根據(jù)信號的局部特征自動選擇基函數(shù)，這一特性使得該方法特別適合非線性、非平穩(wěn)信號的分析，提高了算法的通用性，并且能夠獲得較高的分類精度。針對腦電信號的非線性、非平穩(wěn)特點，基于EMD具有提取局部瞬態(tài)信息的特點和多尺度熵(MSE)對非線性信號復雜度的定量測度特性，將二者有機結(jié)合，構(gòu)建基于EMD-MSE的特征提取及定量描述，應用于腦電信號的特征提取。特征提取的工作流程參見圖5所示。圖5 使用EMD-MSE的腦電特征提取流程(c) 模式匹配檢索為提高模式識別率，引入極限學習機(ELM)進行模式分類。ELM算法是由黃廣斌教授提出的一種監(jiān)督型網(wǎng)絡學習算法，該算法在

23、單隱層前饋網(wǎng)絡隱層節(jié)點的激活函數(shù)無限可微時，隨機確定網(wǎng)絡輸入權值和隱層節(jié)點的偏置，并快速獲得輸出權值。該算法與BP算法等相比，避免了陷入局部最優(yōu)的風險，提高了網(wǎng)絡的學習速度和推廣性能，更適用于規(guī)模較大的腦電數(shù)據(jù)處理。圖6所示為基于ELM的單隱層前饋神經(jīng)網(wǎng)絡結(jié)構(gòu)。圖6前饋神經(jīng)網(wǎng)絡體系結(jié)構(gòu)受試者的腦電數(shù)據(jù)，在特征提取后，應用ELM進行模式分類，并與專業(yè)醫(yī)療診斷的結(jié)果數(shù)據(jù)相匹配，存儲于腦電診斷專家?guī)熘校沼谀Ｊ狡ヅ涞牟樵兒蜋z索。檢索結(jié)果通過網(wǎng)絡回饋到移動設備（手機）上，從而完成整個智能化的腦電健康檢查的工作流程。3與本項目有關的工作條件（包括研究工作基礎、實驗條件等）1. 實驗室條件申請人所在的單

24、位有相關的實驗室5個，省級重點學科實驗室2個，相關的基礎設備配套齊全。其中嵌入式實驗室可用于傳感器、物聯(lián)網(wǎng)方向的實驗和設備設計，圖像與微波光子學實驗室可用于開展智能數(shù)據(jù)處理、模式識別以及紅外光學相關的研究。近年來，本團隊已承擔多項研發(fā)工作并有多項研究成果獲獎。已購買項目實施所需的軟件開發(fā)、硬件設計的基本設備和商用軟件，包括數(shù)字腦電地形圖儀、紅外熱像儀和光譜分析儀、FPGA開發(fā)平臺等儀器，以及動態(tài)腦電可視化檢測軟件、腦電數(shù)據(jù)采集接口API等軟件系統(tǒng)?？捎糜谀X電數(shù)據(jù)采集、時間序列模式識別、圖像特征識別算法等多項研究，為該項目的進行提供了設備基礎。2. 人才條件本項目組為承擔單位重點資助的科研團隊，

25、擁有計算機技術、光電子、嵌入式和圖像處理、數(shù)據(jù)挖掘、人工智能等方向的專業(yè)人才20多人。團隊負責人和主要參與者近年來參與多項國家自然科學基金項目的研究，包括“大數(shù)據(jù)環(huán)境下高維數(shù)據(jù)流挖掘算法及應用研究”，“基于流形學習和時序語義網(wǎng)挖掘的人體運動序列分析研究”，“TRIZ多沖突設計問題的工程語義網(wǎng)求解及專利知識挖掘方法與應用”等；對數(shù)據(jù)流、時間序列（腦電數(shù)據(jù)就是典型的時間序列數(shù)據(jù)）上的模式挖掘算法及相關領域有豐富的研究經(jīng)驗，在國內(nèi)外期刊上發(fā)表或錄用相關論文20余篇。團隊負責人和主要參與者還參與進行多項高新技術應用研究，包括微光夜視系統(tǒng)、CCD與熱像儀融合技術與系統(tǒng)研究（國防預研項目）、微光與紅外圖像實時融合關鍵技術研究（江蘇省教育廳項目）、基于3G網(wǎng)絡的移動測速系統(tǒng)、基于多階布里淵散射的鎖模激光器研究（寧波市自然科學基金項目）等，榮獲