A new measure to characterize multifractality of sleep electroencephalogram

Traditional methods for nonlinear dy-namic analysis,such as correlation dimension,Lyapunov exponent,approximate entropy,detrended fluctuation analysis,using a single parameter,cannot fully describe the extremely sophisticated behavior of electroencephalogram (EEG). The multifractal for-malism reveals more “hidden” information of EEG by using singularity spectrum to characterize its nonlin-ear dynamics. In this paper,the zero-crossing time intervals of sleep EEG were studied using multifractal analysis. A new multifractal measure Δasα was pro-posed to describe the asymmetry of singularity spec-trum,and compared with the singularity strength range Δα that was normally used as a degree indi-cator of multifractality. One-way analysis of variance and multiple comparison tests showed that the new measure we proposed gave better discrimination of sleep stages,especially in the discrimination be-tween sleep and awake,and between sleep stages 3 and 4.     

一种基于S变换及样本熵组合特征的癫痫脑电信号分类方法

癫痫脑电信号的自动检测对癫痫的临床诊断与治疗具有重要意义。为了解决脑电信号采用单一特征识别率不高的问题,提出了一种基于S变换与样本熵组合的癫痫脑电信号自动识别方法。首先对原始信号进行S变换;然后对变换后脑电信号各节律的幅值分别求其波动指数,将其与原始信号计算得到的样本熵组合为特征向量;最后采用支持向量机进行癫痫脑电信号自动识别。实验结果表明:方法的分类准确率明显提高,准确率可达到98.94%。     

振幅整合脑电图在正常睡眠脑电分期中的应用

该文提出了振幅整合脑电图用于正常年轻人睡眠脑电分期的方法。记录了13例正常年轻人约8小时睡眠脑电数据,分为训练组(6例)和测试组(7例)。计算训练组每一例的振幅整合脑电图(aEEG);提取aEEG的上边带曲线作为其特征曲线;提取不同分期的aEEG上边带中位数和四分位距特征;将这些特征进行综合统计分析,得出aEEG在不同睡眠期的边界和波动范围的数值指标;利用此指标对训练组和测试组的脑电数据进行睡眠自动分期。测试组和训练组的分期结果与ZEO系统结果有较好的一致性,证明了aEEG的一组特征值作为睡眠分期决策指标的可行性。     

脑瘤诱发的组织变化和皮层脑电图分析

健康组织和肿瘤组织具有不同的代谢,结构和热力学特性.脑瘤的代谢和结构无序性导致其有较高的熵产生.两种组织不同的熵产生决定了熵由癌流向健康组织.脑瘤和正常细胞在熵和能量方面的差异诱发皮层不同的脑电信号.研究了28个脑瘤患者的脑电图并和健康人进行比较,观察到脑瘤患者脑电图频率的降低.多数情况中慢alpha和theta波出现在肿瘤投影区,此可能与其高熵产生和向外的熵流有关.研究认为,脑瘤的持续高熵产生和热耗散及其它物理效应使得皮层电产生慢化,从而使肿瘤及其邻近的脑组织显示出频率较低的电活性.     

基于原始单通道脑电图的高效睡眠自动分期方法

提出一种基于单通道脑电数据的睡眠自动分期方法。利用多个并行的卷积操作学习脑电的多尺度空间特征,使用长短期记忆网络挖掘局部时不变特征中的时间信息。针对类别不平衡问题,采用时移滚动方法和加权交叉熵损失函数。在公开数据集Sleep-EDF上的实验结果表明,所提方法仅使用单通道数据实现了端到端的高效睡眠自动分期,缓解了不平衡数据集的分类问题。     

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。     

基于时频分析自动识别睡眠脑电的梭形波

为了识别睡眠脑电图（EEG）中出现的梭形波，使用Choi-Williams分布对EEG信号进行时频变换，根据瞬时频谱估计局部范围里EEG的波形特征，在此基础上设计了一个自动识别睡眠EEG梭形波的方法，对实际睡眠EEG中的梭形波进行识别，识别正确率为85．04％，并且能够提供梭形波的定量指标。实验结果表明，经过进一步完善，这种方法可以作为神经内科专家用于研究睡眠生理变化的一种辅助工具。     

Evaluation of mental fatigue based on multipsychophysiological parameters and kernel learning algorithms

Mental fatigue is an extremely sophisticated phenomenon, which is influenced by the environment, the state of health, vitality and the capability of recovery. A single parameter cannot fully describe it. In this paper, the effects of long time sustained low-workload visual display terminal （VDT） task on psychology are investigated by subjective self-reporting measures. Then power spectral indices of HRV, the P300 components based on visual oddball and wavelet packet parameters of EEG are combined to analyze the impacts of prolonged visual display terminal （VDT） activity on autonomic nervous system and central nervous system. Finally, wavelet packet parameters of EEG are extracted as the features of brain activity in different mental fatigue states. Kernel principal component analysis （KPCA） and support vector machine （SVM） are jointly applied to differentiate two states. The statistic results show that the level of both subjective sleepiness and fatigue increase significantly from pre-task to post-task, which indicate that the long time VDT task induces the mental fatigue to the subjects. The predominant activity of autonomic nervous system of subjects turns to the sympathetic activity from parasympathetic activity after the task. The P300 components and wavelet packet parameters of EEG are strongly related with mental fatigue. Moreover, the joint KPCA-SVM method is able to effectively reduce the dimensionality of the feature vectors, speed up the convergence in the training of SVM and achieve a high recognition accuracy （87%） of mental fatigue state. Multipsychophysiological measures and KPCA-SVM method could be a promising tool for the evaluation of mental fatigue.     

不同室温下的人体生理参数与热感觉相关性

人体某些生理参数存在表征人体热感觉变化的可能性，为了探究不同室温环境中人体生理参数（皮肤温度、脑电）与热感觉变化之间的联系，本研究通过客观实验并结合人体主观问卷调查，分析了人体皮肤温度、脑电频谱功率在冷环境、中性环境、热环境下与热感觉的相关性。研究发现平均皮肤温度、额头温度与热感觉变化显著相关，变化趋势具有一致性；通过对脑电数据进行快速傅里叶变换能量分析，发现处在不同室温下人体的整体热感觉同δ频带 (0.5-4 Hz)以及α频带 (8-13 Hz)的频谱功率变化显著相关，与β频带 (13-30 Hz)的频谱功率变化中度相关。此外，人体在应对冷环境时δ、α、β频带的平均频谱功率变化更为显著，由冷环境过渡至中性环境单位TSV标度下的平均频谱功率变化幅度要高于热环境，在脑电频谱能量这一生理参数层面揭示了人体对冷环境更敏感。     

基于脑电功能连接微状态序列递归分析的情绪解码模型

脑电微状态代表准稳定的全局神经元活动，被认为是大脑动力学的构建模块，而基于微状态概率统计的特征不能很好表征脑电的动态变化特性。针对该问题提出了基于脑电微状态序列递归分析的情绪解码模型。该模型通过聚类从脑电功能连接模式中提取出具有代表性的微状态典型模式，将原始脑电信号映射为微状态时间序列，构建递归图表征脑电动力学特性，并利用卷积神经网络对递归图实现情绪解码。在公开的脑电情绪数据集(DEAP)上的实验结果表明该模型实现了比传统微状态方法更好的情绪解码效果。