隐藏式耳周脑电监测系统如何助力听力受损者？

 

隐藏式耳周脑电图检测系统概述

隐藏式耳周脑电图检测系统的研发源于解决听力受损者在“鸡尾酒会”等复杂听觉场景中难以聚焦目标说话者的难题。传统脑电图（EEG）技术虽能通过解码大脑信号识别注意力指向，但其笨重的实验室设备限制了日常应用。为此，本研究探索了一种名为cEEGrid的创新解决方案，如图1A（cEEGrid佩戴实物示意图） 所示，它是一个C形的柔性电极阵列，能隐蔽地佩戴于耳周。该系统与无线放大器协同工作，构成了一个便携、舒适的用户友好型脑电采集系统，其核心优势在于在保持可接受信号质量的前提下，实现了前所未有的隐蔽性与佩戴舒适度，为未来开发能与助听器无缝集成的脑机接口（BCI）奠定了坚实基础。

 

 

图1 cEEGrid系统构成与空间定位示意图

 

图1包含三个子图，全面介绍了cEEGrid的基本形态和空间关系。图1A: cEEGrid佩戴实物示意图。图1B: cEEGrid电极布局与编号图。图1C: cEEGrid与帽式EEG电极3D空间位置对比图。在一个标准头部模型上，将cEEGrid电极（粉色点）与传统的84通道帽式EEG电极（青色点）共同呈现，清晰揭示了两者在头皮上的相对空间位置，凸显了cEEGrid覆盖范围集中于耳周的特点。

 

HUIYING

隐藏式耳周脑电图检测系统设计关键说明

 

该研究的核心在于严谨地对比新兴的cEEGrid系统与传统高密度帽式EEG的性能。为确保对比的公平性与准确性，实验采用了精密的同步数据流方案，如图2（双EEG系统同步数据流图） 所示。在该方案中，cEEGrid（耳周EEG） 与84通道帽式EEG被同步记录：cEEGrid信号通过蓝牙无线传输，而帽式EEG通过有线方式传输，两者与刺激标记信号共同通过Lab Streaming Layer (LSL) 系统进行时间对齐，并整合为单一数据文件。这套关键的技术流程确保了后续所有分析中，两种系统记录的数据在时间上完全同步，从而能够精确评估cEEGrid在目标说话者检测任务中的真实潜力与性能边界。

 

 

图2 双EEG系统同步数据流图  

 

 图2 以清晰的框图形式，描绘了整个实验数据采集的技术架构。它展示了刺激呈现计算机（通过Psychophysics工具箱）、cEEGrid无线蓝牙采集系统、帽式EEG有线采集系统这三路数据，如何通过Lab Streaming Layer (LSL) 中间件进行时间同步与整合，并最终记录为一个统一的.xdf数据文件，是理解实验数据同步性与可靠性的关键。

 

HUIYING

隐藏式耳周脑电图检测系统电极设计说明

cEEGrid系统的卓越性能离不开其专为耳周区域优化的电极设计。如图1B（cEEGrid电极布局与编号图） 所示，每个阵列包含10个Ag/AgCl柔性印刷电极，以C形紧密环绕耳廓布局。电极编号为L1-L8（左耳）和R1-R8（右耳），其中R4a和R4b分别作为系统的地和参考电极。图1C（cEEGrid与帽式EEG电极3D空间位置对比图） 进一步在三维空间展示了cEEGrid电极（粉色）与帽式EEG电极（青色）的相对位置，清晰揭示了其覆盖区域紧邻负责听觉处理的颞叶皮层。这种基于耳周解剖结构的柔性设计，通过双面胶固定和导电凝胶，确保了即使在部分有毛发的皮肤区域也能获得稳定、可靠的脑电信号。

 

HUIYING

临床研究

研究方法

 

本研究招募了20名正常听力参与者，他们在实验中需要同时聆听两位男性说话者讲述的故事，并始终注意其中指定的一个目标。在整个过程中，研究人员使用前述的同步方案，并行记录了每位参与者的cEEGrid信号和84通道帽式EEG信号。数据分析采用包络追踪算法，其原理如图3（时间延迟对包络相关性影响曲线图） 所演示：通过训练一个多元线性回归模型，从EEG信号中重建出“被注意的语音包络估计（EASE）”，然后通过计算EASE与两个原始语音包络的相关性，来判定大脑正在注意哪一个说话者。

 

 

图3 包络响应时间延迟分析曲线图   

 

图3展示了脑电信号对语音包络的响应随时间延迟变化的规律。图中两条实线分别表示基于帽式EEG（青色）和耳周EEG（粉色）重建的语音包络与被注意语音包络的相关性；两条虚线则表示与被忽略语音包络的相关性。图表显示，两种系统均在140-200毫秒的延迟区间内响应最为强烈，且模式高度相似，为cEEGrid捕获了有效神经响应提供了关键证据。

 

研究结果

 

主要性能：cEEGrid系统实现了69.3% 的目标说话者解码准确率，虽然显著高于随机猜测水平，但低于传统帽式EEG的84.8% 的准确率。

神经响应一致性：如图3所示，两种系统的最佳神经响应延迟均在140-200毫秒之间，且响应模式高度相似，这强有力地证明cEEGrid捕捉到了与帽式EEG同源的、与听觉注意力相关的神经活动。

个体表现关联：图4（cEEGrid与帽式EEG个体性能评分相关性散点图） 显示，两种系统的个体性能评分呈显著正相关，表明在帽式EEG上注意力解码表现好的参与者，在使用cEEGrid时通常也更好。

 

 

图4 耳周EEG与帽式EEG个体性能相关性散点图        

 

图4揭示了参与者个体在不同EEG系统上表现的一致性。每个点代表一位参与者，其横纵坐标分别为基于cEEGrid和帽式EEG计算出的性能评分。图中显示的显著正相关趋势表明，在传统系统上注意力解码能力强的个体，在新型的cEEGrid系统上也倾向于表现更好，这强有力地证明cEEGrid捕捉到了具有个体特异性的、真实的神经信号。

 

性能限制原因：图5（不同电极布局对解码准确率影响对比图） 的系统性对比指出，cEEGrid性能稍逊的主要原因是其电极空间位置并非听觉注意力解码的最优位置，而非电极本身质量或通道数量不足。当使用帽式EEG中覆盖颞叶和中央区的16个通道时，性能与全84通道相当。

 

 

图5 不同电极空间布局对解码准确率的影响对比图

 

图5系统性地比较了电极位置对解码性能的影响。左侧的柱状图量化了使用cEEGrid（粉色）和多种16通道帽式EEG子集（青色）时的平均解码准确率。右侧配套的头部示意图则直观展示了所对比的每一种电极布局的空间覆盖情况。结果明确显示，性能差异主要源于空间位置，而非通道数量，指出cEEGrid性能受限的主要原因。

 

信号质量可靠性：图6（cEEGrid性能影响因素分析图） 的分析结果表明，cEEGrid的性能差异并非由电极阻抗、频谱噪声或佩戴角度的个体差异所导致，印证了其信号采集的稳定性和可靠性。

 

 

图6 cEEGrid信号质量与性能影响因素分析图     

  

图6深入分析了可能影响cEEGrid性能的三个因素。图6A: 电极阻抗分析。比较了"高表现组"与"低表现组"在各cEEGrid电极上的平均阻抗，结果显示无显著差异。图6B: 频带功率谱分析。对比了两组在不同脑电频率波段上的信号功率，未发现系统性差异，表明性能差异并非源于肌电等高频噪声污染。图6C: 传感器佩戴角度分析。以极坐标形式展示了两组参与者左右cEEGrid的佩戴角度，其角度高度一致，排除了佩戴偏差对性能的影响。

 

HUIYING

总结

本研究实证了，利用隐藏式cEEGrid耳周EEG系统能够有效地从复杂听觉场景中解码出被注意的说话者。尽管其解码准确率因电极位置所限而低于实验室金标准，但其在隐蔽性、舒适性和便携性方面取得的突破性进展，使其成为推动下一代智能、自适应助听器发展的关键候选技术。未来的研究将致力于开发更快速的实时解码算法，以克服当前系统响应延迟较长的限制，最终实现听觉辅助设备与用户意图的无缝、自然交互。