论文部分内容阅读
利用两种复杂性测度的方法对正常人和病人不同大脑负荷状态下的EEG进行了分析。一种是Kaspar和Schuster定义的复杂度算法，一种是新的度量序列复杂度的统计方法－近似熵。通过对若干例在四种不同 实验状态下的EEG信号的分析，表明可通过两种算法的数值变化有效地分辨大脑的状态：正常或病理以及不同的负荷状态。而且两种复杂性测度算法的变化规律相同。显示出两种复杂性测度的算法在EEG序列的研究和临床诊断中有广阔的应用前景。