论文部分内容阅读
癫痫是常见的一种神经系统疾病。据统计,目前全世界大约有1%的人患有癫痫。癫痫患者不仅遭受身体上的伤害,还会遭受精神上的打击,严重影响患者及其家人的生活。当发生癫痫时,信号的同步性会发生变化,同步性的改变会影响信号分离的结果,快速独立成分分析(FastICA)由于其收敛速度快、计算简单等优点在信号分离中得到了广泛应用。同理,同步性的改变使信号的复杂度也随之改变,样本熵是反应信号复杂度的一种度量,因此本研究将样本熵与FastICA相结合来分析间期与前期脑电的独立成分个数情况及其样本熵波动情况。主要工作如下:1.建立了基于样本熵的独立成分分析算法本研究结合FastICA与样本熵的优势提出了一种基于样本熵的独立成分分析算法。该算法基于信号的同步性分析了间期与前期脑电独立成分的两种情形:(a)、不同时间间隔下间期与前期脑电独立成分的个数差异以及前期脑电各时段独立成分个数的差异;(b)、间期与前期脑电独立成分样本熵波动差异。研究表明该算法能有效对间期与前期脑电的独立成分进行特征对比分析,为癫痫研究提供一定的探索基础。2.前期数据的独立成分平均个数多于间期的独立成分平均个数,且时间间隔T为30s时两者对比差异度最大对连续一小时的间期与前期数据进行时间间隔T分别为20s、30s、60s的数据段划分并求其对应的独立成分个数,进而得到连续一小时独立成分个数的均值,比较间期与前期独立成分平均个数的差异。通过分析发现,前期数据的独立成分平均个数普遍多于间期数据的独立成分平均个数。且当T=30s时,间期与前期脑电独立成分平均个数的差值最大,它比T=20s时的情况大0.13~0.14,比T=60s时的情况大0.2。接下来探索了发作前期各阶段脑电独立成分个数的变化,对癫痫发作前30分钟内每10分钟的前期数据进行了上述类似的独立成分个数分析,并与相同时长的间期数据的独立成分个数作比较。结果表明,在相同时间间隔的条件下,发作前期数据的独立成分平均个数普遍多于间期数据,发作前期各时段脑电中越接近癫痫发作期的脑电,其独立成分平均个数越多。在同等数据的条件下,当T=30s时,间期与前期脑电独立成分平均个数的差值最大,它比T=20s时的情况大0~0.7,比T=60s时的情况大0.2~0.8。3.前期脑电独立成分样本熵波动比间期脑电独立成分样本熵波动更为剧烈本研究分析了前期与间期数据四种熵的波动情况:(a)、所有独立成分的均值样本熵波动;(b)、原始数据所有通道的均值样本熵波动;(c)、独立成分中前三个独立成分的均值样本熵波动;(d)、独立成分中前三个独立成分的均值近似熵波动。这四种均值熵分析都表明了前期数据的均值熵波动程度比间期数据的均值熵波动程度更强烈。其中(b)的间期与前期波动差值比(a)的间期与前期波动差值大0.000077~0.000416。(c)的间期与前期波动差值比(b)的间期与前期波动差值大0.000069~0.000081。(c)的间期与前期波动差值比(d)的间期与前期波动差值大9.217E-06~0.00015。因此(c)情况分析时前期与间期对比差异现象最明显。样本熵比近似熵更适合用于间期与前期信号的分析处理。