第一讲EEG信号基础解析

脑电图的基本知识、录像脑电图和24小时脑电图脑电活动的性质和电磁波一样有四个基本因素即频率、波幅、波形和位相（极性）。

除此之外脑电活动又有其本身的特殊性，脑电图不是记录某一点的电位，而是在头皮上记录大脑两半球各个部位的电活动，因此还存在各个部位之间的差异及特殊性的问题。

脑电活动是随机非线性电信号，因此还有出现方式的不同。

人脑功能与外界和本身内在环境的变化密切相关，对各种刺激的反应性也是应该注意的问题。

这些都是判断脑电图是否正常以及何种程度异常的基础。

频率频率（Freguency）是每秒种以基线为准波动的次数。

其单位为C/S（次/秒），亦即Hz （Hertz）。

每一次波动的起点和止点在基线上的跨度叫时限（Duration）其单位为毫秒（ms,1ms=1/1000秒）。

频率与时限互为倒数。

如某一脑电活动的时限为100ms即1/10秒，其频率为10Hz；亦即一个5Hz的波，其时限为200ms。

在脑电图的描述中常用频率而少用时限。

在Hans Berger首次描述脑电活动时使用频率的概念延续至今。

用频率的不同划分脑电活动为若干段，仅在形容非常慢的脑电活动时才使用时限。

脑电活动的测量应从一个波的起点量到终点即“从谷到谷”。

可以用公尺测量，测出波的宽度的毫米数，然后可用下列公式换算为频率：频率=30/波宽（mm）或用时限（ms）数除1000ms即为频率。

但用公尺测量常不够精确，如不易区分8Hz及7Hz 的波，因8Hz相当于3.75mm,7Hz相当于4.26mm。

但区分这两者是有实际意义的。

最好用专用尺测量。

这种尺的刻试以纸速30mm为1秒作标准。

按频率数每一长方格分为3等份，4等份以至于30等份，代表每秒3次，4次以至30次的频率。

测量时将尺在脑电图纸上移动，直到某一波的起止点正好在某一频率刻度之间。

此频率就是个波的频率数。

人类脑电活动的频率在0.5-30Hz间。

分为若干频率组叫频带（Frequency band）。

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EEG信号的分析方法黄小娜;石砚【摘要】脑科学是世界上研究的热点问题之一,目前有效可行的方法是利用脑电信号对大脑进行研究.现今,常用于脑电信号分析的方法有:时域分析法;频域分析法;时频分析法;非线性分析方法和人工神经网络等.这些方法可有效分析脑电信号特征,具有重要临床应用价值.【期刊名称】《甘肃科技》【年(卷),期】2010(026)009【总页数】2页(P17-18)【关键词】脑电EEG;时域分析法;频域分析法;时频分析法;非线性分析法;人工神经网络【作者】黄小娜;石砚【作者单位】甘肃省河西学院,物理科学与电子技术系,甘肃,张掖,734000;甘肃省河西学院,物理科学与电子技术系,甘肃,张掖,734000【正文语种】中文【中图分类】TN911.7大脑是一个复杂的系统,脑科学的研究是目前世界上研究的重点与难点之一。

目前有效可行的方法;是利用脑电信号 (electroencephalogram简称EEG)对大脑进行相关研究。

脑电是脑神经细胞的电生理活动在大脑皮层和头皮表面表现出的电位变化。

其通过头皮或皮层用双极或者单极电极记录,反应了大脑神经元的电活动。

EEG脑电信号包含了大量的生理与病理信息,经常用于脑部疾病、精神疾病、睡眠分析等脑科学相关研究。

EEG脑电信号是一种复杂的非平稳随机信号,具有信号微弱、个体差异大等特点,所以如何有效地提取其中的有用信息是脑科学研究的棘手问题。

大脑在不同的生理、病理状态下,大脑皮层的 EEG是不一样的。

1929年,Berger首次记录到了人的EEG脑电信号,经过多年的研究,EEG信号分析取得了巨大的进展。

1932年 Dietch 首先运用傅里叶变换对 EEG脑电信号进行了相应分析,之后相继有了时域分析、频域分析等方法[1]。

近年来,随着计算机技术、信号处理技术的快速发展,时频分析[2]、非线性分析[3]、人工神经网络[4]等现代方法也陆续运用在 EEG脑电信号的分析上面[2-4]。

脑电图electroencephalogram 河南科技大学第一附属医院神经内科一：原理脑电图的基本原理（一）基本概念将大脑细胞群的自发性、节律性电活动所产生与临近部位的5—100微伏电位差用电极加以引导接入放大和记录装置，放大100—200万倍，以脑细胞电活动的电位为纵轴，时间为横轴,记录或显示的电位一时间关系曲线，就是脑电图.不管是哪一类型的脑电图仪，至少包括有输入、放大、调节、记录/显示、电源等五大部分.脑电图的基本特征有周期、频率、振幅（波幅）、波形和位相。

周期：一个波从它离开基线到返回基线所需的时间称为周期或称为1周波,其计算单位为毫秒（1秒以内为短程；1－3秒为中程；3－10秒为长程)。

频率：每秒出现的周波数,分为4个频率带（δ频率带：3.5/s以下;θ频率带：4~7.5/s；α频率带：8~13/s；β频率带：13/s以上）。

以周/秒（c/s)表示。

振幅：一个波由波顶到波基底线的垂直距离,其计算单位为微伏（25微伏以下为低波幅；25－75微伏为中波幅；75－100微伏为高波幅;100微伏以上为极高波幅）。

波形:即波的形状（安静、闭目和清醒状态下的波形：正弦波或类正弦波、半弧状波、锯齿波、后头部孤立性慢波、复合波与多形波；睡眠状态时的脑波：驼峰波：又称顶尖波。

在浅睡期出现；睡眠纺锤波：又称σ节律，12—14Hz的波。

在中睡期出现）。

位相:一个波由基线向上、下偏转便产生位相，向上为负相,向下为正相（正常人中除额部与顶枕之间位相常相反外，在同侧半球其他部位前后(或左右）两个导联之间出现位相倒置是应属于异常）。

脑电图的频率,从0。

5～30Hz是为目前普遍使用于临床的频率范围（脑电图仪常用的有16导、24导、32导；滤除高于30Hz或60Hz以上的高频信号,因一般的脑电图有用信号在30Hz以下；滤除低频信号，降低低频干扰（呼吸、动作等）的影响,通过选择时间常数来限定和滤除低频信号。

常用0.1秒和0。

- 来自于荷兰Donders Center for Neuroscience的神经科学大牛Michael X Cohen在Trends in Neurosceince上发文讨论了EEG的来源与意义。

这里将部分内容呈现出来。

- Cohen最著名的著作之一就是《Analyzing Neural Time Series Data: Theory and Practice》。

他的网站在这里：过去一个世纪，人们使用EEG技术来调查认知加工过程和大脑功能，取得了丰富的成果。

但是我们对EEG所包含的信息是从哪里来的，这些信息代表什么意义却知之甚少。

一、神经元微回路与EEG神经元微回路 (Neural microcircuit)：是大脑在解剖或者功能上的一种尺度，这个尺度比单个神经元大，但是又比普通的fMRI研究中的体素更小。

微回路可以有多种形式，它由几十或者是几百个不同类型的细胞组成，但是他们相互之间的联系又比与其它细胞的联系更紧密，它们为共同的功能发挥作用。

这些微回路产生了多尺度的我们可以测量的电压上的变化，包括EEG的时间、频谱和空间特征在内。

如果我们能够在EEG特征和微回路之间建成一一对应的关系，那么EEG作为一种测量大脑功能的工具将变得异常强大。

但事实上，EEG 特征和微回路之间的关系很复杂，最乐观的情况是『few-to-some』，即少量的EEG特征与一定数量（希望不是非常大）的微回路相对应。

这种说法应该是部分正确的，因为只有当大量的锥体细胞对齐排列并同步放电时，我们才可以测量到EEG。

当前，我们需要解释为什么EEG信号中的某些特定模式总是与认知相关，比如相位扰动(phase perturbations)，基于相位或者是基于能量的联接，跨频率的耦合等等如何与某些认知功能关联。

在EEG被广泛用于脑科学研究和医学诊断一个世纪之后，我们仍然不能回答这个最基础的问题。

二、神经振荡与神经生理的联系神经振荡(Neural Oscillations)是EEG中最重要的特征，过去几十年间有大量的研究表明知觉、认知、运动和情绪加工等都与特定的振荡模式相关。

EEG信号与神经元活动之间复杂关联分析在神经科学研究中，脑电图(EEG)被广泛应用于研究神经元活动的时空特性。

EEG是通过在头皮上放置电极，记录到头皮下神经元群体的电活动所产生的信号。

这些信号可以用来探索不同脑区之间的相互作用与功能组织，并帮助我们理解人类认知、情绪、运动等复杂的神经行为。

然而，要准确地解读EEG信号并推断神经元活动之间的复杂关联，是一个相当具有挑战性的任务。

首先，EEG信号是宏观的，而神经元活动是微观的。

EEG信号是通过头皮记录到的电位变化，这些变化是来自多个脑区的神经元集体的活动，而不是单个神经元的活动。

因此，我们无法直接从EEG信号中推断出单个神经元的活动。

然而，通过使用一系列信号处理和统计学方法，我们可以尝试从EEG信号中提取出反映神经元群体活动的特征。

一种常用的方法是采用事件相关电位(ERP)分析。

ERP是EEG信号在特定事件（如视觉刺激或运动）发生时的平均响应。

通过对大量重复事件的EEG记录进行平均，可以提取出与事件相关的脑电活动。

ERP的波形特征，如P300、N170等成分，可以用于研究特定刺激或任务对脑活动的影响，并揭示神经元活动之间的时域关联。

其次，EEG信号是非常噪音的。

EEG信号受到多种干扰源的影响，如头皮电位、肌肉运动、眼球运动等。

这些噪音干扰使得EEG信号的分析变得异常困难。

因此，我们需要采用合适的去噪方法，以减少噪音的影响并提高信号质量。

常用的去噪方法包括滤波、独立成分分析(ICA)等。

通过这些方法的应用，我们可以有效地降低EEG信号中的噪音水平，提高神经元活动的可靠性和可解释性。

另外，EEG信号与神经元活动之间的关联是非线性和复杂的。

神经系统的运作是一个高度复杂的非线性系统，其中脑区之间的相互作用涉及到多个层次的网络结构和时空尺度。

因此，传统的线性方法往往无法揭示EEG信号与神经元活动之间的真实关联。

近年来，复杂网络分析和机器学习方法的发展为我们提供了新的工具和思路。