论文部分内容阅读
脑电信号是一种由大脑皮层的脑细胞因为脑部活动而产生的生物电信号,也是一种非线性非平稳的微弱电信号。脑电信号中包含了大量的生理和病理信息,目前通过对脑电信号的特征进行分析已经成为临床上诊断与治疗脑部疾病的主要手段。由此可见通过对脑电信号的特征研究,进而评估人体的生理状态信息具有重要的意义。本文基于相位同步理论主要从以下三方面对脑电信号做了分析:一、利用希尔伯特黄变换(Hilbert-Huang Transform,HHT)算法在处理非线性非平稳信号中的优势,通过结合基于熵的相位同步指数(the entropy of phase synchronization index,EPSI),提出了基于HHT的EPSI算法。我们首先将该算法应用到Rossler模型中,结果表明该算法能够有效的衡量两个耦合系统的同步程度。然后基于该算法计算脑电信号的EPSI,通过比较癫痫患者与正常人脑电的EPSI,发现癫痫患者脑电信号的EPSI值显著大于正常人的,表明基于HHT的EPSI算法能够有效的对脑电信号的同步性进行分析。二、基于平均相位同步时间矩阵(the average phase synchronization time matrix,APSTM)算法分别分析了theta、alpha、beta和gamma这四个频段下脑电信号的APSTM。通过比较癫痫患者和正常人脑电在四个频段下的APSTM行列式,结果表明癫痫脑电信号的APSTM算法在四个频段下均比对应的正常人的APSTM行列式大,同时theta波下的APSTM行列式在检测癫痫放电时期最为显著,beta波其次,而alpha与gamma波效果不明显。这说明APSTM算法能够有效的区分开癫痫与正常脑电,并且theta波对于APSTM算法在癫痫脑电信号中的研究具有最显著的特征。三、基于替代数据检验算法,对不同数据长度和频段下的脑电信号的部分相位同步指数(partion phase synchronization index,PPSI)进行了分析。首先通过对比几个常规的替代数据算法所得到的阈值与原始信号的PPSI的相关次数,发现RSS(rank-shuffled surrogate)的相关系数最低,说明RSS算法是最合适的;然后基于RSS算法分析了不同周期长度下的脑电信号,结果表明约3~18个周期长度的EEG信号更适合计算PPSI,该结论将对于研究多导联脑电信号的耦合研究具有积极意义。