论文部分内容阅读
大脑具有结构对称性和功能的对侧性，反映脑功能状态的脑电信号electroencephalogram (EEG)也具有对称性，基于此，可以通过对脑电数据的分析处理，实现对患者大脑损伤部位的判别，并进一步绘制出患者的脑电地形图，实现对损伤部位的可视化。本论文提出一种基于对称导联脑电特征参数分析技术实现对大脑损伤部位的判别方法。相对于传统的影像技术，该方法具有分辨率高，无辐射伤害，费用低廉，易操作，可床边检查等优势，可作为临床脑损伤检查的辅助手段。本文的主要工作内容如下：（1）数据的采集和预处理。通过与武警浙江总队杭州医院合作，采集45例脑部损伤病人的脑电数据为病例组和10个健康人的脑电数据为正常对照组，并对脑电数据进行预处理。（2）基于对称导联脑电特征参数分析的大脑损伤部位判别研究。选取非线性特征参数近似熵approximate entropy (ApEn)和线性特征参数慢波系数slowwave coefficient (SWC)作为特征参数，以脑损伤病人对称导联特征参数值变化范围作为标准判别大脑损伤部位，并通过随机选取样本进行测试和CT影像诊断结果验证判别准确性。结果表明：采用安静和唤名状态下根据近似熵值判断的准确率分别为89.68%、91.86%；对应慢波系数判别准确率分别为90.68%、92.70%。（3）大脑损伤部位的可视化研究。采用移动平均插值法分别画出线性特征参数平均功率谱密度和非线性特征参数样本熵、近似熵等的地形图brainelectrical area map（BEAM），以CT影像对损伤和非损伤脑区的诊断作为金标准，通过计算正确率、假阳性和假阴性判断线性与非线性两者的可视化表征效果。结果表明：1、所研究的5种非线性特征参数表征的可视化效果由优到次依次为样本熵Sample entropy(SampEn),近似熵、排列熵Permutation entropy(PmEn),复杂度CO Complexity C0,复杂度LZCComplexity LZC；2、非线性特征参数样本熵、近似熵的可视化效果优于线性特征参数平均功率谱密度；结论：非线性动力学参数样本熵、近似熵在脑损伤部位可视化表征方面表现优于传统的平均功率谱密度这种线性特征参数，并且损伤部位样本熵值变化范围对损伤部位的检查有一定的辅助诊断价值。