便携式多通道脑电信号采集系统

2022-08-03 03:38乐航宇朱子孚袁思念刘梓晨林高藏叶继伦张旭
中国医疗器械杂志 2022年4期
关键词:脑电板卡电信号

【作 者】乐航宇 ,朱子孚 ,袁思念 ,刘梓晨,林高藏,叶继伦,,张旭,

1 深圳大学 医学部 生物医学工程学院,深圳市,518000

2 深圳市生物医学工程重点实验室,深圳市,518000

3 广东省生物医学信息检测与超声成像重点实验室,深圳市,518000

0 引言

随着新时代的发展,人们对于生物科学和脑科学的研究兴趣越来越强烈。脑电信号中包含大量丰富的脑活动信息,能够反映人体的某种特定状态,也能够反映出一些脑疾病相关的信息,是临床脑疾病诊断的重要手段[1-3]。

目前大多数脑电信号采集系统体积比较庞大,不便携带,且一般只能用于特定场合进行脑电信号的采集,对于实时地获取脑电信号极为不便[2]。为此,设计了一款便携式多通道脑电信号采集系统,该系统体积小、功耗低,脑电信号采集通道多达8路,非常适用于便携式可穿戴医疗设备,系统能够实时地采集脑电信号,并将脑电信号上传至上位机进行相关分析。

1 脑电信号测量原理和方案设计

1.1 EEG信号的产生及其特点

大脑是一个有大量的神经元互相连接的复杂动力学系统,大脑的神经细胞在活动状态时会产生电生理现象,在大脑活动时,大量的神经细胞同时发生突触,这些神经细胞总的电位变化会引起人脑皮层表面的电位变化,这个时候,使用脑电电极记录下的人脑电波变化就是脑电波(electroencephalogram,EEG)信号[4-5]。

脑电信号的产生一般分为自发脑电和诱发脑电两种,脑电信号幅度极其微弱,源阻抗小,正常的脑电信号只有几十微伏特,并且具有很强的随机性和非平稳性,频率成分丰富,容易受到外部噪声干扰[2]。在现有的脑电学科中,通常根据脑电信号的频率和幅度将脑电信号分为α波(8~13 Hz,20~100 μV)、β波(13~30 Hz,5~20 μV)、θ波(0.5~4 Hz,20~200 μV)、δ波(4~8 Hz,100~150 μV)[5-7]。波形特征如图1所示。

图1 脑电四种波形Fig.1 Four kinds of EEG waveforms

1.2 EEG采集电极导联方式

EEG测量是头皮上两点之间的电势差。在EEG采集中,按照测量电极是否用到参考电极,一般将电极导联分为两种:单级导联法和双级导联法。单级导联法是将一个电极作为参考电极,另一个电极作为作用电极,一般选择右耳作为参考电极;双级导联法不使用参考电极,两个电极均为作用电极,双极导联法一般要求两个左右电极间距在3 cm以上[7-9]。本系统EEG采集方式是单级导联方式,单级导联法如图2所示。

图2 单级导联法Fig.2 Single lead connection

1.3 系统整体方案

系统总体结构如图3所示。本系统由电源部分、信号预处理电路、信号采集电路、信号接收及处理器(microcontroller unit,MCU)等部分组成。

图3 系统总体结构Fig.3 System overall structure

2 系统硬件设计

2.1 电源部分

板卡电源输入电压为7 V。本设计的信号采集部分模拟集成芯片ADS1299供电可采用单级或者双级电源,ADS1299模拟电源范围为4.75~5.25 V,数字电源范围为1.8~3.6 V。本设计选择的MCU芯片STM32F103RCT6供电范围为2~3.6 V。为此系统硬件电路上设计5.0 V、3.3V、2.5 V、-2.5 V电源给各芯片供电。5.0 V电源作为板卡的二级电源,3.3 V电源分别给MCU和ADS1299数字部分供电,2.5 V、-2.5 V电源给ADS1299模拟部分供电。

TI公司的电源芯片MIC5219、MIC5205、TPS60400具有低压降、低噪声、高电源抑制比(PSRR)、低静态电流等要求,输入输出电压范围可以满足电流电源要求。因此,本设计选用以上芯片作为系统硬件的电源部分。

2.2 信号预处理部分

脑电信号能量极其微弱且其信噪比很低,在脑电信号的采集过程中,信号很容易受到环境噪声以及被测者本身的干扰,因此在脑电信号采集前一般需要对脑电信号进行预处理,以消除各种噪声和各种干扰,提高脑电信号的信噪比[10-12]。

2.3 信号采集部分

脑电信号具有很强的随机性和非平稳性,可以通过脑电电极提取人体脑电信号。脑电采集部分选用的是TI公司的ADS1299模拟采集前端,ADS1299的控制和数据传输接口采用串行外设接口(serial peripheral interface,SPI),芯片内部集成了24 bit模数转换器(analog-to-digital converter,ADC),采样频率可以提供最小250 Hz/s、最大16 kHz/s的同步采样频率,同时芯片集成了8路低噪声可编程增益放大器(programmable gain amplifier,PGA)和反馈信号处理电路,且ADS1299具有电极状态检测功能,可以通过程序编写激励电流源在器件内部实现导联脱落检测。

2.4 单片机部分

本系统选用S T(意法半导体)公司的STM32F1系列单片机中的STM32F103RCT6,这是一款基于ARM Cortex-M3内核的微处理器。其具有64个外部引脚、256 kB的FLASH和48 kB的SRAM。其外设资源丰富,最大运行速度可达 72 MHz,能够保证整个系统的流畅工作以及后续的系统功能扩展。

3 系统软件设计

3.1 下位机程序设计

下位机程序开发环境是基于Keil uVision5软件,流程如图4所示。上电后进入系统初始化,主要包括串口初始化、SPI初始化、外部中断初始化、相关GPIO初始化以及ADS1299初始化。当ADS1299采集数据完毕,ADS1299的DRAY引脚会输出一个高电平,高电平会触发单片机外部中断,之后进入脑电数据采集,每次数据采集都进行相应的数据处理,数据处理主要包括数据格式处理和信号滤波处理,数据处理后将数据通过串口发送至上位机。信号滤波处理的目的是滤除相关噪声,信号滤波处理的相关参数设置是基于Matlab的Filter Designer工具箱自动生成的。

图4 脑电下位机流程Fig.4 EEG lower machine flow

3.2 上位机程序设计

上位机开发平台基于微软公司开发的Visual Studio软件的C++语言编写。上位机平台可以实现8通道脑电波形实时显示、存储,还可以进行某通道信号实时分析频率特性以及系统自检功能。当脑电电极脱落时,上位机平台也会提示。图5为便携式多通道脑电采集系统的上位机主界面。

图5 上位机界面 Fig.5 Host computer interface

4 系统实现与测试

4.1 系统实现

通过上述设计,最终的便携式多通道脑电采集板卡实物如图6所示。板卡整体长80 mm,宽80 mm,厚约5 mm,板块通过外部串口板卡可实现供电和串口收发功能,通过外部的电极线可进行脑电信号的采集。

图6 多通道脑电采集板卡实物Fig.6 Physical diagram of multi-channel EEG acquisition sectino on board

经测试整个系统上电自检时间为3~4 s,经测量系统整体工作电流为45 mA,工作电压为7 V,系统总功耗为0.315 W,能够满足快速响应、实时测量的需求。

4.2 系统关键技术指标测试

为了验证系统的关键指标是否达标,按照JJG 1043—2008[13]、JJG 749—2007[14]等标准对脑电板卡基本性能进行测试,并与标准要求进行对比,如表1所示。

表1 系统关键指标测试对比Tab.1 System key index test comparison

由表1可知,本系统的脑电采集性能指标均达到标准或在其之上,可以满足基本的脑电信号采集功能。

4.3 系统其他技术指标测试

选用系统通道2 进行信号精度测试,将ADS1299通道2将ADS1299输入连接方式配置为方波信号输入模式。通过修改配置寄存器2,设置测试信号峰峰值为4×(VREFP-VREFN)/2 400,即4×(2.5-(-2.5))/2 400≈4.166 mV;设置测试信号频率为fCLK/221,fCLK=2.048 Hz,则测试信号频率为2.048/221≈0.98 Hz。上位机进行数据保存,用Matlab进行数据处理,测得信号峰峰值为4.162 mV,信号频率为1 Hz,与测试信号设置结果基本一致。信号精度测试结果如图7所示。

图7 信号精度测试结果Fig.7 Signal accuracy test result

5 总结与展望

本研究介绍了一种便携式多通道脑电信号采集系统,选用模拟集成芯片和微处理器相结合的方式,降低了系统的整体体积和功耗。经过相关测试和验证,系统可实现多通道脑电信号采集功能,符合脑电测量系统相关标准,可以满足当前绝大多数脑电检测设备的检测需求,对于脑电信号采集系统的研究具有很好的参考价值。

此外,系统在供电部分还略有不足,后续采用标准电源供电方案继续完善,进一步降低系统噪声和功耗。另外,系统还存在舒适性、特征计算等有待提高的问题,下一阶段将会继续加大对数据处理算法的研究,提高传感系统的集成化程度,使其能更好地适用于相关脑电信号采集分析应用场景。

猜你喜欢
脑电板卡电信号
认知控制的层级性:来自任务切换的脑电证据*
工作记忆负荷对反馈加工过程的影响:来自脑电研究的证据*
基于联合聚类分析的单通道腹部心电信号的胎心率提取
HCM3000板卡固件智能化下载系统设计与实现
RTX系统下并行I/O卡驱动程序的开发
基于Code Composer Studio3.3完成对心电信号的去噪
基于随机森林的航天器电信号多分类识别方法
基于组态王软件和泓格PIO-D64 板卡的流水灯控制
乒乓球运动员在经验相关图形识别中的脑电相干性分析
比较不同麻醉方式下二氧化碳气腹对脑电双频指数的影响