脑电简介脑电EEG课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,文档仅供参考，不能作为科学依据，请勿模仿；如有不当之处，请联系网站或本人删除。,1,实验室简介,2,脑科学与脑电,3,脑电设备与数据采集,4,脑电数据处理,5,脑电与脑疾病,6,7,发展现状,8,发展前景,目录,脑电与脑机接口,实验室简介,实验室简介,1,仿人机器人,空间机器人,维纳操作机器人,外骨骼,脑机接口,机器人视觉,医疗机器人,脑科学与神经技术,军用机器人,项目组,论文组,1,实验室简介,脑科学与神经技术,触觉脑拓扑,脑数据分析,脑电数据,核磁数据,1,实验室简介,脑科学与神经技术,神经反馈,经颅电刺激,脑科学与脑电,脑科学与脑电,2,中国脑计划,(2016-2030),人脑研究什么？,认知的神经回路机制,脑部疾病的,早期诊断和干预,非人类灵长类,动物研究,脑启发计算,机器与人类智能,中医的引入,Poo M M,Du J L,Ip N Y,et al.,China Brain Project:Basic Neuroscience,Brain Diseases,and Brain-Inspired ComputingJ,.Neuron,2016,92(3):591-596.,脑科学与脑电,2,脑电原理,脑电（,EEG,）,神经细胞的跨膜静息电位为,-70mV,，为静息状态，受刺激后，膜内电位上升，开始除极化，形成动作电位。,由于组织很厚，而单个神经元电活动非常微小，不能在头皮记录到。能在头皮上测量到的是由大量神经组织的突触后电位同步总和而成,脑电波是由大脑皮层中无数个神经元同步化的电活动形成的，同步化作用通常认为受脑干的控制,脑科学与脑电,2,脑电的发现史,脑电（,EEG,）,1875,年,英国的克顿首先在兔子以及猴子的,大脳,皮质层测到,直流,电压信号。,1924,年德国的精神科医生翰思,贝鲁加,发现人脑也产生一种电信号。,1929,年翰思贝鲁加首次发表了人脑的电信号的论文。,1933,年英国的尔多里安等人进一步证实并确认了脑电信号。从而形成了脑电图理论。,脑科学与脑电,2,脑电的测量,脑电（,EEG,）,通,道,时间,自发脑活动：在无明显感觉刺激情况下，大脑皮层经常自发产生的节律性电位变化。,(10100uV,50Hz),诱发脑电位：由于外界诱发引起的脑电位变化,(0100uV),脑电图：应用记录电极在头皮表面所记录的自发脑电活动,皮层电图：在开颅情况下，应用记录电极在皮层表面所记录的自发脑电活动。,脑电设备与数据采集,脑电设备与数据采集,3,10-20,系统,脑电设备与数据采集,3,10-20,系统,特点,电极有各自的名称：位于左侧的是奇数，右侧的是偶数。,按近中线的用较小的数字，较外侧的用较大的数字。,电极名称包括电极所在头部分区的第一个字母。,诸点电极的间隔均以,10%,和,20,来测量,脑电设备与数据采集,3,脑电设备,脑电设备与数据采集,3,脑电设备,(,实验,),脑电设备与数据采集,3,任务与实验,静息态脑电,:,昏迷患者；,癫痫监测和预判,任务态脑电：运动想象任务（,BCI,）,情绪诱发（观看电影）,工作记忆,脑电数据处理,4,脑电数据处理,脑电预处理,脑电预处理流程,独立成分分析（,ICA,）：将不同源的独立分量提取出来,4,脑电数据处理,脑电预处理,眼电伪迹,肌电伪迹,心电伪迹,工频干扰,4,脑电数据处理,脑电分析方法,-,脑电节律,4,脑电数据处理,脑电分析方法,-,网络分析,滤波分频,获取瞬时相位,相位比较,(PLI),计算网络参数,统计分析,4,脑电数据处理,脑电分析方法,-PLI,PLI,计算的两种比较方法,2024/11/1,脑电与脑疾病,脑电与脑疾病,5,脑电的临床应用,帮助脑部疾病诊断及鉴别诊断,帮助脑部病灶的定位诊断,帮助了解脑部疾病的演变过程和功能状态,帮助判断疾病的疗效、估计预后及指导用药,帮助判断脑衰老或发育障碍及脑死亡,1,2,3,4,5,五 脑电图的临床应用,1,帮助脑部疾病诊断及鉴别诊断，区别脑部疾病是器质性疾病或功能性疾病：,1,）帮助癫痫诊断，区别癫痫与癔病或精神病，癫痫脑电图常可见痫样放电，还可帮助癫痫分类（各种癫痫有特异的脑电图改变），还可帮助区别癫痫是原发性或继发性（前者放电常对称同步，后者常见局限灶，放电不对称不步）。,2,）帮助鉴别昏迷是否由安眠药中毒所致，安眠药中毒常见高波幅快活动。,3,）帮助对脑炎的早期诊断，且某些脑炎如单纯疱疹脑炎、亚急性硬化性全脑炎、海棉状脑病有特殊周期波发放，故,EEG,有助确诊。,4),帮助区别真性痴呆及假性痴呆，真性痴呆者,EEG,常有异常，慢波增多；假性者正常。,5,）帮助判断癌肿颅内转移，颅内转移常可见局限或弥漫性慢波，也可有多灶表现。,6,）帮助肝昏迷早期诊断，肝病者,EEG,出现三相波，提示肝昏迷。其它代谢性脑病有时也可见三相波，应结合病史及其它检查确诊。,7,）帮助确定晕厥为颈动脉过敏性，做,EEG,时加做压颈动脉窦试验，额叶出现慢波伴心率减慢、血压降低、头晕肢麻等不适,8,）重复检查有助于脑血管病或脑肿瘤的区别。,脑血管病一般数周后好转，脑肿瘤多继续恶化。,帮助脑部病灶的定位诊断，,EEG,有助于区别病变为弥漫性、局限性或多灶性：临床定位征不明显时，常用脑电图检查作为检查颅内病变的筛查手段，故常用于颅内占位病变定位。病变在大脑半球近皮质者易定位，一般因其为功能定位，故比,CT,检查等解剖定位范围大，有时,EEG,改变先于形态改变利于早期诊断。,EEG,也可用于脑损伤的定位。,帮助了解脑部疾病的演变过程和功能状态：重复检查有助于了解病情好转、恶化或复发，如脑瘤术后,EEG,好转，随访中又恶化提示复发。,帮助判断疾病的疗效、估计预后及指导用药：如常用,EEG,作为判断癫痫疗效的指标，指导,治疗是否还应继续或可逐渐减量或停药。各种脑部疾病治疗前后或手术前后,EEG,对照可了解疗效。脑病或脑炎等患者长期昏迷（器脑点）低平则提示预后不良。,5,帮助判断脑衰老或发育障碍及脑死亡：提示衰老者表现为不符合年龄的节律慢化，快波增多。发育障碍者慢波频率也常低与其实际年龄应有水平。临床表现昏迷，脑波平直无波，如排除机器故障，出外低文、麻醉药物所至,24,小时仍不能恢复者，应考虑脑死亡。,6,其它：可帮助判断麻醉深度，以免因抑制过深而不可逆转；可了解其它疾病脑功能改变,如自发性低血糖发作时,EEG,可见慢波和或痫样放电；甲亢基本节律增快；幅可用于子痫监测；有时用于诈盲诈聋的判断。,脑电与脑机接口,脑电与脑机接口,6,脑电的优缺点,Why EEG?,脑电设备便携,记录方式简单,解析时间快,精度低，噪声多,不易直观解读,易受影响,样本量小,个体差异大,脑电与脑机接口,6,BCI,6,脑电与脑机接口,脑机接口系统组成,6,脑电与脑机接口,神经信号的自动语音识别,实验与数据采集,Brain-to-text,系统解码过程,Christian H,Tanja S.,Automatic Speech Recognition from Neural Signals:A Focused Review,:J.Frontiers in Neuroscience,2016,10.,6,脑电与脑机接口,脑电波与视觉分类,Spampinato C,Palazzo S,Kavasidis I,et al.,Deep Learning Human Mind for Automated Visual Classification,J.2016:4503-4511.,6,脑电与脑机接口,脑电波与视觉分类,Spampinato C,Palazzo S,Kavasidis I,et al.,Deep Learning Human Mind for Automated Visual Classification,J.2016:4503-4511.,6,脑电与脑机接口,脑电波与视觉分类,Spampinato C,Palazzo S,Kavasidis I,et al.,Deep Learning Human Mind for Automated Visual Classification,J.2016:4503-4511.,6,脑电与脑机接口,脑电波与视觉分类,Spampinato C,Palazzo S,Kavasidis I,et al.,Deep Learning Human Mind for Automated Visual Classification,J.2016:4503-4511.,6,脑电与脑机接口,脑电波与视觉分类,Spampinato C,Palazzo S,Kavasidis I,et al.,Deep Learning Human Mind for Automated Visual Classification,J.2016:4503-4511.,6,脑电与脑机接口,脑电波与视觉分类,-,结果,6,脑电与脑机接口,脑电与工作记忆状态分类,6,脑电与脑机接口,脑电与工作记忆状态分类,被试信息：,15,名被试（删除两人），每人,240,个,Trials,采集信息：,64,通道脑电，,500HZ,任务：工作记忆，看图进行记忆，展示的图片分别有,2/4/6/8,个字母，分为四类（区分,mental load,）,数据信息：一共有,240,*,13=3120,个,Trials,，取其中分类正确的,Trials,共,2670,个,6,脑电与脑机接口,脑电与工作记忆状态分类,被试信息：,15,名被试（删除两人），每人,240,个,Trials,采集信息：,64,通道脑电，,500HZ,任务：工作记忆，看图进行记忆，展示的图片分别有,2/4/6/8,个字母，分为四类（区分,mental load,）,数据信息：一共有,240,*,13=3120,个,Trials,，取其中分类正确的,Trials,共,2670,个,脑电数据处理：原始脑电经,FFT,变换，得到三个频段的功率谱密度，将,alpha/beta/theta,三个频段的图片合成三通道的脑电图，每个,Trials,（,3.5s,）取,7,个,0.5s,的时间窗,按时间顺序排成序列,对脑电图进行卷积,卷积之后的脑电图作为序列的输入使用循环神经网络提取时间上的信息,全连接层进行分类,两种模式,single-frame approach,：对一整个,Trial,计算能量，使用卷积网络分类（找到效果最好的卷积部分的结构）,Multi-frame approach,：每,0.5s,的时间窗进行能量计算，排成序列，使用,Recurrent-Conventional network,进行分类,卷积结构：参考,VGG,的网络结构（,2015,）,反复堆叠,3,*,3,的卷积核,循环,-,卷积结构,Max-pooling over time,：直接使用池化层,Temporal convolution,：加入一个在时间维度上的卷积层,LSTM,：卷积之后加入循环网络,Mixed LSTM/1DConv,发展现状,发展现状,7,一些产品,谢谢,Thanks,