基于TGAM模塊的穿戴式腦電實時采集監(jiān)護系統(tǒng)*

王萍萍，張晴，劉燕，周玉福，邱本勝，戴亞康，鄭以山

(1.中國科學技術大學 信息科學技術學院，合肥 230027；2.中國科學院蘇州生物醫(yī)學工程技術研究所；3.南京第二醫(yī)院)

基于TGAM模塊的穿戴式腦電實時采集監(jiān)護系統(tǒng)*

王萍萍1,2，張晴1，劉燕2，周玉福1，邱本勝1，戴亞康2，鄭以山3

(1.中國科學技術大學 信息科學技術學院，合肥 230027；2.中國科學院蘇州生物醫(yī)學工程技術研究所；3.南京第二醫(yī)院)

設計了一種基于TGAM模塊的穿戴式無線腦電采集監(jiān)護系統(tǒng)。文章先后詳細闡述了本系統(tǒng)的工作流程、硬件設計和軟件設計，系統(tǒng)利用干電極采集腦電原始數(shù)據(jù)，TGAM模塊和微處理器進行數(shù)據(jù)處理與分析，安卓APP進行數(shù)據(jù)的顯示和日常監(jiān)護，同時，當腦電異常時，預警模塊及時報警，實現(xiàn)了全方位動態(tài)實時的腦電采集與監(jiān)護。經(jīng)驗證，本系統(tǒng)實時性較強，便于攜帶。

TGAM；穿戴式系統(tǒng)；監(jiān)護系統(tǒng);腦電

引 言

腦電(EEG)具有大量豐富的大腦神經(jīng)活動信息，它是人體中最重要的生物電信號之一，人體的EEG信號主要頻段分布在0.05～100 Hz，信號微弱，大約為10～200 μV，根據(jù)信號頻率的不同，大致可以分為以下幾種波: δ波(1～4 Hz)、θ波(4～8 Hz)、α波(8～13 Hz)、β波(13～30 Hz)、γ波(>30 Hz)[1]。以腦電為基礎的腦機接口(Brain Computer Interface, BCI)技術也廣泛應用于多種健康領域，例如睡眠障礙、疲勞檢測、運動障礙輔助等。近年來，BCI技術的研究已經(jīng)成為熱點并取得較大的進步，其中基于無創(chuàng)式的頭皮腦電采集BCI更成為主流，具有廣闊的應用前景[2]。

對于傳統(tǒng)BCI腦電采集監(jiān)護系統(tǒng)，雖然具有能夠滿足科研和醫(yī)療要求的精度，但普遍存在操作專業(yè)性強、使用繁瑣、價格昂貴、體積大等缺點[3]。被試者通常需要涂抹大量導電膏及佩戴專用的電極帽，這樣不利于實時連續(xù)的監(jiān)測和日常使用，從而可能會遺失關鍵的腦電特征信號以輔助精準的紀錄與診斷，也不便于用戶日常跟蹤監(jiān)護和自我健康管理?；谏鲜鲈?，本文開發(fā)了一套實時的、無創(chuàng)的、可穿戴的腦電采集監(jiān)護系統(tǒng)。它便于日常攜帶，體積小、操作簡單、可以實現(xiàn)對腦電信號實時采集、傳輸、預警等功能，使腦電采集和監(jiān)護不再局限于醫(yī)院或者實驗室，實現(xiàn)隨時隨地觀測腦波數(shù)據(jù)，能廣泛運用在健康、娛樂、教育、科研等領域。

1 系統(tǒng)整體結構

BCI技術在監(jiān)護領域具有重要地位，嵌入式系統(tǒng)與無線通信技術的發(fā)展更推動了穿戴式BCI技術的發(fā)展。如圖1所示，穿戴式腦電實時采集監(jiān)護系統(tǒng)主要由干電極、TGAM模塊、微處理器、藍牙模塊、移動外設、預警監(jiān)護模塊、電源模塊組成。由Ag/Agcl覆蓋的干電極用于信號采集，避免了傳統(tǒng)濕電極佩戴的繁瑣與不舒適感。采集到的模擬信號經(jīng)過TGAM模塊預處理(去噪、放大、A/D轉化)，輸出原始波數(shù)據(jù)和腦電特征值，微處理器對腦電特征進行綜合處理，若達到設定的閾值，則觸發(fā)預警監(jiān)護模塊對用戶進行及時的預警，同時通過藍牙4.0將信號傳送給移動外設(PC、智能手機等)進行算法實現(xiàn)、歷史紀錄、存儲、圖形化顯示等，也可傳給云端進行云計算和云存儲。

圖1 系統(tǒng)整體框架

2 硬件設計

本系統(tǒng)實現(xiàn)目的在于穿戴式的腦電實時采集與監(jiān)護，硬件設計應盡量滿足以下幾點：① 穿戴產(chǎn)品中系統(tǒng)應滿足低功耗、體積小、重量輕的特性，同時應便于日常穿戴，舒適安全。② 腦電信號幅度極微弱，一般為10～200 μV，且容易受到眼電、肌電等外部噪聲影響，這要求選擇的腦電信號處理芯片能有效去除外部環(huán)境噪聲，具有高阻抗、高共模抑制比特性。③ 盡量采用市場常見、性價比高的器件，降低成本，面向大眾用戶使用。

2.1 TGAM模塊

Think Gear ASIC Module(TGAM)是NeuroSky公司開發(fā)的一款面向普通大眾的應用級腦電采集和處理模塊，廣泛應用于各類BCI領域的研究中。該模塊采用先進的干電極技術，可有效采集大腦中微弱的腦電信號，采樣頻率達512 Hz，3.3 V電壓下最大功耗為15 mV。在信號采集過程中去除周圍環(huán)境的噪聲影響，再通過濾波、放大、A/D轉換等信號處理技術得到清晰的數(shù)字化信號。其采用工業(yè)標準的串行UART接口，不僅能數(shù)字化輸出原始數(shù)據(jù)，還能通過已獲專利的eSenseTM算法對腦電信號分類后，輸出δ、θ、α、β、γ等特定頻率范圍內(nèi)的獨立腦電波數(shù)據(jù)以及“關注度”、“放松度”指數(shù)[4]。該模塊對腦電信號校準采用“慢速自適應”算法，對個體差異和信號波動趨勢進行動態(tài)補償，抗干擾能力強，因此在不同個體和采集環(huán)境的條件下依然能可靠準確地采集腦電數(shù)據(jù)。TGAM模塊的典型連接電路如圖2所示。

2.2 腦電信號采集

在本系統(tǒng)中，用于腦電信號采集的電極選用非侵入式干電極，在電極表面鍍上Ag/Agcl增加電導率，在保證信號質(zhì)量的同時，避免了傳統(tǒng)濕電極需涂抹導電膏的繁瑣，佩戴簡單、舒適、安全。成人的腦電活動在前額較為明顯，且此處毛發(fā)稀少便于電極安置，因此，參照國際通用的10～20電極放置法[5]，本系統(tǒng)將EEG采集電極放置于左前額處，參考電極放置于耳垂或者耳背，然后將EEG電極和參考電極的差分信號傳送到TGAM芯片進行信號的處理。

此外，為了降低皮膚油脂帶來的噪聲影響，采集前可先在信號采集點涂抹適量酒精，同時為保證電極與皮膚接觸良好，避免滑動，電極與皮膚的壓力至少0.8 PSI(Pounds per square inch)。

2.3 腦電信號處理

干電極采集到的腦電信號首先傳給TGAM模塊，TGAM模塊經(jīng)過自身內(nèi)部算法對信號預處理，每秒輸出兩類信號包:小包包括腦電原始數(shù)據(jù)Rawdata;大包則包括信號強度Signal、關注度Attention、放松度Meditation以及8個不同頻段的能量值。然后，TGAM將預處理后的信號傳給微處理器，微處理器解析兩類信號包后，依據(jù)不同應用建立不同算法方程，當達到閾值時通知預警模塊及時預警。由于腦電信號的大部分運算都由TGAM完成，主流的智能穿戴對MCU要求較低，夠用即可[6]。在本系統(tǒng)中，MCU選用高性價比的STC12LE5A60S2，它是一款高速、低功耗、超強抗干擾型單片機，對于一般BCI應用，功能和性能均能滿足。

2.4 腦電信號傳輸

此外，系列店內(nèi)用品此次也進行了重新設計，南翔饅頭六代傳承的歷史故事被完美融合到了枱墊、餐巾紙、筷子套、外賣食物盒、手提紙袋、菜牌封面等的設計中，將外型之美與歷史底蘊呈現(xiàn)得淋漓盡致。值得一提的是，南翔饅頭店內(nèi)還打造了古樸典雅的文化墻，簡潔易懂的文字將南翔饅頭店的百年歷程全然展現(xiàn)在食客面前。

系統(tǒng)選用超低功耗DX-BT05 4.0主從一體藍牙模塊與PC、智能手機等移動外設進行無線通信。其核心采用TI公司的CC2541芯片，配置256 KB，遵循V4.0 BLE藍牙規(guī)范，支持AT指令和SPP藍牙串口協(xié)議，在自動休眠模式下，待機電流僅為400 μA～1.5 mA，成本低，體積小、收發(fā)靈敏，特別適用于穿戴產(chǎn)品使用。

2.5 電源供給

在穿戴式系統(tǒng)中，電源的選擇是其中一個重要考慮因素，需要綜合考慮電源放電性能、體積大小、安全性等。本方案采用便攜式產(chǎn)品常用的3.7 V聚合物鋰電池供電，其具有充電能力強、高功率持續(xù)放電、壽命長、安全性能好、環(huán)保等特點。其充電電路如圖3所示，保護電路采用成熟的充電管理芯片TP4056，外圍電路簡單，有效防止過沖、過放、過流。該電路輸入+5 V外部電源，鋰電池的正負極分別與TP4056芯片引腳5和GND連接，充電時紅燈亮，充滿時綠燈亮。其中PROG(引腳2)是充電電流檢測端，TEMP(引腳1)為電池溫度檢測端，直接連接GND端，可取消溫度檢測功能。

圖3 電源充電電路

3 軟件設計

3.1 下位機流程設計

圖4 下位機數(shù)據(jù) 采集與處理流程圖

下位機的主要功能是腦電信號的特征參數(shù)提取、綜合分析處理及硬件預警功能?？紤]到下位機的運算能力和響應速度，簡單的數(shù)據(jù)分析可直接完成，而復雜的數(shù)據(jù)分析則由上位機完成并判斷是否達到閾值，從而反饋于下位機，及時預警。下位機數(shù)據(jù)采集與處理流程如圖4所示。① 系統(tǒng)首先進入串口初始化InitUART()函數(shù)，其中串口中斷方式采用雙串口通信，波特率設為57 600 bps，定時器時鐘設為1T、8位自動重裝方式，串口1和串口2分別使用“定時器1”和“獨立波特率發(fā)生器”作為波特率發(fā)生器。② 當串口收到數(shù)據(jù)觸發(fā)中斷處理UARTInterrupt()函數(shù)，先通過檢驗“頭文件”Plength字節(jié)和“負載校驗和”Checksum字節(jié)來判斷接收到的數(shù)據(jù)流是否完整有效，然后解析腦電原始值和特征值，腦電原始數(shù)值由兩個字節(jié)Value[0]和Value[1]組成，將Value[0]左移8位，再按位或Value[1]便能重建原始波值，即rawdata=(Value[0]<<8)|Value[1]，此值是一個從-32 768～32 767之間的16位帶符號整數(shù)。解析的腦電特征值包括專注度Attention，放松度Meditation，δ、θ、α、β、γ等8組特定頻率范圍內(nèi)腦電波功率譜值。③ 利用解析到的腦電數(shù)據(jù)應用到不同的場景做分析，例如司機的疲勞檢測、睡眠檢測、腦疾病監(jiān)護等。當達到閾值時，觸發(fā)LED和蜂鳴器等硬件及時預警，以實現(xiàn)腦電的實時采集與監(jiān)護。

3.2 上位機流程設計

上位機主要完成用戶登錄、算法實現(xiàn)、歷史記錄、存儲、圖形化顯示等移動端應用功能。以安卓APP開發(fā)為例，上位機腦電動態(tài)監(jiān)護流程如圖5所示。

圖5 上位機腦電動態(tài)監(jiān)護流程圖

② 初始化并配置工程的環(huán)境，包括將ThinkGear.jar文件加入工程中、TGAM有關的類添加到活動中、聲明藍牙適配器等。

③ 判斷手機藍牙是否正常連接。當BluetoothAdapter !=null時，說明可以與藍牙從機正常通信，TextView模塊顯示Connected；讀取MSG_POOR_SIGNAL，判斷腦電采集設備是否正確佩戴以及采集信號強度。當POOR_SIGNAL值等于0時說明信號良好。

④ 大數(shù)據(jù)分析模型與個體特征參數(shù)分析模型相結合，建立并優(yōu)化動態(tài)補償功能的自適應閾值算法方程。

⑤ 將原始信號和數(shù)據(jù)分析結果存儲在本地或云端，圖形化顯示結果，便于用戶理解和隨時查看；若達到閾值，將分析結果反饋給MCU通知下位機預警，同時APP自動開啟響鈴和短信提醒實現(xiàn)移動端預警。上位機與下位機進行的實時無線通信保證了預警和監(jiān)護過程信號的有效性與及時性。

4 實驗與結果

本文對6名志愿者進行腦電數(shù)據(jù)采集，并組織了三組實驗：Alpha波阻斷、疲勞檢測、睡眠監(jiān)測。實驗結果表明，本系統(tǒng)能正確采集并處理腦電信號，驗證了本腦電實時采集監(jiān)護系統(tǒng)的有效性和可靠性。

4.1 α波阻斷

α波是人體主要的自發(fā)腦電波之一，比誘發(fā)腦電更容易檢測，常見于全部頭皮。α波具有獨特的阻斷現(xiàn)象，即正常人安靜閉眼條件下，α波出現(xiàn)或增強；當睜開眼或接受其他外界刺激時，α波減弱或消失；當實驗者再次閉眼時，α波重新增強[7]。

圖6 睜眼條件下α波阻斷

在智能家居、智慧醫(yī)療等各類BCI應用中，研究人員常利用α波阻斷原理建立人腦與計算機之間的信息交流通道，具有廣泛的應用前景。在本實驗中，分別采集志愿者在閉眼和睜眼的條件下的α波數(shù)據(jù)，如圖6所示，實驗結果表明，當志愿者睜眼時的α波明顯發(fā)生阻斷現(xiàn)象，其值明顯低于閉眼值。其中α波是無量綱的歸一化值。

4.2 疲勞檢測

對于疲勞檢測，現(xiàn)今比較流行的客觀檢測方法有：計算機視覺、心電、脈搏、腦電等。其中，腦電信號直接反應疲勞程度，這種方法精確度高、時效性好，一直被譽為檢測疲勞的“金標準”[8]。精確及時的疲勞檢測在駕駛、高空作業(yè)等領域中有著重要的應用，例如在疲勞駕駛中，司機辨識能力和控制能力迅速下降，極其容易產(chǎn)生交通事故；再如在礦工中，疲勞作業(yè)也是煤礦事故產(chǎn)生的重要原因，穿戴式疲勞檢測逐漸成為BCI的重要研究熱點。

圖7 關注值、放松值、眨眼信號

本實驗分別在志愿者疲勞和清醒兩種狀態(tài)下采集腦電波，進而分析關注值、放松值的差異。關注值表示志愿者的“注意”和“集中”強烈程度，精神恍惚、注意力不集中時關注值降低。放松值表示志愿者的“放松”和“平靜”程度，激動、緊張時，放松值降低。關注值和放松值的數(shù)值范圍均為1～100，值越大表明此項水平越高，實驗結果如圖7(a)和7(b)所示，結果表明在疲勞狀態(tài)下，志愿者的關注值會明顯下降，同時，放松值明顯上升，利用關注值和放松值的變化有助于及時檢測使用者的疲勞狀態(tài)。

另一方面，利用腦電和眼電幅度的明顯差異，建立眨眼檢測函數(shù)，可輔助檢測疲勞狀態(tài)。腦電是一種μV級的電信號，極其微弱，而眨眼產(chǎn)生的眼電是mV級，明顯大于腦電。研究表明當疲勞困倦時，人的眼部行為(單位時間眨眼次數(shù)、閉眼持續(xù)時間、眨眼時間)會產(chǎn)生變化，關鍵技術是能否在采集到的原始信號中有效分離腦電與眼電信號。實驗結果如圖7(c)所示，虛黑框里標注為捕捉到眨眼信號，當信號值連續(xù)高于正常值時則判定為眨眼，計算30 s內(nèi)眼部行為參數(shù)，從而建立眨眼檢測函數(shù)blink ()。

4.3 睡眠監(jiān)測

睡眠監(jiān)測是人類腦科學研究的重要課題，對睡眠的研究有助于解決失眠問題，改善睡眠質(zhì)量，同時睡眠階段的數(shù)據(jù)也是診斷精神疾病的重要依據(jù)。腦電圖是客觀評價睡眠質(zhì)量的經(jīng)典方法，對睡眠的研究表明隨著睡眠的加深，腦電信號的低頻節(jié)律會(δ、θ波)會增加，而高頻節(jié)律(α、β、γ波)減少[9]。某志愿者睡眠監(jiān)測結果如圖8(a)和8(b)所示，結果顯示在10 min左右,該志愿者逐漸進入睡眠期，其δ波和θ波節(jié)律呈上升趨勢，而高α波和β波節(jié)律呈下降趨勢。分別對6名志愿者的覺醒期和睡眠期的低頻和高頻節(jié)律分析，結果如表1所列。

圖8 睡眠期低頻節(jié)律和高頻節(jié)律變化

狀 態(tài)δ+θ/%α+β/%γ/%覺醒期47．5439．9312．53睡眠期60．9932．516．50

結 語

[1] 戴逸翔，王雪，李宣平，等. 面向生物信息感知網(wǎng)絡稀疏腦電測量的模糊粗糙情緒識別[J]. 儀器儀表學報，2014(8):1693-1699.

[2] 劉泓，何慶華，閆慶廣，等. 基于EEG的腦-機接口實用化研究進展[J]. 生物醫(yī)學工程學雜志，2010(3):702-706.

[3] 謝宏，李亞男，夏斌，等. 基于ADS1299的可穿戴式腦電信號采集系統(tǒng)前端設計[J]. 電子技術應用，2014, 40(3):86-89.

[4] 杜冠宏，李慶之，董正心. 基于TGAM模塊的疲勞駕駛監(jiān)測系統(tǒng)[J]. 新型工業(yè)化，2016，6(8).

[5] Jurcak V,Tsuzuki D,Dan I. 10/20, 10/10, and 10/5 systems revisited: their validity as relative head-surface-based positioning systems[J]. Neuroimage,2007,34(4):1600-1611.

[6] 劉思言. 可穿戴智能設備引領未來終端市場諸多關鍵技術仍待突破[J]. 世界電信，2013(12):38-42.

[7] 黃遠桂，吳聲伶．臨床腦電圖學[M]．北京:人民衛(wèi)生出版社，1998．

[8] 程文冬，付銳，袁偉，等. 駕駛人疲勞監(jiān)測預警技術研究與應用綜述[J]. 中國安全科學學報，2013,23(1):155.

[9] 傅佳偉，石立臣，呂寶糧. 基于EEG的警覺度分析與估計研究綜述[J]. 中國生物醫(yī)學工程學報，2009，28(4):589-596.

王萍萍(研究生)，主要研究方向為嵌入式系統(tǒng)應用與人工智能。

Real-time Wearable EEG Acquisition and Monitoring System Based on TGAM Module

Wang Pingping1,2,Zhang Qing1,Liu Yan2,Zhou Yufu1,Qiu Bensheng1,Dai Yakang2,Zhen Yishan3

(1.School of Information Science and Technology,University of Science and Technology of China,Hefei 230027,China; 2.Suzhou Institute of Biomedical Engineering and Technology;3.The Second Hospital of Nanjing)

In the paper,a real-time wearable EEG acquisition and monitoring system is proposed,which is based on wireless transmission technology of TGAM.The work flow,the hardware and software of the system are described in detail.The original EEG data is collected by the dry electrodes.The TGAM and microprocessor realizes the data processing and analysis.The Android APP is responsible for the signal recording,displaying and monitoring. It is proves that this system has a strong real-time performance,it is easy to carry.

TGAM;wearable system;monitoring system；EEG

國家自然科學基金(項目編號：81371537,91432301,61501452)；江蘇省重點研發(fā)計劃(項目編號：BE2016613,BE2016010)。

TP27

A

?迪娜

2017-03-15)