跳到正文
OpenReview · EEG· Seungchan Lee; Younghak Shin; Anil Kumar; Minhee Kim; Heung-No Lee·· 2019-01-01精选AI 评分72

基于干电极的全隔离 EEG/fNIRS 混合脑监测系统

Dry Electrode-Based Fully Isolated EEG/fNIRS Hybrid Brain-Monitoring System

AI 导读

基于摘要分析。该研究针对便携式 EEG/fNIRS 同步脑监测的采集与干扰抑制问题,提出支持 16 通道 EEG 和 8 通道 fNIRS 的混合硬件系统。主要贡献是结合全隔离电路设计与弹簧加载式干电极,实现无需导电凝胶的 EEG 采集及同步血流动力学测量,而非提出新的 BCI 解码算法。 硬件机制方面,系统采用 Texas Instruments ADS1299 和 ADS8688A 模拟前端集成电路。作者报告,该架构支持 24-bit EEG 分辨率,生物光学测量延迟低于 0.85 μs;这里的位数是采集分辨率指标,不能等同于有效信噪比,所述延迟也不能直接解释为完整系统的端到端延迟。基于线性稳压器的全隔离电路设计旨在抑制数字电路组件及闪烁近红外光源产生的噪声与串扰。 验证包括 EEG 仿体测试、动脉阻断实验,以及人体闭眼 alpha 节律检测和累积减法心算任务。作者报告,系统能够检测微伏级 EEG 信号和血流动力学响应;人体任务中观察到闭眼相关同步,以及心算相关的 alpha、beta 频段事件相关去同步。作者另报告,算术任务的 fNIRS 分析显示氧合血红蛋白浓度下降趋势。这些结果支持任务相关信号的可检测性,但尚不能据此判定 BCI 分类性能或 EEG/fNIRS 融合增益。 摘要未提供被试人数、任务时序、干电极接触条件、定量噪声与串扰水平、对照设备、信号处理流程或统计检验细节,相关实验协议、消融及统计信息尚未验证。复现时需进一步核对隔离电路拓扑、光源驱动与采集同步方式、干电极接触稳定性,以及人体任务中的伪迹控制;尤其应区分硬件采集能力验证与面向实际 BCI 使用的在线解码验证。

阅读价值

该研究值得关注之处是针对干电极 EEG 与 fNIRS 同步采集中的电路噪声和光源串扰提出全隔离硬件设计,并提供台架及人体任务验证,但其定量性能和 BCI 解码价值尚未验证。

来源:OpenReview · EEG · openreview.net