Brduino脑机连载（十八）脑电采集中眨眼、闭眼、咬牙等特殊动作在脑电波形中的体现

Brduino脑机接口技术答疑

于 2024-11-27 18:46:13 发布

阅读量1.1k

点赞数 10

文章标签：算法

本文链接：https://blog.youkuaiyun.com/m0_63827302/article/details/144091899

版权

在脑电（EEG）信号采集与分析的过程中，除了我们所关注的大脑内在的认知、情绪等活动对应的脑电信号变化外，一些被试者的特殊动作，如眨眼、闭眼、咬牙等，也会在脑电波中留下明显的特征印记。了解这些特殊动作在脑电波中的具体体现，对于准确解读脑电信号、排除干扰以及进行相关的神经科学研究和临床诊断等都有着重要意义。今天我们详细探讨一下这个话题。

一、眨眼动作在脑电波中的体现

（一）眨眼的生理机制与脑电影响

眨眼是一种常见的眼部自主运动，它主要由眼轮匝肌的收缩和舒张来控制完成。每次眨眼时，眼部周围的肌肉会产生电活动，并且由于眼部与头皮之间存在一定的导电性和电场耦合关系，这些肌肉产生的电信号会传导至头皮表面，进而被脑电采集设备捕捉到，对原本的脑电信号造成干扰。

（二）脑电波特征表现

在脑电波形图上，眨眼动作通常会引起一种幅度较大、频率相对较低的波形变化。一般呈现为在多个电极通道上同时出现的、形状类似尖峰或脉冲的波形，其幅值常常可以达到几十微伏甚至更高（具体幅值因个体差异、电极位置等因素会有所不同）。从频率角度来看，眨眼相关的电活动主要集中在 1 - 3Hz 左右，这个频段相对来说明显低于我们常见的脑电信号中的α波（8 - 13Hz）、β波（13 - 30Hz）等主要频段，所以在时域的波形图中比较容易被识别出来。

例如，在国际通用的 10 - 20 电极放置系统中，如果观察 Fp1、Fp2（位于前额叶区域，靠近眼睛）等电极通道记录的脑电信号，眨眼时在这些通道上出现的干扰波形往往最为明显，并且会随着眨眼动作的重复，周期性地出现相应的波形变化，就像是一个个间隔出现的“凸起”，干扰着原本相对平稳的脑电信号记录。

二、闭眼动作在脑电波中的体现

（一）闭眼的生理影响与脑电变化关联

当人闭上眼睛时，视觉输入被阻断，大脑的活动状态会随之发生相应改变，尤其是大脑枕叶区域（主要负责视觉信息处理）的电活动会出现明显的调整。这种调整会在脑电信号上体现出特定的模式，同时，闭眼动作本身也会伴随着眼部周围肌肉状态的变化，同样会对脑电信号产生一定影响。

（二）脑电波特征表现

闭眼后，最显著的脑电信号特征就是枕叶区域（如 O1、O2 电极通道附近）α波的增强。α波通常在人处于安静、放松且闭眼的状态下最为明显，其频率范围一般在 8 - 13Hz 之间。所以在脑电波形图上，我们可以看到在闭眼后的短时间内，枕叶电极通道对应的波形中，α波成分逐渐增多，幅值增大，呈现出相对规则且频率稳定的波形，就好像是原本有些“嘈杂”的信号变得更加有序、平稳，仿佛大脑进入了一种宁静的休息状态（当然，实际情况中还会受到个体当时整体状态等因素影响）。

而且，不仅仅是枕叶区域，全脑范围内的脑电信号整体能量分布也会有一定变化，其他频段的信号相对幅值可能会有所调整，例如β波等高频段信号的幅值可能会略微降低，整个脑电信号的频谱特征呈现出向低频方向偏移的趋势，这反映了大脑在闭眼状态下整体活跃度的改变以及注意力从外界视觉刺激上的转移。

三、咬牙动作在脑电波中的体现

（一）咬牙的肌肉活动与脑电干扰产生

咬牙动作主要依靠咀嚼肌（包括咬肌、颞肌等）的强烈收缩来实现。这些肌肉在收缩过程中会产生大量的肌电信号，由于肌肉与头皮之间的传导以及电场的相互影响，肌电信号会混入脑电信号中，对脑电信号的纯净度和正常解读造成干扰，而且因为咀嚼肌的力量相对较大，产生的电活动强度也比较可观。

（二）脑电波特征表现

咬牙动作在脑电波形图上表现为高频、高幅值的杂乱波形。其频率范围往往可以达到几十赫兹甚至更高（通常高于常见脑电信号的主要频段），幅值也可能达到几百微伏，具体取决于咬牙的力度等因素。在各个电极通道上都有可能观察到这种干扰波形，不过相对来说，在靠近颞部（因为颞肌的位置关系）以及额部（咬肌收缩时也会对附近电场有影响）等区域的电极通道上，比如 T3、T4、F7、F8 等电极位置，表现得更为明显。这些杂乱的波形看起来就像是快速跳动的“毛刺”，破坏了原本脑电信号应有的规律和形态，使得在分析脑电信号时需要特别留意并设法排除这类干扰。

四、应对这些特殊动作干扰的方法

（一）实验前指导与训练

在进行脑电采集实验前，对被试者进行充分的指导是很有必要的。告知被试者尽量保持自然放松状态，减少不必要的眨眼、咬牙等动作，并且可以通过一定的训练让被试者熟悉实验流程和要求，提高他们控制自身动作的能力，从而降低这些特殊动作对脑电信号的干扰程度。

（二）信号处理技术应用

在采集到包含这些特殊动作干扰的脑电信号后，可以利用多种信号处理技术来去除或减轻干扰影响。例如，采用滤波技术，针对眨眼相关的低频干扰，可以设置合适的高通滤波器，滤除 1 - 3Hz 左右的低频成分；对于咬牙产生的高频肌电干扰，通过低通滤波器阻挡过高频率的信号通过。另外，还可以运用一些基于机器学习或深度学习的算法，通过对大量正常脑电信号和带有特殊动作干扰的信号进行学习和分析，自动识别并去除这些干扰成分，提高脑电信号分析的准确性。