基于心理压力预测的可穿戴式脑电传感器信号质量评估模型

脑电图(EEG)在电子医疗系统中发挥着重要作用,尤其是在需要持续且无障碍监控的精神医疗领域。 在OPTIMI项目的背景下,已经设计并生产了一种新颖,低成本,重量轻的可穿戴式EEG传感器。 为了在现实生活中提高EEG传感器的性能和可靠性,我们提出了一种评估EEG信号质量的方法,在此基础上,用户可以轻松调整电极与皮肤之间的连接。 我们的方法有助于从家庭和办公室环境中的个人试验中筛选出无效的EEG数据。 然后,我们应用基于离散小波变换(DWT)和自适应噪声消除(ANC)的算法,该算法旨在从EEG信号中去除眼部伪影(OA)。 DWT用于获取重构的OA信号作为参考,而ANC基于递归最小二乘,用于从原始EEG数据中删除OA。 新生产的传感器经过测试,并部署在OPTIMI框架内,用于慢性压力检测。 脑电非线性动力学特征和θ,α和β谱带的额叶不对称性已被选作慢性应激的生物学指标,显示出应激个体右脑电图数据活动相对较多。 评估结果表明,按照欧盟OPTIMI项目的设想,我们的EEG传感器和数据处理算法已成功解决了便携式患者监护系统的要求和挑战。