1 引言
稳态视觉诱发电位(steady-state visual evoked potentials,SSVEP)以锁频锁相、信息传输率高、诱发频谱稳定、信噪比高等优点,在脑机接口[1-3]、脑认知和临床神经医学等领域得以广泛研究和应用[4- 6]。但目前如何有效提高SSVEP的信噪比是一个人们致力于解决的难题。研究结果表明,当人类双眼注视某一频率的周期性视觉信号时,其大脑初级皮层网络振荡性能发生改变,从而使SSVEP信噪比得到显著提高[7- 8],说明视皮层网络内在振荡频率特性变化和SSVEP的信噪比密切相关,了解视皮层网络振荡频率变化规律对提高SSVEP的信噪比及其在脑机接口的有效应用很有意义。但目前二者相关性的变化机制尚未明确。主要原因在于目前对周期性视觉刺激下大脑初级皮层网络内在振荡频率变化规律知之甚少,故目前该领域研究吸引了越来越多的学者关注和参与[9-13]。
生物物理学研究结果表明神经元具有共振特性[14],大脑皮层神经元的复杂连接构成了不同的振荡网络。SSVEP的频谱特点是在其基波频率(和外刺激频率相同)及其谐波频率处出现功率峰值(基波功率最大),说明脑内视皮层基波及其谐波对应的等效网络和刺激信号的相应频率分量产生了同步振荡。对同一受试者而言,在其他测试条件相同情况下,SSVEP的基波功率随刺激频率的变化而变化,其中诱发最大基波功率的刺激频率称为“共振频率”[13-15]。对于一个健康人员而言,在不同光脉冲信号刺激下,大脑视皮层神经元等效网络的共振频率将按一定规律变化,但该变化规律在其患上某种脑疾病如抑郁症、神经退行性等疾病后可能产生改变,因为这些疾病使大脑的神经元网络结构发生变异。因此共振频率可以作为大脑内潜在的神经网络变化的标记,为癫痫和失眠等多种疾病的药物作用提供新靶点[14]。故掌握SSVEP共振频率随刺激光源面积变化规律对脑疾病的临床预测和诊断具有重要作用。
在研究视觉皮层区域的SSVEP共振频率方面,目前已有一些相关研究结果发表。Pastor 等研究当刺激频率在5～60 Hz内取值时,SSVEP的共振频率为15 Hz[16]。文献[17]的实验结果表明外刺激频率在5～16 Hz频段时SSVEP响应较大,共振频率为12 Hz。文献[18]利用采样正弦编码方式在计算机显示器上产生矩形形状的视觉刺激,该图形闪烁频率在4～45 Hz内取值(步进1 Hz),检测到SSVEP的共振频率是10 Hz。文献[19]的实验结果表明在频率为6～40 Hz、时间调制方式为正弦波和方波的屏幕闪烁图形刺激下,方波闪烁时SSVEP的共振频率为10 Hz,正弦波闪烁时SSVEP的共振频率为14 Hz。
上述研究结果表明不同光刺激条件下SSVEP的共振频率有差异。对同一个受试者而言,影响其SSVEP共振频率的外刺激因素有哪些？影响规律如何？目前对此知之甚少。有学者将刺激频率取为140/N(N为8～17之间的整数),测得面积分别为S和S/2的两个圆环图形屏幕闪烁刺激下SSVEP共振频率分别为8.8 Hz和10 Hz,由此推测得到视觉刺激源面积越大,SSVEP共振频率反而越小的结论[15]。不过文献[15]研究中涉及的光刺激源面积数量只有两个,难以比较全面地反映出光刺激源面积和SSVEP共振频率之间的变化关系,为此本文将在更大的范围内研究不同光刺激面积下的SSVEP共振频率变化规律。此外,该文献所用的屏幕闪烁刺激源是基于传统分频方式来实现,闪烁频率只能取为屏幕刷新率的1/N(N为大于1的整数)倍,故本文将采用LED作为闪烁光刺激源来解决屏幕闪烁刺激频率受限问题。类似研究目前尚未见相关报道。
研究结果表明,视觉、体感和听觉皮层的共振频率范围分别为10～18、20～26以及38～42 Hz[13,20-22]。由于不同皮层区域结构和生理参数的差异较大,本文主要研究视皮层神经元网络共振频率随外刺激光源面积的变化规律,以避免由于不同皮层结构存在的较大差异性给研究带来更多、更复杂的影响因素。
2 理论基础
视觉系统主要由视网膜、外膝体、视皮层等组成[23]。视网膜将光信号转变为电信号,从其节细胞输出的电信号脉冲经过外膝体作用后,到达视觉皮层获得视觉感知,同时形成大脑皮层或者头皮的电位活动响应。
大脑皮层的锥体细胞结构狭长,分布均匀且走向基本一致,被认为是产生大脑头皮电位的主要来源,人们对此已达成共识。当一定频率的周期性视觉信号作用于人眼时,在大脑头皮检测到的脑电位即为SSVEP,它是多个电兴奋的视皮层神经元共同放电的结果。假设周期性光脉冲信号作用下有m个视皮层神经元产生放电活动,放电的视皮层神经元在大脑空间产生电场分别为E1、E2……Em,则大脑空间总电场为
(1)
故头皮上任一P点的SSVEP计算公式为:
φSSVEP=
E· dl
(2)
式中A点为零电位参考点。
从上式可看出,对于相同的零电位参考点,当电场E发生变化时,大脑头皮上相同场点P的SSVEP将产生相应变化。
当人眼受到周期性视觉信号刺激时,在其他刺激参数不变条件下,若刺激信号的面积发生变化—投射到视网膜的光信号面积不同—从视网膜节细胞输出的电脉冲信号改变—诱发视皮层神经元放电的数量m变化—大脑空间电场E改变—SSVEP大小变化—SSVEP频谱发生变化。
由于SSVEP的共振频率主要取决于SSVEP的基波功率大小,故可推知当周期性视觉刺激信号的面积发生变化时,SSVEP的共振频率也将产生相应改变。
3 实验方法
3.1 受试对象
受试志愿者为7名在读研究生(4男3女),年龄为25±2岁,无家族癫痫病史和精神病史,裸眼或矫正后视力正常,均为右利手。所有参与者均在测试前已明确实验流程、目的及要求。
3.2 实验系统和环境
图1 实验系统示意图
Fig.1 Schematic diagram of the experimental system
实验系统如图1所示。脑电信号采集设备为美国BIOPAC公司生产的MP150多导电生理信号记录仪,AcqKnowledge4.4软件用于在线观察数据。实验电极的位置参考国际10/20系统,其中O1、O2点为参考负极,Cz为参考正极,左耳乳突为公共接地电极,实验记录左右枕区O1、O2点的脑电信号。Cz-O1和Cz-O2记录模块的放大倍数为20000,低通滤波档为35 Hz,高通滤波档为0.5 Hz,采样率为2000 Hz。闪烁LED灯嵌在护目镜内侧,改变LED灯前遮光板的小孔半径,使作用于受试者眼睛的闪烁光源半径发生变化。LED驱动电平由DDS信号发生器(Dual-channel DDS Signal Generator)提供。DDS产生电压为3.2 V、占空比为50%、频率可调的方波脉冲信号。实验环境安静、黑暗、常温,参与者舒适地坐在椅子上,并被要求闪光刺激期间避免除眨眼以外的任何运动。
3.3 实验过程
受试者正确佩戴脑电帽与护目镜,且左右护目镜分别到受试者左右眼的距离一致。
(1)在每个SSVEP实验前先测试受试者在无外刺激、闭眼放松状态时,枕区O1、O2测试点的脑电信号是否正常,时间为30秒。
(2)LED驱动电压为3.2 V;闪烁光源的圆半径取为5 mm;LED刺激频率分别在6～20 Hz间隔取值,其中在7～15 Hz内频率间隔为0.5 Hz,其余频段为1 Hz。分别采集7名受试志愿者在不同LED闪烁频率下的SSVEP信号。每个频率实验重复3次,每次刺激15秒,相邻两次刺激间隔为10秒,闪光刺激频率的顺序随机,所有频率闪烁完后休息10分钟。
(3)将LED闪烁光源的圆半径依次改为5.5、6、6.5、7、7.5、8、9 mm,重复步骤(2)。
3.4 实验数据处理
(1)用AcqKnowledge4.2软件对采集到的SSVEP信号做离线分析,先对数据进行50 Hz陷波、带通滤波(频段为3～35 Hz)、去除基线漂移趋势、去除眼电干扰等预处理。
(2)基于快速傅里叶变换(Fast Fourier Transform,FFT)对预处理后的中间12秒信号(舍弃前2秒和最后1秒)进行频谱分析。由于SSVEP中基波功率最高,故本实验主要以基波功率为研究评价指标。
(3)对所有受试者每个重复三次的SSVEP功率求平均值。剔除其中一名数据差异较大的受试者的数据,对每名受试者在枕区O1和O2测试点的SSVEP功率分别进行归一化,归一化因子为功率的最大值与最小值之差。
(4)对6名受试者枕区O1和O2测试点的SSVEP归一化功率分别取平均值,然后再进行一次归一化,得到枕区O1和O2测试点的平均归一化SSVEP功率。
4 实验结果
不同光源圆半径的LED刺激下,大脑左右枕区O1、O2测试点的SSVEP平均归一化功率和刺激频率的变化关系曲线如图2所示。
从图2中可看出,在不同圆半径的闪烁光源作用下,枕区O1、O2测试点的平均归一化SSVEP功率值随刺激频率的增加呈多“窗口”变化规律,其中最高功率对应的刺激频率即为所在光源圆半径下的共振频率。无论光源半径取为何值,共振频率在9～14 Hz范围内取值。不同光源圆半径下的SSVEP共振频率值如表1所示。
表1 不同光源圆半径下的SSVEP共振频率值
Tab.1 The resonance frequency of SSVEP under different radius of the light source
闪烁圆半径左枕O1测试点右枕O2测试点5 mm9.5 Hz10.5 Hz5.5 mm10.5 Hz10.5 Hz6 mm12 Hz12 Hz6.5 mm14 Hz12.5 Hz7 mm13.5 Hz13.5 Hz7.5 mm12 Hz12 Hz8 mm11 Hz11 Hz9 mm9.5 Hz9.5 Hz
为更清晰地反应出SSVEP共振频率随LED闪烁光源的圆半径增加的变化关系,图3绘出不同情况下二者的变化关系曲线。
从图3还看出,左右枕区O1、O2两个测试点的共振频率随光刺激圆半径均呈现先升后降的倒“U”形。对于左枕O1测试点,当圆半径小于或等于6.5 mm时,共振频率和圆半径呈正相关;当圆半径大于6.5 mm时,共振频率和圆半径呈负相关。对于右枕O2测试点,当圆半径小于或等于7 mm时,共振频率和圆半径呈正相关;当圆半径大于7 mm时,共振频率和圆半径呈负相关。
图2 不同光源圆半径的LED刺激下SSVEP功率随频率变化曲线
Fig.2 Power of the SSVEP varies with the frequency under the LED stimulation with different radius of the light source
图3 不同光源圆半径的LED刺激下SSVEP共振频率变化曲线
Fig.3 Variation of SSVEP resonance frequency under the LED stimulation with different radius of the light source
5 讨论
本文理论研究结果提示在其他刺激参数相同条件下,刺激光源面积变化将影响SSVEP共振频率;进一步的实验研究结果表明在驱动电压为3.2 V、频率为6～20 Hz、圆半径为5～9 mm的闪光LED脉冲刺激下,大脑视皮层SSVEP共振频率随光刺激面积呈现倒U形的“窗口”变化趋势:当光刺激面积小于某阈值S0时,SSVEP共振频率随光刺激面积的增加而增加;当光刺激面积继续增大超过该阈值时,共振频率随光刺激面积的增加而减少,该区间共振频率和光刺激面积的负相关结论和文献[15]一致。本文的实验结果说明视皮层网络的SSVEP共振频率并非总是与光源刺激面积成反比,二者变化关系是正相关还是负相关,主要取决于光刺激面积和刺激频率等多参数的取值大小。
视皮层由大量具有不同连接结构的神经元等效电路子网络构成,不同的神经元子网络具有不同的谐振频率。在光刺激面积等其他测试条件相同时,不同的刺激频率作用将诱发不同的神经元等效子网络产生基波功率,其中产生最大SSVEP的基波功率对应的刺激频率即为共振频率。
文献[24]研究结果表明视网膜与视皮层之间存在空间拓扑对应关系,一定程度上定性说明了视觉刺激光源面积越大,视皮层产生神经冲动的区域就越大。在其他测试条件一致的条件下,当光刺激面积不同时,视网膜中产生超级化的光感受器数量发生变化,从视网膜节细胞输出的电脉冲信号经过外侧膝状体到达视皮层后引起的放电神经元数量也随之变化,从而使放电神经元等效网络共振特性发生变化。
本文实验研究结果表明,SSVEP的共振频率和LED光刺激面积之间呈现“窗口”变化关系,一定程度表明视皮层神经网络和SSVEP的共振频率具有周期变化的可能性。产生这种现象的根本原因可能在于视皮层神经元自身就存在共振特性[14],具体机理需要进一步深入研究。如果SSVEP的共振频率和刺激光源面积的“窗口”变化特性具有普遍意义,则该特点可考虑用来诊断和治疗一些脑疾病。因为当一个健康人员患有脑疾病后,其大脑皮层的放电传输通路异于常态,从而使产生放电的视皮层等效网络结构发生变化而使其共振网络变化规律发生变化。
6 结论
本文理论研究结果说明,周期性视觉刺激信号的光源面积和SSVEP的性能变化密切相关。以LED作为刺激光源,进一步实验研究不同光源面积变化对SSVEP共振频率的影响。结果表明:当光源半径和刺激频率分别在5～9 mm和6～20 Hz取值时,SSVEP共振频率随光源面积的变化呈倒U形状:当光源面积小于某阈值S0时,共振频率与光源面积正相关;而超出这个阈值时,共振频率与光源面积负相关。此外本文用闪光LED作为刺激源,可有效解决刺激频率的选择受限于屏幕刷新率这一问题。本文研究结果为更好进行神经系统疾病的预测或诊断和提高SSVEP的信噪比及其在脑机接口的有效应用提供有价值的依据。
[1] Ahn J W, Ku Y, Kim D Y, et al. Wearable in-the-ear EEG system for SSVEP-based brain-computer interface[J]. Electronics Letters, 2018, 54(7): 413- 414.
[2] Hwang H J, Han C H, Lim J H, et al. Clinical feasibility of brain-computer interface based on steady-state visual evoked potential in patients with locked-in syndrome: Case studies[J]. Psychophysiology, 2017, 54(3): 444- 451.
[3] 高诺, 翟文文, 杨玉娜. MSI 和CCA 算法对稳态视觉诱发电位信号分类的比较研究[J]. 信号处理, 2018, 34(8): 984-990.
Gao Nuo, Zhai Wenwen, Yang Yuna. A Comparison of MSI and CCA for SSVEP Classification[J]. Journal of Signal Processing, 2018, 34(8): 984-990.(in Chinese)
[4] Vialatte F B, Maurice M, Dauwels J, et al. Steady-state visually evoked potentials: Focus on essential paradigms and future perspectives[J]. Progress in Neurobiology, 2010, 90(4): 418- 438.
[5] Alimardani F, Cho J H, Boostani R, et al. Classification of bipolar disorder and schizophrenia using steady-state visual evoked potential based features[J]. IEEE Access, 2018, 6: 40379- 40388.
[6] 覃玉荣, 时文健, 黄钰清, 等. 双眼双频同时刺激下大脑α波同步研究[J]. 信号处理, 2019, 35(1): 136-144.
Qin Yurong, Shi Wenjian, Huang Yuqing, et al. Study on the degree of brain α wave entrainment under binocular dual-frequency stimulation[J]. Journal of Signal Processing, 2019, 35(1): 136-144.(in Chinese)
[7] Morgan S T, Hansen J C, Hillyard S A. Selective attention to stimulus location modulates the steady-state visual evoked potential[J]. Proceedings of the National Academy of Sciences, 1996, 93(10): 4770- 4774.
[8] Keitel C, Andersen S K, Quigley C, et al. Independent effects of attentional gain control and competitive interactions on visual stimulus processing[J]. Cerebral Cortex, 2013, 23(4): 940-946.
[9] Yang Z, Guo D, Zhang Y, et al. Visual Evoked Response Modulation Occurs in a Complementary Manner Under Dynamic Circuit Framework[J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2019, 27(10): 2005-2014.
[10] Majhi S, Bera B K, Ghosh D, et al. Chimera states in neuronal networks: A review[J]. Physics of Life Reviews, 2019, 28: 100-121.
[11] Guo D, Perc M, Liu T, et al. Functional importance of noise in neuronal information processing[J]. Europhysics Letters, 2018, 124(5): 50001.
[12] Herrmann C S, Murray M M, Ionta S, et al. Shaping intrinsic neural oscillations with periodic stimulation[J]. Journal of Neuroscience, 2016, 36(19): 5328-5337.
[13] Herrmann C S. Human EEG responses to 1-100 Hz flicker: resonance phenomena in visual cortex and their potential correlation to cognitive phenomena[J]. Experimental Brain Research, 2001, 137(3- 4): 346-353.
[14] Hutcheon B, Yarom Y. Resonance, oscillation and the intrinsic frequency preferences of neurons[J]. Trends in Neurosciences, 2000, 23(5): 216-222.
[15] Lea-Carnall C A, Montemurro M A, Trujillo-Barreto N J, et al. Cortical Resonance Frequencies Emerge from Network Size and Connectivity[J]. PLoS Computational Biology, 2016, 12(2): e1004740.
[16] Pastor M A, Artieda J, Arbizu J, et al. Human cerebral activation during steady-statevisual-evokedresponses[J]. Journal of Neuroscience, 2003, 23(37): 11621-11627.
[17] Bakardjian H, Tanaka T, Cichocki A. Optimization of SSVEP brain responses with application to eight-command Brain-Computer Interface[J]. Neuroscience Letters, 2010, 469(1): 34-38.
[18] 陈小刚, 徐圣普. 稳态视觉诱发电位频率响应特性研究[J]. 北京生物医学工程, 2018, 37(3): 259-264.
Chen Xiaogang, Xu Shengpu. Research on frequency response characteristics of steady-state visual evoked potential[J]. Beijing Biomedical Engineering, 2018, 37(3): 259-264.(in Chinese)
[19] Chen Xiaogang, Wang Yijun, Zhang Shangen, et al. Effects of stimulation frequency and stimulation waveform on steady state visual evoked potentials using computer monitor[J]. Journal of Neural Engineering, 2019, 16(6): 066007.
[20] Regan D. Comparison of transient and steady-state methods[J]. Annals of the New York Academy of Sciences, 1982, 388(1 Evoked Potent): 45-71.
[21] Pastor M A, Artieda J, Arbizu J, et al. Activation of human cerebral and cerebellar cortex by auditory stimulation at 40 Hz[J]. Journal of Neuroscience, 2002, 22(23): 10501-10506.
[22] Snyder A Z. Steady-state vibration evoked potentials: Description of technique and characterization of responses[J]. Electroencephalography and Clinical Neurophysiology, 1992, 84(3): 257-268.
[23] 王博. 从视网膜到视皮层——视觉奥秘知多少[J]. 科学, 2017, 69(5): 50-54.
Wang Bo. From the retinal to the visual cortex-how much does the visual mystery know[J]. Science, 2017, 69(5): 50-54.(in Chinese)
[24] Sereno M I, Dale A M, Reppas J B, et al. Borders of multiple visual areas in humans revealed by functional magnetic resonance imaging[J]. Science, 1995, 268(5212): 889- 893.
