[发明专利]基于VR系统的脑电信号恐惧度分级特征研究

说明书

本发明公开了基于VR系统的脑电信号恐惧度分级特征方法。随着社会的发展进步，恐惧症在当今越来越普遍，恐惧的分级有利于判断恐惧程度,让那些潜在患者能够及时治疗。本发明通过使用VR设备观看一段恐惧视频，诱发不同程度的恐惧脑电，使用沈民奋小波包分解和Lempel‑Ziv复杂度(LZC)算法，对不同级别的恐惧脑电进行特征分析。实验结果表明：随着恐惧等级的增加，脑电中的δ节律的能量会减少，而α节律、θ节律和β节律的能量会升高。在三种不同的恐惧等级下，一级恐惧的LZC值最低，二级恐惧的LZC值其次，三级恐惧的LZC值最高。因此，参数LZC可以作为衡量恐惧等级的潜在指标，而且VR的使用为后续研究脑电信号的研究提供了新的思路。

技术领域

本发明设计基于VR系统的脑电信号恐惧度分级特征研究。具体指，设计利用VR技术观看一段恐惧视频诱发人的不同程度的恐惧，分析不同恐惧等级下脑电的变化趋势，该发明属于认知神经科学和信息技术领域的结合，属于数字信号处理技术领域。

背景技术

研究发现恐惧是许多精神障碍的重要成分或者是核心症状，如强迫症、选择性缄默、恐惧症、社会退缩等。与高兴、悲伤、愤怒相比，恐惧是比较容易控制与研究的情绪类型。通过研究恐惧情绪的规律，有助于对恐惧的控制，可以用于检测和治疗恐惧相关的疾病。所以本文研究从脑电的特征，来判断一个人的恐惧程度，用精确的数据来判断，更加直观，方便，准确。恐惧是由认知、生理变化和外显行为三者彼此相互作用而成的复杂的情绪活动。恐惧的外显表情为眼睛张大、眉头微皱、口微张、双唇紧张，严重恐惧中，面部各部分的肌肉较为紧张，有时还伴有尖叫等行为。

研究表明前额皮层(PFC)与情绪相关，其中右前额皮层与消极感情和退缩相关。Davidson及同事报告，电影诱发的恐惧提高右侧前额和额叶前部激活。Maclean进一步发展了Papez模型，提出术语“边缘系统”表示高度相联的皮层和皮层下结构，包括杏仁核、下丘脑、前部丘脑核、海马、大脑脚盖、中隔及岛叶皮层，它们与情绪相关。那么在恐惧度分级方面，研究右前额皮层脑电信号特征，十分重要。

脑电信号是反映大脑活动的最佳指标之一，而分析脑电信号的最关键在于脑电信号的特征提取。目前脑电信号的特征提取方法有很多，主要分为时域分析法、频域分析法和非线性分析法。快速傅里叶变换FFT(Fast Fourier Transform)、自回归模型AR(Autoregressive)、功率谱密度PSD(Power Spectrum Density)都属于频域分析方法，通过把幅度随时间变化的脑电信号变换成脑电功率随频率变化的谱图，从而提取出脑电信号的频域特征。但是这些方法的缺点在于只适合分析平稳信号，对于分析脑电信号这类非平稳信号具有很大的局限性。在我国，沈民奋教授等人利用小波变换的频率划分特性，对非平稳脑电信号进行节律提取比计算相对小波能量，反映脑电节律间的相对能量关系，结合小波熵分析脑电在不同大脑功能状态下的脑电复杂程度，结果表明小波包分解能更加准确的提取出特定的脑电节律。LZC复杂度算法，作为一种模型独立的非线性测度，LZC表征了一个时间序列里面出现新模式的速率。LZC越高说明出现新模式的概率越高，同时也说明动力学行为越复杂。

发明内容

本发明的目的在于将VR技术应用到脑电领域，VR使被试者能够身临其境，免受外界环境的干扰，提高了脑电数据测试的准确程度，在使用VR去测试被试者的脑电，能够更加准确的得到被试者的恐惧脑电，能够更加有效的得到较准确的数据。

为了实现上述目的，本发明采用如下技术方案：

基于VR系统的脑电信号恐惧度分级特征研究，包括如下步骤：

(1)脑电信号采集，利用脑电设备和VR设备采集恐惧脑电信号，并使用问卷调查记录被试者再不同时刻的恐惧程度；

(2)对采集到的脑电信号进行预处理，利用高通滤波器进行线性矫正，利用ICA去除眼电和肌电的干扰，改变采样频率为250HZ，降低数据量；

(3)根据被试者的问卷调查，对数据进行分段和叠加平均，得到处理后的数据；