顱腦損傷康復(fù)監(jiān)測中的非線性動力學(xué)方法研究.pdf

1、大腦是人體最復(fù)雜的生理器官，其不但支配人的思維和行為，而且也是控制情緒和植物神經(jīng)功能的最高神經(jīng)中樞，這些神經(jīng)活動對外反映在大腦皮層腦電信號的變化上，對于顱腦損傷所引起的不同程度的意識與認(rèn)知障礙，也反應(yīng)在腦電信號的特征參數(shù)的變化上。本論文研究的目的是期望以正常人和顱腦損傷病理病人樣本的思維腦電信號為研究對象，以相關(guān)維值和復(fù)雜度兩個非線性動力學(xué)指標(biāo)為特征指標(biāo)，探索正常樣本和顱腦損傷病理樣本腦電信號的非線性動力學(xué)指標(biāo)在數(shù)值上的差異，探索病理樣

2、本在不同治療與康復(fù)時期動力學(xué)指標(biāo)的變化趨勢與規(guī)律，為人體大腦的意識與認(rèn)知功能評價、腦損傷診斷、損傷康復(fù)監(jiān)測提供臨床上初步的數(shù)字化參考指標(biāo)。
　　 本研究以實(shí)驗采集的各種樣本在多個不同思維與意識狀態(tài)下的腦電信號為分析對象，以非線性動力學(xué)為理論基礎(chǔ)，以信號處理的理論與方法為手段，系統(tǒng)研究了動力學(xué)系統(tǒng)指標(biāo)的計算方法、腦電信號的預(yù)處理方法、腦電信號的非線性指標(biāo)的計算方法、樣本數(shù)據(jù)的計算與分析等。本論文具體完成的研究工作主要包括：

3、　　 (1)深入研究了非線性動力學(xué)的理論，討論了相關(guān)維值與Kolmogorov復(fù)雜性等非線性特征指標(biāo)的特性與計算方法，并對相空間的重構(gòu)參數(shù)和指標(biāo)的各種計算參數(shù)的選擇作了對比分析，給出了各個參數(shù)的參考確定標(biāo)準(zhǔn)，并編制了各指標(biāo)的完整計算程序，實(shí)現(xiàn)了各動力學(xué)指標(biāo)的計算。
　　 (2)從吸引子重構(gòu)、散點(diǎn)圖、功率譜特征和數(shù)值識別幾方面論證了腦電時間序列的混沌特征，結(jié)果表明腦電信號具有典型的非線性特征，可以利用非線性指標(biāo)來描述腦電信號。<

4、br>　　 (3)設(shè)計了腦電信號采集時受試者思維與意識任務(wù)方案，并采集了不同樣本組的臨床原始腦電信號。利用數(shù)字濾波和小波變換實(shí)現(xiàn)了對腦電時間序列中的工頻干擾、基線漂移、肌電干擾、心電干擾和眼動干擾等干擾信號的去除。利用思維腦電的陣發(fā)性理論實(shí)現(xiàn)了腦電信號與思維意識活動之間的同步分離，實(shí)現(xiàn)了對腦電信號的有效選段，從而獲得可供實(shí)驗分析的有效腦電數(shù)據(jù)，改善了分析結(jié)果的可靠性與正確性。
　　 (4)從相關(guān)維值D2計算過程中重構(gòu)相空間點(diǎn)的

5、高密度性入手，改進(jìn)了傳統(tǒng)G-P算法，大大提高了相關(guān)維值的計算速度，同時保證了計算結(jié)果的穩(wěn)定性，并對原始算法及其改進(jìn)算法的計算工作量進(jìn)行推導(dǎo)和實(shí)驗驗證。提出了利用高階復(fù)雜度來描述動力學(xué)系統(tǒng)特征的復(fù)雜性指標(biāo)，有效降低了對時間序列字符化時信息的丟失，提高復(fù)雜度描述的精確性。
　　 (5)計算了不同樣本在不同狀態(tài)下的臨床腦電數(shù)據(jù)的相關(guān)維值D2和復(fù)雜度指標(biāo)Ck，并對計算結(jié)果作了不同狀態(tài)、不同病理和大腦不同區(qū)域的對比分析，結(jié)果表明相關(guān)維值D

6、2和復(fù)雜度Ck在不同性質(zhì)的樣本、大腦不同區(qū)域與不同狀態(tài)下均存在明顯的數(shù)值上的差異。
　　 在本論文涉及的研究工作中，主要的創(chuàng)新工作包括：
　　 (1)提出了利用腦電信號的非線性動力學(xué)參數(shù)來實(shí)現(xiàn)對顱腦損傷病人意識障礙程度的定量化評價方法，此方法與傳統(tǒng)的評分評價方法相比，避免了評價需要豐富的臨床醫(yī)學(xué)知識和主觀性強(qiáng)的缺點(diǎn)，并具有無創(chuàng)性、數(shù)值化與可操作性強(qiáng)等特點(diǎn)。
　　 (2)設(shè)計了腦電信號采集時受試者思維與意識任務(wù)的整

7、套方案。在試驗組中，根據(jù)初步的研究設(shè)計了五種實(shí)驗任務(wù)，而在實(shí)驗組中，設(shè)計了八種不同的思維與適宜任務(wù)。并在不同的思維與意識任務(wù)下，收集了所有的研究用原始腦電數(shù)據(jù)。
　　 (3)利用多種信號處理的方法與手段，剔除了腦電信號中的各種干擾噪聲與偽跡，并實(shí)現(xiàn)了思維腦電信號的同步分離，提高了腦電信號分析與計算時的有效性，并利用重構(gòu)相空間點(diǎn)的高密度性對腦電信號的相關(guān)維值的計算算法作了改進(jìn)，在選擇合適的時間間隔τ時，既提高了運(yùn)算速度，又可以保證

8、計算結(jié)果的穩(wěn)定性。
　　 (4)給出了不同樣本在不同狀態(tài)下腦電信號的相關(guān)維值D2和復(fù)雜度Ck的分析結(jié)果。發(fā)現(xiàn)相關(guān)維值D2和復(fù)雜度Ck在描述腦電信號的動力學(xué)特征時具有相似的特征表現(xiàn)：人體大腦在進(jìn)行復(fù)雜的思維與意識活動時，相關(guān)維值D2和復(fù)雜度Ck的數(shù)值比大腦在進(jìn)行簡單思維與意識活動時要大；正常人樣本的相關(guān)維值D2和復(fù)雜度Ck的數(shù)值比同狀態(tài)下病人樣本的數(shù)值大；人體大腦的左右半球在相關(guān)維值D2和復(fù)雜度Ck的數(shù)值統(tǒng)計上也存在差異；顱腦損傷