ICA与小波去噪相结合提取听觉诱发电位研究

广东工业大学自动化学院 温冰冰 谭程豪

ICA与小波去噪相结合提取听觉诱发电位研究

广东工业大学自动化学院 温冰冰 谭程豪

听觉诱发电位信号(BAEP)是一种人脑部微弱的电生理信号，能反映人体中枢神经系统的相关情况，对神经疾病诊断、康复工程等领域具有十分重要的意义，诱发电位的相关提取算法现己成为学术界研究热点；本文提出一种基于独立分量分析与小波去噪相结合方法，能够有效提取强背景噪声中微弱的脑干听觉诱发电位信号，并使用基于小波阈值的滤噪方法将诱发电位诱残留的一些高频噪声滤除，解决了传统算法残留高频噪声、叠加次数过多等缺点。文章成功地进行了脑干听力诱发电位(BAEP)的提取测试，获得听觉诱发电位特征波形，并与单独使用独立分量分析算法得到的波形进行对比，结果表明本文算法能够有效地提取听觉诱发电位，无论波形还是相关系数指标都更加精确，对诱发电位信号领域的相关研究具有一定的应用价值。

独立分量分析；小波去噪；阀值处理；听觉诱发电位

1 引言

诱发电位信号(evoked potential ,EP)是指外界给予人体以适当刺激,诱发人体脑部产生的电生理信号,目前已成为神经疾病诊断和评价脑功能常使用的重要手段和工具,并广泛应用于人体神经系统电生理活动检测。诱发电位提取研究,对现代神经学科、临床神经生理学、神经系统康复治疗等领域都具有重大意义。

目前临床上使用最广泛的诱发电位提取算法即平均叠加算法。其认为背景噪声是高斯分布,并通过施加数百次重复刺激,来提高性噪比。但平均叠加的缺陷在于,长时间重复刺激使人体感官神经产生不耐受性,导致神经疲劳,诱发波形发生变化,产生误差。为实现快速提取,不受采集过程时变之影响,少次提取或单次提取诱发电位,已成为业界重要研究方向。随着信号处理学科的发展,诱发电位的提取出现了各种各样的方法。独立分量分析ICA、希尔伯特-黄变换、小波变换、人工神经网络是比较常见的几种方法。但都存在一定的局限性和缺点。ICA算法在临床医学上可以成功的进行盲源分离,但由于不能彻底去除高频噪声,提取的信号会出现毛刺。小波变换对信噪比较高的信号有较好的去噪效果,但对信噪比低的信号去噪效果不好。本文就提出一种基于独立分量分析(ICA)与小波去噪相结合的诱发电位单次提取算法研究,运用于对听觉诱发电位进行提取,并对数据其进行了仿真测试并且比较了单独使用ICA算法和ICA算法与小波去噪算法相结合所的到的提取信号在波形、频谱、和功率谱密度三方面进行了比较分析。

2 脑干听觉诱发电位信号概述

听觉脑干诱发电位(BAEP),是指在给予声音刺激后,在头皮上可记录到由耳蜗至脑干听觉神经通路电位变化。可用于麻醉昏迷检测、临床检查、判断听觉神经网络损伤、颅内动脉瘤手术等。临床上最常用的是评估患者从外耳到脑干听通路的功能正常情况,受外界刺激后,约10ms内颅骨皮肤表面会连续呈现6到7个正电位,这些点位按顺序命名为I、II、III、IV、V、VI、VII,一般前五个波比较稳定。

I波:蜗神经。高强度刺激甚至交替的刺激方式才能分辨I波。反映了耳蜗到脑干耳蜗核电位。

II波:起源于蜗神经核。与耳蜗核神经元和听神经颅内段电位相关。

III波:与内上橄榄神经核和内上橄榄场电位相关。

IV波:属于外侧丘系。短声刺激更容易产生IV波。

V波:下丘,可以可靠地反应出双耳交互功能的强弱并且有学者认为V波与IV波有着共同的起源(脑桥)。

3 自适应非线性盲源分离算法原理

3.1 lCA算法原理

上述分解过程中,本文认为信源s的各个分量之间是相互独立的,并且假定:

(1)源信号的分量个数m小于观察信号分量个数n。也就是说,n个观察信号最多能分解出m个源信号分量。

(2)源信号s的各个分量最多只能有一个高斯信号。这是因为高斯信号的线性组合仍然是高斯信号,两个以上的高斯信号的解混问题是病态的。

因为源信号s的各个分量之间是相互独立的,又要求y近似于s,因而,解混求出的y的分量之间也必须是相互独立的。采用ICA方法测量生理信号中独立成份的过程可由图1表示:

图1 lCA方法测量生理信号过程分析

3.2 小波去噪算法

小波变换是将时域和频域结合起来分析的方法,是在傅里叶变换的基础上发展起来的。主要利用积分将信号按不同频段、不同时段分解开,通过分析信号的性质和噪声的奇异性,将信号提取出来。基于小波去噪算法主要有分解和重构法、软阀值和硬阈值方法,而本文主要去除ICA处理之后残留的高频信号,所以采用处理高频小波的阀值处理方法。

小波去噪算法的阀值处理方法主要是是对小波系数进行门限处理即设置阀值,保留系数高于阈值的信号,置零系数比阈值低的信号,然后再利用新系数对信号进行信号重构。所以其关键在于对阀值的选取。

假设测量信号为:

本文采用的小波系数估算公式为:

其它加权因子为:

4 诱发电位提取测试

4.1 诱发电位提取概述

在听觉诱发电位采集过程中,本文测试是在测试者头部皮肤清洁(用来减小皮肤与电极之间的阻值,皮肤与电机之间阻值〈=2KΩ)后通过导电膏联结导联,并将头顶电极作为参考电极,两耳电极作为活动电极通过耳机给测试者耳朵某侧以80-90dBHL、10HZ声音刺激(爆破声、滴答声、白噪声)。电极放置图如图2所示:

图2 听觉诱发电位采集电极接法

对测试者进行听觉诱发电位采集,并将采集到的数据分别通过经过MATLAB处理。

4.2 lCA与小波去噪算法结合和lCA算法提取信号比较

图3是采集信号通过MATLAB分别经过ICA算法和ICA与小波去噪相结合算法处理后的结果如图3所示:

ICA算法处理过后虽可以清晰显示PAEP波形,但是在潜伏期和波形的准确度上还是不够精确。并且由于信号中依然存在大量高频噪声未被滤除导致波形不够光滑,所以需要对数据进行小波滤噪去除高频噪声。

图3 lCA与小波去噪相结合测试结果

由上图可以看出与单独使用ICA算法处理结果相比,经过小波滤噪之后的图像能更清晰的显示出经听觉刺激后的5个波峰,并且出现的波形比较平滑,无论是潜伏期时间和峰值都与理想BAEP波形更加接近。

图4（a）（b）两种算法频谱比较

图5（c）（d）两种算法功率谱密度比较

4.3 lCA与小波去噪结合与lCA算法提取BAEP频谱功率谱密度比较

对于信号提取算法来讲,频谱与功率谱密度是两个很重要的参数,频谱是频率的分布曲线,反映出各个频率的信号震荡幅值和强度。功率谱密度是每单位频率波携带的功率。这两个参数可以判断出滤波效果和滤波后的信号的准确度,下图是对两种方法处理的结果进行频谱比较分析和功率谱密度比较分析如图4所示:

由图4中(a)、(b)两图可以看出两种方法处理后的频谱图可以看出,只经过ICA算法处理过后依然存在大量的高频信号,经过小波去噪处理后5000Hz以上的高频信号基本被滤除。而由图5(c)、(d)两图可以看出经ICA算法处理后的数据在1HZ～3000HZ这个频带的功率谱密度保持在-75dB～-45dB之间,而再经过小波去噪后,功率谱密度保持在-55dB～-25dB之间,说明小波滤噪之后去除了更多无效的的信号。由此可以提高所得信号的信噪比。

5 结论

本文运用ICA与小波去噪相结合算法成功的提取了诱发脑电中脑干听觉诱发电位(BAEP)。并通过对ICA算法和ICA与小波去噪相结合算法分别从从BAEP波形、频谱、功率谱密度三方面进行比较实验结果表明单独用独立分量分析算法(ICA算法)虽然能够成功显示出BAEP波形,过多高频信号的存在使得波形状不够标准,并且存在毛刺。但是通过ICA算法对诱发电位处理之后,再利用小波去噪去除高频噪声,得到的信号就更加光滑,并且与标准的BAEP波形更加接近由功率谱密度比较也可以看出,后者更好的保留了所需信号。为临床医学提取了更加准确的听觉诱发电位,也为听觉神经疾病的检测和治疗提供了更强的技术支持。也为其它诱发电位(视觉、体感)的提取提供了新的思路。

［1］王磊.脑干听觉诱发电位和中脑形态对重型颅脑损伤昏迷患者预后评估的临床研究［D］.南方医科大学,2012.

［2］Kidmose P,Looney D,Ungstrup M,et al.A Study of Evoked Potentials From Ear-EEG［J］.Biomedical Engineering,IEEE Transactions on,2013,60(10):2824-2830.

［3］Mahajan R,Morshed B I.Unsupervised Eye Blink Artifact Denoising of EEG Data with Modified Multiscale Sample Entropy,Kurtosis,and Wavelet-ICA［J］.Biomedical and Health Informatics,IEEE Journal of,2015,19(1):158-165.

［4］王永轩.基于小波分析的脑电诱发电位单导少次提取［J］.中国生物医学工程报,2011.2.

［5］Casta X F,Eda-Villa N,James C J.Independent Component Analysis for Auditory Evoked Potentials and Cochlear Implant Artifact Estimation［J］.Biomedical Engineering,IEEE Transactions on,2011,58(2):348-354.

［6］陈静.听觉诱发电位提取技术进展［J］.北京生物医学工程,2013.6.

［7］师黎.基于虚拟通道ICA-WT大鼠视觉诱发电位少次提取［J］.中国生物医学工程报,2010.

［8］崔丽英,刘明生.肌电图与诱发电位［J］.中国现代神经疾病杂志,2010.10.

温冰冰（1990—），女，河南许昌人，硕士研究生，主要研究方向：医疗器械设备与嵌入式系统设计。