[精品]癫痫脑电信号分析研究ppt.pptVIP

癫痫脑电信号分析研究;本文所要解决的问题;内容提要;Ⅰ.研究背景; 癫痫脑电信号中常见的特征波有;癫痫脑电信号的分析方法 线性分析 时域分析 频域分析 时频分析 非线性分析 关联维数（Correlation dimension） 李亚普诺夫指数（Lyapunov exponent） 复杂度（Complexity） 算法复杂度 近似熵 同步分析 似然同步（Synchronization likelihood） 匹配追踪算法;近似熵（Pincus，1991)： 用一个非负数来表示一个时间序列的复杂性方法，越复杂的时间序列对应的近似熵越大 。 算法 优点 计算所需数据短（100～5000点） 抗噪及抗野点能力强（特别是对偶尔产生的瞬态强干扰） 适用于确定性信号及随机信号 本文采用洪波等（1999）提出的快速算法，其计算速度提高了5倍;似然同步（Stam，2002) ：是一种一个时间序列和另一个或多个时间序列间动态相互作用的测量方法 算法 优点 既能测量线性又能测量非线性的相互作用 能够反映这种相互作用随时间的变化 ,适用于不稳定的时间序列 用似然同步分析各脑区、各节律间同步性差异及状态转化时的变化未见报道;Ⅱ.临床癫痫患者脑电信号近似熵分析;分析所用数据的选取;分析结果 采用上述参数对10例临床癫痫患者计算有无痫样放电脑电信号的相邻600个点（3秒）的近似熵平均值结果如图 。;动态近似熵计算: 当患者的脑电信号中有痫样放电时，其对应的近似熵有较大幅度的降低 ;结论 癫痫患者脑电信号中有痫样放电时近似熵显著降低，可以通过计算近似熵将痫样放电从癫痫患者的背景脑电信号中区分出来； 脑电信号随时间演化的近似熵分析可以反映癫痫患者脑电信号中癫痫波的动态发放情况； 近似熵分析可用于脑电信号复杂度的实时监测。 Paper （1）LIU Yan-su(刘衍素); XIA Yang; XU Hong-ru; ZHOU Dong; Yao dezhong. Nonlinear Analysis of Clinical Epileptic EEG by Approximate Entropy. Journal of Electronic Science and Technology of China.2005;3(1):72-74 ;Ⅲ.癫痫大鼠脑电信号分析;数据采集及预处理 RM6240C型生理信号采集处理系统采集完成 （ 800Hz采样率， 30Hz低通滤波， 1s （0.16Hz）时间常数，50Hz陷波开 ）； 数据分段：无痫样放电、连续性痫样放电、周期性痫样放电（??图）； 0.5Hz~30Hz的带通滤波； 200Hz的离线采样 。; ;近似熵分析 方法及参数选择同临床癫痫患者脑电信号分析 0.5~30Hz脑电信号分析结果 分频段（δ：0.5~4.5Hz、θ：4.5~8Hz、α：8~12Hz、σ：12~16Hz、β：16~30Hz ）脑电信号分析结果 ; 0.5~30Hz脑电信号分析结果;由表可见：;（3）随时间演化的近似熵分析;分频段分析;近似熵分析总结： 0.5~30Hz的分析： 证实了痫样放电时相关脑区神经元群活动从复杂的混沌状态趋向于简单的同步活动； 随时间演化的ApEn分析进一步证明了近似熵可以鉴别背景脑电信号和痫样放电； 分频段的分析（不同脑功能状态间转换时） ： 连续性痫样放电时ECoG中δ节律的快波成分显著增多； 可以推测在脑功能状态发生转换时各脑区脑电信号ApEn的变化主要取决于高节律ApEn的变化； 痫样放电的终止，可能与低节律脑电活动的同步性增强有关； 由①、③，我们推测δ节律在痫样放电过程中可能起着更重要的作用。 ;似然同步分析 参数取值： 窗口宽度（数据长度）根据数据处理的实际需要选取；并将计算结果在时间及空间上进行平均 ； 0.5~30Hz脑电信号分析结果 分频段脑电信号分析结果;0.5~30Hz脑电信号分析结果;由表可见：;（3） 随时间演化的似然同步分析;（1）相同脑功能状态 ;由表可见：;（2）不同脑功能状态间转换时;由表可见：;似然同步分析总结： 0.5~30Hz的分析 痫样放电的产生是由大量神经元群过度同步放电所致； 皮罗卡品诱发的痫样放电大鼠模型具有左侧优势现象； 可以动态地刻画痫样放电过程中脑区间的同步性演化过程 ； 分频段分析 （1）相同脑功能状态下 痫样放电前δ节律可能已先于其它节律产生了类似于痫样放电的同步现象； 痫样放电过程中较高节律的同步化可能占优势； δ节律与其它节律的同步性差异可以区分不同的脑功能状态。 （2）不同脑功能状态间转换时 痫样放电过程中脑电信号高节律（α、σ、 β）同步性增强可能占主导地位； δ节律在痫样放电结束过程中可能起着重要作