第一讲 EEG信号基础
EEG信号基础解析
用途：特异性反应可在功能上判断病变部位、病变程度。非 特异性反应可显示心理活动过程的部分阶段，了解心理疾患 动因。
上肢体感诱发电位示意
N9：臂丛电位 N13：颈髓后 角 P15:内侧丘系 /背侧丘脑 N20:体感皮层 I区原发反应 N9-N13:脊神 经后根传导 N13-N20:中枢 传导时间 P15-N20:丘脑 顶叶束传导时 间 P25-P45：继 发反应
θ波：频率为4-7Hz，振幅约为10-50μV，在困倦时， 中枢神经系统处于抑制状态时所记录的波形。
α波：频率8-13Hz，振幅20-100μV，可在头的枕部 检测到，它是节律性脑电波中最明显的波。
β波：β波频率约为13—30Hz，振幅约为5-20μV,是 一种快波，β波的出现一般意味着大脑比较兴奋。
② 继发性特异性反应：指从一级感觉区附近的皮层区记录 到的诱发电位，出现于原发性特异性反应之后的继发波 形。这些反应经多次反复刺激后，很快产生习惯化。
非特异性反应
为广泛的皮层区对刺激的反应，不论其感觉刺激的形式 如何，都可获得同样的反应，它们广泛分布于额及颞区， 受意识影响。临床上用于神经心理学检测。
用置于头皮表面的电极探测各点的电势差 随时间的变化（EEG）。
头皮电极测量的电势差变化是大量脑细胞 叠加的结果。
极脑电记录
活动位置
+ _
+
vo
_
参考位置
双极脑电记录
记录两个活动位置电位的差
+
_
+
vo
_
电极的安放：10-20导联系统
更多的导联系统
如何放置电极
EEG培训课件
eeg的发展历程
EEG技术自19世纪末期诞生以 来，经历了多个发展阶段。
从最初的简单脑电记录设备， 到现代的高分辨率脑电技术， EEG的精度和稳定性不断提高
。
随着计算机技术的发展，数字 信号处理和机器学习等技术也 进一步提升了EEG的应用价值
。
eeg的应用场景
在临床医学领域，EEG被用于诊断癫痫、多动症、自闭症等疾病，以及监测脑死 亡和昏迷病人的脑电活动。
03
eeg实践操作指南
eeg设备选择与使用
设备选择
使用前准备
根据实验需求和预算，挑选合适的EEG设备 。考虑设备的品牌、型号、性能和价格等因 素。
熟悉设备的操作说明和注意事项，准备好所 需的实验用品，如电极膏、电极帽、毛巾、 洗浴用品等。
设备佩戴
设备调整
根据实验要求，正确佩戴EEG设备，确保电 极与头皮紧密接触，减少干扰。
特征提取
提取脑电信号的特征，如频率、幅度、相 位等。
eeg数据分析方法
时域分析
观察脑电信号的时域波形，分析大 脑皮层神经元的放电模式。
频域分析
将脑电信号进行频谱分析，观察不 同频率成分的能量分布。
时频分析
结合时域和频域分析，观察大脑皮 层神经元在不同时间点的放电模式 和频率分布。
空间分析
结合脑功能区的结构，分析不同脑 区的神经元放电特征和相互作用。
根据实验需要，调整设备的参数和设置，如 采样率、滤波器类型、电极位置等。
eeg数据采集流程
实验设计
根据研究目的和要求，设计实验方案 和任务，确定实验流程和时间安排。
数据采集
按照实验设计，进行EEG数据采集。 确保采集过程中无干扰，实时监控 数据质量。
EEG基本知识
脑电图基本概念
周期和频率
周期：一个波从开始到结束的时间，单位 ms
频率：一秒钟内相同周期的波重复出现的 次数，单位Hz
注意：基线稳定，是否是一个波的判断
波幅
也称电压，单位是微伏（μV） 分正相与负相，一般波向上为负相
调节与调幅
调节：脑波的频率调节，同一部位的频率 差不超过1Hz，两侧半球对应部位不超过 0.5Hz
仪器准备
测试电阻：不超过5千欧 记录并测量方波校准电压 生物校准：各导联均连接到O1或O2记录10秒钟，
确保所有导联在波幅、波形和位相上一致 调整仪器参数：灵敏度（7～10μV/mm），高频滤
波70Hz，低频滤波0.3Hz（或时间常数TC0.3）， 50Hz陷波，走纸速度30mm/s 导联选择：一般为单极描记，耳垂参考
耳电极：固定于耳朵 特殊电极：蝶骨电极，眶顶电极，
抗测试
记录前测试每个电极与头皮之间的阻抗， 要求100～5000欧姆，过高与过低均不准确
要求：记录前一天洗头，酒精去除皮脂， 桥式电极用生理盐水打湿
地线
大地接地：又叫安全接地，即将脑电图仪 器金属外壳与大地连接
信号接地：又叫病人接地，导线一端通过 电极连接病人身体表面任何部位（一般在 前额正中或颅顶），另一端接入脑电图头 盒的接地端口（ground或G）
偶发：指一次常规记录中仅出现1～2次的特殊脑 波
一过性：指某种突出与背景的脑波少量而无规律 的出现，持续时间短暂
同步性：两个或两个以上部位同时出现的脑波为 同步
正常清醒时脑电图
后头部α 节律
清醒状态下出现在后头部的8～13Hz的节律， 一般在枕区波幅最高，一般低于50 μV，不 超过150 μV
用EEG信号分析大脑控制手势
用EEG信号分析大脑控制手势随着人工智能和机器学习技术的不断发展，人与计算机之间的交互方式也在不断地改变和升级。
除了常见的键盘、鼠标、触摸屏等输入设备，近年来出现了一种全新的交互方式：脑机接口（Brain-Computer Interface，BCI），即通过读取人脑活动的信号来实现人机交互。
其中，最为关键的技术之一就是EEG 信号分析。
EEG（Electroencephalogram）是一种记录脑电活动的技术。
通过在头皮上放置几根电极，可以将脑部神经元的电活动信号采集下来，并转化成一条条波形图。
而这些波形图实际上是大脑在进行思考、记忆、注意力等各种认知活动时所产生的信号，因此可以通过对这些信号的分析来推测出一个人目前正在进行的认知活动和情绪状态等。
基于这样的原理，科学家们开始尝试利用 EEG 技术来实现大脑控制手势的目标。
也就是说，通过读取人脑中与特定手势相对应的电信号，并将其翻译成计算机可以理解的指令，最终实现用脑部活动控制计算机进行操作的目标。
要实现这样的目标，需要经过以下几个步骤：1. EEG 信号采集首先需要在被试者头上放置一定数量的电极，以便能够接收到来自大脑的信号。
在采集过程中，被试者需要保持安静和稳定，不要做出任何动作或者表情。
2. 信号预处理由于 EEG 信号具有极高的噪声和干扰性，因此需要对其进行一定的预处理。
这包括滤波、去除眼动伪差等步骤，以确保后续分析的准确性和稳定性。
3. 特征提取一旦经过预处理，就可以对 EEG 信号进行特征提取。
这涉及到将原始信号转化成计算机可以理解的数字信号，以便进行分类和识别。
4. 分类和识别最后一步是根据从信号中提取出来的特征，利用机器学习算法进行分类和识别。
这涉及到构建模型、训练模型、测试模型等一系列过程，以确保模型的准确性和稳定性。
目前，大脑控制手势已经成功地应用于多个方面，例如协助残障人士进行移动和操作，以及改善人们的生产和工作效率等。
同时，也有一些商业化应用，例如游戏、虚拟现实等。
第一讲EEG信号基础解析
信号通路电气隔离的方式
❖ 变压器隔离 ❖ 电容隔离 ❖ 光电隔离
信号调制 （500kHz）
隔离器件
❖ 事件相关电位（ERP）的定义：当外加一种特定的 刺激，作用于感觉系统或脑的某一部位，在给予刺 激或撤消刺激时，或/和当某种心理因素出现时在脑 区所产生的电位变化。
❖ 特性：
被自发脑电淹没，约2微伏 ~ 10微伏。 两个恒定：潜伏期、波形。
EEG对ERP的淹没与叠 加基本原理
事件相关电位（ERP）的研究应用
电极引线中也会感应工频干扰
假定： 引线1中的电流是id1， 引线2中的电流是id2，
接地回路的电流=id1+ id2
因Z1和Z2的不一致而转 变为差模电位： V+ –V- = id2 Z2 – id1 Z1 = id (Z2 –Z1)
❖ 降低电极阻抗Z2 和Z1 ❖ 降低id，将各引线屏蔽接地。
屏蔽线驱动
髓脑
延髓
基本生命中枢，感觉核，网
myelencephalo medulla oblongata
状激活系统
n
原始神经管 神经管
脊髓 spinal cord
低位中枢，基本反射活动
神经嵴
外周神经节
神经通路或换元
1．脑的表面结构
2．大脑皮层功能分区
脑电的产生与测量
❖ 在大脑活动时，大脑外层皮质细胞所产生 的生物电将随时间和空间出现变化
Instrumentation Amplifier AD620
❖ EASY TO USE ❖ Gain Set with One
External Resistor (Gain Range 1 to 1000) ❖ Wide Power Supply Range (±2.3 V to ±18 V) ❖ Higher Performance than Three Op Amp IA Designs ❖ Low Power, 1.3 mA max Supply Current
脑电PPT课件
注意事项
强调采集过程中的注意事项，如 避免干扰、保持安静等。
01
02
采集设备
介绍用于采集脑电信号的设备， 如电极帽、放大器等。
03
采集过程
详细描述脑电信号采集的过程， 包括准备工作、电极放置、信号 采集等步骤。
04
脑电信号预处理
1 滤波处理
介绍如何对采集到的脑电信号进行滤波处理，去除噪声 和其他干扰。
脑电的生理基础
大脑神经元
脑电的产生与大脑神经元的电生理活动密切相关。神经元在兴奋状态下会产生电位变化，这些变化通过头皮上 的电极被记录下来形成脑电信号。
脑波
脑电信号中包含多种脑波，如α波、β波、θ波、δ波等。不同脑波代表了不同的生理状态和认知功能，如α波主 要出现在放松状态，β波则出现在集中注意力或紧张状态。
2 基线校正
介绍如何对采集到的脑电信号进行滤波处理，去除噪声 和其他干扰。
3 伪迹去除
介绍如何对采集到的脑电信号进行滤波处理，去除噪声 和其他干扰。
4 数据压缩与降噪
介绍如何对采集到的脑电信号进行滤波处理，去除噪声 和其他干扰。
脑电信号特征提取
01
02ห้องสมุดไป่ตู้
03
04
时域特征
介绍如何从脑电信号中提取时 域特征，如幅度、频率和相位
精神疾病诊断
脑电技术在精神疾病诊断中的应用 ，为医生提供辅助诊断的依据。
05
脑电研究展望与挑战
脑电技术的未来发展
脑电信号采集技术
随着传感器技术和生物电信号处理技 术的发展，脑电信号的采集将更加准 确和稳定，能够更好地应用于临床诊 断和科学研究。
脑电信号解读技术
脑电应用领域拓展
脑电技术的应用领域将不断拓展，不 仅局限于神经科学和心理学领域，还 将应用于医学、教育、体育等领域。
EEG培训课件
大脑神经电活动是产生EEG信号的主要来源。大脑神经元放电活动的同步性，可 以在头皮上通过EEG仪器记录到。
EEG信号的采集和处理
EEG信号的采集
EEG信号采集时，通常采用多个电极和多通道同时采集。电 极通常放置在头皮的不同位置，以记录不同区域的神经电活 动。
EEG信号的处理
EEG信号处理包括预处理、特征提取和数据分析等环节。预 处理包括滤波、放大和数字化等，特征提取和数据分析则涉 及到多种算法和技术。
神经康复
EEG可以评估神经康复患者的康复进程和疗效，如脑卒中康复、认知康复等，有 助于制定个体化的康复计划。
06
EEG的未来发展
EEG技术的未来趋势
增加通道数和降低侵入性
01
利用更多的电极和更先进的信号处理技术获取更精细的脑电信
号，同时采用非侵入性方式如干电极和光学成像技术等。
移动和可穿戴设备
02
由于EEG信号易受多种因素影响，不同研究 之间、不同实验室之间的结果难以直接比较 和重复。
隐私和伦理问题
技术普及和推广难度
采集和分析EEG信号时可能涉及到隐私和伦 理问题，需要制定相应的规范和标准。
EEG技术专业性较强，普及和推广难度较大 ，需要更多的教育和培训资源。
THANKS
谢谢您的观看
焦虑症
EEG可以检测焦虑症患者的神经生理异常，如β 波活动增强、α波抑制等，有助于焦虑症的诊断 和治疗。
精神分裂症
EEG可以检测精神分裂症患者的神经生理异常 ，如慢波异常、α波抑制等，有助于精神分裂症 的诊断和治疗。
EEG在脑机接口和神经康复领域的应用
脑机接口（BMI）
EEG可以用于脑机接口中，实现人脑与计算机或其他设备的直接通信和控制，如 脑控机器人、脑控家居等。
EEG基本知识及判读(进修)
Sleep spindles V waves and K complexes
Stages 1-4 of NREM can disinguished 14 and 6 HZ PBM
asleep
老年人正常EEG（＞60岁）
清 醒 (α节律)
频率减慢
－大多数健康老年人α频率保持在9.5～10Hz －根据综合研究，在60岁以后，后部主要频率衰减平均0.08/年 －10例精神正常的百岁老人的EEG资料显示α 频率在8～9cps之间 （Hubbard et al, 1976）
认识
诊断异常脑电图，主要不是根据它缺少正常脑电图的 成份或类型，而应根据它是否含有不正常的脑电活动 或类型。一份脑电图，如果含有异常的电活动，不管 它含有多少正常的成份，都应认定它为异常。
在大多数异常脑电图中，异常类型不完全代替正常电 活动，它们可能间歇地或仅于某个或某些区域出现， 或添加在正常背景之上。
睡眠深度减少，Ⅲ、Ⅳ期睡眠比例减少，而睡眠 期中的醒觉时间随年龄增加。REM睡眠减少， 70－80岁REM睡眠减少到总睡眠时间的20％以 下。
正常脑电图 <小结>
EEG的成熟发展过程
从不同年龄组EEG的改变（EEG的成熟发育到衰退）显 示了脑功能经历了不成熟→成熟→衰退的过程
在生物成熟的上升（发展）阶段，是生理的自然的过程， 而老化尽管完全无病理改变的可能性不能除外，但主要 是由病理决定的。随年龄的增加，脑萎缩，脑室扩大。N. 元数目选择性改变。不同脑区改变不同（额颞明显）
颞区间歇性慢波
－非节律的中至高波幅θ或δ以单个或短程出现（3～8cps），其 内可能含一过性尖波
－背景活动正常
－75~90％出现在左前、中颞 －出现在正常老年人，CVD及变性病
脑电波信号的数字信号处理
脑电波信号的数字信号处理随着神经科学研究的不断深入和技术的发展，脑电波信号（Electroencephalogram，EEG）作为一种重要的脑电信号，在诊断和治疗神经疾病、调控心理健康等方面发挥着越来越重要的角色。
然而，脑电波信号的处理过程十分复杂，其中数字信号处理是其不可或缺的一环。
数字信号处理（Digital Signal Processing，DSP）是一种通过使用数字技术对信号进行处理和改进的技术。
对于脑电波信号而言，数字信号处理可以为其提供精细和高效的处理手段，实现对信号的有效提取、分析和应用。
数字信号处理的基础数字信号处理的基础是数学和电子工程学科知识，其中包括了数字信号的采样、滤波、傅里叶变换、小波变换、分析、识别等方面。
在脑电波信号的数字信号处理中，高精度的采样是整个处理过程的关键。
采样率是指单位时间内采样的样本数，对于脑电波信号而言，一般要求的采样率在256~1024Hz之间。
此外，在采样的过程中，还需要考虑降噪、增益调节等因素，以免影响其分析和诊断的准确性。
数字信号处理的应用脑电波信号的数字信号处理应用涵盖了众多领域，包括了脑电信号分析、神经疾病诊断、认知科学研究等。
通过对脑电波信号的分析和挖掘，可以为人类研究大脑运作机制提供更多的新视角和方法。
目前，常见的脑电信号分析方法主要包括了模式识别、时频分析、成分分析等。
其中，模式识别是通过对信号的特定指标进行评估，预测人的脑电活动；时频分析是在时间和频率两个维度对信号进行直观的观察和分析；而成分分析则是通过对脑电信号中的单个成分进行独立成分分析，为神经科学研究提供了更深入的思路和方法。
数字信号处理与脑电波信号的未来数字信号处理和脑电波信号已经在神经科学领域崭露头角，并且在诸多领域得到了广泛的应用。
未来，它们将会有更广阔的应用前景和更深入的发展，例如基于云计算、物联网、智能系统的数字信号处理技术将会更加成熟和高效，为脑电波信号的处理、分析和应用提供更为便捷的手段；此外，数字信号处理的方式和算法也将会与新的计算科学方法相结合，例如人工智能、深度学习等，为脑电波信号的分析和发现提供更为详尽和深入的方法。
EEG信号的分类算法研究及应用
EEG信号的分类算法研究及应用EEG信号是指脑电图信号，它是研究人脑行为和认知的一种非常重要的生物信号。
在很多领域中，如神经病学、心理学、计算机科学和工程学等，都有着广泛的研究应用。
而分类算法作为一种常用的数据分析方法，在这个领域中也得到了广泛的应用和发展。
EEG信号的分类算法研究主要包括两种方法：基于特征提取的分类和基于深度学习的分类。
基于特征提取的分类方法，是指将EEG信号中的波形和统计学特征提取出来，然后再进行分类。
该方法的主要思想是根据EEG信号的特征来区分不同的行为或状态。
具体来说，它包括以下几个步骤：首先，需要通过一些预处理方法来去除噪声和伪差，然后将信号划分为不同的时间段；接下来，可以选择一些常用的特征提取方法，如小波变换、时域特征或频域特征等，来对每个时间段的信号进行处理；最后，利用一些经典的分类算法如支持向量机、K近邻、决策树等，对这些特征进行分类。
基于深度学习的分类方法，是指通过一些深度神经网络来直接从EEG信号中进行学习和分类。
与传统的分类方法不同，该方法不需要手动选择和提取特征，而是利用深度神经网络来自动学习并提取最优的特征。
该方法主要包括以下几个步骤：首先，将EEG信号直接输入到深度神经网络中；然后，通过多层的卷积和池化层来提取特征，最终用全连接层进行分类。
目前，基于特征提取的分类方法仍然是EEG信号分类研究的主流方法之一。
基于特征提取的算法具有较高的可解释性和易于实现的特点，同时适应的应用领域也非常广泛。
特别是在一些比较小型的数据集上，基于特征提取的分类方法可以达到很好的分类效果。
而基于深度学习的分类方法则更适用于大型数据集和数据复杂性较高的情况。
其在一些应用领域中，如对脑中风患者进行辅助诊断、识别非正常睡眠状态等也取得了较好的分类效果。
除此之外，还有一些基于混合方法的分类算法，其中混合了基于特征提取和基于深度学习的算法。
该方法的主要思想是综合利用两种算法的优点，进而实现更好的分类效果。
EEG基本知识培训医学课件
Theta波 4－7
100－150 顶叶和颞叶 睡眠
Delta 波 0.5－3 20－200 额和颞叶 深睡
人在入睡过程中脑电图变化
兴奋 放松 昏昏欲睡 睡着
深睡
脑电波形成的机制
• 大量皮层N元(特别是锥体C)同步发生的突触后电 位总合引起皮层表面的电位变化；
• 同步化(α波节律): 因丘脑非特异投射活动； • 去同步化(α波 快波): 皮层兴奋加强。
感觉系统的某一部位，在给予刺激或撤消 刺激时，在脑区引起的电位变化。因此 ERP又称事件相关脑电压。
EEG与听觉ERP关系示意图
脑功能监护的优势
• 最早期的脑功能监护仪（CFM）特点 • 常见脑功能评价方法对比 • 通过监测脑皮层电活动来监护脑功能变化的优势 • 既往制约临床开展脑功能监测的因素 • 趋势图特点
• 当大脑皮层神经元的活动步调不一致时，出现高 频低幅快波，称为去同步化。如: α波阻断后出 现的β波，就是一种去同步化波。
事件相关电压（ERP）
• ERP定义:
• • 广义: 凡是外加一种特定的刺激作用于机
体，在给予刺激或撤消刺激时，在神经系 统任何部位引起的电位变化 。
• • 狭义: 凡是外加一种特定的刺激，作用于
最早期的脑功能监护仪（CFM）特点
• 早期的只有aEEG（幅度整合趋势图）一种趋势图 监护，且无原始的脑电图。无法鉴别脑功能变化 是疾病导致还是干扰所为。
• 早期的脑功能监护通道数少，不能满足全脑的监 护。现有监护高达16或32通道同时可记录或显示 其它生理参数，如: 心电、呼吸、血氧饱和度等 等。
• 皮层诱发电位(evoked cortical potential): 感 觉传入系统受刺激时,在皮层上某局限区域引出的 电位变化，与特异感觉投射系统活动有关。
脑电图
1.脑波特征:频率--同一周期的脑波在1秒钟 内重复出现的次数。
表示方法 －周波/秒，C/S，CPS，Hertz (Hz)
常规走纸速度
3cm = 1秒
人类脑电活动的频率在0.5—30HZ之间。 δ频带：0.5--3HZ θ频带：4--7HZ α频带： 8--13HZ β频带： 18--30HZ γ频带： >30HZ
18岁，男，饭后数小时有2次晕厥发作。在作糖耐量试验期间描记EEG。 1、试验开始前，EEG正常。 2、血糖水平在48mg%，EEG显示低至中等波幅弥散的θ(a)和δ波(b) 3、血糖33mg%时，双侧同步爆发高波幅δ和θ波，额区为著 4、饮葡萄汁后EEG恢复正常
5.正常EEG
由于上述特征，我们不能用单一“正常 标准”来界定正常脑电图，而应根据不同年 龄段及不同生理状态来界定。
脑波特征---反应性
通过各种方法诱致的正常和异常的 EEG改变，称为反应性。这些方法包括睁 闭眼试验、过度换气、光或其它感觉刺激、
警醒水平的变化等。
4.EEG特征
EEG是脑功能状态的指示器
脑功能受内外环境的影响→反映脑功能状态的 EEG也受内外环境的影响。包括： －生理因素 年龄 睡眠-清醒周期 精神活动 －物理因素 光，声等 －化学因素 药物 －代谢因素 血糖，有毒代谢产物等
4.电极的要求
头皮电极有针电极、管状电极和盘状电极，
常规记录提倡使用盘状电极
提倡针灸毫针作为蝶骨电极常规使用，应注
意高压消毒，避免交叉感染 为了特定目的使用的皮层脑电图和深部电极 脑电图，均主要在有条件的专业诊疗中心进 行，不推荐常规使用
5.电极安放
EEG信号处理基础和特征讲解
自相关函数与功率谱 双谱等高阶谱
EEG信号常用统计特征
❖ 设m个电极通道采集的脑电信号表示为
x ( n ) x 1 ( n )x 2 ( n ) x m ( n ) T
❖ 其N点的采样数据为
x1(0) X x2(0)
xm(0)
x1(1) x2(1)
xm(1)
x1(N1) x2(N1)
i E [ x i( n ) ] N 1 N k 0 1 x i( k ) N N 1 ( N 1 1 N k 0 2 x i( k ) ) N 1 x i( N 1 )
i(n)nn 1i(n1)1 nxi(n)
平稳EEG信号时序特征
❖ 自相关函数 i(k ) E [x i(n )x i(n k ) ]N 1N n k 0 1 x i(n )x i(n k )
❖ 多维AR模型：对应多通道
p
mp
yi(n) aikyi(nk) ajkyj(nk)xi(n)
k 1
j 1k 1
ji
由模型化神经元活动产生EEG信号
❖ AR模型 ❖ ARMA模型
由模型化神经元活动产生EEG信号
❖ AR模型
EEG信号常用统计特征
❖ 随机变量或向量统计量
均值、方差、协方差与相关系数矩阵 偏度(skewness)： 峭度或峰度(kurtosis)：
EEG信号处理基础和特征讲解
❖ EEG信号模型 ❖ EEG信号特征
EEG信号的特点
❖ 随机信号 ❖ 非平稳 ❖ 非线性 ❖ 非高斯过程
EEG信号模型
❖ 基于神经元的生化物理模型
Hodgkin and Huxley 模型 Morris–Lecar 模型
脑电放大(直流供电)脑电特性人的脑电信号(EEG)是大脑皮层的神经元
脑电放大（直流供电）脑电特性人的脑电信号（EEG）是大脑皮层的神经元细胞所产生的电流总和在穿过头颅到达头皮后，所引起的头皮不同部位有不同的电位水平。
脑电波根据频率与振幅不同可分为：（1）α波：频率为8～13 H z，振幅为20～100μV，可在头颅枕部检测到，它是节律性脑电波中最明显的波；整个皮层均可产生α波。
α波在清醒、安静、闭眼时即可出现，波幅由小到大，再由大到小规律性变化，呈棱状图形。
（2）β波：频率为14～30 H z，振幅为5～20μV，在额部和颞部最为明显，是一种快波。
它的出现一般意味着大脑比较兴奋。
（3）θ波：频率为4～7 H z，振幅为10～50μV，是在人困倦时，中枢神经系统处于抑制状态时所记录的波形。
（4）δ波：频率为0.5～3 H z，振幅为20～200μV，在睡眠、深度麻醉、缺氧或大脑有器质性病变时出现。
由此可知，取自大脑皮层的脑电幅值范围为10～200μV，主要频率集中在0.5～30 H z。
由此可知，取自大脑皮层的脑电幅值范围为10～200μV，主要频率集中在0.5～30 Hz。
测量干扰1)电极极化引起的极化电压：直流成分，用直流放大器时，信号直流成分被干扰，在高放大倍数时，使放大器饱和。
普通电极的极化电压在200mV左右，选用银-氯化银电极能够减小极化电压。
另外在电极与头皮之间抹导电膏可以是两者之间耦合良好，减少噪声。
2)工频干扰：50Hz市电干扰信号，供仪器设备、照明等使用的电源，其50Hz及其谐波通过仪器等途径干扰检测电信号。
可通过增加一个50Hz的陷波器对其滤除。
3)电磁场辐射：主要来自外界无线电波及高频设备。
将电路装入金属盒，或罩金属网，外部信号传输使用屏蔽线。
4)生物电信号的相互干扰：肌电，眨眼干扰脑电，脑电易淹没在强势信号中。
测量时靠近脑部，保持安静状态。
5)器件噪声：尽量选取大公司生产的优良器件，低噪声，高共模抑制比。
6)脑电信号在μV量级：较高的放大增益，10000以上7)共模电压度脑电检测的影响：提高共模抑制比，大于80db8)脑电信号取自人体表面，有较高的信号源阻抗：高输入阻抗，大于10MΩ系统设计设计要求：放大倍数：16000倍共模抑制比：≥80dB通带频率范围：0.5~35Hz电源范围：6V以下电路设计前置放大1）无源低通滤波R1，C1，R2，C2，构成无源低通滤波，可以抑制高频干扰，截止频率f=37Hz2）双向并联二极管D1～D4选用低漏电的微型二极管IN4148，构成保护电路，使电路在5000V高压下不会损毁3）差动放大电路A1，A2和R3～R5构成差动放大电路，可为后级一仪器仪器放大器提高增益，进而为提高电路共模抑制比提供了条件，同时可以接匹配电阻，从中间取共模驱动电压，给仪器放大器创造输入端的良好条件此级放大增益为A=1+（R3+R4）/R5=5A1，A2选用LM358LM358内部包括有两个独立的，高增益，内部频率补偿的双运算放大器，具有高增益，低输入偏流，低失调电压和失调电流等特性，适合于电池供电参数：直流电压增益高（约100dB）单位增益频带宽（约1MHz）电源电压范围单电源3-30V，双电源±1.5-±15V4）无源高通滤波无源高通滤波可以抑制极化电压，可以保证最大限度的提高前置放大器的增益截止频率f=0.45Hz5）右腿驱动与把放大器的“地”直接接人体的接法相比，右腿驱动利用了人体共模电压负反馈技术，减少了共模电压额输入值，大幅度提高了系统的共模抑制比6）共模驱动50Hz的共模电压经放大器A3接到了导联屏蔽线和滤波电容的节点上，使得输入信号线和屏蔽层处于相同的共模电位，因而消除了导联电缆线的分布电容和滤波电容的影响，同时，也提高了放大器的输入阻抗7）仪器放大器采用低功耗高精度的通用仪表放大器INA128作为主放大器主要参数见下表低偏置电压最大50μV低温度漂移最大0.5μV/C低输入偏置电流最大5nA高共模抵制CMR 最小120dB输入保护至±40V宽电源电压范围±2.25 至±18V低静态电流700μA引脚塑料DIP 和SO-8 封装低通滤波器：低通滤波器采用六阶巴特沃斯低通滤波，截止频率30Hz50Hz陷波由于电阻和电容无法做到完全的匹配，所以很难将陷波频率控制在50Hz，不过可以通过调节RW1来使陷波频率尽量精确。
脑电信号感知与处理第1章 脑电信号的生理学基础 PPT精品课件
本章知识点
1. 中枢神经系统的结构（了解） 2. 大脑皮层的结构与功能（了解） 3. MRI,fNIRS,EEG测量脑活动的原理（掌握） 4. 脑电信号产生的微观机制（了解） 5. 脑电信号的特点及分类（掌握） 6. 脑电信号的侵入式和非侵入式采集方式（掌握） 7. 脑电正逆模型概念（了解）
3
目录
动作电位
脑电信号的微观机制
➢ 细胞膜受到刺激时钠离子内流， 使得膜内电位迅速上升，膜电位 由内负外正转为内正外负的状态， 促进动作电位上升。而另一方面， 钾离子外流使得膜内的电位上升 的趋势减缓。两者的综合作用最 终产生动作电位。
32
3.脑电信号的产生机理
3.1 神经元和神经环路（微观机制）
➢ 动作电位是脑内唯一可以快速远 距离传递的信号。
第1章-脑电信号的生理学基础
1. 脑神经活动的生理基础 2. 脑神经活动的检测方式 3. 脑电信号的产生机理 4. 脑电信号的基本概念 5. 脑电信号的测量方式 6. 脑模型与脑电正逆问题
4
1.脑神经活动的生理基础
躯体神经系统 外周神经系统
脑神经 脊神经
神
自主神经系统 交感神经
经
(植物神经系统) 副交感神经
胼胝体
下丘脑
脑垂体 桥脑
丘脑 杏仁核 中脑
小脑
2.脑干：延脑、桥脑和中脑组成。是 脑的最古老的部位，也是维持生命活 动的基本活动的主要机构。
(4)脑干网状结构是睡眠和觉醒的神经 结构：调节睡眠和觉醒，维持注意并 激活情绪。
延脑 脊髓
11
1.脑神经活动的生理基础
1.1 中枢神经系统
大脑皮层
海马
胼胝体
根据机能不同，大脑皮层又 可分为皮层感觉区、皮层运 动区、皮层联合区。
脑活动状态eeg信号解码方法及其应用
脑活动状态eeg信号解码方法及其应用脑电图（Electroencephalogram，简称EEG）是一种记录脑电活动的生理信号，通过电极贴附在头皮上，测量脑部神经元的电活动。
脑电信号是一种非常重要的生理信号，可以反映出人类大脑的活动状态。
近年来，随着脑科学的发展，研究人员们开始探索如何解码脑电信号，以实现对人类思维和意识的理解和控制。
脑电信号解码是指通过分析和处理脑电信号，提取出其中的信息，以了解人类的认知、情绪和运动等脑活动状态。
目前，脑电信号解码主要依靠机器学习和模式识别等方法。
首先，研究人员需要收集大量的脑电数据，并将其与特定的脑活动状态进行关联。
然后，利用机器学习算法，通过对已知脑电数据的训练，建立一个模型，可以将新的脑电信号与特定的脑活动状态进行分类和识别。
脑电信号解码的应用非常广泛。
首先，它可以用于研究人类的认知和意识。
通过解码脑电信号，研究人员可以了解人类在不同认知任务中的脑活动模式，进而揭示人类思维和意识的机制。
其次，脑电信号解码还可以用于脑机接口技术的开发。
脑机接口技术是一种将人脑与外部设备进行直接交互的技术，通过解码脑电信号，可以实现对外部设备的控制，如假肢、轮椅等。
此外，脑电信号解码还可以应用于神经反馈治疗。
通过解码脑电信号，可以实时监测人类的脑活动状态，并根据需要进行调节和干预，以改善人类的认知和情绪状态。
然而，脑电信号解码仍然面临一些挑战。
首先，脑电信号是一种非常复杂的信号，受到许多干扰因素的影响，如肌电干扰、眼电干扰等。
因此，如何准确地提取和解码脑电信号中的信息，仍然是一个难题。
其次，脑电信号解码需要大量的脑电数据进行训练，而脑电数据的采集和处理非常耗时和费力。
此外，脑电信号解码还涉及到伦理和隐私等问题，如何保护被试者的权益和隐私，也是一个需要解决的问题。
总之，脑活动状态eeg信号解码方法及其应用是一个非常有前景的研究领域。
通过解码脑电信号，可以深入了解人类的思维和意识，开发出更加智能和人性化的脑机接口技术，以及提供更加有效的神经反馈治疗方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
滤波
根据信号感兴趣的频段设计滤波器，可以使用低 通滤波器抑制高频，高通滤波器抑制低频（如基 线漂移）。 如果有用信号的频段包括工频时，可采用工频陷 波器来抑制工频干扰。 为了提高滤波性能，也可以在转换成数字信号以 后采用高阶滤波器进行数字滤波。
50Hz工频干扰 ECG AEP SEP VEP
2R f Vc idb R Vc o Ra
右腿驱动电路
idb R o Vc 1 2R f R a
直接接地Vc=idbRG 使用右腿驱动可使共模 干扰减少（1+2Rf /Ra） 倍。
Ro是一个比较大的值，它的作用是在D5饱和时流过
人体的电流仍是安全的，如10A以下，因此Ro的存 在也会抵消右腿驱动电路的作用。
有很多这样的集成电路芯片如AD620，
INA118等，可以直接用来作为前置放大器。
Low Cost, Low Power Instrumentation Amplifier AD620
EASY TO USE Gain Set with One External Resistor (Gain Range 1 to 1000) Wide Power Supply Range (±2.3 V to ±18 V) Higher Performance than Three Op Amp IA Designs Low Power, 1.3 mA max Supply Current
50
100
1k
10k
100k
1M
10M
100M
1G
/Hz
信号及干扰源的频率分布
SEP somatosensory evoked potential身体感觉激发电位
基线漂移与高通滤波 -波形
[B,A]=ellip(4,0.5,20,0.5*2/200,'high') y=filter(B,A,x)
基线漂移与高通滤波 -频谱
再分区 端脑 （大脑） cerebrum 间脑 diencephalon
主要部位 嗅脑 rhinencephalon
功 嗅觉中枢
能
基底神经节 basal ganglia 运动控制 大脑皮层 cerebrum cortex 高级功能 丘脑 thalamus 下丘脑 hypothalamus 神 经 垂 体 pituitary 感觉传入冲动传向大脑皮质 的中继站，粗浅感觉分析 调节内脏活动 posterior 神经内分泌功能 内分泌腺，褪黑素 视觉中枢，网状激活系统， 内脏调节 调节躯体运动、随意运动 网状激活系统，内脏控制 基本生命中枢，感觉核，网 状激活系统 低位中枢，基本反射活动 神经通路或换元
第一讲 EEG信号基础
主讲人：谢宏 信息工程学院
大脑的外部环境
人的大脑位于颅腔内，大脑分为左右两
半球 脑组织外的颅骨、脑膜、血管、脑脊液 和血-脑屏障等构成了脑的物理、化学 环境 正是这些理化环境的相对稳定才保证了 脑的正常生理功能
1．脑膜(meninges)：硬膜(或称韧膜)、蛛网膜和软膜 3层组成。
strobe light flashes, elicits evoked potential +EEG: EP
+ vo _
vo :
“single trial”
=
+
EEG
诱发电位记录原理
皮层诱发电位的反应
特异性反应：
① 原发性特异反应：指刺激特定感受器后，从皮层一级感
觉接受区记录到的诱发电位。潜伏期和波幅除受刺激的 物理参数的影响外，很少受意识影响。波形多保持一致， 没有习惯化(多次重复刺激后反应强度减弱) 。 ② 继发性特异性反应：指从一级感觉区附近的皮层区记录 到的诱发电位，出现于原发性特异性反应之后的继发波 形。这些反应经多次反复刺激后，很快产生习惯化。
电气隔离
前置放大器
差分放大器增益： 差模增益： Gd1=1+2R2/R1， 共模增益：Gc1=1， 总增益： Gd=Gd1Gd2，
总的共模增益Gc为D3组成的差模放大器的共模增 益，共模抑制比CMRR=Gd/Gc。 电路中的R1常被用来调节增益
仪器放大器 instrumentation amplifier
屏蔽线驱动
对于共模信号而言，分布电容 两端等电位，流过电容的电流 Ic=0，相当于阻抗为无穷大， 从而消除了屏蔽线分布电容的 影响。这种方法称为屏蔽驱动。
右腿驱动电路
D1和D2组成的电 路的共模增益为1， 在a、b处的共模信 号V’c与被测体上的 共模信号Vc相等， Vc=V’c。 Vc=idbRo+Vo则：
被自发脑电淹没，约2微伏 ~ 10微伏。 两个恒定：潜伏期、波形。
EEG对ERP的淹没与叠
加基本原理
事件相关电位（ERP）的研究应用
心理生理
临床应用 特因条件 功能评估 注意、记忆、语言加 工、知觉、意识等 神经精神科、昏迷愈 后、辅助诊断等 航空、航天、航海、 恶劣环境条件等 智能评估、音乐认知 能力、健康评估等
大脑的结构
人的大脑(Brain)包括左、右两个半球及连接两个半 球的部分。 大脑半球被覆灰质，称大脑皮质，其深部为白质， 或称为髓质。大脑两半球间由巨束纤维（胼胝体， corpus callosum）相连。 脑主要包括大脑、间脑、小脑、中脑、脑桥及延髓 等六个部分。
原始分区 前脑 forebrain
BAEP)
体感诱发电位(somatosensory evoked potential，SEP)。
诱发电位幅值较小，完全淹没在自发脑电信号中，一般要采 用叠加平均处理提高信噪比。 用途：特异性反应可在功能上判断病变部位、病变程度。非 特异性反应可显示心理活动过程的部分阶段，了解心理疾患 动因。
有一定潜伏期，潜伏期长短取决于刺激部位与记录部位的
距离、神经冲动传导速度、传导通路中神经元突触的数目 等。 由于感觉特异性投射系统有特定的传入通路和皮层代表区， 不同种类的诱发电位有特定的局限性和空间分布。 不同种类的诱发电位有一定的反应形式，并具有可重复性。
诱发电位记录示意图
+ _
AEP auditory evoked potential 听觉激发电位 ENG electronystagmography眼球震颤电流描记 PCG phonocardiogram心音图
高频治疗/电刀/电疗
医用遥测
宇宙射线
PCG
ERG ENG EOG EMG EEG
0.1 1 10
无线电 灯管放电 电刷火花 雷电
上肢体感诱发电位示意
N9：臂丛电位 N13：颈髓后 角 P15:内侧丘系 /背侧丘脑 N20:体感皮层 I区原发反应 N9-N13:脊神 经后根传导 N13-N20:中枢 传导时间 P15-N20:丘脑 顶叶束传导时 间 P25-P45：继 发反应
下肢体感诱发电位示意
CEp:马尾电位 LP:腰脊髓电位 P40:I级皮层原发反应 LP-P40:中枢传导时 间
2．大脑皮层功能分区
脑电的产生与测量
在大脑活动时，大脑外层皮质细胞所产生
的生物电将随时间和空间出现变化
用置于头皮表面的电极探测各点的电势差
随时间的变化（EEG）。
头皮电极测量的电势差变化是大量脑细胞
叠加的结果。
极脑电记录
活动位置
+ _
+
vo
_
参考位置
双极脑电记录
记录两个活动位置电位的差
视觉诱发电位导联对应的视觉皮层
视觉诱发电位
听觉诱发电位记录导联与听觉传导通路
脑干听觉诱发电位（ BAEP ）
脑电图与脑诱发电位的比较
事件相关电位(ERP)
诱发电位（EP）的定义：当外加一种特定的刺激作 用于感觉系统或脑的某一部位，在给予刺激或撤消 刺激时，在脑区所引起的电位变化。 事件相关电位（ERP）的定义：当外加一种特定的 刺激，作用于感觉系统或脑的某一部位，在给予刺 激或撤消刺激时，或/和当某种心理因素出现时在脑 区所产生的电位变化。 特性：
电气隔离
目的：保证病人安全
当人体因漏电等原因 与市电（如220V）接 触，由于仪器与病人 相连的应用部分是与 仪器使用市电的电路 部分电气隔离的，电 流i不能构成回路，因 此病人是安全的。 电气隔离：信号通路 隔离+电源供应隔离。
信号通路电气隔离的方式
变压器隔离
松果体 pineal body 中脑 midbrain 中脑 菱脑 hindbrain 中脑
后脑（小脑） 小脑 cerebellum 脑桥 pons 髓脑 延髓 myelencephalo medulla oblongata n
原始神经管
神经管 神经嵴
脊髓 spinal cord 外周神经节
1．脑的表面结构
自发脑电波形
δ波：频率为1-3.5Hz，振幅为20-200μV，在睡眠、 深度麻醉、缺氧或大脑有器质性病变时出现。
θ波：频率为4-7Hz，振幅约为10-50μV，在困倦时， 中枢神经系统处于抑制状态时所记录的波形。 α波：频率8-13Hz，振幅20-100μV，可在头的枕部 检测到，它是节律性脑电波中最明显的波。 β波：β波频率约为13—30Hz，振幅约为5-20μV,是 一种快波，β波的出现一般意味着大脑比较兴奋。
自发脑电的时域与频域波形
normal signal
0 – 1000 Hz
theta band
4 – 8 Hz
alpha band