多尺度样本熵对脑信号复杂度评估算法的修正_李筱菁.pdf
《多尺度样本熵对脑信号复杂度评估算法的修正_李筱菁.pdf》由会员分享,可在线阅读,更多相关《多尺度样本熵对脑信号复杂度评估算法的修正_李筱菁.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 卷第期 年月山东科技大学学报(自然科学版)():文章编号:()多尺度样本熵对脑信号复杂度评估算法的修正李筱菁,刘云青,丁颖,孙友然,周薇(南京特殊教育师范学院 中国残疾人数据科学研究院,江苏 南京 ;博西华电器(江苏)有限公司,江苏 南京 ;上海交通大学 心理与行为科学研究院,上海 ;南京邮电大学 管理学院,江苏 南京 ;山东科技大学 电子信息工程学院,山东 青岛 )摘要:多尺度样本熵()算法作为一种时间序列非线性复杂度测量方法,近年来在生物信号分析中得到广泛应用。针对 对不同粗粒化程度数据序列的匹配标准缺少区分度的问题,提出一种修正方法,将序列匹配标准与不同粗粒化程度的数据相对应,以提高
2、 对信号复杂度测量的准确度和可解释性。采用修正前、后的 分别对模拟噪声信号和人类脑电信号复杂度进行了计算。结果表明:修正后的 所表征的复杂度更符合白噪声与噪声的物理意义,且对脑电信号在高时间尺度闭眼与睁眼实验条件下的复杂度具有更好的区分效果,复杂度差异存在统计显著性。关键词:多尺度样本熵;复杂度;脑信号;评估算法中图分类号:文献标志码:收稿日期:基金项目:江苏省自然科学青年基金项目();江苏省高校自然科学基金项目();江苏省高校哲学社会科学基金项目();南京邮电大学统计科学研究基地项目()作者简介:李筱菁(),女,山东青岛人,讲师,博士,主要从事神经影像数据分析与建模研究周薇(),女,山东青岛
3、人,副教授,主要从事统计物理研究,本文通信作者 :,(,;(),;,;,;,):(),:;李筱菁等:多尺度样本熵对脑信号复杂度评估算法的修正脑电图(,)是最常用的非侵入式神经影像技术之一,是将脑部生物电信号在头皮处放大而获得的时间序列数据。传统的 信号分析包括时频分析、事件相关电位分析等。近年来,非线性动力学的发展引入了熵的概念,熵在 信号分析中被用于表征神经元随机震荡、神经元之间相互耦合形成的动力系统的复杂度。多尺度样本熵(,)是 等在 年提出的一种衡量时间序列复杂度的指标,其原理是根据一定的相似度标准计算时间序列中新模式产生的概率大小。由于 具有抗噪抗干扰能力强、一致性好等优点,近年来被频
4、繁应用于 信号的分析中。相比其他的复杂度指标,的主要优势在于可以衡量信号在不同时间尺度的复杂度。然而,有学者提出“原始的 算法对不同频率波段信号序列模式的相似性判定标准相同,从而模糊了高频和低频信号人脑动力学上的区别,导致对人脑动力系统的复杂度描述不准确”。本研究充分考虑 对人脑动力系统的表征意义,对 算法进行修正,区分了 对不同波段 信号相似性的判断标准,使 对不同频率波段脑信号复杂度有更精确的描述。多尺度样本熵()理论人脑由上百亿个神经元构成,每个神经元都存在自发放电活动。庞大的神经元群体之间相互链接耦合形成复杂网络,这种复杂网络产生的神经信号也具有高度复杂性。同时,脑信号的复杂度与大脑功
5、能整合、功能连接密切相关,而在大脑功能较弱(如麻醉)状态下,脑信号复杂度与大脑功能连接之间出现去耦态势。根据非线性动力学理论,较高的脑信号复杂度对应较为稳定、完善的脑功能。这是因为人脑可以被看作一个自组织动力系统,其临界状态具有最高的自适应性,即临界状态的大脑可以在生物层面实现兴奋和抑制神经元网络的最佳平衡,从而达到高效的神经系统信息处理。理论模型研究也证明,脑信号的复杂度在临界状态下达到最高。因此,准确描述脑信号的复杂度对深入理解大脑功能具有重要意义。如何对“复杂度”这一特征进行测量,以 算法为代表的熵值评估法是应用最为广泛的方法之一。与年龄、大脑发育程度及认知障碍的病理特征都密切相关。该算
6、法的核心是将原始时间序列信号粗粒化,计算不同粗粒化程度下的序列样本熵()。高无序性的信号具有较高的样本熵,而节律震动相关信号具有较低的样本熵。以序列,为例,其 计算方法如下。)当粗粒化程度为时,通过计算时间窗尺寸为的数据点均值,得到粗粒化后的新序列(),(),()。其中:()(),。()当时,得到的新序列即为原始数据。越大,数据序列的粗粒化程度越高。)对得到的所有粗粒化后的新序列分别计算样本熵。具体方法为:对于给定的长度为、相似度范围为的序列模式(通常取原始信号标准差的 倍),计算长度为的序列在相似度范围内匹配的条件下,长度为的序列匹配的概率。两序列匹配的判定条件为两序列中每一对应点的振幅之差
7、小于。如图所示,以、为匹配的序列点,长度为的序列匹配次数为,长度为的序列匹配次数为。)设整个序列中长度为的序列匹配次数为,长度为的序列匹配次数为,则该序列样本熵值为:()。()以为轴,样本熵值为轴,绘制出函数曲线即为 曲线。相比时间序列的原始样本熵,的主要优势在于增加了对不同粗粒化程度时样本熵的讨论。在 信号中,较大的数据序列对应低频脑波,较小的数据序列对应全波段脑波。不同频段的脑波对应人脑不同功能。如波和波分别与深度睡眠和静息状态有关。对于同一 信号,随着增加,信号粗粒化水平增加,信号的整体波幅减小。对高粗粒化程度信号继续沿用与低粗粒化程度信号相同的相似度山东科技大学学报(自然科学版)年第期
8、图样本熵序列匹配示意图 范围,导致高粗粒化程度信号的相似度范围偏大,满足序列模式匹配的条件过宽,得到的样本熵偏低。随着增加,有的信号的序列数据波幅保持不变(如白噪声),所包含的信息不同于普通 信号,但其 在高尺度上与普通 信号相同。也有研究指出,原始 算法在信号粗粒化程度较高时不能很好地区分不同病理状态下的大脑复杂度,说明不同类型的原始信号和不同粗粒化程度的信号使用同一相似度范围不能准确测量信号的复杂度。多尺度样本熵的修正()针对 在衡量多尺度信号复杂度中的缺陷,应考虑在计算不同值下的样本熵时使用不同的相似度范围,从而对 的计算方法进行修正。如上所述,在较大时,计算样本熵的缺陷主要来源于滤波过
9、程中信号频段的变化样本熵以体现低频信号的复杂度信息为主。较小时,信号包含了高低频波段的信号,样本熵以体现高频信号的复杂度信息为主。如果此时仍与较小时保持一致,则会导致样本熵难以灵敏抓取低频信息的序列匹配情况。设信号粗粒化后信号的功率为。根据维纳辛钦定理可得的功率谱密度函数()()。()式中:()为信号的自相关函数,为信号单个频段频率。的功率即功率谱密度函数在频域积分()。()随着增加,高频信号被过滤掉,信号频域变窄,范围减小,减小,即粗粒化过程会影响,进而对造成影响。因此,根据变化确定值不同时的相似度范围为:。()以功率为依据确定相似度范围考虑到了不同频段信号振幅对序列相似度判定的影响,但实际
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 尺度 样本 信号 复杂度 评估 算法 修正 李筱菁
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。