基于ICA去除人工耳蜗EABR信号的FNS伪迹研究

胡红梅，李 楠

(江苏大学 机械工程学院，江苏 镇江 212013)

基于ICA去除人工耳蜗EABR信号的FNS伪迹研究

胡红梅，李 楠

(江苏大学 机械工程学院，江苏 镇江 212013)

为改善人工耳蜗植入者的电诱发听觉脑干反应在其人工耳蜗植入后的评估效果，针对脑电信号在叠加平均法等预处理后出现的面部神经刺激伪迹(FNS)，提出了利用独立成分分析(ICA)的方法去除电诱发听觉脑干反应中的面部神经刺激伪迹，通过优化算法寻求一个分解矩阵，使目标函数最优，将预处理后的脑电信号按统计独立原则分解为若干独立信号源成分，完成伪迹的去除。对比处理前后的信号波形图，结果表明，采用ICA方法能有效地去除人工耳蜗中的FNS伪迹。

电诱发听觉脑干反应信号；人工耳蜗；面部神经刺激伪迹；独立成分分析法

人工耳蜗是一种帮助深度耳聋患者恢复听力的电装置。其主要原理是电流直接作用经由手术插入内耳的电极来刺激听觉神经。人工耳蜗植入者的电诱发听觉脑干反应(Electrically Evoked Auditory Brainstem Response ,EABR)是人工耳蜗植入者的言语识别能力和植入效果的评价指标[1]。由于人工耳蜗植入者的EABR信号包含很大的伪迹，这些伪迹将会影响其评估效果，因此应尽量去除这些伪迹，以提高EABR信号评价人工耳蜗植入效果的准确性。

EABR波形类似于传统的声诱发脑干反应信号 (Auditory Brainstem Response，ABR)的波形，二者的主要差异体现在EABR的潜伏期比ABR的潜伏期短以及EABR的幅值比ABR幅值大[2-3]。EABR的波形和电刺激伪迹主要由刺激模式，刺激极性，脉宽，刺激频率，刺激水平，以及刺激电极的位置等几个因素决定。电流脉冲能量越大，产生的伪迹越强。EABR及ABR通常是通过叠加平均法来增加信噪比来得到，但在某些受试者的某些EABR信号的记录里，人工耳蜗植入(Cochlear Implant ,CI)者的电极刺激不仅作用于听觉神经，同时还会作用于面部神经等神经末梢，因此会在EABR信号中引入电刺激伪迹，其中包括面部神经刺激伪迹。由于电刺激伪迹与刺激同步，因此这些伪迹不能用叠加平均法去除[4-5]。因此，本文侧重于用独立成分分析(Independent Component Analysis， ICA)的方法去除面部神经刺激(Facial Nerve Stimulation，FNS)引起的伪迹。

1 实 验

1.1 实验对象

为获得课题研究的原始信号，征集3位受试者(S1，S2，S3)，采集其EABR信号数据。受试者的基本信息如表1所示，除S1外，其余受试者均没有残余听力。

表1 4位受试者的基本信息

1.2 实验设备和信号记录

实验采用的激励信号和脑电图装置的连接如图1所示，计算机控制生成的单边或双边同步的电脉冲激励信号经I/O接口输出，直接作用于人工耳蜗的外部的感应线圈。图形用户界面可用来输入受试者的信息和实验参数，并执行基本的听力测试。

图1 信号采集系统

图2所示为脑电帽头皮信道的设置，其中信道49，56，57，59，61和62是本文中主要的选定信道，用于提取典型的脑干电位和记录EABR信号的通道。图3是脑电帽以及激励线圈的实物图。

图2 头皮信道示意图

图3 脑电帽连接图

激励信号幅值恒定，脉宽为50～60 μs，间隔2.1 μs，以19.9个脉冲每秒的速率采用电荷平衡双相脉冲的刺激方式作用于单个电极。其中，脉宽60 μs的激励信号仅在受试者对脉宽50 μs没反应时采用。这一脉冲刺激频率虽低于临床应用中的刺激频率但有利于EABR信号的评估。触发信号设置为持续时间为5 ms的脉冲，并于激励脉冲送到脑电信号记录的计算机前25 ms进行触发，这是为了消除触发伪迹，如图4所示。

图4 EABR信号的激励信号和触发信号

2 EABR信号的预处理

EABR信号对电刺激的反应区别于电刺激自身伪迹的一个明显的特性是，EABR信号随受试者的不同而不同，这主要是由电极的位置和阻抗的差异引起的[6]。不是所有的通道信号都会包含FNS伪迹，图5显示了S2和S3受试者的56通道的经过预处理后的EABR信号的波形。EABR的波形3～5是本文重点的研究内容，波形5大约发生在脉冲刺激后3.6 ms。这里预处理是指首先利用交替极性刺激模式来减小指数的衰减，然后将处理过的分段信号对于5 ms预刺激信号进行基线矫正；再通过一个6阶巴特沃斯数字带通滤波器滤波，滤波器的截止频率为100～3 000 Hz；最后，再用重复叠加法。经过预处理后，图5显示了S2和S3受试者的56通道的EABR信号的波形。EABR的波形3～5是本文重点的研究内容，波形5大约发生在脉冲刺激后3.6 ms。经过预处理后，如图5表示受试者S2和S3显示面部神经伪迹发生在3～8 ms之间，其与波形5有一定程度的重合。

图5 S2和S3的56通道预处理后的信号

3 面神经刺激伪迹处理

3.1 面神经刺激伪迹

某些受试者的其他伪迹是由面部神经刺激引起的，其是由CI电刺激引起的并且不能通过平均叠加法去除。目前已有一些学者通过神经电图对面部神经信号进行评估以此来检测面部神经功能。还有一些通过改变，编程算法或是CI刺激模式，关闭一些电极，在FNS临界值之下减少舒适水平，或植入一个新的设备方式来去除FNS的方法，但效果并不理想。图6显示的是受试者S1的6个不同通道的EABR信号。实线，点画线和虚线曲线分别是单耳L4，R4和双耳道L4R4的EABR信号。这些EABR的波形与典型的EABR有如下显著区别：(1)对于大多数双耳的EABR信号，除了62通道，在4 ms范围内没有波形5的正峰值；(2)除了61和62通道的右激励电极R4的EABR信号外，在4 ms范围内波形5的幅值远远大于典型的EABR的幅值(-2 μV)；(3)在非EABR信号的潜伏期6 ms时，出现了很多正峰值。

根据前人的文献和研究可知这些伪迹是由面部神经刺激引起的。目前为止，没有可行的方法来去除FNS伪迹。因此本文中提出了基于的ICA的方法。

图6 S1经预处理后的信号

3.2 ICA算法处理

ICA 是多道信号分析中的一种盲源分离算法，其基本思想是将观测信号按统计独立原则分解为若干独立信号源成分。ICA 实质上是一种数据描述方法，包括目标函数和优化算法两部分，目标函数是ICA 算法的核心，比较典型的目标函数有: 最小互信息法、最大熵法、极大似然估计法，其中最小互信息法性能优良。通过优化算法寻求一个分解矩阵A,使目标函数最优，同时使得源信号S(t)的估计信号y(t)之间统计独立。

假设A是由M(时间点)×N(观察值)(N

将面神经伪迹问题公式化的第一步是获得合适的测量脑电信号的模型。本文认为所测量的信号是纯脑电信号与伪迹的线性组合。假定源的数目与记录的通道数是相同的，本文的多通道脑电图记录可以通过一个M(采样时间点)×N(信道)的矩阵A(N

X(t)=AS(t),t=1,2,

(1)

式中，t为离散时间变量;X(t)为M维传感器接收到的观测信号集合

y(t)=AT·X(t),t=1,2,

(2)

由式(2)估计出源信号S(t)的估计信号y(t)。

图7 S1的处理结果

图7所示为S1通过前面的预处理后 EABR信号和经过ICA处理后的结果对比图。其中实线是一般的预处理后的EABR信号。点画线是经过进一步ICA处理的结果。图8是S3通过前面的预处理后 EABR信号和经过ICA处理后的结果对比图。图8中的虚线表示了只从17头皮通道采集的EABR信号作为ICA处理时的结果。

图7和图8显示了在这两位受试者中，用ICA方法能除去大部分的伪迹。

图8 S3的处理结果

4 结束语

本文采用基于ICA算法来去除FNS伪迹，且采用了3位人工耳蜗植入者的EABR信号用以测试该方法，应用结果表明基于ICA方法可将真实的EABR信号从被FNS伪迹噪声化的脑电信号中提取出来，对处理多通道EABR的 CI引起的伪迹和提高EABR信号强度两个方面均有显著效果。

[1] 闫立丽,张旭,陈雪清,等.基于ICA方法去除人工耳蜗ERP信号伪迹的研究[J].北京生物医学工程,2015(2):111-117.

[2] 李子光,刘国忠.听觉诱发的“是”与“非”脑电信号研究[J].电子科技,2013,26(4):8-11.

[3] 肖琨.不同刺激模式下人工耳蜗使用者EABR的波形研究[D].重庆:第三军医大学,2007.

[4] 潘滔,王宇,鲁兆毅,等.人工耳蜗植入后EABR动态变化的初步研究[J].中华耳科学杂志,2013(2):200-204.

[5] 程靖宁,曹克利,李原,等.人工耳蜗植入前电诱发听性脑干反应测试的临床应用[J].听力学及言语疾病杂志,2008,16(3):193-196.

[6] 王宇,潘滔,周娜,等.电诱发听性脑干反应的电生理特征及其在人工耳蜗植入中的评估价值[J]. 临床耳鼻咽喉头颈外科杂志,2013(1):8-12.

[7] 程靖宁,曹克利,魏朝刚,等.人工耳蜗植入术中EABR监测的应用[J].中国听力语言康复科学杂志,2008(1):18-21.

[8] Bahmer A,Peter O,Baumann U.Recording of electrically evoked auditory brainstem responses (EABR) with an integrated stimulus generator in matlab[J].Joumal of Neurosci Methods,2008,173(2):306-314.

[9] 肖琨,张学渊,陈小宏,等.不同刺激模式下人工耳蜗使用者EABR的研究[J].中华耳科学杂志,2008(1):76-82.

[10] 金毅,曹克利,魏朝刚,等.内耳道狭窄患者人工耳蜗术中EABR特点及术后疗效评估[J].临床耳鼻咽喉头颈外科杂志,2013(13):694-700.

[11] Hu H,Ewert S,Campbell T, et al.An interaural electrode pairing clinical research system for bilateral cochlear implants[C].Xi’an:the 2nd IEEE China Summit and International Conference on Signal and Information Processing,2014.

[12] 刘铁军.脑电信号中眼电伪迹去除方法研究[D].成都:电子科技大学,2008.

[13] 李婷.独立分量分析及其在脑电信号噪声分离中的应用[D].大连:大连理工大学,2005.

[14] 董瑞娟,银力,刘博,等.电诱发听性脑干反应应用于人工耳蜗植入的研究进展[J].听力学及言语疾病杂志,2010,18(2):193-195.

[15] 陈静,谢景华,丁秀勇,等.EABR与人工耳蜗电极植入深度关系的初步研究[J].中国中西医结合耳鼻咽喉科杂志,2015,23(4):254-257.

Reduction of Facial Nerve Stimulation Artifacts in Electrically Evoked Auditory Brainstem Responses Based on Independent Component Analysis

HU Hongmei，LI Nan

(School of Mechanical Engineering, Jiangsu University, Zhenjiang 212013, China)

The electrically evoked auditory brainstem response (EABR) is one objective evaluation tool for cochlear implant (CI) subjects. The EABR signals are usually obtained by averaging responses, but because of the facial nerve stimulation artifacts (FNS) do not averaged out by increasing repetitions. Therefore independent component analysis is adopted in the case, which make sure the FNS artifacts be separated from the EABR. The results show that the FNS artifacts can be efficiently removed by the independent component analysis.

the electrically evoked auditory brainstem responses; cochlear implant; the facial nerve stimulation artifacts; independent component analysis

2016- 03- 12

胡红梅(1977-)，女，副教授，博士。研究方向：听觉和语音信号处理。李楠(1991-)，女，硕士研究生。研究方向：多通道人工耳蜗信号处理。

10.16180/j.cnki.issn1007-7820.2017.01.016

TN911.4；R318

A

1007-7820(2017)01-057-04