符號動力學(xué)分析及其在腦電信號處理中的應(yīng)用.pdf

1、近年來,隨著人類社會現(xiàn)代化程度和文明程度的日益提高,世界各國的腦疾病發(fā)病率也呈顯著的上升趨勢,世界衛(wèi)生組織(WHO)已經(jīng)將精神保健列為重要的工作內(nèi)容之一。但是精神疾病的癥狀和病程多種多樣,病因復(fù)雜,常常給醫(yī)生的診斷帶來困難,影響了及時準(zhǔn)確的治療。因此,對腦電信號建立客觀的評價標(biāo)準(zhǔn),進(jìn)行準(zhǔn)確的定量分析具有重要的意義,成為人們的研究熱點(diǎn)之一。腦電(Electroencephalogram, EEG)作為與人類大腦最具直接聯(lián)系的一種外在表現(xiàn)形

2、式,是臨床診斷的重要手段之一。但是由于以往分析手段的局限性,使得研究結(jié)果缺乏普遍適應(yīng)性而無法在臨床應(yīng)用中得到很好的發(fā)揮,逐漸被臨床醫(yī)師所冷淡。近年來,腦電已被證明是典型的非線性和非平穩(wěn)的混沌時間序列,因此采用非線性和非平穩(wěn)的方法分析其動力學(xué)特性具有十分重要的意義。
　　本文首先介紹了符號動力學(xué)的基礎(chǔ)知識,然后從信息論的角度出發(fā),提出了用符號熵來研究非平穩(wěn)信號的復(fù)雜性。為了描述信號的復(fù)雜性隨時間的動態(tài)變化情況,我們引入了“滑動窗口”

3、技術(shù),得到熵的時間演化圖,從而有效地“捕獲”了信號中的瞬態(tài)奇異變化。在腦電信號的非線性動力學(xué)研究中,主要對正常腦電和癲癇病人腦電進(jìn)行了分析,其中包括Lyapunov指數(shù)分析、相關(guān)維數(shù)、非線性檢測和符號熵分析。眾所周知,大腦是一個時變的耦合混沌神經(jīng)系統(tǒng),各種功能的實現(xiàn)都伴隨著大腦皮層上的信息傳輸和交換。因此從信息學(xué)的角度,本文提出用互符號熵(cross symbolic entropy)來研究大腦不同區(qū)域之間的模式相似性和信息交換情況,為

4、腦電分析提供了新的方法。此外,我們還對視覺誘發(fā)電位進(jìn)行了研究,并進(jìn)行了相關(guān)的實驗。
　　本論文的研究結(jié)果表明:符號動力學(xué)分析是腦電分析的一個新的研究方向,符號熵可以較好地反映信號的復(fù)雜性程度,具有簡單、穩(wěn)定的特點(diǎn)。特別是時變的滑動窗口符號熵較好地反映了系統(tǒng)內(nèi)部各個部分隨時間演繹而呈現(xiàn)不同的復(fù)雜性,有效地捕獲信號中的瞬態(tài)奇異成分,更準(zhǔn)確地刻畫了系統(tǒng)的信息。因此,利用符號動力學(xué)對腦電信號的本質(zhì)特征進(jìn)行分析,對于我們理解大腦的高級神經(jīng)功