癫痫脑电信息的分析研究.pptx

1
本文所要解决的问题
将近似熵用于临床癫痫患者脑电信号分析,探讨理论分析方法在临床上的实用价值;
用似然同步、近似熵分析痫样放电大鼠皮层和海马脑电信号,探讨癫痫大鼠在不同脑功能状态下、脑功能状态转换时的不同脑区及其之间的功能改变。
2
内容提要
Ⅰ.研究背景
Ⅱ.临床癫痫患者脑电信号分析
Ⅲ.癫痫大鼠脑电信号分析
实验及数据预处理
近似熵分析
似然同步分析
Ⅳ.工作总结和展望
Ⅴ.致谢
3
Ⅰ.研究背景
癫痫(Epilepsy)是由于脑部神经细胞群异常放电引起的一过性脑功能紊乱综合症,是一种严重且较顽固的慢性疑难性脑部疾病,其发作时表现为大脑神经元群兴奋性增高以及过度同步化放电,并导致短暂性中枢神经系统功能失常。
研究意义
癫痫的发病率高(约5‰),危害大;
癫痫EEG 有其特征,但在临床上从EEG的中获得的信息有限,需要深入挖掘;
动物模型可以做到有创分析,可以完成临床不能进行的一些研究
癫痫脑电信号中常见的特征波有
5
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)
plexity)
算法复杂度
近似熵
同步分析
似然同步(Synchronization likelihood)
匹配追踪算法
6
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
(1)
(3)
(2)
(4)
(5)
7
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
(1)
(2)
(3)
(4)
(5)
8
Ⅱ.临床癫痫患者脑电信号近似熵分析
数据来源:四川大学华西医学中心神经内科提供的临床癫痫患者的Video-EEG数据及相关临床信息
数据点及相似容限的选取
不同r时ApEn与N的对应关系
无痫样放电的EEG信号
参数为: ( 表示标准差) , 点的滑动窗,重叠240点
不同r时ApEn与N的对应关系
无痫样放电的EEG信号
9
分析所用数据的选取
无痫样放电的EEG片断
相邻且有痫样放电的EEG片断
10
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。
有无痫样放电EEG的ApEn比较
结果显示:无痫样放电时脑电信号的近似熵显著大于有痫样放电时脑电信号的近似熵(p=<)