作者：Rui Yu；Yuanxi Zhu; Yulong Pan; Aijun He 南京大學

發表于：The 2024 International Conference on Biomedicine and Intelligent Technology

英文版原文鏈接：https://dl.acm.org/doi/10.1145/3700486.3700494

摘要

腦機接口(BCI)課題逐年受到越來越多的關注，然而關于國產芯片在腦電圖(EEG)信號采集可靠性的研究有限。為了展示國產芯片的先進性，本文比較了兩種模數轉換器(ADC)—ADS1299和LHE7909—在EEG應用中的性能，其中ADS1299已在多項研究中被證明是可靠的。兩種芯片在捕獲高質量EEG信號方面都表現出可靠性，測量的振幅誤差低于2%。在五名來自不同性別和年齡組的參與者上進行的穩態視覺誘發電位(SSVEP)、奇異球(oddball)實驗和認知負荷評估中，它們表現出非常相似的特征。LHE7909甚至在捕獲細微的EEG特征方面表現更出色，例如響應13Hz刺激時在SSVEP中誘發的三次諧波分量，尤其是在認知負荷評估中。在P300檢測方面，LHE7909在刺激后約340ms顯示出正波，而ADS1299的潛伏期則為360ms。這些數據突顯了國產芯片在EEG研究中的潛在優勢。

關鍵詞

腦電圖(Electroencephalogram)、穩態視覺誘發電位(SSVEP)、P300、認知負荷(Cognitive workload)、ADS1299、LHE7909。

1 引言

腦電圖(EEG)，也稱為腦電，是由大腦皮層區域的神經元電活動產生的微弱生物電信號(考慮到其振幅)。采集非侵入性EEG的普遍方法涉及使用電極帽將電極放置在受試者的頭皮上。EEG信號廣泛應用于臨床診斷，特別是在神經系統疾病的診斷中[1]。EEG信號可分為多種類型，其中穩態視覺誘發電位(SSVEP)和事件相關電位(ERP)是研究最多的類型之一[2]。SSVEP是大腦對特定頻率刺激做出周期性響應時發生的[3]。另一方面，ERP在視覺和聽覺刺激后的特定時間窗口內表現出特定特征，包括受外部刺激影響的外源性成分和不受外部刺激影響的內源性成分。常見的ERP成分包括P1、P2、P3，其中'P'表示正電位。P3或P300是刺激后約300ms出現的一個被廣泛研究的正電位，在EEG研究中被廣泛關注[4-5]。經典的奇異球范式（oddball paradigm）常被用作ERP的測量方法。該范式由一些非目標刺激中隨機插入若干目標刺激組成。受試者將被要求在目標刺激出現后執行任務，而對非目標刺激則不做出反應[6]。通常，目標刺激不超過總數的20%。認知負荷評估可以讓我們觀察EEG的趨勢。隨著受試者認知水平的逐漸下降，刺激響應也會減弱[7]。因此，這可以被視為衡量芯片捕獲細微信號特征能力的一種方法。

德州儀器(Texas Instruments)的ADS1299是一款低功耗、低輸入參考噪聲的模數轉換器(ADC)，非常適合EEG信號采集。它已被視為EEG應用的理想選擇[8-9]。該芯片在便攜式信號采集系統中的應用已相當廣泛和成熟[10-11]。LHE7909是蘇州領慧立芯技術有限公司(Suzhou Legendsemi Technology)生產的一款產品，專為EEG和其他生理信號測量設計的低噪聲ADC，其制造工藝和性能指標在中國處于行業領先地位。

圖1. 總體數據采集過程

目前，尚無關于LHE7909系列在EEG信號測量中應用的相關研究。本研究將通過進行幾個經典的EEG實驗來比較這兩種芯片。利用已被證明有效的ADS1299的實驗數據，我們旨在證明LHE7909憑借其性能，同樣能夠勝任所有測量任務，甚至在特定方面表現更優。

2 材料與方法

2.1. 數據采集

整體流程如圖1所示。首先，軟件應用程序從采集板中檢索原始EEG數據。然后使用實驗室流傳輸層(Lab Streaming Layer, LSL)協議將數據轉發到實驗模塊。在實驗中，基于事件生成標記流(marker streams)，以記錄每個事件的開始和結束。最后，原始數據和標記被合并并保存為EDF/BDF文件。

本研究中使用的實驗設備包括由我們的通訊作者何艾駿博士設計的兩種類型的EEG信號采集板。兩塊板均使用ESP32-S3作為主控芯片，支持三種通信模式：串口、WiFi和藍牙。兩塊采集板使用了兩種不同的模擬前端芯片，即ADS1299和LHE7909，而其余配置保持不變。此外，我們為上位機開發了一個軟件應用程序，用于從采集板獲取EEG數據流，并進行后續的數據處理和分析。

在本文中，我們使用串口進行采集板與軟件之間的通信。受試者小組包括一名中年男性、三名年齡在23至25歲之間的男性以及一名女性參與者。整個實驗在一個晴朗的日子里在室內進行，環境溫度約為 25℃，濕度低于30%。為確保數據傳輸的實時性和可靠性，采集板和軟件應用程序都連接到同一臺計算機。EEG系統電極放置嚴格遵循國際10-20系統的規定。我們使用的16個電極位點為：Fp1, F3, C3, P3, O1, F7, T3, T5, Fp2, F4, C4, P4, O2, F8, T4 和 T6，包括兩個額極點(frontal pole sites)、四個額葉點(frontal sites)、兩個中央點(central sites)、兩個頂葉點(parietal sites)、兩個枕葉點(occipital sites)和四個顳葉點(temporal sites)。左右耳垂分別用作參考電極(reference)和接地電極(ground)。根據芯片手冊，ADS1299支持250SPS至16000SPS的數據率，而LHE7909聲稱最高可達32000SPS。考慮到實際實驗對分辨率要求不高，我們不需要過高的采樣率。每秒250個采樣點已足夠。

2.2. 實驗設計

為了全面有效地比較兩種ADC在EEG信號測量中的應用，我們選擇了兩個經典的EEG實驗范式：穩態視覺誘發電位(SSVEP)和用于誘發P300成分的奇異球范式(oddball paradigm)。在同時進行的認知負荷測試中，我們將在長達4小時的測試中評估參與者疲勞水平對實驗結果的影響。

對于SSVEP，由于其易于誘發且在低頻范圍具有較高的信噪比[3]，我們選擇了13Hz的屏幕閃爍刺激。實驗中，計算機屏幕將顯示以13Hz頻率切換的六邊形圖案。每次試驗(trial)包含10個時期(epoch)，每個時期包括3000ms的閃爍刺激和1000ms的間隔。對于P300，由于其振幅相對較小且難以與噪聲區分[8]，我們選擇了一個標準的三角形圖案作為非目標刺激，以及一個隨機著色(紅、黃、藍)、大小、位置和旋轉的三角形圖案作為目標刺激。每次試驗包含25個時期，每個時期包括1000ms的刺激和2000ms的間隔。在每次試驗中，目標刺激出現5次，占總刺激的20%。

對于認知負荷評估，通過盡可能保持任務復雜度不變，我們想測試兩種芯片捕獲極其細微信號特征的能力。眾所周知，長期任務和增加的工作負荷會降低P300[7]，但這對SSVEP任務的影響有多顯著是值得關注的。認知負荷任務在開始約3小時后進行。

2.3.數據處理方法

濾波。考慮到實驗環境中存在 50Hz 的工頻干擾，第一步是對原始數據進行陷波濾波(notch filtering)。這已使用IIR數字濾波器完成，具體的傳遞函數和參數根據公式(1-3)推導得出。

此處，H(z) 是傳遞函數，?是中心頻率(要移除的頻率分量)，r控制濾波器的帶寬，?是陷波濾波器的帶寬，Q是濾波器的品質因數。因此，為處理 50Hz 干擾，我們可以將Q設置為25,?設置為2Hz。此配置允許我們濾除49Hz至51Hz之間的所有分量。

去趨勢(Detrending)。由于實驗條件和環境干擾等因素，EEG信號可能會出現長期基線漂移。為了最小化基線漂移的影響，我們采用多項式擬合去除信號中的趨勢，如下所示。如公式(4)所示，p(t)代表信號的趨勢項。我們可以得到去趨勢信號，即 xdetrend(t)，如公式(5)所示，其中 x(t) 代表原始信號。

提取時期(Epoch)。在實驗過程中，我們根據刺激出現的時間點生成了相應的標記(marker)，稱為標記流。利用這些標記，我們可以精確提取連續信號段作為多個單次試驗(single trials)，然后我們可以疊加來自不同時間間隔的這些信號，以減少偶然的噪聲波動。

獨立成分分析(ICA)。EEG信號是混合信號，可被視為多個獨立成分的線性組合。獨立成分分析(ICA)是一種用于盲源分離的算法，可以將EEG信號分解為多個獨立的神經活動。例如，它可以提取眼動偽影、肌肉偽影、心電偽影、出汗、電極移動等。然后可以去除這些成分以提高信號質量。每個獨立成分盡可能相互不相關。

3 結果

所有規格均在AVDD=5V條件下測試，ADC分辨率為0.3μV。在進行正式實驗之前，我們依次將兩個數據采集板連接到同一個信號發生器。我們應用了一個標準的10Hz正弦波信號，持續30秒，振幅為50μV。測得ADS1299的平均峰峰值(peak-to-peak)為49.66μV，LHE7909為49.43μV，兩者均小于2%。

3.1.P300檢測

根據規范完成奇異球實驗后，我們獲得了經過50Hz陷波濾波處理的EEG數據。我們也像之前一樣，對數據進行了三階多項式擬合。

鑒于P300成分主要集中在 θ波(4-8Hz)，我們對信號應用了14Hz低通濾波器，該濾波器保留了所有δ波、θ波、α波。

對于ADS1299，如圖2(a)所示，我們可以觀察到非常明顯的P100、P200、P300和N400成分。P300成分占主導地位，在 360ms左右出現一個約10μV的顯著正波，明顯高于其他成分。對于LHE7909的實驗，如圖2(b)所示，我們也觀察到非常明顯的P100、P200、P300和N400成分。相比之下，P300成分的正波幅度并不突出。在 340ms左右出現一個約5μV的正波，而P100和P200成分更大，振幅均超過10μV。

圖2. ADS1299和LHE7909的P300檢測圖

我們也嘗試使用ICA分析去除眼動、肌肉活動和心電信號等偽影。然而，在提取前9個成分后，我們沒有觀察到明顯的偽影痕跡，如圖3所示。因此，我們認為獲得的頭皮EEG信號相對純凈，表明上述實驗結果具有很高的可靠性。

圖3. ADS1299和LHE7909的獨立成分分析

3.2. SSVEP

我們獲得了通過LSL協議傳輸的、經過50Hz陷波濾波的原始EEG數據。然后使用三階多項式擬合對數據進行去趨勢處理。我們也獲得了放松狀態的數據作為比較。ADS1299的FFT結果如圖4(a)所示。很明顯，在13Hz處出現了一個與刺激同步的顯著峰值。為了觀察更多細節，我們選擇了一對對稱排列的16個電極，即O1-O2。可以看出，在13Hz處的信噪比最高，其振幅在圖4(b)中超過1.4μV。甚至在26Hz處也出現了輕微的諧波分量。但3小時后，如圖4(c-d)所示，13Hz處的波幅急劇下降，我們幾乎無法分辨26Hz處的諧波分量。

圖4. SSVEP數據（ADS1299）

對于LHE7909，在圖5(a-b)中，我們也可以觀察到13Hz和26Hz處顯著的諧波分量。與ADS1299非常相似，O1-O2在13Hz處的信噪比也是最高的。總的來說，LHE7909表現出稍多的低頻噪聲。然而，不可否認的是，在認知負荷評估中，LHE7909表現得無可挑剔，因為圖5(c)中26Hz和圖5(d)中39Hz的分量非常顯著。

圖5. SSVEP（LHE7909）的數據

我們還使用MNE進行了功率譜密度(PSD)分析，結果如圖6(a-b)所示。可以觀察到，LHE7909在預期出現諧波分量的電極點上表現出更集中的能量，其中最顯著的表現在位于枕葉的電極O1-O2。

圖6. ADS1299（a）和LHE7909（b）的功率譜密度分析

4 結論

本研究對國產ADC芯片LHE7909與成熟的ADS1299在EEG信號采集方面進行了令人信服的比較。兩種芯片都表現出可靠性，振幅誤差低于2%，證實了它們捕獲高質量EEG信號的能力。特別是LHE7909，顯示出承諾的結果，在檢測細微EEG特征方面表現出色，例如響應13Hz刺激時在SSVEP中誘發的三次諧波分量。此外，在認知負荷測試中，該芯片仍能檢測到ADS1299完全無法檢測到的細微響應。再者，LHE7909在P300檢測中的表現值得關注，其正波出現在約340ms。這些發現突顯了國產芯片的先進性，強調了它們在EEG研究中的潛在優勢和貢獻。結果表明，國產芯片可以與國際上成熟的替代品競爭，并在某些情況下超越它們，為該領域的未來創新鋪平了道路。

5 致謝

感謝南京大學的各位學者對LHE7909的全面評測及客觀的評價，為推動國產化高端芯片應用落地做出的積極貢獻，領慧立芯繼續加油。

最后再給大家分享一些相關器件的資料：http://m.xsypw.cn/d/6745865.html