听觉诱发电位(Auditory evoked potential, AEP)是在声音刺激下从头皮上记录到的听觉系统的一系列神经电活动,反应了被测试者的听功能和中枢神经系统的健康状况。听觉诱发电位按照听神经反应的时间可以分为早潜伏期反应又称听觉脑干反应(Auditory brainstem response, ABR),中潜伏期反应(Middle latency response, MLR)和晚潜伏期反应(Long latency response, LLR)。AEP反应了听神经系统不同部位的神经电活动,为各种听觉系统疾病的定位及诊断提供了依据。其中,MLR是本文研究的重点,它发生在声音刺激之后的10～80ms,包括Na, Pa, Nb, Pb几个主要波形成分。AEP的常规记录方式是使前后两个声音刺激之间的时间间隔(Stimulus onset asynchrony, SOA)大于感兴趣的AEP的长度,再将多次反应进行叠加平均,以减少自发脑电等背景噪声的干扰。当刺激率提高,使得SOA小于感兴趣的AEP的时长时,前后声音刺激引起的AEP会产生重叠,此时便不能采用简单的叠加平均技术来提高记录信号的信噪比,这种前后叠加的AEP称为高刺激率AEP(High stimulus rate AEP, HSR-AEP)。工程学上可将其视为单个刺激诱发的AEP与刺激序列卷积的结果,故此,获得单个刺激诱发的AEP问题就转化成了一个去卷积问题。已有的去卷积算法主要有最大长序列法(Maximum length sequence, MLS),连续循环平均去卷积技术(Continuous loop averaging deconvolution, CLAD)和Q序列法(Quasi-periodic sequence deconvolution, QSD)。MLS采用SOA不同且互相成倍数关系的序列作为刺激文件,算法的实现过程简单易行,但是由于相邻刺激之间SOA的抖动(jitter)过大,引起大脑的非线性反应,从而破坏每个刺激引发的AEP一致这一线性假设,导致误差出现。CLAD和Q序列法的基本原理一致,都是将时域的卷积转化为频域的乘法,再进行频域的除法运算即可得到暂态AEP的频域值。此时,刺激序列中频域变换幅值小于1的部分会放大记录数据中的噪声,故CLAD和Q序列法获得合格刺激序列的计算过程复杂。上述几种方法都是在一个刺激序列的内部存在抖动,2013年Wang Tao等提出了多刺激率稳态平均去卷积技术(Multi-rate steady-state averaging deconvolution, MSAD),将卷积运算转化为线性方程组的形式。以多个刺激率相差很小的等SOA序列分别进行刺激,将序列内的抖动转化为序列间的抖动,减小了大脑非线性的影响,且每个刺激序列的SOA恒定,序列生成方式简单。将这n个刺激序列诱发得到的脑电信号分别进行叠加平均,得到n个稳态反应,以SOA由小到大的顺序进行排列,得到一段合成反应。上述任意一个重叠过程都可以表述为一个线性方程,将这n个线性方程组合,写成一个总的线性变换式。合成后的线性变换矩阵是病态的,不能通过简单的求逆来解得单个刺激诱发的暂态AEP。文中通过引入正则化技术获得其稳定的解,Tikhonov正则化是求解病态问题最常用的方法,该方法将欠定的线性方程组表示为一个最小化问题,其中含有未知参数λ,它是先验给出的正则化参数,用于控制正则化的程度。MSAD选择L-曲线法确定正则化参数λ。采用对数坐标画法,在直角坐标系中绘制曲线图,曲线通常呈“L”形。曲线的拐角处对应的λ值便是正则化参数值。实际计算时,L曲线曲率的数值最大点即为拐角点。在实际的应用过程中发现存在MSAD算法恢复暂态波形失真的情况。为此,对14名在校大学生分别进行了平均刺激率为24Hz、39Hz和59Hz的MSAD实验。依据实际的实验数据分析发现,在只有一个拐角时,L-曲线法选择正则化参数是可信的；当采集信号的信噪比较低时,容易出现L曲线多拐角的现象,此时如果选择的正则化参数不合适便会导致恢复暂态AEP信号的失真。研究发现,L-曲线法要求在使用中满足三个条件：1、观察信号中包含的噪声e必须是零均值的白噪声,以确保解范数xλ存在合理的协方差矩阵；2、奇异值分解系数|uiT-y|比奇异值σi衰减得更快,以确保对于病态逆问题,存在一个有意义的解并且能通过一个正则化解来估计；3、噪声e的范数满足‖e‖<‖y‖,即要求存在一个合理的信噪比。条件1在实验过程中无法人为控制,条件2已经在MSAD算法中实现,条件3可以通过在实验过程中尽量规范实验操作,来减少噪声信号的引入,提高信噪比,从而避免多拐角现象的出现。当多拐角现象不可避免时,可以根据先验知识设置合理的阈值范围,选择多个拐角中最合理的正则化参数(一般为较大的值)。也可以直接采用经验值,避免正则化参数的选择过程,但是不能盲目使用。解决了正则化参数选择的问题,再将MSAD方法与相同实验条件下的常规方法及CLAD方法进行对比,验证MSAD方法的有效性。选择11例健康成年人,分别进行平均刺激率为40Hz的MSAD及CLAD实验,以及5Hz的常规方式实验。以各波形成分的引出率判断三种方法的有效性,以各波形成分的变异系数和各人AEP与总平均AEP之间的相关系数来衡量三种方法的稳定性。结果表明,在40Hz的高刺激率时MSAD和CLAD两种方法得到的暂态MLR主要波形成分的引出率均为100%,而常规方式下MLR的Nb和Pb波的引出率分别为72.73%和54.55%；MSAD实验方式下主要波形潜伏期的平均变异系数为6.57%, CLAD方式的平均变异系数为8.03%,而常规方式为11.18%；MSAD方式个体AEP与总体AEP平均波形之间的相关系数为0.87,CLAD方式为0.74,而常规方式为0.70。表明,在相同的记录时间下,40Hz的高刺激率记录方式优于常规记录方式,40Hz时去卷积得到的暂态AEP的主要成分可以更稳定地被引出,且波形稳定性好,这是因为40Hz刺激率对AEP暂态反应有强化和稳定引出作用。在同样的40Hz刺激率下,MSAD和CLAD方法的引出率均为100%,但MSAD的稳定性优于CLAD方式。本文还应用MSAD方法探究了40Hz暂态AEP的性别差异。听觉系统存在着广泛的性别差异,在听觉系统的传导层面上,女性的耳蜗较男性短13%,听觉反映的同步性好于男性；并且基底膜的弹性小,更有利于声波的传导；另外,女性的头部直径普遍小于男性,可以认为女性的听觉传导通路短于男性。此外,性激素水平对听觉系统也有影响,雌激素对中枢神经系统具有刺激和保护作用。大量的低刺激率实验证实,AEP的潜伏期和幅值与受试者的性别有关,但随着刺激率的提高,性别间的差异略有减小。以往由于技术的限制,这一研究停留在较低的刺激率水平。本文以MSAD方法为基础,将40名健康成年受试者分为男性(20人)和女性(20人)两组,分别得到其在40Hz高刺激率下前100ms内的听觉诱发电位波形,以独立样本t检验方式分析性别差异对波形潜伏期及峰峰值的影响。结果表明,ABR中V波潜伏期的性别差异并不显著(P=0.08),差异值0.13ms小于常规方式下V波潜伏期性别差异的平均值0.20ms; MLR中除Na波外,其他主波均是男性的潜伏期长于女性,其中Pa的潜伏期最为接近,男性只比女性长0.01ms(P=0.98),Pb波的潜伏期两者相差最多为1.62ms(P=0.22),MLR的4个主要波形成分潜伏期之间的差异均无统计学意义；峰峰值方面,Na-Pa女性略高于男性(P=0.94),而Pa-Nb男性的均值高于女性(P=0.92),Nb-Pb与Na-Pa相同,女性高于男性(P=0.54),三组峰峰值之间的差异均无统计学意义。根据以往的低刺激率实验结果,从1.1Hz到11.3Hz, MLR中Pa波的潜伏期和幅值(Na-Pa)均存在性别差异,但差异值随着刺激率的升高而减小：潜伏期的性别差异从2.56ms降到0.98ms;峰峰值的性别差异从0.71μV降到0.25μV,这说明性别引起的差异随着刺激率的升高有减弱的趋势。由于高刺激率的声音刺激会加重听觉系统的负荷,可以认为高刺激率的声音刺激弱化了性别间的差异,也不排除MSAD的拼接方式导致了性别间差异的消失。本文将MSAD算法中的正则化参数选择部分进行了完善。并将MSAD算法和相同实验条件下的CLAD算法和常规实验方式进行了对比,验证了高刺激率实验方式在记录时间及波形完整性上的优势,以及MSAD算法相较于CLAD去卷积算法的稳定性优势。并以MSAD算法为技术基础,将性别差异的探究延伸至40Hz的高刺激率水平,得到在40Hz的平均刺激率下,性别间的差异可以忽略这一结论。