利用多导脑电序列的非线性分析测评精神负荷

精神负荷的研究对于改善工作环境和提高工作效率有着重要的意义，脑电、心电、呼吸等生理参数分析可以作为测评精神负荷的重要手段。本研究针对多导脑电提出了一种基于时间延迟和序列相关性的多导信号相空间重构的非线性动力学分析方法。对仿真数据的研究表明这种重构方法在信号的确定性和相关维数计算中具有良好的性能。试验脑电数据的关联维数计算和精神负荷水平的变化具有很强的一致性。结果表明该方法适用于多导脑电序列的非线性分析并可作为测评精神负荷的重要依据。     

EEG非线性特征参数的研究

脑电图(EEG)记录了神经元群的电活动,为脑信息处理特征的研究提供重要的信息.基于相空间重构思想的时间序列分维算法(G-P算法)提取EEG信号的特征参数,讨论了G-P算法的三个重要参数,即无标度域、嵌入维数和延时的确定规则,记录大脑在不同状态下的EEG信号并计算其关联维数.实验结果表明,EEG关联维数可以有效地区分大脑不同状态的特征,关联维数可以作为脑信息处理的非线性特征参数.     

多道脑电信号时间序列的非线性动力学分析

目的：探讨脑电非线性动力学分析中的多道记录方法。方法：通过仿真数据和实际电脑电数据求出其相关维数,并比较基于多道脑电记录和基于单道脑电重构的两种方法。结果：在噪音条件下,多道脑电记录计算得到的相关维数D2曲线具有更好的线性区域,从而可得到更稳定的估计值。结论：从多道脑电时间序列提取的系统特征参数。较单道重构的结果更稳定和可靠,更能反映大脑动力学系统的全貌,值得进一步研究。     

一种脑电信号相空间分析的新方法

提出一种新的脑电(EEG)信号相空间分析方法。通过计算相空间状态点间的欧氏距离,定义相对嵌入维数的态密度和态方差,并与反映非线性动力学系统混沌特征的关联维数作比较。对各种实测的脑电时间序列的计算结果表明,态密度和态方差不仅计算简单,计算结果一致可靠,而且和关联维数相比,更能有效地反映非线性动力学系统的某些特征。此外,计算了基于距离协方差的脑电信号的奇异谱,并对实验结果作了分析。     

改进G-P算法与睡眠脑电的关联维

脑电的非线性参数能有效表达大脑的不同生理状态,不同睡眠期脑电的关联维数不同.但用G- P算法求关联维数存在抗干扰能力较差、可靠性不稳定、运算量巨大等缺点.先对相空间进行奇异谱分析,进而对原始相空间进行旋转,使其成为正交的等效空间,然后再使用G- P算法.改进后的算法能有效地抑制噪声干扰,降低相空间规模,减少运算复杂性,在睡眠脑电的关联维数计算上效果良好.     

HAI实验中EEG信号的非线性动力学研究

采用一维时间序列相空间重构技术和混沌的定量判据，对缺氧窒息而引起的中枢神经损伤（Hypoxic-Asphyxic Injury，HAl）实验中仔猪的脑电（Electroencephalogram，EEG）信号进行了分析与计算。通过对生理和损伤状态下仔猪EEG信号的相图、功率谱、关联维数和Lyapunov指数的对比研究，得出如下结论：（1）EEG的相图、功率谱、关联维数和Lyapunov指数反映了大脑的总体动态特征，它们可作为一种定量研究EEG的新方法进行脑损伤的早期诊断；（2）在正常的生理状态下EEG是混沌的，而在损伤状态下则趋于有序。     

相空间脑电描记法:一种手术期脑电分析的新方法

手术期脑电图的监护有助于对大脑功能完整性和麻醉深度进行评价。本文作者介绍了一种由计算机产生的技术,利用此项技术能产生一幅将脑电图数根绘制成相空间图的增强显示图象并经数学推导得到一个可能与麻醉深度有关的参数(维数)。用以描述复杂的动态系统的非线性数学分析,能通过识别特征模式(相空间中与特定有序的脑电信息相对应的几何形状)和对有序,无序程度的定量(维数计算)来描述相空间脑电图的特性。维数计算描述一种信号复杂程度并能得出一个具有临床意义的表示麻醉深度的单变电脑电图描述符。在文章中,作者描述并论证了由正弦波、正弦合成波及白噪声(随机无序现象)得到的相空间图。作者还显示了一名患者的脑电相空间图和维数计算结果,这是一     

局限性癫痫脑电时间序列的分形维数计算比较

为探索应用非线性动力学理论诊断癫痫病的新方法，对局限性癫痫病患者脑电时间序列进行了相关维数（Ｄｃ）和波形维数（Ｄｗ）的计算比较。观察到，痫性导联脑电的分形维数多低于对侧导联的值；相关维数Ｄｃ的相对变化量较波形维数Ｄｗ大；而波形维数Ｄｗ对痫性棘波敏感；结果提示，脑电时间序列的分形维数有可能成为诊断癫痫的特征参数，值得进一步深入研究。     

脑电高阶Lyapunov指数的估计及其仿真计算

本研究从一维时间序列中估算了相应混沌系统的前3阶最大Lyapunov指数λ1、λ2和λ3,以两个高维混沌模型:4×3 Lorenz方程高维混沌系统和HyperR ssler超混沌系统作为仿真系统,对算法的可行性和有效性进行了验证。然后,应用λ1、λ2和λ3对脑电的高维混沌特性进行了研究:从脑电中分别重构了对应的时间延迟吸引子,计算了癫痫脑电组和正常对照组脑电的1λ、λ2和3λ,应用Y-K公式给出的混沌系统分数维和Lyapunov指数谱jλ的关系,估计了癫痫脑电和正常对照脑电对应系统的分数维的范围,对癫痫脑电的高维混沌状况进行了分析。结果表明:癫痫脑电对应混沌吸引子的维数低于正常脑电(高维混沌)的维数;可以分属于高维混沌和低维混沌两类情况,因此研究这两类不同的情况,应采用高维和低维两种不同的混沌理论和方法。     

基于关联维数的神经元动作电位特征提取与分类研究

神经元动作电位模式分类是动作电位序列分析和解码的基础.由于神经元动作电位信号波形隐藏着动作电位的特征信息,而关联维数是度量波形不规则程度的一种手段,因此基于神经元动作电位信号的波形差异,提出一种基于关联维数对神经元动作电位进行特征提取的新方法.首先,对采集到的神经元动作电位信号进行相空间重构;然后,在重构的相空间中,以关联维数作为对非同源动作电位信号的特征进行描述;最终,结合K均值算法,对神经元动作电位实现无监督模式分类.仿真和真实数据实验结果表明:该方法分类的准确率较高,且稳定性较好,仿真数据分类错分率基本稳定在4.9％以内,真实数据的分类能较大程度地贴近人工分类的结果,因此用来代替人工分类具有一定的可行性.     

A comparison analysis of embedding dimensions between normal and epileptic EEG time series

The embedding dimensions of normal and epileptic electroencephalogram (EEG) time series are analyzed by two different methods, Cao's method and differential entropy method. The results of the two methods indicate consistently that the embedding dimensions of EEG signals during seizure will change and become different from that of normal EEG signals, and the embedding dimensions will vary intensively during seizure, whereas the embedding dimensions of normal EEG signals basically maintains stability. The embedding dimension results also reflect the variation of freedom degree of the human brain nonlinear dynamic system (NDS) during seizure. And based on the results of Cao's method, it is also found that normal EEG signals are of some degree of randomness, whereas epileptic EEG signals have determinism.     

Применение электронно-вычислительной техники к анализу биопотенциалов коры головного мозга у человека и животных при многоканальной топоскопической регистрации

The paper describes some experience in cross-correlation studies of electroencephalographic data in man and in the rabbit. The proportion of time for which the first time-derivatives of a pair of signals have the same sign is taken as the correlation measure for that signal pair. The 1,225 possible correlations in a 50 channel monopolar recording array were computed on line electrically; strong correlations were found in man when the subject performed mental arithmetic, in directions conforming with the course of the commisural fibres. Correlations in the fore-part of the brain could be abolished by Largactil. The authors also investigated the relation between correlation behaviour and frequency spectra in the multi-channel rabbit EEG. Points on the brain showing similar spectra sometimes, but not always, show mutual correlation. The authors comment on this.     

脑电混沌维数复杂度连续检测方法的研究

一些研究表明,脑电信号具有低维的混沌动力学特性,脑电的维数则反映脑信息处理过程中的神经元集群的活动状态,是研究脑电信号的重要非线性参数.在Grassberger-Procaccia计算关联维数算法的基础上,通过改进计算关联积分的过程,提出一种适合于移动重叠窗口的维数复杂度连续检测方法.另外,还对关联积分线性区间选择上做了改进,使得所求得的参数在严格意义上为维数复杂度.数值仿真验证了该方法的正确性,并在此基础上对视觉输入变化的EEG信号进行动态数据分析,结果显示睁眼时脑电的复杂度明显高于闭眼时脑电的复杂度.所提出的维数复杂度计算方法减少了数据分析的负荷,适合于连续数据分析,能够准确地反映脑电维数复杂度的连续变化过程.     

应用相关维数法分析临床脑电信号的可行性研究

人们虽然在应用相关维数分析脑电信号的研究方面做了许多工作，但还未将此方法应用于临床脑电分析，作者通过对脑电信号和其替代信号的功率谱和混沌特性的研究表明，相关维数包含了功率谱未包含的信息。将此方法与目前临床检测中功率谱分析法相结合，将对大脑疾病诊断和脑疾定位诊断提供更多有用的信息，相关维数法可能成为临床脑电分析的新方法。     

基于局部非线性投影滤波算法的ECG信号处理

含有一定强度干扰的混沌系统可以通过局部非线性投影的方法逼近其吸引子。单导心电信号（ECG）在时间延迟嵌入空间中表现出一定的几何结构，包含其它成分的ECG可以在一个较高维的空间得到没有交叠的状态轨迹。利用局部非线性投影法可以逼近ECG的一个低维吸引子，从而将ECG和其它成分分离。     

基于扩展Infomax 独立分量分析算法的脑电信号消噪

背景：脑电信号能够反映大脑不同的生理病理状态,但在采集和分析处理过程中极易受到各种噪声的干扰,如眼球运动、眨眼、心电、肌电等,这些噪声的存在严重影响了脑电信号的分析和处理。 目的：介绍了一种基于扩展Infomax的独立分量分析方法,并用于脑电信号消噪。 方法：通过扩展Infomax算法的迭代求得分离矩阵,采用去除噪声分量后的独立成分重构需要记录的脑电信号,观察Matlab仿真得到的去噪后的脑电信号,同时比较去噪前后各导联脑电信号与眼电信号的相关性。 结果与结论：使用扩展Infomax 独立分量分析算法能够成功地去除多导脑电信号中的眼电干扰。再比较去噪前后各导联脑电信号的功率谱,可以发现使用扩展Infomax独立分量分析算法同时也能够成功地去除多导脑电信号中的工频干扰,且对脑电信号中的其他有用信号几乎没有破坏。     

Analysis of wavelet-filtered tonic-clonic electroencephalogram recordings

EEG signals obtained during tonic-clonic epileptic seizures can be severely contaminated by muscle and physiological noise. Heavily contaminated EEG signals are hard to analyse quantitatively and also are usually rejected for visual inspection by physicians, resulting in a considerable loss of collected information. The aim of this work was to develop a computer-based method of time series analysis for such EEGs. A method is presented for filtering those frequencies associated with muscle activity using a wavelet transform. One of the advantages of this method over traditional filtering is that wavelet filtering of some frequency bands does not modify the pattern of the remaining ones. In consequence, the dynamics associated with them do not change. After generation of a ‘noise free’ signal by removal of the muscle artifacts using wavelets, a dynamic analysis was performed using non-linear dynamics metric tools. The characteristic parameters evaluated (correlation dimension D₂ and largest Lyapunov exponent λ₁) were compatible with those obtained in previous works. The average values obtained were: D₂=4.25 and λ₁=3.27 for the pre-ictal stage; D₂=4.03 and λ₁=2.68 for the tonic seizure stage; D₂=4.11 and λ₁=2.46 for the clonic seizure stage.