本發明涉及聽覺誘發電位對于聽覺認知領域，特別涉及一種基于中潛伏期聽覺誘發電位的聽覺注意特征提取、識別系統及方法。

背景技術：

視力障礙為患者的日常生活帶來了極大困擾，往往視力受限的患者，其聽覺系統是完好的。通過評估聽覺認知能力可為臨床疾病診斷和認知科學研究提供重要依據。但是基于聽覺腦機系統(Brain-computer interface,BCI)研究的時間還不是很長，而基于視覺BCI系統研究的時間較長，較為成熟，其范式對聽覺BCI系統也有很大的借鑒意義。然而很多視力受損的閉鎖綜合癥患者，無法使用基于視覺范式的腦-機接口系統，因此研究這一技術是非常必要的，可為聽覺正常的閉鎖綜合癥患者提供了一種新的與外界交流的渠道。

聽覺誘發電位屬于是由聽覺神經系統的刺激引起的中樞神經系統的生物電反應。其聲誘發電位振幅很小，大多小于1uv，只有自發腦電的1％、反應是在受刺激后經一定潛伏期出現、呈現特定的波形、反應是在一瞬間出現(自發腦電是長時間周期出現)、有相應的電位分布區，其分布位置與面積取決于有關組織的結構特征。

聽覺誘發出事件相關電位，事件相關電位(Event-Related Potentials,ERP)是一種能反映外界刺激作用于感覺系統或者腦部器官的誘發電位。當外界刺激為聲音時，所誘發的電位稱為聽覺事件相關電位。聽覺事件相關電位可按延遲時間分類，其中，N0、P0、Na、Pa和Nb屬于中潛伏期誘發電位(Middle Latency Response，MLR)。

目前聽覺腦-機接口技術的實驗范式主要有四種：聽覺P300、穩態聽覺誘發電位、選擇注意以及空間定位。聽覺腦-機接口是基于聽覺事件相關電位P300的范式。事件相關電位是受試者對具有信息意義的刺激信號認知加工時從頭皮記錄到的腦誘發電位，其主要成分P300，是位于刺激后300ms處的正向波，人們普遍認為P300與人腦的信息加工及處理有關，是測定人腦認知加工功能或心理活動的客觀指標。而穩態聽覺誘發電位是同穩態視覺誘發電位類似的原理，聽覺誘發電位在刺激間隔較長時，大腦活動在下一個刺激到來是可以恢復。選擇注意的范式是基于與人的聽覺感知相關的聽覺響應的特點來設計的，而基于空間定位的聽覺范式本質上也是基于聽覺選擇性注意的，但是由于他們更依賴于聽覺刺激的方向性，所以單獨歸為一類。

然而傳統的聽覺實驗范式技術存在一系列缺點：

1.誘發時間較長，比如P300的實驗范式誘發時間需要300ms左右。

2.基于以上四種實驗范式，系統比較復雜。在聲音刺激刺激聲音方面，主要有兩種:聲音序列(sequential)和聲音流(streaming)。且當聲音刺激為聲音流時，被試不是注意目標刺激，而是選擇兩種聲音流中的一種，無論是目標刺激還是非目標刺激，被試者都需要選擇。聲音序列是單一的聲音流，被試需要區分目標刺激和非目標刺激，因此存在一個缺點就是被試需要等待目標刺激的到來。

3.以上的四種實驗范式使用較多的電極片，對采集信號非常不方便。

技術實現要素：

本發明的主要目的在于克服現有技術的缺點與不足，提供一種基于中潛伏期聽覺誘發電位的聽覺注意特征提取、識別系統及方法，實現中潛伏期聽覺誘發電位的提取和分類，為臨床疾病診斷和認知科學研究提供重要依據。

為了達到上述目的，本發明采用以下技術方案：

本發明基于中潛伏期聽覺誘發電位的聽覺注意特征提取、識別系統，包括設備控制模塊、數據存儲器、刺激聲發生裝置、數據采集裝置和數據處理分析模塊，所述刺激聲發生裝置、數據采集裝置和數據處理分析模塊分別與設備控制模塊相連接，所述數據存儲裝置與設備控制模塊、數據采集裝置以及數據處理分析模塊連接；

所述設備控制，用于控制操作設備以及面板VEMP監視器；

數據存儲器，用于存儲采集到的以及處理后的數據；

所述刺激聲發生裝置，用于輸出短純音；

所述數據采集裝置，用于采集誘發電位信號，并對采集到的誘發電位信號進行預處理和采樣；

所述數據處理分析模塊，用于分析和提取誘發電位信號，并向設備控制模塊的數據存儲器讀取采樣所得的數據，對采樣數據進行分析處理，提取出聽覺誘發電位的信息，擬合出被測試者的MLR波形，最后把處理結果送回設備控制模塊。

作為優選的技術方案，所述設備控制模塊包括ICS char EP200主機、操作設備以及面板VEMP監視器；其中，操作設備和面板VEMP監視器分別與ICS char EP200主機相連接，ICS char EP200主機用于控制調節刺激聲發生裝置、數據采集裝置和數據處理分析模塊的工作，并協同各模塊之間的數據傳輸；操作設備用于給使用者提供操作平臺；面板VEMP監視器用于顯示操作參數、工作流程以及測試結果。

作為優選的技術方案，所述數據采集裝置包括誘發電位采集電極、前置放大器、帶通濾波器和A/D轉換器，所述誘發電位采集電極、前置放大器、帶通濾波器和A/D轉換器順序連接，所述誘發電位采集電極采集到連續的誘發電位信號后，由前置放大器將其功率放大，再通過帶通濾波器將部分噪聲過濾，最后用A/D轉換器對該誘發電位信號進行采樣，轉換成數字信號輸入到設備控制模塊的數據存儲器。

作為優選的技術方案，所述誘發電位采集電極包括：數據采集電極、左右參考電極以及接地電極，其中數據采集電極位于額頭頂部的發際中心位置，左右參考電極分別位于左右耳乳突，接地電極位于眉心。

作為優選的技術方案，所述數據處理分析模塊包括：

數據處理分析模塊包括數據預處理模塊、特征提取模塊、以及模式識別模塊，

所述數據預處理模塊，利用小波分析對采集的數據進行濾波；

所述特征提取模塊，用于對MLR波形、采用能量、方差、面積、AR模型系數及波形峰值進行特征提取；

所述模式識別模塊，用于對以上提取的特征，使用支持向量機和人工神經網絡進行分類。

作為優選的技術方案，所述刺激聲發生裝置包括兩種狀態：

狀態一：空閑狀態，受試者保持放松狀態，此時不計算；

狀態二：通過意念對刺激聲進行計數的狀態，其中受試者在計數時不能發出聲音、觸動嘴唇或者伸縮舌頭。

本發明一種基于中潛伏期聽覺誘發電位的聽覺注意特征提取、識別方法，包括下述步驟：

S1、開啟ICS CHARTR EP，進行初始設置，將刺激聲設置為：短純音，密集型；

S2、通過四個電極來獲取受試著的數據，其中數據采集電極位于額頭頂部的發際中心位置，左右參考電極分別位于左右耳乳突，接地電極位于眉心；

S3、空閑和計數兩種狀態隨機出現，并由實驗操作者口頭告知受試者，完成實驗數據的采集，其中空閑和計數兩種狀態采集相同的組數；

S4、對所采集的數據使用6層小波分解進行濾波，利用第三層到第六層細節分量系數重構原始信號，可實現9.375～150Hz帶通濾波的效果，并能去除基線、自發腦電和高頻噪聲；

S5、采用閾值法，對波形走勢明顯異常，波峰和波谷總量小于3個，幅值過高的波形予以自動剔除，濾波和去偽跡后，分別對所有受試者的所有同狀態數據做平均；

S6、對MLR波形，采用能量、方差、面積、AR模型系數及波形峰值作為特征值，其中AR模型系數采用Burg算法計算得到，階數則由高階譜分析工具箱HOSA的定階函數ARORDER計算獲取；

S7、由ARORDER函數計算得到的AR模型階數為7，組合能量、面積、方差和峰值特征；

S8、采用基于K交叉驗證的支持向量機和神經網絡的分類算法對特征數據進行處理。

作為優選的技術方案，步驟S6中，MLR波形的峰值由下列公式獲取：

記Na，Nb相對于基線的峰值分別為P_Na和P_Nb，則：

P_Na＝max{x(n)}n∈[n₁,n₂] (1)

P_Nb＝max{x(n)}n∈[n₃,n₄] (2)

記Pa相對于基線的峰值為L_Pa，則：

L_Pa＝min{x(n)}n∈[n₅,n₆] (3)

記Nb-Pa的峰峰值為F_Nb-Pa，則：

F_Nb-Pa＝P_Nb-L_Pa (4)

其中n₁、n₃和n₅分別代表Na、Nb和Pa潛伏期區間起始點，n₂、n₄和n₆分別代表Na、Nb和Pa潛伏期區間結束點。Na、Pa和Nb的潛伏期分別為16～30ms，30～45ms和40～60ms，實驗依照各受試者的波形對潛伏期區間范圍進行微調。

作為優選的技術方案，步驟S7中，組合能量、面積、方差和峰值特征之后得到13維特征，記為：

v₁＝[a₁,a₂,a₃,a₄,a₅,a₆,a₇,e,s,σ,P_Na,L_Pa,P_Nb] (5)

其中a₁～a₇為AR模型系數，e為能量，s為面積，σ為方差，P_Na、L_Pa和P_Nb分別為Na、Pa和Nb的峰值，此外還加入了Nb和Pa的峰值F_Nb-Pa，最終得到特征向量v₂和v₃：

v₂＝[a₁,a₂,a₃,a₄,a₅,a₆,a₇,e,s,σ,P_Na,L_Pa,F_Nb-Pa] (6)

v₃＝[a₁,a₂,a₃,a₄,a₅,a₆,a₇,e,s,σ,P_Na,P_Nb,F_Nb-P_a]。 (7)

作為優選的技術方案，步驟S8中，

支持向量機選擇高斯核函數，設定懲罰參數c和高斯核參數g的尋優范圍為[2^-10,2¹⁰]，以K交叉驗證運行100次中，使正確率達到最大值的c和g值為最終采用的值；

由于僅含一個隱層的神經網絡就可以任意逼近一個非線性函數，采用2層神經網絡，第一層有10個神經元，第二層有2個神經元，第一層的傳遞函數是邏輯函數，輸出層的傳遞函數是線性函數，同樣以K交叉驗證運行100次中，使正確率達到最大值的網絡為最后采用的網絡，最后將基于K交叉驗證的兩種分類器算法迭代100次的平均識別率作為最終分類正確率。

本發明與現有技術相比，具有如下優點和有益效果：

1、本發明實驗范式更簡潔，使用的電極數量更少。

2、本發明誘發時間只需88s,誘發時間比傳統的P300誘發時間要少。

3、傳統的聽覺誘發波形需要通過大量的數據進行加權平均，來獲得穩定的波形，本發明能夠通過隨機的選取一定數量的波形進行平均，就能減少疊加的次數。

4、本發明實驗結果對被測試對象的聽力認知效果明顯，為臨床疾病診斷和認知科學研究提供了重要依據。

附圖說明

圖1是本發明裝置的結構示意圖；

圖2是本發明電極分布示意圖；

圖3是本發明8位受試者的所有同狀態數據做平均波形圖；

圖4是本發明數據處理流程示意圖。

具體實施方式

下面結合實施例及附圖對本發明作進一步詳細的描述，但本發明的實施方式不限于此。

實施例如圖1所示，本實施例的基于中潛伏期聽覺誘發電位的聽覺注意特征提取、識別系統包括：設備控制模塊1、數據存儲器2、刺激聲發生裝置3、數據處理分析模塊4和數據采集裝置5，所述刺激聲發生裝置、數據采集裝置和數據處理分析模塊分別與設備控制模塊相連接，所述數據存儲裝置與設備控制模塊、數據采集裝置以及數據處理分析模塊連接。

本實施例的實驗設計方案設計了兩種思維狀態，一種空閑狀態(保持放松狀態，不計數)，另一種則是通過意念對刺激聲進行計數的狀態，其中受試者在計數時不能發出聲音、觸動嘴唇或者伸縮舌頭。兩種狀態隨機出現，并由實驗操作者口頭告知受試者。實驗設計方案如表1所示。一次實驗共采集40組數據，空閑狀態和計數狀態各采集20組。采集一組數據所需88s,每組之間的間隔為5～10s之間的一個隨機值。每采集完10組數據后，受試者休息5分鐘。8位受試者均參與了5次實驗。

表1實驗設計方案

所述設備控制模塊1包括了ICS char EP 200主機、操作設備以及面板VEMP監視器。其中，ICS char EP 200主機用于控制刺激聲發生器3、數據采集裝置5和數據處理分析模4塊等外圍設備的工作，以及各部分模塊之間的數據傳輸。數據存儲器2用于存儲檢測數據，可供ICS char EP 200主機和數據處理分析模塊4進行讀寫數據。操作設備給使用者提供操作平臺，面板VEMP監視器用于顯示操作參數、工作流程以及檢查結果。

如圖1、圖2所示，所述數據采集裝置包括誘發電位采集電極、前置放大器、帶通濾波器和A/D轉換器，所述誘發電位采集電極、前置放大器、帶通濾波器和A/D轉換器順序連接，所述誘發電位采集電極采集到連續的誘發電位信號后，由前置放大器將其功率放大，再通過帶通濾波器將部分噪聲過濾，最后用A/D轉換器對該誘發電位信號進行采樣，轉換成數字信號輸入到設備控制模塊的數據存儲器。所述誘發電位采集電極包括：數據采集電極、左右參考電極以及接地電極，其中數據采集電極位于額頭頂部的發際中心位置，左右參考電極分別位于左右耳乳突，接地電極位于眉心。

所述的刺激聲發生器與ICS char EP 200主機以及和耳機依次相連，并且可以產生1000Hz的短純音。

所述的數據處理模塊，首先進行初始化參數設置，然后再進行誘發電位采集、數據預處理、特征提取、分類算法分類，最后結果分析。

本實施例的總體設計流程如下：

(1)找8名(8耳，都是左耳)受試者進行了MLR實驗，其中男生5名，女生3名，平均年齡24歲，均為廣州大學在校研究生。受試者都為右利手,無聽覺系統、神經系統疾病及精神障礙病史，而且都沒有參加過相關的實驗。首先向受試者介紹實驗目的和相關注意事項，然后他們簽署了《知情同意書》。整個實驗在靜音的電磁屏蔽間內進行，且進行實驗時將屏蔽室的燈光關閉，受試者安靜地平躺于床上，頭部墊枕，患者閉上雙眼，保持放松。

(2)實驗儀器為丹麥爾聽美公司的ICS Chartr EP200誘發電位儀。采集數據設置如下。刺激聲：短純音，密集型。聲音頻率1KHz,聲音強度70dBnHL，通道為同側,由頭戴式TelephonicsTDH-49P型耳機給聲，左耳給刺激聲。聲音的重復率為1.1次/s，帶通濾波為10～100Hz，掃描時間為500ms，疊加次數為80次。本設備用4個電極來獲取數據，其中數據采集電極位于額頭頂部的發際中心位置，左右參考電極分別位于左右耳乳突，接地電極位于眉心，電極分布如圖2所示。所有電極的阻抗匹配低于5kΩ。

(3)對采集的數據進行數據預處理。

(4)然后算其能量、方差、面積、AR模型系數及波形峰值作為特征值。

(5)使用支持向量機和人工神經網絡分類算法進來分類。

基于上述總體的設計流程，如圖4所示，為本發明數據采集和分析處理的流程圖，其具體包括了以下步驟：

步驟1：打開ICS CHARTR EP，采集數據設置如下。刺激聲：短純音，密集型。聲音頻率1KHz,聲音強度70dBnHL，通道為同側,由頭戴式TelephonicsTDH-49P型耳機給聲，左耳給刺激聲。聲音的重復率為1.1次/s，帶通濾波為10～100Hz，掃描時間為500ms，疊加次數為80次。

步驟2：受試者安靜地平躺于床上，頭部墊枕，患者閉上雙眼，保持放松。使用四個電極來獲取數據，其中數據采集電極位于額頭頂部的發際中心位置，左右參考電極分別位于左右耳乳突，接地電極位于眉心，電極分布如圖1所示。所有電極的阻抗匹配低于5kΩ。

步驟3：空閑和計數兩種狀態隨機出現，并由實驗操作者口頭告知受試者。實驗設計方案如表1所示。一次實驗共采集40組數據，空閑狀態和計數狀態各采集20組。采集一組數據所需88s,每組之間的間隔為5～10s之間的一個隨機值。每采集完10組數據后，受試者休息5分鐘。8位受試者均參與了5次實驗。

步驟4：對所采集的數據使用6層小波分解進行濾波，利用第三層到第六層細節分量系數重構原始信號，可實現9.375～150Hz帶通濾波的效果，并能去除基線、自發腦電和高頻噪聲。

步驟5：濾波后的數據仍可能存在肌電和眼電干擾的跡象，因此本文采用閾值法，對波形走勢明顯異常，波峰和波谷總量小于3個，幅值過高的波形予以自動剔除(測試對象不同，此閾值也會隨之變化)。濾波和去偽跡后，分別對8位受試者的所有同狀態數據做平均，得到圖3所示波形。

步驟6：對MLR波形，采用能量、方差、面積、AR模型系數及波形峰值作為特征值，其中AR模型系數采用Burg算法計算得到，階數則由高階譜分析工具箱HOSA的定階函數ARORDER計算獲取。MLR峰值由下列公式獲取：

記Na，Nb相對于基線的峰值分別為P_Na和P_Nb，則：

P_Na＝max{x(n)}n∈[n₁,n₂] (1)

P_Nb＝max{x(n)}n∈[n₃,n₄] (2)

記Pa相對于基線的峰值為L_Pa，則：

L_Pa＝min{x(n)}n∈[n₅,n₆] (3)

記Nb-Pa的峰峰值為F_Nb-Pa，則：

F_Nb-Pa＝P_Nb-L_Pa (4)

其中n₁、n₃和n₅分別代表Na、Nb和Pa潛伏期區間起始點，n₂、n₄和n₆分別代表Na、Nb和Pa潛伏期區間結束點。Na、Pa和Nb的潛伏期分別為16～30ms，30～45ms和40～60ms。實驗依照各受試者的波形對潛伏期區間范圍進行微調。

步驟7：由ARORDER函數計算得到的AR模型階數為7，組合能量、面積、方差和峰值特征，本文得到的特征共13維，記為

v₁＝[a₁,a₂,a₃,a₄,a₅,a₆,a₇,e,s,σ,P_Na,L_Pa,P_Nb] (5)

其中a₁～a₇為AR模型系數，e為能量，s為面積，σ為方差，P_Na、L_Pa和P_Nb分別為Na、Pa和Nb的峰值。此外本文還加入了Nb和Pa的峰值F_Nb-Pa，最終得到特征向量v₂和v₃：

v₂＝[a₁,a₂,a₃,a₄,a₅,a₆,a₇,e,s,σ,P_Na,L_Pa,F_Nb-_Pa] (6)

v₃＝[a₁,a₂,a₂,a₄,a₅,a₆,a₇,e,s,σ,P_Na,P_Nb,F_Nb-Pa] (7)

步驟8：采用了基于K交叉驗證的支持向量機和神經網絡^[17]的分類算法，實驗中K取3。

支持向量機選擇高斯核函數，設定懲罰參數c和高斯核參數g的尋優范圍為[2^-10,2¹⁰]，以K交叉驗證運行100次中，使正確率達到最大值的c和g值為最終采用的值。

由于僅含一個隱層的神經網絡就可以任意逼近一個非線性函數，本實驗采用2層神經網絡，第一層有10個神經元，第二層有2個神經元。第一層的傳遞函數是邏輯函數(logsig)，輸出層的傳遞函數是線性函數(linear)，同樣以K交叉驗證運行100次中，使正確率達到最大值的網絡為最后采用的網絡。最后將基于K交叉驗證的兩種分類器算法迭代100次的平均識別率作為最終分類正確率。

步驟9：每位受試者都進行了5次實驗，有200次數據，其中注意狀態100次，非注意狀態100次。去偽跡后剩余160條左右數據，K交叉驗證取K＝3，因此訓練數據106條左右，測試數據54條左右，SVM和ANN分類結果分別見表2和表3。

表2所有受試者SVM分類結果比較

注：1、3、6號為女性

表3所有受試者ANN分類結果比較

注：1、3、6號為女性

步驟10：由表2可知，所有受試者的三類特征平均識別正確率相差不大，以v₃為特征的識別率為66.1±6.1％，略高于以v₂和v₁為特征的識別率，由此可見SVM對三種特征并不敏感。各受試者之間的識別率相差較大，最高為74.7±4.9％，最小僅57.3±5.9％。

由表3可知，以v₃為特征的平均識別率最高，可達77.2±2.8％，以v₁和v₂為特征的識別率也分別達到了75.5±2.7％和74.9±3.2％，由此可見所取特征有效且可分。對比表2和表3可以發現在本實驗范式下，采用ANN分類器的識別率都高于SVM分類器的識別率。

總之，本文設計的實驗范式簡潔，技術可行，有望為視覺有障礙的患者提高生活質量，還可為健康人提供人機交互應用體驗。雖然實驗對象有限，但可以有效推廣。

上述實施例為本發明較佳的實施方式，但本發明的實施方式并不受上述實施例的限制，其他的任何未背離本發明的精神實質與原理下所作的改變、修飾、替代、組合、簡化，均應為等效的置換方式，都包含在本發明的保護范圍之內。