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Kendall改进的同步算法癫痫脑网络分析

董泽芹 侯凤贞 戴加飞 刘新峰 李锦 王俊

引用本文:
Citation:

基于Kendall改进的同步算法癫痫脑网络分析

董泽芹, 侯凤贞, 戴加飞, 刘新峰, 李锦, 王俊

An improved synchronous algorithm based on Kendall for analyzing epileptic brain network

Dong Ze-Qin, Hou Feng-Zhen, Dai Jia-Fei, Liu Xin-Feng, Li Jin, Wang Jun
PDF
导出引用
  • 提出了一种基于Kendall等级相关改进的同步算法IRC(inverse rank correlation). Kendall等级相关是非线性动力学分析的一般化算法,可有效地度量变量间的非线性相关性. 复杂网络的研究已逐渐深入到社会科学的各个领域,脑网络的研究已经成为当今脑功能研究的热点. 利用改进的IRC算法,基于脑电EEG(electroencephalogram)数据来构建大脑功能性网络. 对构建的脑功能网络的度指标进行了分析,以调查癫痫脑功能网络是否异于正常人. 结果显示:使用该改进的算法能够对癫痫和正常脑功能网络显著区分,且只需要记录很短的脑电数据. 实验结果数据表明,该方法适用于区分癫痫和正常脑组织网络度指标,它可有助于进一步地加深对大脑的神经动力学行为的研究,并为临床诊断提供有效工具.
    In this study, we propose a kendall rank correlation based synchronous algorithm inverse rank correlation (IRC). The kendall rank correlation is a generalized algorithm of nonlinear dynamics analysis which can effectively measure nonlinear correlations between variables. The study of complex networks has gradually penetrated into various fields of the social sciences. We use our algorithm to construct functional brain networks based on the data from electroencephalogram (EEG). The average node degree of complex brain networks is analyzed to investigate whether epileptic functional brain networks are distinctly different from normal brain networks. Results show that our method can distinguish between epileptic and normal functional brain networks and needs to record a very small number of EEG data. Experimental data show that our method suited to distinguish between epilepsy and normal brain node degree, which may contribute to further deepening the study of the brain neural dynamic behaviors, and provide an effective tool for clinical diagnosis.
    • 基金项目: 国家自然科学基金(批准号:61271082,61201029,61102094)、江苏省自然科学基金(批准号:BK2011759,BK2011565)、南京军区南京总医院基金(批准号:2014019)和中央高校基本科研业务费(批准号:FY2014LX0039)资助的课题.
    • Funds: Project supported by the National Natural Science Foundation of China (Grant Nos. 61271082, 61201029, 61102094), the Natural Science Foundation of Jiangsu Province, China (Grant Nos. BK2011759, BK2011565), the Foundation of Nanjing General Hospital of Nanjing Military Command, China (Grant No. 2014019), and the Fundamental Research Fund for the Central Universities, China (Grant No. FY2014LX0039).
    [1]

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

    [2]

    Mormann F, Andrzejak R G, Elger C E, Lehnertz K 2007 Brain 130 314

    [3]

    Elger C E, Lehnertz K 1998 Eur. J. Neurosci. 10 786

    [4]

    Lehnertz K, Elger C E 1998 Phys. Rev. Lett. 80 5019

    [5]

    Iasemidis L D, Sackellares J C, Zaveri H P, Williams W J 1990 Brain Topogr. 2 187

    [6]

    Mormann F, Lehnertz K, David P, Elger C E 2000 Physica D 144 358

    [7]

    Iasemidis L D, Pardalos P, Sackellares J C, Shiau D S 2001 J. Comb. Optim. 5 9

    [8]

    Iasemidis L D, Shiau D S, Pardalos P M, Chaovalitwongse W, Narayanan K, Prasad A, Tsakalis K, Carney P R, Sackellares J C 2005 Clin. Neurophysiol. 116 532

    [9]

    Iasemidis L D, et al. 2003 IEEE Trans. Biomed. Eng. 50 616

    [10]

    Bathelt J, O'Reilly H, Clayden J D, Cross J H, de Haan M 2013 NeuroImage 82 595

    [11]

    Fang X L, Jiang Z L 2007 Acta Phys. Sin. 56 7330 (in Chinese) [方小玲, 姜宗来 2007 物理学报 56 7330]

    [12]

    Varela F, Lachaux J P, Rodriguez E, Martinerie J 2001 Nat. Rev. Neurosci. 2 229

    [13]

    Sporns O, Chialvo D R, Kaiser M, Hilgetag C C 2004 Trends Cogn. Sci. 8 418

    [14]

    Hou F Z, Dai J F, Liu X F, Huang X L 2014 Acta Phys. Sin. 63 040506 (in Chinese) [侯凤贞, 戴加飞, 刘新峰, 黄晓林 2014 物理学报 63 040506]

    [15]

    Wang J, Yu Z F 2012 Chin. Phys. B 21 018702

    [16]

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

    [17]

    Zhang M, Cui C, Ma Q L, Gan Z L, Wang J 2013 Acta Phys. Sin. 62 068704 (in Chinese) [张梅, 崔超, 马千里, 干宗良, 王俊 2013 物理学报 62 068704]

    [18]

    Xu X, Zhou Y, Ma Q L 2011 J. Nanjing Univ. Posts and Telecomm. 31 37 (in Chinese) [徐欣, 周运, 马千里 2011 南京邮电大学学报 (自然科学版) 31 37]

    [19]

    Achard S, Bullmore E T 2007 PLoS Comput. Biol. 3 174

    [20]

    Wang J, Ma Q L 2008 Chin. Phys. B 17 4424

    [21]

    Frenzel S, Pompe B 2007 Phys. Rev. Lett. 99 204101

  • [1]

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

    [2]

    Mormann F, Andrzejak R G, Elger C E, Lehnertz K 2007 Brain 130 314

    [3]

    Elger C E, Lehnertz K 1998 Eur. J. Neurosci. 10 786

    [4]

    Lehnertz K, Elger C E 1998 Phys. Rev. Lett. 80 5019

    [5]

    Iasemidis L D, Sackellares J C, Zaveri H P, Williams W J 1990 Brain Topogr. 2 187

    [6]

    Mormann F, Lehnertz K, David P, Elger C E 2000 Physica D 144 358

    [7]

    Iasemidis L D, Pardalos P, Sackellares J C, Shiau D S 2001 J. Comb. Optim. 5 9

    [8]

    Iasemidis L D, Shiau D S, Pardalos P M, Chaovalitwongse W, Narayanan K, Prasad A, Tsakalis K, Carney P R, Sackellares J C 2005 Clin. Neurophysiol. 116 532

    [9]

    Iasemidis L D, et al. 2003 IEEE Trans. Biomed. Eng. 50 616

    [10]

    Bathelt J, O'Reilly H, Clayden J D, Cross J H, de Haan M 2013 NeuroImage 82 595

    [11]

    Fang X L, Jiang Z L 2007 Acta Phys. Sin. 56 7330 (in Chinese) [方小玲, 姜宗来 2007 物理学报 56 7330]

    [12]

    Varela F, Lachaux J P, Rodriguez E, Martinerie J 2001 Nat. Rev. Neurosci. 2 229

    [13]

    Sporns O, Chialvo D R, Kaiser M, Hilgetag C C 2004 Trends Cogn. Sci. 8 418

    [14]

    Hou F Z, Dai J F, Liu X F, Huang X L 2014 Acta Phys. Sin. 63 040506 (in Chinese) [侯凤贞, 戴加飞, 刘新峰, 黄晓林 2014 物理学报 63 040506]

    [15]

    Wang J, Yu Z F 2012 Chin. Phys. B 21 018702

    [16]

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

    [17]

    Zhang M, Cui C, Ma Q L, Gan Z L, Wang J 2013 Acta Phys. Sin. 62 068704 (in Chinese) [张梅, 崔超, 马千里, 干宗良, 王俊 2013 物理学报 62 068704]

    [18]

    Xu X, Zhou Y, Ma Q L 2011 J. Nanjing Univ. Posts and Telecomm. 31 37 (in Chinese) [徐欣, 周运, 马千里 2011 南京邮电大学学报 (自然科学版) 31 37]

    [19]

    Achard S, Bullmore E T 2007 PLoS Comput. Biol. 3 174

    [20]

    Wang J, Ma Q L 2008 Chin. Phys. B 17 4424

    [21]

    Frenzel S, Pompe B 2007 Phys. Rev. Lett. 99 204101

  • [1] 徐明, 许传云, 曹克非. 度相关性对无向网络可控性的影响. 物理学报, 2017, 66(2): 028901. doi: 10.7498/aps.66.028901
    [2] 姚文坡, 刘铁兵, 戴加飞, 王俊. 脑电信号的多尺度排列熵分析. 物理学报, 2014, 63(7): 078704. doi: 10.7498/aps.63.078704
    [3] 欧阳博, 金心宇, 夏永祥, 蒋路茸, 吴端坡. 疾病传播与级联失效相互作用的研究:度不相关网络中疾病扩散条件的分析. 物理学报, 2014, 63(21): 218902. doi: 10.7498/aps.63.218902
    [4] 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
    [5] 李雨珊, 吕翎, 刘烨, 刘硕, 闫兵兵, 常欢, 周佳楠. 复杂网络时空混沌同步的Backstepping设计. 物理学报, 2013, 62(2): 020513. doi: 10.7498/aps.62.020513
    [6] 周漩, 张凤鸣, 周卫平, 邹伟, 杨帆. 利用节点效率评估复杂网络功能鲁棒性. 物理学报, 2012, 61(19): 190201. doi: 10.7498/aps.61.190201
    [7] 吕翎, 柳爽, 张新, 朱佳博, 沈娜, 商锦玉. 节点结构互异的复杂网络的时空混沌反同步. 物理学报, 2012, 61(9): 090504. doi: 10.7498/aps.61.090504
    [8] 郝崇清, 王江, 邓斌, 魏熙乐. 基于稀疏贝叶斯学习的复杂网络拓扑估计. 物理学报, 2012, 61(14): 148901. doi: 10.7498/aps.61.148901
    [9] 刘刚, 李永树. 基于引力约束的复杂网络拥塞问题研究. 物理学报, 2012, 61(10): 108901. doi: 10.7498/aps.61.108901
    [10] 周漩, 张凤鸣, 李克武, 惠晓滨, 吴虎胜. 利用重要度评价矩阵确定复杂网络关键节点. 物理学报, 2012, 61(5): 050201. doi: 10.7498/aps.61.050201
    [11] 高湘昀, 安海忠, 方伟. 基于复杂网络的时间序列双变量相关性波动研究. 物理学报, 2012, 61(9): 098902. doi: 10.7498/aps.61.098902
    [12] 龚志强, 支蓉, 侯威, 王晓娟, 封国林. 基于复杂网络的北半球遥相关年代际变化特征研究. 物理学报, 2012, 61(2): 029202. doi: 10.7498/aps.61.029202
    [13] 崔爱香, 傅彦, 尚明生, 陈端兵, 周涛. 复杂网络局部结构的涌现:共同邻居驱动网络演化. 物理学报, 2011, 60(3): 038901. doi: 10.7498/aps.60.038901
    [14] 孟庆芳, 周卫东, 陈月辉, 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
    [15] 陈华良, 刘忠信, 陈增强, 袁著祉. 复杂网络的一种加权路由策略研究. 物理学报, 2009, 58(9): 6068-6073. doi: 10.7498/aps.58.6068
    [16] 李涛, 裴文江, 王少平. 无标度复杂网络负载传输优化策略. 物理学报, 2009, 58(9): 5903-5910. doi: 10.7498/aps.58.5903
    [17] 吕翎, 张超. 一类节点结构互异的复杂网络的混沌同步. 物理学报, 2009, 58(3): 1462-1466. doi: 10.7498/aps.58.1462
    [18] 王丹, 于灏, 井元伟, 姜囡, 张嗣瀛. 基于感知流量算法的复杂网络拥塞问题研究. 物理学报, 2009, 58(10): 6802-6808. doi: 10.7498/aps.58.6802
    [19] 许 丹, 李 翔, 汪小帆. 复杂网络病毒传播的局域控制研究. 物理学报, 2007, 56(3): 1313-1317. doi: 10.7498/aps.56.1313
    [20] 李 季, 汪秉宏, 蒋品群, 周 涛, 王文旭. 节点数加速增长的复杂网络生长模型. 物理学报, 2006, 55(8): 4051-4057. doi: 10.7498/aps.55.4051
计量
  • 文章访问数:  3258
  • PDF下载量:  1229
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-06-29
  • 修回日期:  2014-07-16
  • 刊出日期:  2014-10-05

基于Kendall改进的同步算法癫痫脑网络分析

  • 1. 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;
  • 2. 中国药科大学理学院, 南京 210009;
  • 3. 南京军区南京总医院神经内科, 南京 210002;
  • 4. 陕西师范大学物理学与信息技术学院, 西安 710062
    基金项目: 国家自然科学基金(批准号:61271082,61201029,61102094)、江苏省自然科学基金(批准号:BK2011759,BK2011565)、南京军区南京总医院基金(批准号:2014019)和中央高校基本科研业务费(批准号:FY2014LX0039)资助的课题.

摘要: 提出了一种基于Kendall等级相关改进的同步算法IRC(inverse rank correlation). Kendall等级相关是非线性动力学分析的一般化算法,可有效地度量变量间的非线性相关性. 复杂网络的研究已逐渐深入到社会科学的各个领域,脑网络的研究已经成为当今脑功能研究的热点. 利用改进的IRC算法,基于脑电EEG(electroencephalogram)数据来构建大脑功能性网络. 对构建的脑功能网络的度指标进行了分析,以调查癫痫脑功能网络是否异于正常人. 结果显示:使用该改进的算法能够对癫痫和正常脑功能网络显著区分,且只需要记录很短的脑电数据. 实验结果数据表明,该方法适用于区分癫痫和正常脑组织网络度指标,它可有助于进一步地加深对大脑的神经动力学行为的研究,并为临床诊断提供有效工具.

English Abstract

参考文献 (21)

目录

    /

    返回文章
    返回