肌萎縮側(cè)索硬化癥（ALS）是一種漸進性神經(jīng)退行性疾病，導(dǎo)致癱瘓并嚴重影響晚期患者的溝通能力。當患者意識清晰但運動功能受限時，稱為閉鎖狀態(tài)（LIS）。對于LIS患者，基于眼動追蹤的增強和輔助交流（AAC）技術(shù)是目前最有效的溝通方式。研究表明，眼控屏幕鍵盤是幫助LIS患者溝通、表達的最佳方法，因為他們?nèi)员Ａ粽J知能力且對眼球的控制能力相對完整。AAC系統(tǒng)中的眼動追蹤技術(shù)通過檢測用戶的注視方向，使他們能夠選擇屏幕上的字母、單詞或符號。基于這一方法，研究中開發(fā)了一種眼動追蹤拼寫通信系統(tǒng)，旨在支持越南的言語運動功能受損者，特別是ALS患者。

本研究收集了來自六名不同發(fā)展階段的肌萎縮側(cè)索硬化癥（ALS）患者和一百七十名健康個體的腦電圖和眼動追蹤數(shù)據(jù)。盡管患者存在身體障礙，但其眼部功能良好，能夠通過虛擬鍵盤交流。ALS患者數(shù)據(jù)于其家中進行多次記錄，而健康個體則在實驗室中進行一次記錄。每個參與者包含九個反映常見人類行為或需求的記錄會話。該數(shù)據(jù)集為腦機接口拼寫系統(tǒng)改進、運動想象力研究、運動皮層功能探索、運動障礙監(jiān)測及ALS對認知與運動影響的研究提供了重要基準。

方法參與者

實驗中參與者均為自愿參與，且由研究團隊醫(yī)生評估。參與者需滿足特定標準：非ALS患者需具有正常活動能力且無神經(jīng)、心理或語言障礙史；ALS患者需具備良好的眼動功能以使用眼動追蹤拼寫系統(tǒng)。本研究涉及六名ALS患者和170名健康個體，健康參與者年齡在19至70歲之間，均無相關(guān)病史。在ALS患者中，四名LIS患者的功能評定量表修訂版（ALSFRS-R）得分為0，另外兩名得分為1。參與者僅以“id001”至“id170”及“ALS01”至“ALS06”識別。

拼寫交流系統(tǒng)

研究中采用的拼寫交流系統(tǒng)是一種輔助交流（AAC）工具，旨在幫助越南的言語運動功能受損者，尤其是ALS患者，通過目光輸入文本信息與他人溝通。該系統(tǒng)如圖1所示，由眼動追蹤設(shè)備（b）、顯示屏鍵盤界面（c）和計算機處理器及揚聲器（d）組成。用戶坐在椅子或?qū)Ｓ锰梢紊希⒁暰嘌劬s80厘米的顯示器。眼動追蹤設(shè)備通常由一至兩個攝像頭組成，實時跟蹤用戶的眼球運動并提供注視位置。系統(tǒng)分析該信息，識別用戶希望選擇的屏幕鍵盤特定鍵。鍵盤布局為越南語設(shè)計，具備快速輸入建議機制，并能將輸入文本轉(zhuǎn)換為語音，通過揚聲器播放。

圖1 基于眼動追蹤的拼寫交流系統(tǒng)

實驗范式

受試者在EEG/ET數(shù)據(jù)采集前需按照校準指示進行眼球運動，并由實驗者協(xié)助佩戴EEG設(shè)備。在數(shù)據(jù)采集過程中，受試者參與9個環(huán)節(jié)，每個環(huán)節(jié)對應(yīng)一個特定場景。場景1至7中，受試者需執(zhí)行三類任務(wù)：首先閉眼想象場景相關(guān)運動或需求5至7秒（任務(wù)i）；然后睜眼進行三個連續(xù)動作（任務(wù)ii）；最后利用眼動追蹤拼寫交流系統(tǒng)輸入相關(guān)越南語句子（任務(wù)iii）。在這七個場景中，任務(wù)i和ii交替進行三次。ALS患者根據(jù)自身功能限制盡力完成動作，無法執(zhí)行時會選擇放棄。場景8和9中，參與者僅執(zhí)行任務(wù)i三次，未進行任務(wù)ii。每個任務(wù)前設(shè)有5秒的休息間隔。

數(shù)據(jù)采集系統(tǒng)

數(shù)據(jù)采集系統(tǒng)采用運行于Core i7計算機上的自研記錄器軟件，能夠同時記錄EEG和ET數(shù)據(jù)，并在使用拼寫通信系統(tǒng)時捕獲ET數(shù)據(jù)。EEG和ET數(shù)據(jù)通過LSL協(xié)議進行同步收集，簡化時間序列測量的整合。記錄器軟件還可直接注釋EEG信號中的實驗事件。EEG數(shù)據(jù)使用Emotiv EPOC Flex22設(shè)備采集，該設(shè)備配備32個電極，按國際標準10-2023安裝，采樣頻率為128Hz，采用鹽水傳感器以確保參與者舒適且不影響信號質(zhì)量。圖2展示了電極位置，藍色圓圈表示32個電極的安裝位置，黑色圓圈用于參考電極。ET數(shù)據(jù)則通過Tobii Eye Tracker 524采集，采樣頻率為30Hz。

圖2 腦電圖電極放置遵循10-10原則

數(shù)據(jù)記錄

下文為原始數(shù)據(jù)文件夾和使用說明。

EEGET-ALS數(shù)據(jù)集可在指定網(wǎng)址獲取。該數(shù)據(jù)集包含176名參與者的9個記錄會話數(shù)據(jù)，每個會話對應(yīng)一個實驗場景，持續(xù)約2分鐘。每個會話包括具有7個步驟的事件，并在每一步之間設(shè)有約5秒的短暫休息，以減少參與者的疲勞。每位參與者的數(shù)據(jù)存儲在獨立子文件夾中，包含年齡、性別信息及不同實驗場景的數(shù)據(jù)文件夾（如場景1、場景2等）。每個場景的數(shù)據(jù)文件夾包含：? 元文件（scenario.json、info.json），提供樣本附加信息；scenario.json描述記錄場景，info.json提供參與者信息（性別、年齡等）；? EDF格式的EEG數(shù)據(jù)（EEG.edf）。

EEG.edf文件包含32個通道的信號，采用歐洲數(shù)據(jù)格式（EDF）存儲。每個EEG文件對應(yīng)特定實驗場景，包含多個事件，用戶可通過Python的MNE庫提取。這些事件與參與者執(zhí)行的任務(wù)相關(guān)，如實驗范式部分所述。圖3展示了不同會話的數(shù)據(jù)示例，底部欄為信號記錄時間線，當前信號以灰色突出顯示。ET.csv文件包含五個數(shù)據(jù)字段，數(shù)據(jù)以行形式存儲。

圖3 使用 MNE 工具預(yù)覽 EEG.edf 文件中的數(shù)據(jù)

潛在應(yīng)用

本研究利用 EEGET-ALS 數(shù)據(jù)集探討注意力程度與人員識別的潛在應(yīng)用。研究人員通過眼動跟蹤 (ET) 數(shù)據(jù)標記EEG數(shù)據(jù)，區(qū)分注意力集中（正標記）與不集中（負標記）的樣本，提取功率譜密度 (PSD) 和常見空間模式 (CSP) 特征，采用支持向量機 (SVM) 和人工神經(jīng)網(wǎng)絡(luò) (ANN) 進行分類，交叉檢查中準確率約為 80%。在人員識別方面，使用四種模型（SVM、卷積神經(jīng)網(wǎng)絡(luò) (CNN)、長短期記憶-卷積神經(jīng)網(wǎng)絡(luò)(CNN-LSTM)）進行測試，結(jié)果表明這些方法在該數(shù)據(jù)集上表現(xiàn)良好。

此外，在運動運動想象 (MI) 的分類方面，通過經(jīng)典算法（CSP 和歐幾里得對齊）與機器學(xué)習(xí)方法（SVM、EEG-ITNet、EEGNet）對EEG 信號進行分析。MI 分類的目標是提高殘疾人士的生活質(zhì)量及理解大腦功能。模型基于健康與 ALS 參與者的數(shù)據(jù)進行訓(xùn)練與測試，評估指標包括平衡準確度 (BAC) 和 Cohen 的 Kappa。實驗結(jié)果表明，采用深度模型進行人員識別和 MI 分類具有良好的性能，為腦機接口和輔助技術(shù)的發(fā)展提供了支持。

僅用于學(xué)術(shù)分享，若侵權(quán)請留言，即時刪侵！

歡迎加入腦機接口社區(qū)交流群，

探討腦機接口領(lǐng)域話題，實時跟蹤腦機接口前沿。

加微信群：

添加微信:RoseBCI【備注：姓名+行業(yè)/專業(yè)】。

歡迎來稿

1.歡迎來稿。投稿咨詢，請聯(lián)系微信：RoseBCI

點擊投稿：

2.加入社區(qū)成為兼職創(chuàng)作者，請聯(lián)系微信：RoseBCI

一鍵三連「分享」、「點贊」和「在看」

不錯過每一條腦機前沿進展