心算任务下脑电信息传输

通过计算多导脑电的互信息传输时间序列的复杂度,研究了心算任务和安静状态下不同认知水平的对象脑电特异表现.结果表明,不同的实验状态、不同认知能力的被试者以及大脑的不同部位均可对互信息复杂度产生显著影响.抑郁症在心算任务下的互信息传输复杂度显著低于（P<0.001）安静闭目状态下的复杂度,而正常对照组虽然在心算任务下的脑电互信息传输复杂度也较安静闭目状态时有所下降,但不具有统计意义.据此推测,完成认知作业时的脑电互信息复杂度在一定程度上反映了认知水平的不同.     

基于颈腰部肌电及脑电信号的疲劳驾驶检测

为了有效判别驾驶员的疲劳状态,结合生物力学分析提取了驾驶过程中的颈腰部肌电信号EMG和头部脑电信号EEG,并分析其特征参数在驾驶过程中的变化规律.结果表明:颈肌样本熵、颈肌复杂度、腰肌样本熵、腰肌复杂度、脑电样本熵、脑电复杂度这6个生理信号的特征参数值都随着驾驶时间的延长而逐渐降低,通过主成分分析可实现特征参数间的合理组合.基于多元回归理论,建立了能够有效预测疲劳驾驶的数学模型.状态验证结果表明,该模型对疲劳状态判别的正确率可达95%以上.     

基于贝叶斯相关向量机的脑电睡眠分期

针对支持向量机(SVM)计算复杂度高和参数不易确定的局限性,提出一种基于稀疏贝叶斯相关向量机(RVM)的脑电数据睡眠分期方法.给出二分类RVM的参数推理和优化,并确定了二叉树多分类RVM模型.基于8例健康成年人的MIT/BIH睡眠脑电实测数据,根据已有的专家人工睡眠分期注释,首先提取清醒期和睡眠各期脑电数据的样本熵值作...     

睡眠剥夺影响大脑功能区状态的非线性评价

采用近似熵研究睡眠剥夺（sleep deprivation，SD）对脑认知功能的影响，评价SD引起的大脑功能区状态的非线性变化．12名受试者在正常睡眠和一夜SD之后分别接受视觉注意力测试，记录自发脑电和诱发脑电，采用二维插值构建19导脑电近似熵脑信息图（brain information map，BIM）．结果表明，在SD状态下，自发脑电的近似熵在全脑范围内有不同程度的下降，额叶处大脑偏侧性发生变化，复杂度的中心从左脑转移到右脑；前额叶处诱发脑电近似熵值降低，而顶叶和颞叶处则升高．脑电近似熵可以作为指标来评价SD对脑认知功能的负向影响，BIM的变化趋势与从生理学及影像学角度的分析相吻合，与线性方法的研究结论一致，在一定程度上可以反映大脑功能状态，提供一条评价脑功能区状态变化趋势的思路．     

诱发脑电信号执行控制力特征识别研究

斯特普(Stroop)干扰试验常被用于执行控制力研究中,结合脑电在认知能力领域中的应用,采用数字Stroop干扰试验来诱发脑电信号,通过以样本熵为参数试验条件下脑电信号复杂度分析,观察脑电复杂度变化规律,建立执行控制力脑电特征识别方法.随机选取35名大学生进行数字Stroop干扰试验,同时采集被试的脑电信号,对脑电复杂度分析发现:试验过程中被试脑电样本熵值先降低后上升,最后回到正常水平;Stroop干扰试验下测评分数越高的被试,其样本熵的降低幅度越小.相关性统计分析得到,样本熵变化值与执行控制力相关系数为-0.699,呈显著负相关.研究表明基于Stroop干扰试验下脑电信号复杂度能够反应被试的执行控制力.     

颅内压增高皮层脑电的复杂度分析

为研究颅内压增高对脑功能的影响,以家兔为实验对象建立侧脑室灌注加压的单纯颅高压模型.采集皮层脑电信号并同步记录颅内压(ICP)、心电、呼吸、动脉血压等信号,采用迟滞粗粒化方法和Lempel-Ziv算法计算脑电信号的复杂度,分析不同ICP状态下脑电信号的非线性变化特征.发现以灌注加压前基础ICP时的状态为对照,ICP为2,4倍基础值时的脑电信号复杂度显著降低(P＜0.01);ICP越高,复杂度越低;ICP恢复正常后,脑电复杂度有恢复趋势.研究结果表明,脑电信号的复杂度可用于检测由于ICP增高引起的脑损伤并有可能对其损伤程度进行定量评估.     

深度学习的睡眠脑电特征波检测

回顾了深度学习（deep learning，DL）技术在睡眠脑电检测上的应用．以睡眠脑电过程中的纺锤波检测问题为例，探讨了睡眠脑电检测的各类方法，以及相较于传统信号处理算法，DL算法在睡眠脑电纺锤波检测问题上具有精度较高、对数据适应性更强的特点．针对进一步提高网络检测性能与硬件适用性需求，提出特征融合与脉冲神经2种改进型网络，并获得较高的检测性能，进一步阐释了DL技术在睡眠脑电特征波检测方面的应用潜力．      

睡眠剥夺对脑认知和脑电复杂性的影响

为研究睡眠对大脑功能的影响，考察了正常睡眠与睡眠剥夺情况下脑认知能力的变化，分析了两种状态下自发脑电和事件相关电位复杂性的差异．通过事件相关电位P300的潜伏期与幅度反映不同状态下的脑认知能力，采用小波熵方法分析其复杂性．实验采用数字脑电图仪记录19导脑电信号，用OB序列诱发视觉事件相关电位．结果发现，睡眠剥夺组的靶刺激反应时间明显增长，而P300幅度显著降低、潜伏期明显增加；小波熵分析结果表明，与正常睡眠组比较，睡眠剥夺组自发脑电的256点小波熵和事件相关电位的32点小波熵均值都显著降低．故得出结论：睡眠剥夺对人的认知和脑电复杂性均产生了负向影响．因此，睡眠对维持大脑的功能具有重要作用．     

血管性痴呆患者脑电信号的多通道线性描述符特征研究

为提取能有效区分血管性痴呆(VaD)患者与正常老年人的神经电生理特征标识,采用多通道线性描述符对两组受试者在执行oddball视觉探测任务过程中的脑电(EEG)信号进行特征提取研究.通过对任务状态和平静状态下多通道EEG的3个多通道线性描述符分析表明,在执行探测任务过程中,VaD患者的场强变化率Φ和空间复杂度Ω明显高于正常老年人,而在平静状态下却无显著差异,两组受试人群的有效场强均没有显著差异.分别对比不同受试人群在任务状态和平静状态下的3个描述符,结果表明,两组受试者在任务状态下的有效场强Σ比平静状态明显增高,Φ和Ω明显降低,而且VaD患者3个描述符任务状态相对于平静状态的变化率要明显低于正常老年人.因此,多通道线性描述符可以有效地反映人脑认知功能的衰退,为VaD患者的脑电特征提取提供了一种新的方法.     

基于样本熵的睡眠脑电分期

运用样本熵从波士顿Beth Israel睡眠脑电实验数据中提取睡眠特征值,对睡眠分期进行研究.针对脑电属于微弱非平稳随机信号、难于提取特征的特点,利用小波变换先有效地消除脑电信号中的噪声,再计算其样本熵用以表征睡眠各分期.计算结果表明,由清醒期到非快速眼动的Ⅳ期过程中,其样本熵值呈规律性逐渐变小,与该库中专家评定的结果相符.这说明经过小波消噪和样本熵处理的脑电信号能准确地反映睡眠各期的变化特征,比用近似熵表征睡眠分期更准确、运算速度更快,完全适用于非平稳随机信号的处理.     

睡眠脑电的非线性动力学方法

在8例健康成年人的睡眠脑电监测实验基础上,利用已有的专家人工分期结果,提取睡眠各阶段特征数据,应用近似熵、复杂度和功率谱熵三种方法进行分析,从客观量化的复杂性度量来刻划睡眠深度的变化情况,对每个睡眠分期选取5000点数据,数据窗取1000点,逐次延时一个采样间隔得到几个时间序列,分别求复杂度,最后取均值即得此分期复杂性测度值,结果表明三种方法均与专家人工分期结果相吻合,近似熵算法复杂不适合在线分析;复杂度算法较简单,但数据粗粒化处理容易丢失信息;功率谱熵算法简单、快速及有效,因而用统计分析方法分析,表明功率谱熵能较好地反映睡眠深度的变化情况。     

Local sleep in awake rats

In an awake state, neurons in the cerebral cortex fire irregularly and electroencephalogram (EEG) recordings display low-amplitude, high-frequency fluctuations. During sleep, neurons oscillate between 'on' periods, when they fire as in an awake brain, and 'off' periods, when they stop firing altogether and the EEG displays high-amplitude slow waves. However, what happens to neuronal firing after a long period of being awake is not known. Here we show that in freely behaving rats after a long period in an awake state, cortical neurons can go briefly 'offline' as in sleep, accompanied by slow waves in the local EEG. Neurons often go offline in one cortical area but not in another, and during these periods of 'local sleep', the incidence of which increases with the duration of the awake state, rats are active and display an 'awake' EEG. However, they are progressively impaired in a sugar pellet reaching task. Thus, although both the EEG and behaviour indicate wakefulness, local populations of neurons in the cortex may be falling asleep, with negative consequences for performance.     

引入Huber损失函数的睡眠脑电数据增强模型研究

针对目前睡眠脑电数据的标记仍以专家评判为主,导致数据标记不足,以及影响睡眠状态自动评估的不同阶段睡眠脑电数据类不平衡等问题,提出了一种基于生成式对抗网络（generative adversarial network,GAN）的数据增强模型,用以扩充不同睡眠阶段的脑电数据．通过引入Huber函数来改进辅助分类器生成式对抗网络（auxiliary classifier GAN,ACGAN）模型的损失函数,解决数据模糊等品质问题．该模型无须对数据进行特征提取,其生成和判别网络都采用一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN),并以一维噪声和类别向量为生成器输入信号．分别采用手写体数字图像数据集与睡眠脑电数据集评估该模型的性能．将改进前的模型与其他损失函数模型进行了对比试验,结果表明改进模型的数据增强效果与睡眠分期效果,从可视化评估到定量评估均优于其他模型．研究结果以期为深度学习引入睡眠脑电分析中提供一种行之有效的方法．      

利用零相位数字滤波器检测EEG睡眠纺锤波

脑电信号是极其复杂的非平稳信号，能否有效地辨识出EEG中所包含的各种成分或者得到判断某种病理特征所需要的成分，对于发挥EEG的最大作用具有重要的临床意义。系统的相移可以改变输入信息中各分量之间的相对相位关系，因此即使系统的增益对所有频率都为常数的情况下，也有可能在输入的时域特性上产生很大的变化。讨论了FRR与RRF数字滤波方法及其实现。利用该方法可以使系统具有零相位特性，实现脑电信号的零相位失真滤波。根据睡眠纺锤波的定义，利用零相位数字滤波器，直接在时域中检测睡眠纺锤波，得到了较好的检测结果。     

基于匹配跟踪的脑电睡眠纺锤波的时频分析

匹配跟踪(MP)算法是一种冗余算法，通过信号x在所选择的最佳向量(最佳基)上的反复正交投影而逼近原信号。它不仅可以获得较好的时频分辨率，而且可以参数化描述任何类型的数据。在临床应用实践中已发现睡眠纺锤波与多种病症有关，因此，有效地检测出睡眠纺锤波具有重要的临床应用价值。文中根据脑电信号(EEG)睡眠纺锤波的特征，利用基于Gabor函数的MP算法对EEG中的睡眠纺锤波进行检测和分析，并给出了分析结果的时频表示。     

Multifractal mass exponent spectrum of complex physiological time series

Physiological signal belongs to the kind of nonstationary and time-variant ones. Thus, the nonlinear analysis methods may be better to disclose its characteristics and mechanisms. There have been plenty of evidences that physiological signal generated by complex self-regulated system may have a fractal structure. In this work, we introduce a new measure to characterize multifractality, the mass exponent spectrum curvature, which can disclose the complexity of fractal structure from total bending degree of the spectrum. This parameter represents the nonlinear superpositions of the discrepancies of fractal dimension from all adjacent points in the curve and therefore solves the problem of original parameters for not fully reflecting the information of entire subsets in the fractal structure. The evaluations of deterministic fractal system Cantor measure validate that it is completely effective in exploring the complexity of chaotic series, and is also not affected by nonstability of the signal as well as disturbances of the noises. We then apply it to the analysis of human heart rate variability (HRV) signals and sleep electroencephalogram (EEG) signals. The experimental results show that this method can be better to discriminate cohorts under different physiological and pathological conditions. Compared with the indicator of singularity spectrum width, there are some improvements both on the computing efficiency and accuracy. Such conclusion may provide some valuable information for clinical diagnoses.     

基于脑电波复杂度的麻醉深度监测

脑电(EEG)是能反映麻醉深浅程度的电生理信号，为了能从非线性、非平稳的脑电信号中提取与麻醉深度相关的有效信息，笔者采用由Lempel和Ziv提出的复杂度算法，对实测SD大鼠在不同麻醉状态下脑电信号的复杂度进行计算，比较了不同麻醉深度下脑电复杂度的变化情况．从实验观察的现象与数据比较结果可见，利用复杂度来表征脑电信号的特征值可以很好地反映麻醉的深浅程度，而且算法简单、实时性好，是一种量化庆醉深度的新方法．