EEG与VR技术在心理障碍诊疗中的融合应用综述

提问：

谈到脑电仪（EEG，Electroencephalogram），目前大众最关注的就是脑机接口和神经反馈等前沿技术。不过，这些高科技应用离我们的日常生活似乎还有些距离。

除了这些技术，还有没有与我们的日常生活真正相关且实际应用的脑电研究？

回答：

事实上，脑电仪在日常生活中的应用越来越广泛，特别是在健康监测和心理治疗方面。

例如，把虚拟现实（VR）技术和脑电仪结合起来，用来帮助诊断和治疗心理障碍。这种方法显示出在现实生活中有很大的潜力，能够真正地帮助人们改善心理健康问题。

创伤后应激障碍（Post-Traumatic Stress Disorder, PTSD）是一种常见且严重的精神健康问题，通常由经历或目睹创伤性事件引发。当面对亲人故去、重大疾病、车祸地震等，生命安全受到威胁时，我们的内心都会承受着巨大的痛苦，经常不由自主的、反复的回忆当时的情景，或逃避回忆和讨论与其有关的话题，往往也伴随焦虑、恐惧等情绪，心慌、呼吸急促、手抖等身体不适。

当代PTSD治疗领域主要围绕心理干预，例如暴露疗法和积极思维疗法。随着虚拟现实 (VR) 技术的不断发展，出现了一项突破性的进展，即虚拟现实暴露疗法 (Virtual Reality Exposure Therapy，简称VRET)，有效地将 VR 技术与医疗应用结合在一起，特别是在 PTSD 的细致治疗中。同时，随着人机交互和脑机接口领域的不断动态扩展，脑电图 (EEG) 已成为跨学科的关键融合点。VRET 技术与 EEG 信号的融合有望提高患者诊断的准确性和客观性。此外，利用 EEG 信号可以在 VRET 技术框架内实现更细致入微和个性化的治疗方法。尽管现有研究对 VRET 技术进行了全面总结，但迄今为止，与EEG 信号的整合仍是一个相对未开发的领域。

本文将分享2024 年国际显示技术会议（第 55 卷，第 S1 期）中发表的《虚拟现实技术在心理障碍诊断和治疗中的应用：基于脑电图（EEG）的方法》。

该研究对现有技术和应用进行了细致的综合和阐述，全面概述了当前的形势。探索延伸到 VRET 技术和 EEG 技术融合的发展轨迹和未来影响。此外，对 EEG 信号在心理健康治疗领域的实际贡献和实际意义进行了严格的分析。

关键词：虚拟现实(VR)；脑电图(EEG)；虚拟现实暴露疗法(VRET)；创伤后应激障碍(PTSD)；心理健康治疗。

01 / 基于脑电信号的情感分析的认知神经科学进展

脑机接口和人机交互技术一直是前沿科技的大热门，而神经科学相关研究乘着这股东风也愈加地蓬勃发展。简单来说，所有的研究都是以人为本的，而脑电图（EEG）以其客观的生理测量能力著称，它汇集了众多跨领域的研究参数，因此受到了不同领域学者的极大关注。

其中，情感计算分析是脑电研究的一个重要方向。

情感分析利用EEG作为一种生理信号，能够对情绪和心理状态进行准确、理性的预测和评估。因此，基于EEG信号的情绪分析在心理障碍诊断和治疗、疲劳诱导驾驶分析和情绪机器人开发等领域找到了应用。

EEG信号跨越时间、空间和频率域，复杂且多维。在分析之前，必须对原始EEG信号进行预处理，以减轻噪声和去除伪影。接下来，通过特征提取技术，从时间、空间和频率域提取相关信息。这些技术包括连续时变方法，如功率谱密度（PSD）和微分熵（DE），它们封装了丰富的信息。

接下来的特征提取，机器学习和深度学习模型被用于训练，以预测结果。这个过程的示意图如图2所示。

脑电信号在精神疾病治疗中的应用主要集中在心理情绪分析上，目前已建立了大量基于脑电信号情绪分类的公开数据集，如：

(1) DEAP:：A Database for Emotion Analysis ;Using Physiological Signals | IEEE Journals & Magazine | IEEE Xplore [Internet]. ieeexplore.ieee.org. [cited 2024 Feb 24].

(2) SEED：Investigating Critical Frequency Bands and Channels for EEG-Based Emotion Recognition with Deep Neural Networks | IEEE Journals & Magazine | IEEE Xplore [Internet]. ieeexplore.ieee.org. [cited 2024 Feb 24].

(3) DENS：Emotion Recognition Using Temporally Localized Emotional Events in EEG With Naturalistic Context: DENS# Dataset | IEEE Journals & Magazine | IEEE Xplore [Internet]. ieeexplore.ieee.org. [cited 2024 Feb 24].

随着机器学习和深度学习的不断进步，大型语言模型也应用于基于脑电信号的情绪分类，如：

(1) LSTM：Ramzan M, Dawn S. Fused CNN-LSTM Deep learning emotion recognition model using Electroencephalography signals. International Journal of Neuroscience. 2021 Jun 13;1–10.

(2) CNN：Self-Supervised EEG Emotion Recognition Models Based on CNN | IEEE Journals & Magazine | IEEE Xplore [Internet].ieeexplore.ieee.org. [cited 2024 Feb 24].

(3) Transformer：Wei Y, Liu Y, Li C, Cheng J, Song R, Chen X. TC-Net: A Transformer Capsule Network for EEG-based emotion recognition. 2023 Jan 1;152:106463–3.

02 / 增强现实和虚拟现实技术在精神障碍治疗中的进展

虚拟现实（VR）和增强现实（AR）技术因为能够将现实与虚拟环境融合，在医疗方面，它们与医疗实践的融合趋势越来越明显，例如医疗数据可视化、手术培训、手术模拟器和远程手术等，这带来了提高诊断效率和改善治疗效果的好处。

虚拟现实暴露疗法（VRET）通过VR设备，创造沉浸式环境，使患者能够在可控的虚拟场景中面对和克服恐惧，与传统暴露疗法相比，资源效率更高且具有广泛应用潜力。

研究证实了VRET联合其他干预措施在PTSD诊断和治疗中的有效性，并显示其在缓解焦虑、恐惧和抑郁症状方面的效用。

03 / 脑电信号与虚拟现实技术结合治疗心理障碍

现有的脑电模型可以用于特征提取和预测分析，实现对心理障碍的精确诊断和评估其严重程度，如抑郁或焦虑水平。通过整合脑电信号分析，可以更准确地评估患者，并根据生理反应优化VR场景，从而针对个体患者量身定制。这种个性化的方法确保了治疗效果最大化。

虽然，脑电信号与VR技术结合的优势在于提供基于脑电信号的客观评价标准，提高诊断效率，并实现个性化、针对性治疗，但这种融合也面临挑战，如脑电信号的个体变异性和现有3D场景生成模型的局限性。

通过进一步研究和开发，更高效的脑电模型和适合心理健康治疗的3D场景模型，可以优化这一融合技术，提高其在精神疾病诊断和治疗中的效能。

参考文献

1. Stein DJ、Shoptaw SJ、Vigo DV、Lund C、Cuijpers P、Bantjes J等。21世纪的精神病学诊断和治疗：范式转变与渐进式整合。World Psychiatry [Internet]. 2022 Sep 8; 21(3): 393–414.
2. Karikari E、Кошечкин КА。医疗保健领域脑机接口技术综述。Biophysical Reviews. 2023 Sep 14; 15(5): 1351–8.
3. Jafari M、Shoeibi A、Khodatars M、Bagherzadeh S、Shalbaf A、García DL等人。使用深度学习方法识别脑电信号中的情绪：综述。Computers in Biology and Medicine [Internet]. 2023 Oct 1; 165: 107450.
4. Jonathan NT、Bachri MR、Wijaya E、Ramdhan D、Chowanda A。 虚拟现实暴露疗法（ VRET ）联合额外干预治疗 PTSD 症状的疗效。Procedia Computer Science. 2023; 216: 252–9.
5. Rivera MJ、Teruel MA、Maté A、Trujillo J. 通过脑电图和深度学习诊断和预测精神障碍：一项系统映射研究。Artificial Intelligence Review. 2021 Mar 27;
6. 王琳、宋锋、周天浩、郝建、柳建华。基于反馈机制的EEG和ECG多传感器融合计算实时疲劳驾驶识别。Sensors [Internet]. 2023 Jan 1 [cited 2024 Feb 24]; 23(20): 8386.
7. Liu S、Wang L、Gao RX。认知神经科学与机器人技术：进展和未来研究方向。Robotics and Computer-Integrated Manufacturing [Internet]. 2024 Feb 1; 85: 102610.
8. Emotion estimation from EEG signals during listening to Quran using PSD features | IEEE Conference Publication | IEEE Xplore [Internet]. ieeexplore.ieee.org. [cited 2024 Feb 24].
9. 基于EEG的情绪分类的差分熵特征 | IEEE Conference Publication | IEEE Xplore [Internet]. ieeexplore.ieee.org. [cited 2024 Feb 24].
10. 基于机器学习的使用视频和 EEG 传感器进行创伤后应激障碍诊断的方法：评论 | IEEE Journals & Magazine | IEEE Xplore [Internet]. ieeexplore.ieee.org. [cited 2024 Feb 25].
11. Harinder Jaseja。脑电图在难治性抑郁症与共病癫痫中的诊断和管理：一种新策略。General psychiatry [Internet]. 2023 Apr 1; 36(2): e100868–8.
12. 基于 EEG 的神经网络重度抑郁症和双相情感障碍检测：综述。Computer Methods and Programs in Biomedicine [Internet]. 2021 Apr 1; 202: 106007.
13. Jonathan NT、Bachri MR、Wijaya E、Ramdhan D、Chowanda A。 虚拟现实暴露疗法（ VRET ）联合额外干预治疗创伤后应激障碍症状的疗效。Procedia Computer Science. 2023; 216: 252–9.
14. Hawajri O、Lindberg J、Suominen S。 虚拟现实暴露疗法作为治疗焦虑症和抑郁症的方法——结构化文献综述。2023 Apr 19; 1–25.
15. Jablonská M、Francová A、Janků K、Stopková P、Nosková E、Fajnerová I. 虚拟城市恐惧症暴露疗法：广场恐惧症案例研究。European Psychiatry [Internet]. 2023 Mar 1 [cited 2024 Feb 25]; 66(S1): S194–5.