【www.zhangdahai.com--叙职履职报告】
【摘要】 在其他图形系统的基础上，研究开发了脑电图分析专家系统。该系统中显示的脑电图特征揭示了大脑工作机理在不同认知状态下的能量分布特性，给图形的研究判断提供了帮助。它采用了简单模式，将系统分为脑电图诊断分析系统和数据特征记录系统；主要解决了医生对大量不同的脑电图图像的区别工作、对一些脑电图的特征记录这两个难点；在如何有效地提高脑电图的分析方面、如何辨别不同的图像特征方面创新地提出了自己的解决方案。
【关键词】 脑电图；分析；系统
【Abstract】In other graphic system is developed, based on the analysis of EEG studies expert system. This system shows the characteristics of EEG revealed in different brain cognitive mechanism under the condition of energy distribution characteristics, to judge the research provides a graphics. It USES a simple model, the system is divided into EEG analysis system and data recording system, The doctor for a major to solve the difference between different images, EEG recording of some characteristics of the two electroencephalogram (EEG) difficulties, How to effectively improve on electroencephalogram (EEG), how to distinguish the analysis of different image characteristics and their solutions.
【Key words】EEG; Analysis; System
随着社会的发展，人们对于脑部疾病的认知也越来越广泛。脑部疾病已经不是一件很可怕的病，大量的临床研究可以治疗这种病。不同的疾病也造成了很多不同的脑电图图像，很好的利用原有的图像对疾病的研究、治愈起到极其重要的步骤。这就需要我们把这些图像、特征数据联系起来，进行匹对、分析。而普通的人工寻找图像的相似度难以实现，运用计算机来制作一个这样的系统就变的有为重要。
1需求目的分析
1.1同类课题国内外研究状况
目前脑电在认知研究中的作用尚有很大的局限性, 究其原因主要表现在无法获得研究需要的足够高的时间分辨率。一方面是由于信号采集系统的限制,使得无法实时地获得更高时间分辨率的信号, 这一点随着微电子计算机技术的发展正在逐步得到解决; 另一方面,更重要的是由于计算机对于采集到的大量的实时数据的处理速度还不能满足需求。因此如何更好地及时地处理高速率的实时的脑电数据也是需要进一步研究的一个话题。
脑电信号是大脑组织脑电活动和大脑功能状态的综合反映,是一种机理相当复杂的随机信号。脑电图( EEG)是脑电信号在大脑皮层或头皮表面的总体反映。《我国体育运动领域中脑电图研究现状的综述》[1]、《Lennox-Gastaut综合征的临床及脑电图特征分析》[2]和《脑瘫患儿167例脑电图改变分析》[3]等等各种形式的思维状态以及病理情况在不同的大脑皮层位置反映出不同的脑电图。在临床医学方面,脑电信号处理可以为某些脑疾病提供诊断依据和提供有效的治疗手段。同时,随着近年来计算机应用技术的发展,脑- 计算机接口技术迅速发展。脑- 机接口利用人们对特定感觉或者感知活动的脑电的不同,对脑电信号进行有效提取和分类达到某种控制目的。由于脑电信号自身非平稳随机信号的特点,提取脑电信号中的有用信息成为极具难度但是非常有前景的课题。
1.2脑部疾病的种类区分
脑部疾病分很多种，比如说癫痫疾病、发性脑梗死、小儿热性惊厥、醉酒者脑电图、睡眠的脑电图、脑震荡患者、鞍区肿瘤等等。但是大家不了解的是每种疾病又分很多种情况，不同的情况会出现不同的脑电图。就说癫痫疾病中的脑电图图像在不同年龄阶段（新生儿期，婴儿期，幼儿期，学龄前期，学期，青春期，青年期，青年人，中年人，老年人）的三阶段（清醒期，思睡期，睡眠期）的正常与非正常的图形分析比较。
1.3医生的需求
医生在研究脑电图的类型上，也有很多方面考虑不足、不到位。不可能所有的脑电图医生看过一次就会对它有很深的印象，这就需要一个这样的分析专家系统给医生适当的帮助，提高医生的工作效率。
2脑电信号目的分析
2.1脑电信号的预处理
脑电信号的预处理主要是指对其进行去伪迹（artifact）处理。脑电信号非常微弱，在测量过程中很容易受到内部和外部环境变化的影响。面对伪迹信号，脑电信号的预处理方法主要有以下几种：(a)直接删除伪迹信号;(b)使用带通滤波器对信号进行滤波; (c)通过PCA (Principal Components Analysis)、ICA (Independent Components Analysis)、 以及CSP (Common Spatial Patterns)等方法来实现对干扰信号的重构，再从测量信号中去除干扰信号;(d)通过建立干扰信号与脑电信号的数学模型，直接将干扰信号分离。预处理过程中另外一个问题就是如何区分正常信号和伪迹信号。常用的方法是在时频域设定相应的固定阈值。进一步可以通过建模的方法设定自适应的阈值，只接收阈值范围内的信号[4]。
2.2脑电信号的特征提取
对于有刺激的情况，研究脑电信号对刺激反应的相关性时，最常用的特征信息是刺激信号的诱发电位。在不同的状态下，诱发电位的出现时刻以及峰值会有相应的改变[5]。在更一般的情况下，常用的特征提取方法可以分为三大类：(a)在时域和频域上的特征提取方法，如带通滤波器，自回归模型，离散傅立叶变换，以及小波变换等。(b)在空域上的特征提取方法,如PCA, CSP, ICA, 空间复杂度模型，空间能量分布及变化模型等。(c)时空结合的方法，如时空滤波器、多元回归模型、时空复杂度模型、时空同步性模型和在一段时刻不同位置的相关性模型等。除此以外，还可以通过逆向模型进行特征提取，如根据脑电信号计算偶极子 位置，从而以偶极子的放电位置作为特征信息。[6]
2.3脑电信号分析
最简单的脑电信号分析方法是相关性分析。对于频域上的峰值信息，可直接分析峰值出现的位置。但这样的分析方法，往往准确度很低，一般只能是一个粗略的定性分析结果。要得到较精细的分析结果，就需要相对复杂一些的分析方法，如通过各种功能强大的统计模型进行分析，或通过神经网络进行分析，甚至通过流形学习的方法进行分析。具体分析时，有的研究者将多通道信号分开分析，选出最相关的一些通道进行信息汇总。
3系统设计方法
3.1系统的总体实现方案
本系统运用vb程序为基础，设计了一个简单而实用的系统。运用ASP技术，后台数据库采用Microsoft2007。系统界面设计如图（1）：
本结构是一个软件的形式展现给我们，用户通过对图像的输入进行相应的比较、分析。对于一张陌生的图像进行保存并且记录下其特征数据，以便于下次分析新图像的便利，后台数据库则存下我们所需要的内容、图像。优点在于：该程序的操作很便利，普通的人们都可以对该程序进行快速、灵活的运用。
3.2系统的功能模块
本系统有图像的输入和数据特征的记录，这两个主要的功能。首先，用户输入一张需要识别的脑电图。根据自己的粗略判断，判断出该图像是属于哪类的脑电图，确定一个方向。然后，再该系统上输入你所判断的脑电图类型的关键字，查找出相应的脑电图图像。接着在进行一张张的比较、分析（图片还有放大的功能），查找出相似的图像。最后，确定该图像是属于哪种疾病。如果没有这种新的脑电图，可以对该图片保存、记录特征，完善系统的图像特征。
4系统功能实现结果
4.1系统在医学上
对于医学研究工作提供了很多的便利，使医学研究与脑电图像结合在一起，运用vb程序方便的查找出医学疾病特征变化点。
该系统可以用类型的脑电图疾病名称进行查询分析，通过该系统可以防止医生在看病的过程中，由于疲劳、劳累，造成对疾病的误诊，可以帮助医生进行诊断，为疾病的治疗争取到更多的时间，减少这些因素而造成的误诊，影响人们的治疗时间。该成果也可以让未受过医学训练的人对脑电有初步的诊断能力，用法简单明了，有一定的实用推广价值。对人体其他部位的图像分析也有一定的参考价值。
在当今世界，人们都用自己的努力去改造自己美好的明天，让自己、家人、朋友生活的健康、快乐。拥有一个健康的身体是刻不容缓的，努力的研究出疾病的发病早期症状并提早治是我们现在该做的事。运用该系统，任何人都可以自己去检查，分析自己的身体状况，为人们提供了很大的方便。提早的发现自身的问题，对自身的健康有了保障。
4.2系统的难点、不足之处
本系统采用人工识别的方法来判别脑电图的特征，降低了两张图片匹对数据的客观性，增加了人们对图片比较的难度，影响了结果的正确性。其中脑电(EEG)检测是一种无创的、具有高时间分辨率的、侧重时间上信息传递和处理的研究方法。EEG包含了大脑皮层神经活动的信息, 其中蕴含着包括思维、情感、精神以及心理等活动的丰富内容, 深入研究EEG对于了解认知和思维过程,揭示大脑工作机理具有重要意义。脑电的分析吸引了国际上许多学者,主要是对不同导联、不同心理作业的时间系列信号进行处理,利用不同认知状态下的能量分布特性来揭示大脑工作机理。这在很大程度上需要我们应用先进的科学技术手段来识别图像的相似度，提高匹对的正确性。
总之，在脑电图分析系统的研究上，我们应该突破传统的模式和方法，进行积极的探索和有益的尝试，提高识别图像的准确度。该分析系统的应用无疑会提高人们对脑电图有关疾病的认知、判断能力。我们要不断总结这方面的经验，增加计算机软件对脑电图分析的作用，使人们在研究疾病的进程有重要意义。
参考文献
[1]Shanxi sports science published an article in sports field in the review of research status of EEG， 2008,04.
[2]The modern medicine published the practical Lennox - Gastaut syndrome and EEG analysis of clinical features，2009,09
[3]Chinese journal of cerebral palsy patients have the change of 167 cases of eeg analysis are emphasized the importance of the study of disease electroencephalogram (EEG)，2009,02
[4]P. Anderer, S. Roberts, A. Schlgl, G. Gruber, G. Klsch, W. Herrmann, P. Rappelsberger, O. Filz, M. J. Barbanoj, G. Dorffner, B. Saletu, "Artifact Processing in Computerized Analysis of Sleep EEG � A Review", Neuropsychobiology, 1999, 40, pp.150-157.
[5]D.H. Loewy, K.B. Campbell, D.R. deLugt, M. Elton, A. Kok, "The Mismatch Negativity During Natural Sleep: Intensity Deviants", Clinical Neurophysiology, 2000, 111(5), pp. 863-872.
[6]P. Halboni, R. Kaminski, R. Gobbele, S. Zuchner, T.D. Waberski, C.S. Herrmann, R. Topper, H. Buchner, "Sleep Stage Dependant Changes Of The High-Frequency Part of The Somatosensory Evoked Potentials at the Thalamus and Cortex", Clinical Neurophysiology, 2000, 111(12), pp. 2277-2284.
