无线干电极入耳式EEG传感器，实现连续嗜睡监测
2024-08-11 15:55:10   来源：麦姆斯咨询   评论：0   点击：

神经可穿戴设备能够为飞行员和驾驶员提供嗜睡和健康状况监测，从而挽救生命。虽然现在的舱内传感器也可以提供类似功能，但可穿戴设备能够在更多的环境中提供有效监测。尽管前景广阔，但目前的神经可穿戴设备大多需要湿电极和尺寸较大的电子设备。

随身相机、光电容积脉搏波描记术（PPG）、皮肤电活动、心电图（ECG）、眼电图（EOG）和脑电图（EEG）等以用户为中心的记录模式，因其高度便携及适应专业工作环境而越来越受欢迎。这些记录模式已被整合到多种外形设计中，例如眼动跟踪眼镜、PPG/ExG跟踪头盔以及入耳式ExG传感器等。在这些方法中，ExG的嗜睡检测准确率通常最高。

在耳道内进行细致的多通道脑电图记录已经得到证实，最近的进展主要集中在耳塞设计、电极材料和多传感器阵列等方面。耳道因其固有的机械稳定性和丰富的潜在记录模式而成为理想的传感位置。入耳式传感器和电极可以很好地记录颞叶活动、血氧饱和度、头部运动和咀嚼肌活动，因此，如果不需要高空间覆盖率，入耳式传感器和电极是多模态传感的理想选择。

除了系统优化之外，从训练、数据和处理要求的角度来看，机器学习算法的选择也决定了系统的功能。日常使用的ExG系统最好能开箱即用，随着时间的推移不断改进，并在无线连接不畅、无法可靠访问大型处理能力的情况下继续提供反馈。逻辑回归、支持向量机（SVM）和随机森林等经典算法，在利用有限数据集对神经信号进行分类方面取得了令人瞩目的进展。基于神经网络的算法也取得了显著成果，是进一步研究的良好候选对象。

与性能相当的基于神经网络或感受器的架构相比，SVM、逻辑回归和随机森林等算法所需要的处理能力较低，因此成为现有微控制器上进行低功耗、边缘部署的理想选择。此外，虽然现有入耳式ExG脑机接口（BCI）通过针对特定用户的训练和验证实现了较高的分类精度，但理想的入耳式ExG可穿戴设备将利用预训练算法，使从未接触过这些设备的用户无需耗时训练即可使用。这种用户自定义分类在头皮嗜睡监测中已经进行了探索，并取得了成功，但尚未在入耳式ExG中应用。

入耳式ExG可穿戴设备

据麦姆斯咨询介绍，美国加州大学伯克利分校的研究人员近期在Nature Communications期刊上发表了一篇题为“Wireless ear EEG to monitor drowsiness”的文章。这项研究成果首次集成并演示了一种用于嗜睡分类的无线干电极入耳式EEG传感器。研究人员提出了一种新颖的入耳式脑电图传感器制造方法，并将其与现有无线数据采集平台相结合，在9名受试者身上进行了开源机器学习分类验证。该研究引入了适用于重复使用、舒适、低阻抗耳塞的干式镀金电极的制造工艺，并在长达数月的电极使用中进行了测试。这种电极技术为快速原型化可重复使用的金电极提供了一种独特方法，并且在使用12个月后仍能保持稳定。这些电极有望取代现有依赖寿命较短的银/氯化银电极或昂贵材料（如铂或IrO3）的解决方案。

研究人员将耳塞与无线、隐蔽电子元件结合在一起，构建了可穿戴的入耳式EEG系统，能够在40多个小时内进行连续低噪声神经测量。随后，研究人员在一项包括9名受试者的嗜睡监测研究中演示了由此获得的耳部EEG脑机接口（BCI）。从记录的EEG数据中提取了低复杂度的时间和频谱特征，并将其用于训练多个离线机器学习模型，以实现自动嗜睡检测。通过使用支持向量机的最佳模型，在对之前接触过的用户进行评估时，其嗜睡事件检测的平均准确率为93.2%，在对从未接触过的用户进行评估时，准确率为93.3%。该系统及其对离线分类器的使用，为未来开发隐蔽、全无线、长期、纵向大脑监测奠定了基础。

（a）最终的耳塞由四个耳内电极和两个耳外电极组成；（b）耳外电极紧贴耳甲艇和耳窝，而耳内电极则接触耳道孔；（c）电极制造示意图和照片。

论文链接：https://doi.org/10.1038/s41467-024-48682-7

延伸阅读：

《可穿戴技术及市场-2023版》