搜索

文章查询

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

脑电信号的多尺度排列熵分析

姚文坡 刘铁兵 戴加飞 王俊

脑电信号的多尺度排列熵分析

姚文坡, 刘铁兵, 戴加飞, 王俊
PDF
导出引用
导出核心图
  • 本文利用多尺度排列熵对正常脑电信号和癫痫脑电信号进行了详细的分析和比较,研究了脑电图信号多尺度排列熵值和年龄的关系以及尺度因子对多尺度排列熵值的影响. 通过对处于各个年龄段的22组正常人和22组患有癫痫人群的脑电图进行多尺度排列熵分析,发现在相同年龄段的人群中,正常脑电信号的多尺度排列熵值要高于癫痫脑电信号,熵值平均高出约0.19,约7.9%. 另外,在尺度因子小于15的情况下,对于在30到35的年龄段正常人群,其多尺度排列熵值最大,随着年龄段的增大或降低熵值都一定程度的降低. 结果证明,多尺度排列熵可以成功区分正常脑电信号和癫痫脑电信号,并且熵值可以正确地反映人体大脑发育的一般过程.
    • 基金项目: 国家自然科学基金(批准号:61271082,61201029,61102094)和江苏省自然科学基金(批准号:BK2011759,BK2011565)资助的课题.
    [1]

    Fisher R S, Boas W E, Blume W, Elger C, Genton P, Lee P, Engel J 2005 Epilepsia 46 470

    [2]

    Iasemidis L D, Shiau A S, Chaovalitwongse W, Sackellares J C, Pardalos P M, Principe J C, Carney P R, Prasad A, Veeramani B, Tsakalis K 2003 IEEE Trans. Biomed. Eng. 50 616

    [3]

    Flink R, Pedersen B, Guekht A B, Malmgren K, Michelucci R, Neville B, Pinto F, Stephani U, Ozkara C 2002 Acta Neurol. Scand. 106 1

    [4]

    Bian C H, Ma Q L, Wang J 2010 Acta Phys. Sin. 59 4480 (in chinese)[王俊, 马千里, 卞春华2010 物理学报59 4480]

    [5]

    Wang J, Zhao D Q 2012 Chin. Phys. B 21 028703

    [6]

    You R Y, Chen Z 2005 Chin. Phys. 14 2176

    [7]

    Jung T P, Makeig S, Stensmo M, Sejnowski T J 1997 IEEE Trans. Biomed. Eng. 44 60

    [8]

    Ocak H 2009 Expert Syst. Appl. 36 2027

    [9]

    Liu X, Ma B W, Liu H J 2013 Acta Phys. Sin. 62 020202 (in Chinese) [刘仙, 马百旺, 刘会军2013 物理学报62 020202]

    [10]

    Marques J P, Rebola J, Figueiredo P, Pinto A, Sales F, Castelo-Branco M 2009 Hum. Brain Mapp. 30 2986

    [11]

    Meng Q F, Zhou W D, Chen Y H, Peng Y H 2010 Acta Phys. Sin. 59 0123 (in Chinese)[孟庆芳, 周卫东, 陈月辉, 彭玉华2010 物理学报59 0123]

    [12]

    Ning X B, Bian C H, Wang J, Chen J 2006 Chin. Sci. Bull. 51 385

    [13]

    Babloyantz A, Salazar J M, Nicolis C 1985 Phys. Lett. A 111 152

    [14]

    Xie Y, Xu J X, Kang Y M, Yang H J, Hu S J 2003 Acta Phys. Sin. 52 1121 (in Chinese) [谢勇, 徐健学, 康艳梅, 杨红奎, 胡三觉2003 物理学报52 1121]

    [15]

    Witte H, Lasemidis L D, Litt D 2003 IEEE Trans. Biomed. Eng. 50 537

    [16]

    Roldan E, Parrondo J M R 2010 Phys. Rev. Lett. 105 150607

    [17]

    Li J, Ning X B 2006 Phys. Rev. E 73 052902

    [18]

    Richman J S, Moorman J R 2000 Am. J. Physiol.-Heart C. 278 H2039

    [19]

    Yan B G, Zhao T T 2011 Acta Phys. Sin. 60 078701 (in Chinese) [严碧歌, 赵婷婷2011 物理学报60 078701]

    [20]

    Bandt C, Pompe B 2002 Phys. Rev. Lett. 88 174102

    [21]

    Costa M, Goldberger A L, Peng C K 2002 Phys. Rev. Lett. 89 068102

  • [1]

    Fisher R S, Boas W E, Blume W, Elger C, Genton P, Lee P, Engel J 2005 Epilepsia 46 470

    [2]

    Iasemidis L D, Shiau A S, Chaovalitwongse W, Sackellares J C, Pardalos P M, Principe J C, Carney P R, Prasad A, Veeramani B, Tsakalis K 2003 IEEE Trans. Biomed. Eng. 50 616

    [3]

    Flink R, Pedersen B, Guekht A B, Malmgren K, Michelucci R, Neville B, Pinto F, Stephani U, Ozkara C 2002 Acta Neurol. Scand. 106 1

    [4]

    Bian C H, Ma Q L, Wang J 2010 Acta Phys. Sin. 59 4480 (in chinese)[王俊, 马千里, 卞春华2010 物理学报59 4480]

    [5]

    Wang J, Zhao D Q 2012 Chin. Phys. B 21 028703

    [6]

    You R Y, Chen Z 2005 Chin. Phys. 14 2176

    [7]

    Jung T P, Makeig S, Stensmo M, Sejnowski T J 1997 IEEE Trans. Biomed. Eng. 44 60

    [8]

    Ocak H 2009 Expert Syst. Appl. 36 2027

    [9]

    Liu X, Ma B W, Liu H J 2013 Acta Phys. Sin. 62 020202 (in Chinese) [刘仙, 马百旺, 刘会军2013 物理学报62 020202]

    [10]

    Marques J P, Rebola J, Figueiredo P, Pinto A, Sales F, Castelo-Branco M 2009 Hum. Brain Mapp. 30 2986

    [11]

    Meng Q F, Zhou W D, Chen Y H, Peng Y H 2010 Acta Phys. Sin. 59 0123 (in Chinese)[孟庆芳, 周卫东, 陈月辉, 彭玉华2010 物理学报59 0123]

    [12]

    Ning X B, Bian C H, Wang J, Chen J 2006 Chin. Sci. Bull. 51 385

    [13]

    Babloyantz A, Salazar J M, Nicolis C 1985 Phys. Lett. A 111 152

    [14]

    Xie Y, Xu J X, Kang Y M, Yang H J, Hu S J 2003 Acta Phys. Sin. 52 1121 (in Chinese) [谢勇, 徐健学, 康艳梅, 杨红奎, 胡三觉2003 物理学报52 1121]

    [15]

    Witte H, Lasemidis L D, Litt D 2003 IEEE Trans. Biomed. Eng. 50 537

    [16]

    Roldan E, Parrondo J M R 2010 Phys. Rev. Lett. 105 150607

    [17]

    Li J, Ning X B 2006 Phys. Rev. E 73 052902

    [18]

    Richman J S, Moorman J R 2000 Am. J. Physiol.-Heart C. 278 H2039

    [19]

    Yan B G, Zhao T T 2011 Acta Phys. Sin. 60 078701 (in Chinese) [严碧歌, 赵婷婷2011 物理学报60 078701]

    [20]

    Bandt C, Pompe B 2002 Phys. Rev. Lett. 88 174102

    [21]

    Costa M, Goldberger A L, Peng C K 2002 Phys. Rev. Lett. 89 068102

  • [1] 董泽芹, 侯凤贞, 戴加飞, 刘新峰, 李锦, 王俊. 基于Kendall改进的同步算法癫痫脑网络分析. 物理学报, 2014, 63(20): 208705. doi: 10.7498/aps.63.208705
    [2] 杜萌, 金宁德, 高忠科, 朱雷, 王振亚. 油水两相流水包油流型多尺度排列熵分析. 物理学报, 2012, 61(23): 230507. doi: 10.7498/aps.61.230507
    [3] 陈月辉, 孟庆芳, 周卫东, 彭玉华. 基于非线性预测效果的癫痫脑电信号的特征提取方法. 物理学报, 2010, 59(1): 123-130. doi: 10.7498/aps.59.123
    [4] 方小玲, 姜宗来. 基于脑电图的大脑功能性网络分析. 物理学报, 2007, 56(12): 7330-7338. doi: 10.7498/aps.56.7330
    [5] 刘备, 胡伟鹏, 邹孝, 丁亚军, 钱盛友. 基于变分模态分解与多尺度排列熵的生物组织变性识别. 物理学报, 2019, 68(2): 028702. doi: 10.7498/aps.68.20181772
    [6] 李凌, 金贞兰, 李斌. 基于因子分析方法的相位同步脑电源的时-空动力学分析. 物理学报, 2011, 60(4): 048703. doi: 10.7498/aps.60.048703
    [7] 卞春华, 马千里, 王俊. 脑电信号的标度分析及其在睡眠状态区分中的应用. 物理学报, 2010, 59(7): 4480-4484. doi: 10.7498/aps.59.4480
    [8] 杨剑, 陈书燊, 皇甫浩然, 梁佩鹏, 钟宁. 静息态脑电信号动态功能连接分析. 物理学报, 2015, 64(5): 058701. doi: 10.7498/aps.64.058701
    [9] 侯凤贞, 戴加飞, 刘新峰, 黄晓林. 基于网络连接度指标的脑梗死患者脑电信号相同步分析. 物理学报, 2014, 63(4): 040506. doi: 10.7498/aps.63.040506
    [10] 韩春晓, 王江, 车艳秋, 邓斌, 郭义, 郭永明, 刘阳阳. 针刺足三里的脊髓背根神经电信号非线性特征提取. 物理学报, 2010, 59(8): 5880-5887. doi: 10.7498/aps.59.5880
    [11] 胡志强, 李文静, 乔俊飞. 变频正弦混沌神经网络及其应用. 物理学报, 2017, 66(9): 090502. doi: 10.7498/aps.66.090502
    [12] 王莹, 侯凤贞, 戴加飞, 刘新峰, 李锦, 王俊. 改进的相对转移熵的癫痫脑电分析. 物理学报, 2014, 63(21): 218701. doi: 10.7498/aps.63.218701
    [13] 李鹏, 刘澄玉, 李丽萍, 纪丽珍, 于守元, 刘常春. 多尺度多变量模糊熵分析. 物理学报, 2013, 62(12): 120512. doi: 10.7498/aps.62.120512
    [14] 向郑涛, 陈宇峰, 李昱瑾, 熊励. 基于多尺度熵的交通流复杂性分析. 物理学报, 2014, 63(3): 038903. doi: 10.7498/aps.63.038903
    [15] 严碧歌, 赵婷婷. 应用多尺度化的基本尺度熵分析心率变异性. 物理学报, 2011, 60(7): 078701. doi: 10.7498/aps.60.078701
    [16] 孟庆芳, 陈珊珊, 陈月辉, 冯志全. 基于递归量化分析与支持向量机的癫痫脑电自动检测方法. 物理学报, 2014, 63(5): 050506. doi: 10.7498/aps.63.050506
    [17] 何 亮, 杜 磊, 陈建平, 庄奕琪, 李伟华. 金属互连电迁移噪声的多尺度熵复杂度分析. 物理学报, 2008, 57(10): 6545-6550. doi: 10.7498/aps.57.6545
    [18] 郑桂波, 金宁德. 两相流流型多尺度熵及动力学特性分析. 物理学报, 2009, 58(7): 4485-4492. doi: 10.7498/aps.58.4485
    [19] 苟竞, 刘俊勇, 魏震波, Gareth Taylor, 刘友波. 基于多尺度熵的电力能量流复杂性分析. 物理学报, 2014, 63(20): 208402. doi: 10.7498/aps.63.208402
    [20] 谢平, 杨芳梅, 陈晓玲, 杜义浩, 吴晓光. 基于多尺度传递熵的脑肌电信号耦合分析. 物理学报, 2015, 64(24): 248702. doi: 10.7498/aps.64.248702
  • 引用本文:
    Citation:
计量
  • 文章访问数:  1445
  • PDF下载量:  1083
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-10-08
  • 修回日期:  2013-12-21
  • 刊出日期:  2014-04-05

脑电信号的多尺度排列熵分析

  • 1. 南京军区南京总医院, 南京 210002;
  • 2. 南京邮电大学图像处理与图像通信江苏省重点实验室, 南京 210003
    基金项目: 

    国家自然科学基金(批准号:61271082,61201029,61102094)和江苏省自然科学基金(批准号:BK2011759,BK2011565)资助的课题.

摘要: 本文利用多尺度排列熵对正常脑电信号和癫痫脑电信号进行了详细的分析和比较,研究了脑电图信号多尺度排列熵值和年龄的关系以及尺度因子对多尺度排列熵值的影响. 通过对处于各个年龄段的22组正常人和22组患有癫痫人群的脑电图进行多尺度排列熵分析,发现在相同年龄段的人群中,正常脑电信号的多尺度排列熵值要高于癫痫脑电信号,熵值平均高出约0.19,约7.9%. 另外,在尺度因子小于15的情况下,对于在30到35的年龄段正常人群,其多尺度排列熵值最大,随着年龄段的增大或降低熵值都一定程度的降低. 结果证明,多尺度排列熵可以成功区分正常脑电信号和癫痫脑电信号,并且熵值可以正确地反映人体大脑发育的一般过程.

English Abstract

参考文献 (21)

目录

    /

    返回文章
    返回