kaiyun官方注册
您所在的位置: 首页> 嵌入式技术> 设计应用> 基于IAF的alpha波段静息态脑磁信号特征提取
基于IAF的alpha波段静息态脑磁信号特征提取
2015年微型机与应用第16期
赵建英,黄晓霞
(上海海事大学 信息工程学院,上海 201306)
摘要:针对精神分裂患者静息态脑磁特征提取的问题,提出一种基于EMD和样本熵的非线性动力学方法对脑磁信号特征进行提取。该方法首先用ICA对静息态MEG数据进行预处理;继而基于IAF进行波段提取,得到快α、慢α1和慢α2波段;然后分别由EMD和样本熵进行处理。结果表明,精神分裂患者的各波段样本熵普遍高于正常人,尤其是慢α1波段大脑左半球额叶、枕叶、颞叶区。
Abstract:
Key words :

摘 要: 针对精神分裂患者静息态脑磁特征提取的问题,提出一种基于EMD样本熵的非线性动力学方法对脑磁信号特征进行提取。该方法首先用ICA对静息态MEG数据进行预处理;继而基于IAF进行波段提取,得到快α、慢α1和慢α2波段;然后分别由EMD和样本熵进行处理。结果表明,精神分裂患者的各波段样本熵普遍高于正常人,尤其是慢α1波段大脑左半球额叶、枕叶、颞叶区。

  关键词: MEG;IAF;EMD;样本熵;精神分裂症;静息态

0 引言

  精神分裂症[1]临床上往往表现为症状各异的综合征,涉及感知觉、思维、情感和行为等多方面的障碍以及精神活动的不协调。随着科技的发展,人们逐渐认识到静息状态[2]下与人脑认知、意识和情绪相关的alpha波形与精神分裂症的认知异常有紧密的关系。由于频域范围和能量谱可能存在较大的个体差异,因此,采用个体化频谱分布方法——个体化α峰频(Individual Alpha Frequency,IAF)[3]对alpha波段(慢α1、慢α2、快α亚频)进行研究,可以弱化个体差异。

1 数据描述

  静息态MEG数据是来自美国国立精神健康MEG核心实验室用VSM MedTech Ltd公司的一套产自加拿大的CTF-275 SQUID设备得到的。本实验选取精神分裂症病例8名,正常人8名,数据记录了273个有效通道,时长为4 min,采样频率为600 Hz。

2 方法描述

  2.1 个体化α峰频IAF

  KLIMESCH W等人[3]将5~14 Hz范围内最高波幅所对应的频率定义为个体化α峰频,由此将α频段分为慢α1(IAF×0.6~IAF×0.8)、慢α2(IAF×0.8~IAF)、快α(IAF~IAF×1.2)亚频。已有研究表明,α亚频的功能涉及注意、抑制等精神疾病易损的认知领域,其异常在静息态或任务态均有体现。

 2.2 经验模式分解EMD

  经验模式分解[4](Empirical Mode Decomposition,EMD)是一种时频数据分析方法,通常适用于非线性和非稳定性信号的处理,其主要思想是从复杂信号中分离出有限个本征模态函数(Intrinsic Mode Function,IMF),这些IMF分量具有不同的频率成分。

  2.3 样本熵

  样本熵[5]是时间序列复杂度的一种度量,在分析生物信号序列的复杂度分析中已经获得成功应用。样本熵具体算法步骤如下:

  (1)对于一个由N点组成的原始信号x(1),x(2)…x(N)。

  (2)按顺序组成一组m维矢量

  Xm(i)=[x(i),x(i+1),...,x(i+m-1)],1≤i≤N-m

  (3)定义矢量Xm(i)与Xm(j)之间的距离d[Xm(i),Xm(j)]为两者对应元素中差值最大的一个,即:

  d[Xm(i),Xm(j)]=max[|x(i+k)-x(j+k)|],0≤k≤m-1,i≠j,i≥1,j≤N-m。

  (4)给定阈值r=0.2 std,对每一个i值统计d[Xm(i),Xm(j)]小于r的数目,并计算该数目与距离总数的比值,用Blm(r)表示,即:

1.png

  (5)求其对于所有的i的平均值,用Bm(r)表示:

2.png

  (6)将维数加1,即组成m+1维矢量,重复步骤(1)~(5),并分别用Aim(r)与Am(r)表示。

  (7)定义样本熵为:

3.png

  (8)当N为有限值时,式(1)表示为:

  SampEn(m,r,N)=-ln[Am(r)/Bm(r)](2)

3 过程描述

  3.1 预处理过程

  本实验MEG数据记录的是受试者静息态脑磁信息,经过fieldtrip去趋势预处理得到273个有用信道(降低采样率为150 Hz)。利用盲源信号分离技术消噪[6],将16个样本(8名患者,8名正常人)的脑磁信号进行ICA[7]去噪处理,剔除噪声成分(心电、眼动等),获得相对纯净的信号。

  3.2 个体化α峰频处理

  正常人IAF在8.92 Hz左右,患者组IAF则在9.14 Hz左右,如表1所示。

003.jpg

  3.3 特征提取过程

  将前期处理的MEG数据进行EMD分解,得到各个样本中各个信道的IMF分量,通过对IMF分量进行谱分析,其中前8个IMF分量集中了脑磁信号的主要能量。本研究将前8个IMF分量求和,计算样本熵。为避免数据两端奇化带来的影响,计算样本熵时采用了较为稳定的50~100 s的数据。

4 结果分析

  4.1 脑区间结果

001.jpg


  实验将观测的273个有效通道划分为1.MLC、2.MLF、3.MLO、4.MLP、5.MLT、6.MRC、7.MRF、8.MRO、9.MRP、10.MRT、11.MZ,共11个脑区(MZ是中间竖线脑区通道),如图1所示,其中L为左,R为右,F为额叶,C为中央区,P为顶叶,O为枕叶,T为颞叶。图2~图4为正常组和患病组脑区样本熵箱型图,其中横轴为脑区,纵轴为熵值,深色是正常人,浅色是病人,对各样本脑区样本熵分别做了算术平均。由图可以清楚地看到,患病组的平均值明显高于正常组的平均值(尤其是慢α1波)。

  由以上图可以看到快α波、慢α1和慢α2波在大脑前额叶部位,患者组的样本熵远远高于正常组,这和前额叶作为情感与认知功能的高级中枢,被认为在精神分裂的发病中扮演重要角色相符。

  4.2 本地通道特征结果

002.jpg


  图5~图7是本地273个有效通道正常组和患病组脑磁信号样本熵拓扑图。图中的具体数值为脑磁信号样本熵复杂度值,图的颜色由深色到浅色逐渐增大。可以看出病人组大部分脑区复杂度值大于正常对照组,尤其是慢α1波。

004.jpg

  表2是正常组和患者组α各波段样本熵在p<0.05的条件下得出的具有显著性差异的通道。发现慢α1在MLF、MLO等脑区,快α在MLF、MLO、MLT等脑区,慢α2在MLF、MRC脑区,患者组显著高于正常组,大部分位于左半球,尤其是慢α1具有显著差异。

5 结论

  本文研究结果表明,精神分裂患者的各α波段样本熵高于正常人,慢α1波的差异更具显著性。这预示着精神分裂症患者脑磁信号慢α1波大脑左半球额叶、枕叶、颞叶区的信号复杂度差异,可能为精神分裂的临床诊断提供一定的参考。因为患病程度、疾病亚型等都可能影响到脑磁频谱分布,所以结果是否具有普遍性尚需进一步验证。今后拟继续扩大样本量,研究α各亚频在精神分裂中的更为详细的作用。

参考文献

  [1] 李兰兰.基于多导联EEG的精神分裂患者alpha波段连接性算法的研究[D].兰州:兰州大学,2013.

  [2] RAICHLE M E, MINTUN M A. Brain work and brain imaging[J]. Annual Review of Neuroscience, 2006,29:449-476.

  [3] DOPPELMAYR M, KLIMESCH W, PACHINGER T, et al.Individual differences in brain dynamics: important implications for the calculation of event-related band power[J]. Biological Cybernetics, 1998,79(1):49-57.

  [4] HUANG N E, Shen Zheng, LONG S R, et al. The Empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceedings of the Royal Society, 1998,454(A):903-995.

  [5] 周建芳,罗晓曙,胡叶容.脑电信号的样本熵分析[J].广西物理,2007(2):15-17.

  [6] RICARDO V, JAAKO S, BEIKKO J, et al. Independent component approach to the analysis of EEG and MEG recordings[J]. IEEE Transactions on Biomedical Engineering, 2000,47(5):589-593.

  [7] 高莉,黄力宇,丁翠玲.结合PCA和ICA的脑磁信号消噪研究[J].西安电子科技大学学报(自然科学版),2007,34(6):939-943.


此内容为AET网站原创,未经授权禁止转载。
Baidu
map