可穿戴脑电图设备关键技术及其应用综述

秦 静，孙法莉，HUI Fang，汪祖民*，高 兵，季长清，4

（1.大连大学软件工程学院，辽宁大连 116622；2.大连大学信息工程学院，辽宁大连 116622；3.拉夫堡大学计算机科学学院，英国LE113TU；4.大连大学物理科学与技术学院，辽宁大连 116622）

0 引言

脑电图（ElectroEncephaloGram，EEG）是一种典型的无创性脑电波测量方法，记录了脑神经细胞在大脑皮层或头皮表面的电生理活动。1924 年Berger 首次记录人类脑电图，1958年Jasper 将EEG 作为临床诊断和大脑研究的基础工具。EEG 作为一种无创脑电监测手段不仅可以对偏头疼、癫痫、脑肿瘤等脑部疾病进行检测，还可以辅助神经系统功能性疾病诊断和研究。近年来，随着智能传感器和物联网的发展，EEG 设备的发展趋于便携性、小型化、实时性和可穿戴性，并与可穿戴设备接合，形成了类型丰富的可穿戴EEG 设备，并受到广泛的关注及应用。

可穿戴EEG 设备总体框架如图1 所示，该系统主要由三层七个模块组成：信号采集层（信号采集模块、预处理模块、控制模块、电源模块和数据传输模块）、信号传输层和智能诊断层（移动终端模块和与服务器模块）。

图1 可穿戴EEG设备总体框架Fig.1 Overall framework of wearable EEG device

与传统EEG 设备相比，可穿戴EEG 设备有四大改进：1）将脑电信号采集传感器、信号处理芯片和蓝牙集成在一起，安装在帽子、耳机或眼镜等一些附属品上，便携性强、舒适度高、可实时采集信号；2）具有相匹配的移动终端应用，记录和显示脑电信号，当达到阈值时报警，可作为日常健康监测设备；3）利用机器学习或深度学习算法对脑电信号实时分析并将结果反馈给用户或医护人员，提供病情分析甚至挖掘出更有价值的信息；4）产品形式多样化，满足大众基本需求。

1 信号采集模块

信号采集模块是可穿戴EEG 设备的基础。首先，低阻抗、高灵敏、操作便捷且舒适的电极是最基本要求。其次，采用单通道或少通道的脑电采集方式，减小采集模块的电路复杂性和体积，增强脑电采集模块的灵活性，使其更好地嵌入到精巧的附属饰品上用于日常监测。

1.1 电极材料

传统方式将“湿”电极固定在头皮的适合当位置采集信号，但需要提前进行皮肤准备、头发清洁等烦琐的过程。凝胶长期暴露在空气中会降解和蒸发，导致不适宜长期监测的要求，而且长期使用凝胶会造成皮疹和刺激。与之相反，干电极一般由金属制成，且不需要借助凝胶，可避免湿电极上述缺点，干电极还具有成本低、佩戴舒适等优点。在穿戴式EEG 设备中干电极逐渐取代湿电极，成为首选电极。

干电极的可塑性好，能够满足人们的不同需求，根据毛发的多少采用不同的柔性杆电极。对于毛发茂密的区域一般采用具有微结构的电极达到与头皮更好接触的目的。Fleury 等提出一种头戴织物干电极，很好地与发带接合、隐秘性高、可在公共场合佩戴。Gao 等提出一种软针型鬓毛干电极，利用碳纤维把干电极头制成针尖，增加电极柔韧性的同时降低与皮肤之间的阻抗。殷灿提出一种PDA/Pt-TiO2 纳米管阵列杆电极，此电极具有低极化点位、低阻抗和高电子传输特性。但是此类电极需要施加一定的压力确保与皮肤充分接触，所以易受运动或压力的影响。相反在毛发少的区域，柔性电极没有太多的要求，所以形式更加多样。如Asogw 等提出的一种由导电纱制成的干电极，在增加电极耐磨性的同时也大幅提高了佩戴的舒适度。Shu 等提出一种多层吸汗纺织物干电极，有效减少电极间短路或串扰现象，其次也很好地降低接触阻抗。祝伟仝等提出一种柔性聚酯纤维（织物）基底石墨烯织物电极，该电极能实现高信噪比的脑电信号精确识别，且对皮肤的阻抗性更稳定。总之改良后的干电极无论在皮肤阻抗性、舒适度还是可操作性上，都比传统湿电极更胜一筹。

1.2 新型采集模块

大多数临床研究使用了来自10～20 系统的头发头皮区域的脑电图通道，电极易受毛发和皮肤之间干扰，同时设备对运动容忍度低，不适合作为日常生活中脑电信号检测设备；而从前额、耳朵后面或内部等无毛区域进行的脑电图记录更适合日常生活中的长期监测。

表1 为可穿戴EEG 设备参数对比，新型脑电采集模块集成度高，往往将传感器、电路、电池等一些硬件集成到电路板并嵌入到日常生活中的各种配件上，且采集位置不仅局限于头皮，还可以在前额或耳的周围。新型脑电采集模块从外观来看，体积小，芯片体积只在毫米级别，质量轻、便携性好。从实用性来看，对运动的容忍性高，对用户日常活动干扰小，不引人注目，能很好保护个人隐私。从性能来看，Zibrandtsen 等利用耳脑电与头皮脑电对癫痫病检测做了比较，耳脑电可以很好地检测与局灶性颞叶癫痫相关的脑电图模式。Valentin 等提出耳蜗的脑电采集方案中记录的EEG 信号与研究性EEG 采集设备的信号质量不分伯仲，且在头皮和耳朵分别获得的数据存在高度的互信息。Mahdid等利用四种商用耳脑电设备证明在自然条件下采集信号的可行性。新型脑电采集各模块间相互独立，又相互协调工作，如同乐高可按需组合，提高了脑电采集模块的可扩展性和异构性。

表1 可穿戴EEG设备参数对比Tab 1 Comparison of parameters of wearable EEG devices

2 脑电信号处理

脑电信号处理过程包括信号放大、模数转换、预处理、特征提取和分类，处理流程如图2 所示。

图2 脑电信号处理流程Fig.2 Flow of EEG signal processing

2.1 预处理

为了去除由环境和自身运动造成的噪声或伪影的影响，提高脑电信号的可用性，脑电信号必须经过特定预处理。脑电信号的噪声和伪影主要来自两个方面：外在信号伪影和内在信号伪影。如电极漂移、人体运动伪影、环境噪声或设备电源线噪声等由环境或物理因素产生外在伪影，通常采用滤波器方法处理。例如，利用带通滤波器允许一定频率范围内的信号通过，并防止其他频率信号的特性处理由电极漂移、电极阻抗、运动造成的影响和应用陷波滤波器使信号在非常窄的频带内指定固定频率，使其在指定频率内的干扰信号无法通过而不影响周边有用信号的原理来消除电源线干扰。

眼球运动、眨眼、面部肌肉运动等由自身生理因素造成的内在伪影，因其频谱与脑电相似难以处理。独立分量分析（Independent Component Analysis，ICA）可以有效地检测、分离和消除EEG 记录中各种自身生理因素造成的污染，所以ICA 常用于去除内在伪影。随着脑电采集通道的减少，单通道伪影的去除至关重要。Majmudar 等提出一种单通道实时去除眼部伪影的混合算法，取得了较好去噪效果。此外，小波变换（Wavelet Transform，WT）只需要单通道数据，并可在嵌入式硬件上实现，因此WT 是一种非常有前途的单通道EEG 伪影去除方法。Mahajan 等提出一种基于小波增强独立分量算法，利用峰度和改进的多尺度熵自动去除伪影。张锐等提出基于WT 和集合经验模态分解混合眼电伪影去除算法，在去除伪影的同时减少信号的失真。此外，深度学习在伪影去除也得到广泛应用。姚粤汉基于生成对抗网络（Generative Adversarial Network，GAN）提出EDGAN（Electroencephlogram Denoising GAN）算法，实现多通道、在线、端到端的伪影去除。

2.2 特征提取

特征提取是对原始特征集进行某种映射或变换，将高维数据映射到低维的空间表示，消除特征之间的相关度和数据维度，增强特征的表达能力，有利于提高模型的准确度和泛化能力。根据需求对脑电时域、频域、时频域、空间域和功率谱密度进行特征提取，对各方法对比结果如表2 所示。

表2 不同脑电信息号特征提取方法的优缺点比较Tab 2 Comparison of advantages and disadvantages of different EEG signal feature extraction methods

2.3 分类器

可穿戴EEG 设备中常用的分类器有两类：1）机器学习，模型结构相对简单，不太需要大量数据支持，但是需要进行复杂特征工程（如特征提取或选择），学科知识依赖强，并且选择的特征向量主观性强；2）深度学习，是机器学习的进阶，利用深度神经网络来解决特征表达，可以从低层次特征提取出高级语义特征并且自动学习特征和任务之间的关联，将特征工程的需求降到最低。两种分类器的比较结果见表3。

表3 不同可穿戴EEG设备分类器的优缺点比较Tab 3 Comparison of advantages and disadvantages of different wearable EEG device classifier

3 可穿戴EEG设备应用

目前市场上可穿戴EEG 设备种类繁多、应用广泛。根据可穿戴EEG 设备应用领域可分为以下四类：慢病监测、医疗辅助、情绪监测、疲劳检测。

3.1 慢病监测

可穿戴EEG 作为一种无创、成本相对低、实时脑电检测设备，可以友好地监测慢性病的变化和为慢性病的临床研究提供数据支持，甚至在疾病发作前预警，有利于慢性病的及时治疗和预防，降低死亡和风险。

偏头疼一种发作性神经疾病，表现为剧烈的跳动性头痛，且发作前期前额叶区脑电熵显著增加。Martins 等利用可穿戴EEG 设备记录24 名实验者两周内偏头疼发作期间，对发作前24 h 内、发作当天和发作后的数据并分析，以识别偏头痛发作前的生理变化，从而实现有价值的症状前预测和随后的早期干预。Cao 等提出一种基于稳态诱发电位的四通道头戴EEG 设备，探究偏头疼脑电波在发病前期和发病期的不同，开发有利于研发新的药物和制定新的治疗方案。癫痫是大脑电活动紊乱引起的间歇性癫痫发作，表现为意识受损，甚至全身严重抽搐。常用穿戴式EEG 作为癫痫患者日常生活中脑电监测设备。Zibrandtsen 等从耳朵里记录脑电图，并与头皮脑电比较，耳脑电能可靠地检测到局灶性颞叶癫痫发作信号，并向医护人员发出警报提醒。Sopic 等提出四通道、超低功耗e-Glass 设备，将脑电采集模块嵌入在两个眼镜腿上，实时检测太阳穴的脑电变化，并能提供关于癫痫发作的客观信息和提醒家庭成员或护理人员及时给患者服药，避免意外发生。考虑到设备功耗和处理效率问题，Taufique 等提出利用体感诱发电位监测动态环境中的偏头痛模式，旨在片上处理数据，以实现节能和及时的干预。

3.2 医疗辅助

可穿戴EEG 设备作为辅助设备，主要在半自然环境中（如病房）辅助医护人员实时对病人监护，并对病人治疗状况进行定量分析，有利于及时修改治疗方案。Billeci 等在半自然环境中，通过对自闭症儿童从脱离到参与状态EEG 和心率的变化，实时监测治疗期间自闭儿童神经生理和自主反应之间的变化和制定个性化治疗方案。Rohani 等利用头戴式EEG 设备在自然环境下实时连续收集抑郁症患者EEG变化，并进行干预。Dehzangi 等采用了干式脑电图帽，帮助重症监护室中有语言障碍患者和护士之间进行有效沟通，在缓解患者情绪的同时，还可以满足患者基本需求。

除此之外，可穿戴EEG 设备还可帮助肢体损伤或残疾患者进行自主康复训练或辅助完成基本动作。Roshdy 等利用脑电图耳机读取脑电信号并分析大脑意图，在主动模式下控制机械手臂运动。Bhagat 等提出一个异步可穿戴EEG 系统，通过一个上肢外骨骼辅助中风患者运动。

3.3 情绪监测

情绪作为一种生理和心理状态，对个人认知、决策和行为影响极大。EEG 能提供更丰富的情绪状态信息，所以利用穿戴式EEG 设备连续和定量地测量人的情绪，有利于情绪识别、精神或心理疾病快速检测和治疗。除此之外，EEG 可直接从中枢神经中捕获和量化人的压力，持续的压力会导致严重的心理甚至身体紊乱，所以对一些高压职业进行情绪/压力识别，有利于实时了解工人精神状态，提升工人幸福感、安全感，提高工人的生产力和生产质量。

近年来，可穿戴EEG 设备常用来监测人们的情绪状态进行两级或多级分类和预测。Yokota 等利用两通道穿戴EEG 设备实时采集脑电信号，融合空间和频率特征对情绪进行评估。Hwang 等基于情绪的两个维度（愉快―不愉快，激动―平静），通过少通道穿戴EEG 设备来量化员工的情绪状态和压力。Betti 等采用多模态单通道EEG 信号穿戴系统进行情绪检测。

3.4 疲劳检测

随着社会跨步式发展，越来越多的人处在高强度工作环境中，由疲劳、困倦造成的经济损失甚至生命损害屡见不鲜，尤其因困倦导致的交通事故频发。

疲劳往往伴随着多种行为特征和生理反应，单纯的生理分析不足以精确地检测到疲劳状态。Ha 等将EEG 与近红外光谱接合提出入耳式片上睡意监测系统，不仅可以检测脑电信号，还可以检测血流动力学域信号，提高了系统准确性。Zhang 等提出一个车辆自主安全系统，对驾驶员警惕性进行检测和识别，当超出阈值时及时作出减速或刹车的决策。目前穿戴式疲劳检测设备多采用多模态输入，将多种生理信号和行为特征相结合，相较于以前的解决方案显著提高了设备通用性、准确性。

总之，可穿戴EEG 设备常用于长期脑电监测及认知反馈，在临床医疗领域不仅有助于诊断和治疗也有助于对疾病的认识。其次，利用脑电对认知的反馈也制成一系列的生活衍生品，丰富人们的生活和娱乐。

4 总结和展望

可穿戴EEG 设备具有舒适度高、便携性好、干扰小、可长期实时检测等特点，且可与心电图、肌电图等其他生理信号接合，构建多模态的可穿戴系统，提高穿戴系统的实用性和精准性。可穿戴EEG 设备应用广泛，如慢病监测、医疗辅助、情绪检测和疲劳监测等。不仅有利于对人们实时监测，避免不必要的伤亡，提高人们健康意识；还利于医护人员对疾病的研究，挖掘更有价值的信息。可穿戴EEG 设备目前发展如火如荼，逐渐走入人们的日常生活，未来研究主要集中在以下几个方面：

1）长续航。能源是可穿戴EEG 设备的核心，是一切硬件工作的基础，体积小、质量轻、容量大的电池也是各界学者有待解决的问题。随着无线充电能技术和新能源技术的发展，将无线充电或新能源作为可穿戴EEG 设备的能源可谓解决了长期续航的要求，如何提高传输效率和能量损耗是研究者未来工作中心。

2）多模态。可穿戴EEG 设备常用于健康检测、医疗辅助，所以要求设备有相当高的准确度。对于一些复杂的任务来说，单一的EEG 不足以精确地分析结果。未来的穿戴式EEG 设备，将采用多模态输入，将多种生理信号甚至行为特征联合分析，提高系统的准确度和灵敏性。

3）精确性。除了多模态地输入、提高设备的准确度外。还可通过机器学习、深度学习、智能优化算法的应用，提高模型的准确度和灵敏性，且轻量级算法还可增强模型实时处理能力。

4）安全性。穿戴式EEG 设备传输的数据中包含与个人相关的隐私数据，为保证数据传输过程中个人信息不会被泄露和篡改，如何在传输过程中对数据进行有效的保护也是可穿戴EEG 设备研究的重点问题。