BMC Bioinformatics | HEROIC：使用消费级脑部可穿戴设备远程收集脑电数据的平台

星标“医工学人”，第一时间获取医工交叉领域新闻动态~

前言

关键要点

• 开发了开源软件工具来与消费级可穿戴脑电图设备进行配套连接

• 可以自定义记录EEG事件，无需专门的技术人员协助

越来越多的便携式消费级脑电图 (EEG) 可穿戴设备为在现实环境中追踪大脑活动和神经系统疾病提供了潜力。然而，缺乏配套的开放软件工具来标准化自定义记录并帮助指导用户独立操作。

为了解决这一差距，作者开发了 HEROIC，这是一款开源软件，允许参与者远程收集高级 EEG 数据，而无需专业技术人员的帮助。HEROIC 的目的是提供一个开放的软件平台，可以与消费级可穿戴设备结合使用，在传统研究环境之外的定制神经认知任务期间记录 EEG 数据。

本文包含 HEROIC 实现的描述、研究人员如何使用它以及一个概念验证演示，强调了 HEROIC 用作可扩展且低成本的 EEG 数据收集工具的潜力。具体来说，作者使用 HEROIC 指导健康参与者完成标准化的神经认知任务，并在参与者家中捕获复杂的大脑数据，包括事件相关电位 (ERP) 和功率带变化。结果表明，HEROIC 能够使用低成本的远程协议生成与呈现的刺激精确同步的数据，而无需依赖专家操作员来管理会话。本文开发的软件及其功能共同为大规模远程和纵向分析大脑健康和疾病提供了第一个民主化且可扩展的平台。

本研究由多伦多大学团队完成，详细内容于7月18日报道在了《BMC·生物信息学》杂志。

HEROIC 实施的示意图

实验设计可以从多种不同的刺激和数据捕获模式中汲取灵感。

B i )设备的选择是硬编码的，但可以修改，后续模块会做出相应的反应。

B ii )在数据收集会话中，屏幕上的刺激由本地数据库中不同任务（例如睁眼休息）的配置文件确定。刺激标有签名编号，这些签名编号带有时间戳并叠加在从线程读取的 EEG 数据上。

B iii )当用户完成会话后，它将返回到图形用户界面 (GUI)，提示用户关闭程序，从而触发数据文件的保存。

HEROIC：一款用于远程收集 EEG 数据的轻量级软件

Muse 2可穿戴脑电图头带

A. 图表显示一名参与者佩戴着 Muse 2 EEG 可穿戴设备，坐在一台装有 HEROIC 的便携式预编程笔记本电脑上。

B. HEROIC的图形用户界面屏幕截图，用于其交互式初始信号质量检查过程。彩色圆圈代表每个电极的状态（绿色：已接受，信号变化性低。黄色：接近接受。红色：未接受，信号变化性高）。

C. 顶部：我们默认会话设计中使用的认知过程任务序列。左下方：视觉异常范式图，其中呈现了异常和标准刺激。右下方：由异常刺激引起的典型 P300 波形的图表示例。

D. 使用所提供系统进行远程数据收集的标准工作流程。首先，向用户提供一台装有软件（a (i)）的笔记本电脑，该笔记本电脑可以连接到 EEG 可穿戴设备（a (ii)）并从其接收数据。参与者参加软件的初步实验室演示，同时进行脑电图记录和感兴趣的认知测试 (b)。纵向数据收集在家中进行 (c)，频率为每周、每两天甚至每天。收集完成后，或在定期医院就诊期间，设备将返回实验室进行数据检索和分析 (d)。

使用便携式 EEG 设备远程检测认知过程

A. 阿尔法阻断：成对的小提琴图显示闭眼和睁眼之间阿尔法活动显著减少（p < 0.0001）。每个点代表从 TP9 通道记录的两秒时间事件。

B. 头皮上的频谱变化：总结了对照组参与者从闭眼到睁眼静息状态大脑区域功率谱频带变化的显著变化，p 值显示在补充表 1 中。（δ delta、θ theta、α alpha、β beta、γ gamma）。

C. P300波形：从 14 名健康对照者的组合数据/ERP 得出的每个电极的平均 ERP 图。y 轴上的幅度以伏特为单位。x 轴上的时间以秒为单位。聚类 t 检验检测到异常（蓝色）曲线和标准（绿色）曲线之间存在显着（红色，p < 0.01）差异。检测到了类似于 TP9 的 P300 以及 TP10 的 N200 和 P300 的显著簇。

D. 最小均值距离 (MDM) 分类器：单次迭代分类器性能（准确率 = 80.60%）证实异常刺激和标准刺激确实存在差异。

结论

脑部可穿戴设备有可能在传统研究和医疗环境之外捕获大量脑电图数据。然而，缺乏经验丰富的操作员、电极密度较低以及数据时间戳的精确性可能会限制当前的能力和前景。由于这些不同的因素，许多早期研究都集中在实验室内，需要对大量队列的数据进行平均才能获得一致的结果。具体而言，文献中缺乏一个开源平台来以经济高效且可扩展的方式收集复杂的脑电图特征（如 ERP）。

在这里，作者开发了一个开源 EEG 平台，该平台连接流行的 EEG 设备以收集带时间戳的数据记录，并在健康参与者的几个相关场景中对可靠性进行了基准测试。重要的是，所提出的平台可以在普通的翻新笔记本电脑上运行，并且可以轻松定制和扩展到不同的 EEG 可穿戴设备并管理额外的自动认知测试。作为概念验证，作者将平台部署到 14 名健康参与者，结果表明其能够重现预期的静息状态差异，并可靠地生成复杂的大脑测量值，如 P300 波形。鉴于本文实验的队列对频繁记录协议的遵守程度相对较高，易于使用，可以相信可以适应更大的队列来研究健康状况和疾病。

▼参考资料

[1] Sugden, R.J., Campbell, I., Pham-Kim-Nghiem-Phu, VL.L. et al. HEROIC: a platform for remote collection of electroencephalographic data using consumer-grade brain wearables. BMC Bioinformatics 25, 243 (2024). https://doi.org/10.1186/s12859-024-05865-9.

[2] https://choosemuse.com/

*本文仅分享医疗科技前沿进展，不代表平台利益。如涉及版权问题，请联系我们删除。

END

编译 | 刘帅

来源 | BMC Bioinformatics

审核 | 医工学人

扫码注册加入医工学人，进入综合及细分领域群聊，参与线上线下交流活动