抑郁症静息脑电的小波包节点功率谱熵分析

头皮脑电(EEG)信号反映了大脑皮层神经元细胞群自发性节律性的电生理活动,含有丰富的生理与病理信息,是临床脑神经与精神疾病诊断的重要依据.针对抑郁症的研究和诊断中缺少客观有效的量化参数和指标的状况,提出一种基于小波包分解节点重构信号的功率谱熵值(记为W值)的脑电信号分析方法,并利用此方法对静息态的脑电信号进行计算和分析.实验和分析结果表明:抑郁症患者脑电信号S32节点(频率24~32 Hz)的熵值(置信区间[0.0129,0.0176])在部分脑区显著大于正常健康人(置信区间[0.0246,0.0303]),显示抑郁症病人快波节律的能量分布存在弥散性,符合现在关于抑郁症患者自我调节能力减弱的发病机制.对结果进行了T检验统计分析,证明了这种辨别方法的准确性和可行性,将为抑郁症疾病检测诊断提供有效的量化物理指标.     

睡眠脑电的样本熵分析

在用非线性动力学方法分析EEG信号(睡眠脑电)的过程中,由于近似熵的优点而得到了广泛的应用,但也存在着自身有偏估计、数值和信号长度有关等缺点;在此基础上提出了样品熵的概念,并尝试将样品熵用于睡眠脑电分析,结果表明,它对区分不同的睡眠阶段取得了理想的效果.     

小波包熵在脑电信号分析中的应用

为研究不同脑功能状态下脑电动态非线性特征,利用小波包变换的频率划分特性,对非平稳脑电信号进行节律提取,并计算相对小波能量,反映脑电节律间的相对能量关系。结合小波包熵分析脑电在不同大脑功能状态下的脑电复杂程度。实验结果表明,小波包分解能更精确地提取特定的脑电节律,小波包熵可以准确反映大脑活动的复杂程度。本方法也为分析其他非平稳信号提供了一种新的途径。     

脑电信号的多尺度熵分析

给出了多尺度熵的算法步骤,对生理信号中两种常见噪声白噪声和1/f噪声的多尺度熵进行了研究,分析表明1/f噪声有比白噪声更为复杂的结构,探讨了混沌信号logistic映射的多尺度熵特征,在此基础上对不同睡眠时期脑电信号的多尺度熵进行了比较,结果显示脑电信号具有复杂结构,醒期熵值最高,睡眠Ⅳ期熵值最低;睡眠Ⅰ期、睡眠Ⅱ期和醒期复杂度较高,变化趋势接近;睡眠Ⅲ期、睡眠Ⅳ期和快速眼动期变化趋势基本一致,2尺度后复杂度基本保持不变。     

基于脑电节律样本熵的睡眠分期

针对睡眠脑电人工分期的不足,提出了一种基于脑电节律样本熵的睡眠分期方法。首先对睡眠脑电信号进行去噪和基本节律提取,然后计算不同睡眠状态下脑电节律的样本熵值,最后统计其样本熵均值与方差,通过对比发现:不同睡眠状态下脑电节律δ波和θ波的样本熵均值不相等且方差较小,这表明了通过分析睡眠脑电节律样本熵的方法可以用来表征不同睡眠期,为睡眠脑电分期提供了新的途径。     

基于多变量符号转移熵的癫痫脑电分析

大脑神经元细胞群的异常同步放电是癫痫的病因,这种异常放电是目前诊断癫痫的重要依据。利用复杂度理 论来分析癫痫信号已经成为研究热点,而符号转移熵是反应系统混乱程度的一种非线性指标,在研究癫痫脑电信号特征的提取中有重要的作用。符号转移熵一般都是用来衡量两 个变量之间的动力学特征及方向性信息,忽略了多个变量之间相互作用。本文基于多变量符号转移熵研究分析了癫痫脑电信号,实验中将原始信号符号化后通过数值分析,对导联信号及信号长度的选取以及稳健性分析,表明该方法能够对正常人与癫痫病人的脑电信号进行显著区分,且该算法稳健可靠,该研究结果对临床辅助诊断有帮助。     

基于小波分析的脑电密码计算方法

为有效提取脑电信号特征波,结合小波技术提出一种脑电特征波计算方法。对脑电信号进行小波分解,重构相关频段信号,提取特征波,并结合BP神经网络对其进行计算。实验结果表明,该方法有效,对3个受试者的平均识别率大于80%,适合残疾人等各种人群。     

基于小波包变换的精神疲劳多参数脑电分析

研究脑力劳动和运动引起的精神疲劳与脑电特征参数之间的相关性,以及这些特征参数在不同状态下的变化规律。通过对两种精神疲劳状态以及不疲劳状态下采集的脑电信号进行小波包分析,提取出脑电各节律并计算脑电对数能量熵,定性分析了各特征参数与不同状态间的关联性。实验结果表明,相较于不疲劳状态而言,前额叶区的脑电各节律相对功率和脑电对数能量熵在两种精神疲劳状态下均有显著变化。因此,前额叶区的脑电各节律相对功率与脑电对数能量熵可以作为衡量精神疲劳的生理指标。     

睡眠脑电的关联维数和样本熵分析

睡眠分期特征的正确提取是睡眠分析的基础.本研究首先将关联维数方法应用于睡眠脑电信号,发现随着睡眠的加深,脑电信号的关联维数减小:然后介绍了一种新的非线性方法--样本熵,并将该算法应用于脑电信号,统计发现:样本熵与关联维数的变化趋势相同,可以用来提取睡眠分期特征.进而改变数据段长度,分析其对两种算法的影响,发现关联维数方法对数据段长度变化的影响较样本熵明显.     

脑电熵算法在麻醉监测中的应用

麻醉深度监测在外科手术中的作用极其重要,合理的麻醉可以使患者在无痛觉的情况下进行手术治疗,判断并控制合适的麻醉深度已成为临床迫切需要解决的问题。本文基于脑电信号分析的麻醉深度检测方法的研究,采用一种新型的脑电熵分析方法一通过应用排序熵的快速算法对脑电信号进行了计算机仿真分析与处理,实验结果表明排序熵运算时间较短、效率较高、抗干扰性强、计算精度更准确。     

基于等分符号化熵的情感脑电信号分析

如何提取有效的特征一直是情感研究的一个热点,结合脑电信号非线性方法中排列熵计算效率高,样本熵计算准确率高的优点,提出了等分符号化熵算法（ESE）,并试图验证这种新的特征在情感脑电分析中的有效性。该算法在相空间重构前对信号进行等概率符号化处理,用符号矢量的相等计算重构分量比例。仿真结果显示ESE算法在Logistic映射中计算效率与计算准确度均有良好的表现。并将ESE用于情感脑电信号的分析,结果表明部分脑区可以有效的区分正负性情感。表明此算法可以得到有效的衡量不同类型情感的特征。     

精神分裂症和抑郁症患者静息态脑电分类

精神分裂症和抑郁症作为临床精神科中的两种重性精神疾病综合征,两者的发病机制至今未明,因此临床上对于二者的区别常常依靠量表和医生的临床经验进行判断.脑电图(EEG)作为一种高时间分辨率的非侵入性诊断方法,可以作为两种疾病的一种潜在生物标记物.通过采集两种疾病临床静息态(睁眼和闭眼)的脑电数据,训练卷积神经网络(CNN)模...     

基于互样本熵脑网络的脊髓电刺激下微意识状态患者脑功能评估

脊髓电刺激作为一种有效的意识促醒手段已经在临床上得到了较为广泛的应用,但是其内在机制仍不完全明确.本文将正常人静息态脑电作为对照组,利用样本熵对微意识状态患者的脊髓电刺激前后的脑电信号进行计算,并分析了基于互样本熵构造的脑网络在刺激前后的变化.结果 表明,脊髓电刺激提高了微意识状态患者额叶和中央区内的脑电信号复杂度;还...     

脑电信号的小波变换和样本熵特征提取方法

针对现有的采用单一的特征提取算法对运动想象脑电信号识别率不高的问题,提出一种结合小波变换和样本熵的特征提取方法.通过小波变换,把脑电信号进行3层分解,抽取出对应于脑电β节律频带的小波系数的能量均值和能量均值差,并结合脑电信号的样本熵组成特征向量,使用支持向量机分类器对左右手运动想象脑电信号进行分类.结果表明,结合小波变换和样本熵的特征提取方法明显优于仅采用小波变换、样本熵以及其他传统的特征提取方法,得到的最高正确识别率为91.43%.     

基于小波相干性算法的孤独症儿童脑电评估

孤独症是一种先天的大脑发育障碍性疾病, 孤独症儿童的早期评估诊断尤为重要. 脑电图(Electroencephalography, EEG)是大脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映. EEG信号中包含了大量的生理与疾病信息, 可为某些脑疾病提供诊断依据. 本文按照国际10-20系统标准电极分布将全脑划分为5个脑区, 采用小波相干性算法对孤独症(Autistic spectrum disorder, ASD)儿童和正常(Typical development, TD)儿童任意两通道之间在不同节律下的连接性进行计算, 按脑区进行划分, 得到脑区内和跨脑区功能连接结果, 随后应用独立样本t检验分析和FDR (False discovery rate)多重校正方法后给出脑区内和跨脑区在不同节律下的组间差异.结果表明, ASD组相对于TD组跨脑区连接和脑区内连接普遍较弱, 除delta频段外其他频段均差异显著, 尤其是额叶与其他脑区连接. 多重校正后通道间长程连接中额叶与枕叶、中央区与枕叶在四个频段差异显著较明显, 通道间短程连接额叶在theta和alpha频段较显著, 其他频段其他脑区对比不显著.     

基于小波包分解的时变脑电节律提取

研究从时变非平稳脑电信号中提取脑电动态节律的新方法。首先用小波包分解构造不同频率特性的时变滤波器以提取各种时变的脑电节律，研究临床脑电信号瞬时变化。在此基础上测试并分析两种不同功能状态下的脑电信号，并由此构造各种节律的时变脑电地形图。实验结果表明，小波包分解可以有效提取脑电不同节律的动态特性，此方法也适用于分析其他生物医学信号。     

基于小波分析的脑电智能诊断应用与研究

根据小波分析的多分辨率特性,重点分析了多分辨率特性在脑电诊断中的应用.首先确定小波函数和分解层数,进行小波变换,对脑电高频低频进行小波变换重构信号,接着基于在不同尺度下伪迹和异常波不会完全相同的原理,将脑电信号分解到各个尺度上.把分解后的脑电信号输入神经网络进行识别,最终输出异常波的识别结果.     

基于小波变换的动态脑电节律提取

针对脑电信号和其他医学信号的非平稳性,引入小波变换处理临床脑电信号的动态特性。根据脑电信号的不同节律特性,提出应用小波包变换构造不同频率特性的滤波器,提取脑电信号的４种节律,并由各种节律对应的小波系数构造动态脑电地形图。为了研究不同脑功能状态下脑电信号４种节律的动态特性,文中对两组不同临床脑电数据进行分析与比较,给出了有关的实际分析结果。实验结果表明,利用小波包分析的滤波特性,能够有效地反映临床脑电不同节律的动态特性,也为分析其他生物医学信号提供了一条新的途径。