-
题名基于多频段排列熵的脑电信号复杂度分析
- 1
-
-
作者
牛焱
高凯
丁茹男
温昕
周梦妮
相洁
-
机构
太原理工大学计算机科学与技术学院(大数据学院)
太原理工大学软件学院
中国科学院深圳先进技术研究院医学人工智能研究中心
-
出处
《中国生物医学工程学报》
北大核心
2025年第2期153-164,共12页
-
基金
国家自然科学基金(62376184)
山西省应用基础研究计划(20210302124550)
山西省科技成果转化引导专项(202304021301035)。
-
文摘
复杂性分析在脑电(EEG)信号研究中有重要的意义。多元熵方法是有效的信号复杂性分析技术,但已有多元熵研究将变量设置为多通道时间序列,从多频段分析角度对大脑动力学的复杂性量化尚未得到广泛探索。对多元排列熵(mvPE)算法进行改进,本研究提出多频段排列熵(mFPE),从时频维度上对大脑的复杂性进行更为细致的衡量。研究基于模拟数据和3组真实EEG数据对算法性能进行了分析。利用1/f噪声和高斯白噪声以及MIX模型产生的模拟数据,结果发现,与mvPE相比,mFPE表现出更高的灵敏度、较短的数据长度要求以及良好的抗噪性能。将mFPE算法应用于14名帕金森患者和14名健康对照的EEG数据的分析。结果发现,mFPE能显著区分正常人和病人的脑活动,并实现78.7%的分类准确率,优于mvPE(72.8%);其次,利用14名抑郁倾向患者和14名健康对照的EEG数据也发现mFPE相较于mvPE,准确率提高了6.6%;最后,利用32名正常人的视觉任务EEG数据,mFPE有效地揭示了不同任务刺激引起的EEG活动的改变,不同任务的分类准确率也均高于mvPE。mFPE算法为EEG信号复杂性的动态分析提供了新的视角和有效工具,有望在神经疾病诊断、脑功能研究及认知科学领域发挥重要作用。
-
关键词
脑电
多元排列熵
多频段排列熵
复杂度分析
-
Keywords
electroencephalogram,(EEC)
multivariate permutation entropy
multi-frequency permutation entropy
complexity analysis
-
分类号
R318
[医药卫生—生物医学工程]
-
