基于腦電分析技術(shù)的腦損傷區(qū)域判別及可視化方法研究.pdf

1、大腦具有結(jié)構(gòu)對(duì)稱性和功能的對(duì)側(cè)性，反映腦功能狀態(tài)的腦電信號(hào)electroencephalogram(EEG)也具有對(duì)稱性，基于此，可以通過對(duì)腦電數(shù)據(jù)的分析處理，實(shí)現(xiàn)對(duì)患者大腦損傷部位的判別，并進(jìn)一步繪制出患者的腦電地形圖，實(shí)現(xiàn)對(duì)損傷部位的可視化。本論文提出一種基于對(duì)稱導(dǎo)聯(lián)腦電特征參數(shù)分析技術(shù)實(shí)現(xiàn)對(duì)大腦損傷部位的判別方法。相對(duì)于傳統(tǒng)的影像技術(shù)，該方法具有分辨率高，無輻射傷害，費(fèi)用低廉，易操作，可床邊檢查等優(yōu)勢(shì)，可作為臨床腦損傷檢查的輔助手

2、段。
　　本文的主要工作內(nèi)容如下：
　?。?）數(shù)據(jù)的采集和預(yù)處理。通過與武警浙江總隊(duì)杭州醫(yī)院合作，采集45例腦部損傷病人的腦電數(shù)據(jù)為病例組和10個(gè)健康人的腦電數(shù)據(jù)為正常對(duì)照組，并對(duì)腦電數(shù)據(jù)進(jìn)行預(yù)處理。
　?。?）基于對(duì)稱導(dǎo)聯(lián)腦電特征參數(shù)分析的大腦損傷部位判別研究。選取非線性特征參數(shù)近似熵approximate entropy(ApEn)和線性特征參數(shù)慢波系數(shù)slow wave coefficient(SWC)作為特征參

3、數(shù)，以腦損傷病人對(duì)稱導(dǎo)聯(lián)特征參數(shù)值變化范圍作為標(biāo)準(zhǔn)判別大腦損傷部位，并通過隨機(jī)選取樣本進(jìn)行測(cè)試和CT影像診斷結(jié)果驗(yàn)證判別準(zhǔn)確性。結(jié)果表明：采用安靜和喚名狀態(tài)下根據(jù)近似熵值判斷的準(zhǔn)確率分別為89.68％、91.86％；對(duì)應(yīng)慢波系數(shù)判別準(zhǔn)確率分別為90.68％、92.70％。
　　（3）大腦損傷部位的可視化研究。采用移動(dòng)平均插值法分別畫出線性特征參數(shù)平均功率譜密度和非線性特征參數(shù)樣本熵、近似熵等的地形圖 brain electrica

4、l area map（BEAM），以CT影像對(duì)損傷和非損傷腦區(qū)的診斷作為金標(biāo)準(zhǔn)，通過計(jì)算正確率、假陽性和假陰性判斷線性與非線性兩者的可視化表征效果。結(jié)果表明：1、所研究的5種非線性特征參數(shù)表征的可視化效果由優(yōu)到次依次為樣本熵 Sample entropy(SampEn),近似熵、排列熵Permutation entropy(PmEn),復(fù)雜度 CO Complexity C0,復(fù)雜度 LZC Complexity LZC；2、非線性特征