搜索

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

基于振幅-周期二维特征的脑电样本熵分析

郭家梁 钟宁 马小萌 张明辉 周海燕

基于振幅-周期二维特征的脑电样本熵分析

郭家梁, 钟宁, 马小萌, 张明辉, 周海燕
PDF
导出引用
  • 样本熵可以有效反映一维时间序列中新模式的生成概率,但缺乏对二维序列复杂度的表征能力.基于对传统样本熵方法的改进,提出一种在振幅-周期二维空间描述波形复杂度的方法,二维样本熵反映了波形振动在振幅-周期空间中新模式的生成概率.通过仿真实验证明了这种方法描述波形复杂度的有效性,当波形的复杂度特征表现为振幅-周期的交互作用时,二维样本熵对复杂度的描述比一维条件下的样本熵更加有效.基于二维样本熵对抑郁症组和对照组的脑电复杂度进行分析,结果表明,抑郁症组在Alpha频段左侧顶区和左侧枕区的二维样本熵显著低于对照组,表明在上述频段和位置,抑郁症患者脑电中新模式的生成概率显著低于正常人,这一特征可能成为抑郁症的潜在生物标记.
      通信作者: 周海燕, zhouhaiyan@bjut.edu.cn
    • 基金项目: 国家重点基础研究发展计划(批准号:2014CB744600)、国家国际科技合作专项(批准号:2013DFA32180)和国家自然科学基金(批准号:61420106005,61272345)资助的课题.
    [1]

    Pincus S M 1991 Proc. Natl. Acad. Sci. USA 88 2297

    [2]

    Richman J S, Moorman J R 2000 Am. J. Physiol.-Heart C. 278 2039

    [3]

    Bruce E N, Bruce M C, Vennelaganti S 2009 J. Clin. Neurophysiol. 26 257

    [4]

    Zhu L, Deng J, Wu J H, Zhou N R 2015 Acta Phys. Sin. 64 184302 (in Chinese) [朱莉, 邓娟, 吴建华, 周南润2015物理学报64 184302]

    [5]

    Lei M, Meng G, Zhang W M, Sarkar N 2016 Acta Phys. Sin. 65 108701 (in Chinese) [雷敏, 孟光, 张文明, Nilanjan Sarkar 2016物理学报65 108701]

    [6]

    Alcaraz R, Rieta J J 2010 Biomed. Signal. Proces. 5 1

    [7]

    Kim D J, Jeong J, Chae J H, Park S, Kim S Y, Go H J, Paik I H, Kim K S, Choi B 2000 Psychiat. Res-Neuroim. 98 177

    [8]

    Lee Y J, Zhu Y S, Xu Y H, Shen M F, Zhang H X, Thakor N V 2001 Clin. Neurophysiol. 112 1288

    [9]

    Li Y J, Tong S B, Liu D, Gai Y, Wang X Y, Wang J J, Qiu Y H, Zhu Y S 2008 Clin. Neurophysiol. 119 1232

    [10]

    Ahmadlou M, Adeli H, Adeli A 2012 Int. J. Psychophysiol. 85 206

    [11]

    Bachmann M, Lass J, Suhhova A, Hinrikus H 2013 Comput. Math. Method. M. 2013 251638

    [12]

    Zavala-Yoe R, Ramirez-Mendoza R, Cordero L M 2015 Springerplus 4 437

    [13]

    Abasolo D, Hornero R, Espino P, Alvarez D, Poza J 2006 Physiol. Meas. 27 241

    [14]

    Takahashi T, Cho R Y, Mizuno T, Kikuchi M, Murata T, Takahashi K, Wada Y 2010 Neuroimage 51 173

    [15]

    Okazaki R, Takahashi T, Ueno K, Takahashi K, Higashima M, Wada Y 2013 J. Affect. Disorders 150 389

    [16]

    Li X L, Li D, Liang Z H, Voss L J, Sleigh J W 2008 Clin. Neurophysiol. 119 2465

    [17]

    Zhang T, Chen W Z, Li M Y 2016 Acta Phys. Sin. 65 038703 (in Chinese) [张涛, 陈万忠, 李明阳2016物理学报65 038703]

    [18]

    Lin P F, Tsao J, Lo M T, Lin C, Chang Y C 2015 Entropy 17 560

    [19]

    Ahmed M U, Mandic D P 2011 Phys. Rev. E 84 061918

    [20]

    Orzechowska A, Filip M, Galecki P 2015 Med. Sci. Monitor 21 3643

    [21]

    Pampallona S, Bollini P, Tibaldi G, Kupelnick B, Munizza C 2004 Arch. Gen. Psychiat. 61 714

  • [1]

    Pincus S M 1991 Proc. Natl. Acad. Sci. USA 88 2297

    [2]

    Richman J S, Moorman J R 2000 Am. J. Physiol.-Heart C. 278 2039

    [3]

    Bruce E N, Bruce M C, Vennelaganti S 2009 J. Clin. Neurophysiol. 26 257

    [4]

    Zhu L, Deng J, Wu J H, Zhou N R 2015 Acta Phys. Sin. 64 184302 (in Chinese) [朱莉, 邓娟, 吴建华, 周南润2015物理学报64 184302]

    [5]

    Lei M, Meng G, Zhang W M, Sarkar N 2016 Acta Phys. Sin. 65 108701 (in Chinese) [雷敏, 孟光, 张文明, Nilanjan Sarkar 2016物理学报65 108701]

    [6]

    Alcaraz R, Rieta J J 2010 Biomed. Signal. Proces. 5 1

    [7]

    Kim D J, Jeong J, Chae J H, Park S, Kim S Y, Go H J, Paik I H, Kim K S, Choi B 2000 Psychiat. Res-Neuroim. 98 177

    [8]

    Lee Y J, Zhu Y S, Xu Y H, Shen M F, Zhang H X, Thakor N V 2001 Clin. Neurophysiol. 112 1288

    [9]

    Li Y J, Tong S B, Liu D, Gai Y, Wang X Y, Wang J J, Qiu Y H, Zhu Y S 2008 Clin. Neurophysiol. 119 1232

    [10]

    Ahmadlou M, Adeli H, Adeli A 2012 Int. J. Psychophysiol. 85 206

    [11]

    Bachmann M, Lass J, Suhhova A, Hinrikus H 2013 Comput. Math. Method. M. 2013 251638

    [12]

    Zavala-Yoe R, Ramirez-Mendoza R, Cordero L M 2015 Springerplus 4 437

    [13]

    Abasolo D, Hornero R, Espino P, Alvarez D, Poza J 2006 Physiol. Meas. 27 241

    [14]

    Takahashi T, Cho R Y, Mizuno T, Kikuchi M, Murata T, Takahashi K, Wada Y 2010 Neuroimage 51 173

    [15]

    Okazaki R, Takahashi T, Ueno K, Takahashi K, Higashima M, Wada Y 2013 J. Affect. Disorders 150 389

    [16]

    Li X L, Li D, Liang Z H, Voss L J, Sleigh J W 2008 Clin. Neurophysiol. 119 2465

    [17]

    Zhang T, Chen W Z, Li M Y 2016 Acta Phys. Sin. 65 038703 (in Chinese) [张涛, 陈万忠, 李明阳2016物理学报65 038703]

    [18]

    Lin P F, Tsao J, Lo M T, Lin C, Chang Y C 2015 Entropy 17 560

    [19]

    Ahmed M U, Mandic D P 2011 Phys. Rev. E 84 061918

    [20]

    Orzechowska A, Filip M, Galecki P 2015 Med. Sci. Monitor 21 3643

    [21]

    Pampallona S, Bollini P, Tibaldi G, Kupelnick B, Munizza C 2004 Arch. Gen. Psychiat. 61 714

  • 引用本文:
    Citation:
计量
  • 文章访问数:  1973
  • PDF下载量:  212
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-05-10
  • 修回日期:  2016-07-10
  • 刊出日期:  2016-10-05

基于振幅-周期二维特征的脑电样本熵分析

  • 1. 北京工业大学, 北京未来网络科技高精尖创新中心, 北京 100124;
  • 2. 北京工业大学, 国际WIC研究院, 北京 100124;
  • 3. 磁共振成像脑信息学北京市重点实验室, 北京 100124;
  • 4. 脑信息智慧服务北京市国际科技合作基地, 北京 100124;
  • 5. 前桥工业大学生命科学与信息工程系, 前桥 371-0816
  • 通信作者: 周海燕, zhouhaiyan@bjut.edu.cn
    基金项目: 

    国家重点基础研究发展计划(批准号:2014CB744600)、国家国际科技合作专项(批准号:2013DFA32180)和国家自然科学基金(批准号:61420106005,61272345)资助的课题.

摘要: 样本熵可以有效反映一维时间序列中新模式的生成概率,但缺乏对二维序列复杂度的表征能力.基于对传统样本熵方法的改进,提出一种在振幅-周期二维空间描述波形复杂度的方法,二维样本熵反映了波形振动在振幅-周期空间中新模式的生成概率.通过仿真实验证明了这种方法描述波形复杂度的有效性,当波形的复杂度特征表现为振幅-周期的交互作用时,二维样本熵对复杂度的描述比一维条件下的样本熵更加有效.基于二维样本熵对抑郁症组和对照组的脑电复杂度进行分析,结果表明,抑郁症组在Alpha频段左侧顶区和左侧枕区的二维样本熵显著低于对照组,表明在上述频段和位置,抑郁症患者脑电中新模式的生成概率显著低于正常人,这一特征可能成为抑郁症的潜在生物标记.

English Abstract

参考文献 (21)

目录

    /

    返回文章
    返回