脑机接口(BCI)通过将大脑信号转换为机器指令，帮助用户与外部环境交互，是一种通信系统。脑电信号的可用性和可靠性使其成为脑接口最常用的方法。许多基于脑电图的脑机接口设备使用传统的湿式或微机电系统(MEMS)型脑电图传感器开发。然而，这些传统的传感器在接触皮肤时会感到不舒服。因此，以舒适方便的方式获取脑电信号是一种新型BCI器件的重要组成部分。在本研究中，作者基于可穿戴、无线和便携式脑电图仪开发了一种BCI该设备基于干式脑电图传感器，并通过游戏控制应用程序演示。干式脑电图传感器无导电胶；但能提供良好的导电性，通过适应不规则的皮肤表面，保持适当的皮肤传感器阻抗，有效获额头上的脑电图信号。作者还演示了使用便携式设备进行游戏控制的实时认知阶段检测应用。结果表明，基于脑电图的便携式脑机接口装置可以方便有效地控制外部世界，为康复工程的研究提供了途径。
1
在这项研究中，研究人员础上开发了一种研究EEG的可穿戴BCI该设备配备了基于干式的新型传感器，并演示了游戏控制的认知应用。无线设备EEG由采集设备和计算机组成。无线EEG采集设备包括干传感器和无线EEG采集模块。干式传感器无需使用导电胶即可工作。这些传感器可以提供良好的电导率来有效获取EEG信号。此外，该传感器可以适当地集成到无线EEG收集设备。与其他使用湿式传感器的便携式传感器相比BCI与皮肤准备过程相比，使用该设备的用户在日常生活中可以更快、更舒适、更有效地监控它EEG状态，可以EEG将信号传输到个人计算机直接处理信号。此外，作为一种基于设备的实时聚焦检测算法EEG游戏界面以舒适的方式检测用户的实时认知状态。该设备的使用补充了其他现有的BCI该方法用于研究神经元激活的认知状态和日常生活中的行为反应。
2
基于干泡的脑电图传感器的具体设计是由聚氨酯材料制成的导电聚合物与额头皮肤接触，压缩约为5~10%，如下图A和B所示。导电泡沫覆盖0.2mm厚的塔夫丝材料由导电聚合物织物制成(导电率约为0.07欧姆/平方厘米)并在其所有表面涂上镍/铜(Ni / Cu)，建立类似银色脑电图传感器的电接触。使用0.2 mm厚的铜(Cu)连接到无线作为粘附层EEG采集模块。干泡脑电图传感器为20×20×9 mm3。干式脑电图传感器皮肤传感器接口的设计规范和等效电路遵循研究
以下两无线EEG在游戏控制中采集模块及其应用。它用于从干式脑电图传感器中获取脑电图信号，包括(INA2126, Texas Instruments)、收集组件(AD8609，模拟设备)，微处理器组件(MSP430,Texas Instruments)还有一个无线传输组件(BM0403, Unigrand Ltd.)。为了放大和过滤脑电图信号，研究人员在电路板中嵌入了前放大器和带通滤波器(0.5~ 50hz)模数转换器(ADC)作为生物信号放大器和采集组件模块。放大器和采集组件的增益设置在5500左右。12位分辨率ADC对脑电图信号进行数字化处理，放大滤波后脑电图信号采样率为256hz。使用微处理器组件ADC数字存储检测到的脑电图信号。在无线传输之前，使用频率为60hz移动平均滤波器以消除电力线的干扰。蓝牙模块BM0403(Unigrand Ltd.)包含在电路的无线传输部分。需要注意的是，该模块与蓝牙完全一致v2.0 EDR印刷电路板(PCB)天线标准。一般来说，本文提出的无线脑电图采集模块的尺寸约为4.5×3×0.6 cm3.基于可穿戴脑电图可嵌入模块BCI在设备机制中。该模块使用3.7 v31直流电源工作.58 mA。最重要的是，该模块可以使用商用750毫安电池连续工作23小时。
基于脑电图的设计BCI该装置的快速放置机制使干燥的脑电图传感器能够轻松快速地附着在用户的前额上(F10)，如下图A所示。该装置由三个干泡传感器和一个无线脑电图采集模块组成，其中包含一个电池。橡皮筋可根据用户头部大小进行调整，如下图A所示。当使用干式脑电图传感器检测脑电图信号时，该机制也被用来最大化皮肤传感器的接触面积，以保持低阻抗。这种机制对额头皮肤没有永久性或有害的影响。注意，基于干式电极的多孔设备的所有通道。可穿戴式脑电图采集装置的应用使用户监控脑电图信号更加方便舒适。
为了演示基于脑电图的干式传感器BCI研究人员提出了一款由用户通过脑电图信号的精神聚焦控制的计算机游戏。如图3所示，游戏界面。所有玩这个射箭游戏的用户都配备了这个基于脑电图的用户BCI设备。用户在游戏中进行射击，然后根据箭矢到靶心的距离来打分。屏幕右侧有一，屏幕中心有目标，屏幕右上角有分数(下图)A)。条形图显示了游戏中用户的焦点水平(FL)(下图B和下图C)。换句话说，FL值是游戏的主控制器。如果FL如果值较高，则表示射击距离目标中心较近，此时游戏得分较高。如果FL如果值较低，则射击距离目标中心较远，因此得分较低。用户的任务是使FL通过射击接近目标中心，值尽可能高。用户有10秒完成镜头，10次后计算总分。
3
测量用户FL该值提出了一种简单、实时、智能的游戏控制聚焦水平检测算法。FL检测算法流程图如图4所示。FL检测算法包括三个主要步骤：
1)去除伪信号；
2)提取聚焦特征；
3)确定FL值。
首先预处理原始脑电图信号，去除噪声信号。众所周知，脑电图前额区域的精神集中状态和精神集中状态alpha节律(8~ 12hz)高度相关，噪声伪影不同alpha节奏频率范围的频率区域。因此，为了消除伪影，快速改变傅里叶的信号，保留信号的功率谱模式alpha波段内的信号。
其次，对alpha聚焦特征提取波段中的功率谱。之前的研究表明，随着用户的精神状态从专注状态转变为非专注状态，脑电图alpha节奏的力量也增强了。因此，alpha在本研究中，波段用于表示用户聚焦状态的主频带，FL选择原始脑电图信号8的检测算法~ 12hz频带。将Focus Feature (FF)定义为alpha平均功率在节奏中的倒数如下：
4
作者报告了干式传感器和电路的测试结果，以确保它们可以用于日常生活中的测量EEG基于可穿戴的信号EEG的BCI设备的主要部件包括干式EEG传感器及其相应的读取电路。关于信号质量与皮肤传感器界面之间的阻抗EEG实验表征的传感器。
下图显示了验证信号质量的预测试验。预测实验的目的是识别EEG测量期为干式EEG传感器引起的任何失真。首先，使用带导电胶的标准EEG提前记录传感器EEG并将数据存储在计算机中。接下来，将脑电图数据输入可编程功能发生器，并通过分压器生成模拟人脑电图信号。然后模拟EEG将信号输入干式EEG在传感器中，记录和预记录EEG比较数据。
下图显示了预记录。EEG研究人员提出的信号和干式信号EEG传感器记录的信号。EEG使用干式信号EEG传感器获得的信号高度相关，达到97.68%的水平。EEG使用干式信号EEG传感器获得的数据之间的高度相关性证实了基于干式传感器的记录EEG信号的清晰度。
接下来，我们研究了传统的湿式EEG传感器和干式EEG传感器之间的相关性。下图显示了在用户的额头上使用干/常规EEG传感器对后传感器的位置和位置EEG测量的结果（F10）。使用干式前额EEG传感器和常规湿式EEG传感器获得的信号通常超过95.56％。因此，使用干式EEG传感器EEG传统湿式信号测量的性能EEG相同的传感器。
此外，还使用阻抗谱法(LCR4235,Wayne Kerr Electronics Ltd.)测量传感器-皮肤接触界面的阻抗。传统的脑电图传感器利用自粘附着在用户前额左侧的皮肤上。干燥的脑电图传感器用3米长的一次性皮带固定，每次测量之间仔细更换，以避免皮肤表面的任何变化。用2-丙醇棉垫轻轻擦拭用户皮肤，使2-丙醇在使用传感器前蒸发。阻抗谱测试信号设置为1，以确保结果的可靠性和可重复性v，频率范围设置为0.5 ~1000Hz。对五个不同的参与者进行了十次测试，分别测试了两个不同的脑电图传感器(湿式和干式)。下图显示了不同条件下的阻抗测量结果。黑线表示在下图中使用皮肤制剂或导电凝胶的干性EEG传感器对的阻抗。蓝色和红色的线分别表示未使用皮肤制剂和使用皮肤制剂时常规脑电图传感器的阻抗。常规脑电图传感器均采用导电凝胶法。结果表明，皮肤与无皮肤准备或导电凝胶的干性脑电图传感器之间的阻抗水平接近有皮肤准备和前额部位导电凝胶的湿性脑电图传感器(F10)。因此，干式脑电传感器在传导性能方面与传统的脑电传感器有一定的差距。
下图显示了不同传感器(干湿传感器)在长期EEG测量中的阻抗变化。在长期的脑电图测量中，导电凝胶和皮肤制备的常规脑电图传感器的阻抗变化高于干式脑电图传感器。干式脑电图传感器的阻抗变化范围为4~12 kOhm，在正常脑电图测量的可接受范围内。此外，在长期的EEG测量(2小时)中，与传统的EEG传感器相比，干式传感器在皮肤电极阻抗方面提供了可靠的信号质量(图10)。这一结果可以解释为，干燥的脑电图传感器不需要导电凝胶，在测量过程中容易干燥，因此降低了相对于湿传感器的稳定性。
5
实验结果表明，基于干式脑电传感器通过相应的无线脑电采集装置进行成功、稳定的脑电测量;这些结果与使用导电凝胶的传统脑电图传感器几乎相同。因此，与传统的基于脑电图的湿式传感器BCI设备相比，基于干式脑电图传感器具有允许常规和重复测量的潜力。并成功地将便携式、无线、低功耗的脑电采集模块用于脑电的长期监测。将干式脑电图传感器和无线脑电图采集模块嵌入可穿戴式脑电图采集装置中。使用基于脑电图的穿戴式BCI设备，不使用导电凝胶，使用户在日常生活中更舒适地监测脑电图状态。
在这项研究中，研究人员也使用了这种便携设备来演示基于脑电图的游戏控制的认知应用。以个人计算机为平台，运行实时聚焦特征检测算法和脑电图监测程序，监测用户的认知状态。实验数据表明，这种基于EEG的可穿戴BCI设备和相应的算法可以可靠地用于控制一般用户或研究人员的外部世界应用。该装置补充了其他现有的BCI方法，用于研究人类神经元激活的认知状态和日常生活中的行为反应。
参考文献
Liao, LD., Chen, CY., Wang, IJ. et al. Gaming control using a wearable and wireless EEG-based brain-computer interface device with novel dry foam-based sensors. J NeuroEngineering Rehabil 9, 5 (2012).
https://doi.org/10.1186/1743-0003-9-5
不用于商业行为，转载请联系后台
若有侵权，请后台留言，管理员即时删侵！
更多阅读
基于分类任务的信号(EEG)处理--代码分步解析
三次被提名院士，直博生人手一篇CNS，
女神胡海岚再获联合国“世界杰出女科学家奖”！
童年虐待对大脑结构、功能和连通性的影响
北理工团队在推动运动意图神经解码走向真实应用场景方面取得研究进展
上海交大情感脑电数据集(SEED)简介
双脑协同RSVP目标检测
利用脑电图(EEG)检测自闭症儿童大脑微状态的改变
你的每一次在看，我都很在意！