腦信號(hào)的熵分析方法研究.pdf

1、非線性方法在腦信號(hào)分析中扮演著越來越重要的角色，其中基于熵的分析方法具有廣闊的應(yīng)用前景和實(shí)用價(jià)值。近年來研究者們提出了各種各樣的熵理論，在各種信號(hào)的分析中得到了廣泛的應(yīng)用。本文旨在研究熵方法在腦信號(hào)中的應(yīng)用，并結(jié)合其他理論與腦信號(hào)的特點(diǎn)，對(duì)熵方法進(jìn)行改進(jìn)和創(chuàng)新。
　　論文首先介紹了腦信號(hào)基礎(chǔ)知識(shí)，然后梳理了近年來廣泛應(yīng)用于腦信號(hào)的熵算法，包括信息熵、近似熵、樣本熵和轉(zhuǎn)移熵,對(duì)于計(jì)算困難的轉(zhuǎn)移熵，給出了可行的計(jì)算方法?；谏鲜隼碚?，

2、本文開展了如下研究工作：
　　第一，設(shè)計(jì)了基于多尺度樣本熵(multiscale sample entropy, MSE)結(jié)合兩獨(dú)立樣本t檢測(cè)與支持向量機(jī)(support vector machine, SVM)的癲癇信號(hào)分類方法。將該方法應(yīng)用于區(qū)分癲癇發(fā)作期與發(fā)作間期皮質(zhì)腦電圖(electrocorticography, ECoG)信號(hào)，準(zhǔn)確度達(dá)到98％。之后，分析了精神分裂癥患者與正常人的腦磁信號(hào)的多尺度樣本熵，并繪制了腦地形

3、圖，發(fā)現(xiàn)精神分裂癥患者靠近顳葉區(qū)的樣本熵比正常人大，而在頂葉區(qū)比正常人小。
　　第二，將相對(duì)轉(zhuǎn)移熵算法應(yīng)用于酗酒者腦電，分析其不可逆性。實(shí)驗(yàn)結(jié)果顯示酗酒者腦電信號(hào)的不可逆性要顯著小于正常人腦電。因此將相對(duì)轉(zhuǎn)移熵作為物理過程的不可逆特性參數(shù)，來區(qū)分酗酒者腦電有良好的效果。同時(shí)針對(duì)相對(duì)轉(zhuǎn)移熵算法對(duì)樣本長度的敏感性與轉(zhuǎn)移熵的抗噪性進(jìn)行了研究，結(jié)果表明，相對(duì)轉(zhuǎn)移熵有良好的樣本長度魯棒性和抗噪性。
　　第三，設(shè)計(jì)了基于互近似熵(cro

4、ss approximate entropy, CrApEn)的腦功能(function connective)網(wǎng)絡(luò)構(gòu)建方法，并將其應(yīng)用于分析正常人與癲癇患者的腦電信號(hào)中。結(jié)果顯示，應(yīng)用本方法，正常人與癲癇患者在不同節(jié)律下的腦電信號(hào)均能構(gòu)建良好的腦功能網(wǎng)絡(luò)。進(jìn)一步研究了正常人與癲癇患者的腦功能網(wǎng)絡(luò)測(cè)度，對(duì)建立的腦功能網(wǎng)絡(luò)的小世界特性、網(wǎng)絡(luò)密度、網(wǎng)絡(luò)全局效率和正負(fù)匹配度給出了統(tǒng)計(jì)特性曲線圖與詳細(xì)的分析對(duì)比。
　　第四，結(jié)合轉(zhuǎn)移熵與復(fù)

5、雜網(wǎng)絡(luò)理論，設(shè)計(jì)了轉(zhuǎn)移熵腦因效(effective connective)網(wǎng)絡(luò)來直觀地描述腦區(qū)域之間的信息傳遞方向與耦合強(qiáng)度。首先，通過仿真證明了轉(zhuǎn)移熵可以正確的估算兩個(gè)信號(hào)間的非線性耦合強(qiáng)度和信息傳遞的方向，也證明了轉(zhuǎn)移熵具有良好的抗噪特性。然后，給出了轉(zhuǎn)移熵腦因效網(wǎng)絡(luò)的構(gòu)建方法，并將其應(yīng)用于分析癲癇患者與正常人的腦電，結(jié)果表明癲癇患者與正常人均可以建立良好的轉(zhuǎn)移熵腦因效網(wǎng)絡(luò)，且兩者的轉(zhuǎn)移熵腦因效網(wǎng)絡(luò)存在顯著差別。在分析癲癇發(fā)病機(jī)制等