基于多频段排列熵的脑电信号复杂度分析.pdfVIP

44卷2期中国生物医学程学报Vol.44No.2

2025年4月ChineseJournalofBiomedicalEngineeringApril2025

基于多频段排列炳的脑电信号复杂度分析

牛焱＇高凯＇丁茹男丨温•昕?

周梦妮3相洁*

（太原理工大学计算机科学与技术学院（大数据学院），太原030024)

2（太原理工大学软件学院，太原030024）

3（中国科学院深圳先进技术研究院医学人工智能研究中心，广东深圳518055)

摘要：复杂性分析在脑电（EEG）信号研究中有重要的意义。多元熵方法是有效的信号复杂性分析技术，但已有

多元摘研究将变量设置为多通道时间序列，从多频段分析角度对大脑动力学的复杂性量化尚未得到广泛探索。对

多元排列嫡（mvPE）算法进行改进，本研究提出多频段排列（mFPE），从时频维度上对大脑的复杂性进行更为细

致的衡量。研究基于模拟数据和3组真实数据对算法性能进行了分析。利用1/噪声和高斯白噪声以及

EEGf

MIX模型产生的模拟数据，结果发现，与mvPE相比，mFPE表现出更高的灵敏度、较短的数据长度要求以及良好的

抗噪性能。将mFPE算法应用于14名帕金森患者和14名健康对照的EEG数据的分析。结果发现，mFPE能显著

区分正常人和病人的脑活动，并实现78.7%的分类准确率，优于mvPE（72.8%）；其次，利用14名抑郁倾向患者和

14名健康对照的EEC数据也发现mFPE相较于mvPE，准确率提高了6.6%；最后，利用32名正常人的视觉任务

EEG数据，mFPE有效地揭示了不同任务刺激引起的EEG活动的改变，不同任务的分类准确率也均高于mvPE。

mFPE算法为EEG信号复杂性的动态分析提供了新的视角和有效工具，有望在神经疾病诊断、脑功能研究及认知

科学领域发挥重要作用

关键词：脑电；多元排列熵；多频段排列熵；复杂度分析

中图分类号：R318文献标志码：A文章编号：0258-8021(2025)02-0153-12

EEGSignalComplexityAnalysisBasedonMulti-FrequencyPermutationEntropy

NiuYanGaoKailDingRunanWenXin?ZhouMengniXiangJiel*

(CollegeofComputerScienceandTechnology(CollegeofDataScience),TaiyuanUniversityofTechnology,Taiyuan030024,China)

2(SchoolofSofiware,TaiyuanUniversityofTechnology,Taiyuan030024,China)

3(ResearchCenterforMedicalArtificialIntelligence,ShenzhenInstituteofAdvancedTechnology,

ChineseAcademyofSciences,Shenzhen518055,Guangdong,China)

Abstract: