一種基于功率譜劃分的復雜度譜腦電預測和診斷方法
【專利摘要】本發明提出了一種基于功率譜劃分的復雜度譜腦電預測和診斷方法,屬于腦電信號(EEG)分析和腦精神疾病預測和診斷領域,本發明主要包括:一種基于功率譜劃分的腦電信號復雜度譜定義、分析和提取方法和一種非線性羅輯斯蒂(Logistic)復雜度譜參考模型構建方法。首先對腦電信號定義了一個基于功率譜劃分的復雜度譜,并給出其計算方法,然后利用本發明對此映射生成的數據序列進行計算,據此建立一個腦電信號的分析復雜度譜參考模型,并分析各結構譜線序列的大小、數量和分布所反映的物理生物意義,畫出該映射基于功率譜劃分的復雜度譜參考空間分布模型。本發明可以對腦精神疾病作出預測和診斷。
【專利說明】一種基于功率譜劃分的復雜度譜腦電預測和診斷方法【技術領域】
[0001]本發明屬于腦電信號(EEG)分析和腦精神疾病預測和診斷領域,涉及一種腦電信號處理中的分析、建模和計算方案,尤其是一種能夠對腦電信號進行參考模型化非線性處理以及對腦電信號的復雜度細微結構進行分析的方法。
【背景技術】
[0002]目前,腦科學的研究是科學研究領域的一個熱點,腦電信號處理是研究大腦的主要手段之一。腦電信號的處理現在共有兩類方法,一類是線性分析方法,另一類是非線性方法。線性方法屬于傳統信息分析方法;非線性方法屬于現代信息處理方法。線性方法主要有時域分析、頻域分析、時頻分析等,非線性方法主要包括非線性動力學方法、信息熵、復雜度等。越來越多的研究證據表明:大腦是一個非常復雜的非線性系統,腦電信號是這個系統的一個輸出。雖然線性方法在腦電的研究領域有著不可替代的作用,也沒有證據表明它有被取代的可能,但是在研究中確實發現存在許多不可避免地存在缺陷。例如,大腦中的非線性關聯信息量在分析中丟失,大腦復雜性得不到充分的研究等。在此種情況下,出現了腦電的非線性分析方法,并且快速發展起來,已經取得許多重要成果。其中,復雜度的方法就是發展起來比較快的一種方法。
[0003]20世紀60年代,柯爾莫哥洛夫(Kolmogorov)等人把復雜性定義為:一個系統的復雜程度與該系統的空間結構或時間序列所表示的變化行為的最小描述有關,一般稱作柯爾莫哥洛夫復雜性。由于柯爾莫哥洛夫復雜性不可計算,1976年A.Lempel和J.Ziv提出一種度量符號序列復雜性的簡單算法,稱為Lempel-Ziv復雜度。直到1987年,才由卡斯帕(Kaspar)和舒斯特(Schuster)提出了該算法的計算機實現方法。解幸幸、李舒等也在《Lempel-Ziv復雜度在非線性檢測中的應用研究》一文中認為:某事物的算法復雜度等于產生該事物的圖形結構或符號序列的最短程序長度與該圖形結構或符號序列本身大小之比的極限。
[0004]腦電信號是一種復雜的非線性`信號,復雜度能夠客觀有效地測度和評價了信號的復雜性和混亂程度。1991年,吳祥寶和徐京華首次將腦電復雜度分析引入腦電信號的研究中,并且通過計算已知的混沌系統(主要是Lorenz和Rossler)產生的序列的LZ復雜度,與腦電信號的LZ復雜度對比發現腦電信號計算的LZ復雜度遠遠大于混沌系統序列的復雜度。顧凡及等用LZ復雜度研究了 8中精神狀態下13名受試者的腦電信號,通過研究他們認為LZ復雜度的數值與腦電信號的不同部位、和不同的精神狀態有著顯著的關系。
[0005]1998年陳芳、顧凡及、徐京華等提出Ctl復雜度的概念和算法,其主要思想就是:把信號分解成規則成分和不規則成分兩部分,C0復雜度就定義為不規則成分在原信號里所占的比例。隨后在2004年,蔡志杰、顧凡及、沈恩華對該算法作了進一步的改進,主要是改進了劃分規則部分與不規則部分的方法,采用幅值平方的功率譜代替了幅度譜,然后再計算功率譜的平均值,以此作為分界線來區分規則部分與不規則部分,進而計算出復雜度值。本文即是在此工作的基礎上的進一步改進和拓展。[0006]近年來,有關復雜度的研究許多都和混沌時間序列結合在一起,出現許多新的研究成果。主要分為幾方面:(I)側重關注研究混沌時間序列復雜度的計算方法;(2)側重關注研究混沌時間序列復雜度的強度計算;(3)關注研究混沌時間序列復雜度的穩定性分析;(4)研究關注混沌時間序列復雜度的相關性分析。所有這些研究有一個共同點就是都只關注一個單一指標的復雜度的計算和分析,沒有提出對其細微結構進行進一步的分析研究,沒有對多復雜度概念指標進行研究,沒有提出復雜度譜的定義,分析和計算方法。雖然有人提出結構復雜度的概念,但還是沒有對時間序列復雜度的組成、結構成分以及數量分布的進行研究。現有的腦電時間信號都是具有強的非線性性的信號,僅僅分析計算單一復雜度及其性質不能滿足實際存在的多種腦精神疾病并存、診斷容易失誤和誤診的實際情況。因此,提出一種在整個非線性時間在統一的背景下的從規則周期,經分叉混沌周期,再到隨機序列的演化過程的復雜度或復雜度譜的整個演變過程,并能夠計算時間序列復雜度,計算各成分的數量、大小和分布的方法和分析其性質及物理或者生物意義,對于預測和診斷腦電信號有著很重要的參考意義。
[0007]綜上所述,現有方法和研究成果雖然比較多,但對于腦精神疾病的診斷和預測研究遠遠不夠,復雜度的研究雖然給這個研究帶來較大的發展,但其單一復雜度指標現狀難以滿足腦電信號強非線性的性質的實際需求,尤其對多種腦精神疾病并存的狀況,給腦電信號的分析、診斷和預測帶來更大的難度。
【發明內容】
[0008]為解決實際技術中單一復雜度指標能夠滿足對與多種腦精神疾病的腦電信號的分析、診斷和預測帶來的大概率的失誤和誤診的問題,本發明提供一種基于功率譜劃分的復雜度譜腦電預測和診斷方法,這種方法不僅能夠對腦電信號進行分析、建模和計算,還能對腦電信號的進行參考模型化非線性處理以及對腦電信號的復雜度細微結構進行分析計
笪
[0009]本發明采用如下的技術方案。
[0010]一種基于功率譜劃分的復雜度譜腦電預測和診斷方法,其特征在于包括以下步驟:
[0011]步驟一:基于功率譜劃分的復雜度譜模型的定義及計算:本發明在現有技術和研究的基礎上擴展和拓寬Ctl復雜度的概念,提出復雜度譜的定義和計算方法,并給出了通過功率譜劃分確定復雜度譜長度的方法。具體方法如下:
[0012](I)基于功率譜劃分復雜度譜模型的定義及計算,方法如下:
[0013]I)對于給定的腦電信號序列X= {χ(η), η = O, I, 2,..., N_l},計算其傅立葉(Flourier)變換,得到功率譜序列,記為F。
[0014]2)利用公式PW二IL/WI2計算序列F在f(k)點處的功率譜值。得功率譜值序
【權利要求】
1.一種基于功率譜劃分的復雜度譜腦電預測和診斷方法,其特征在于包括以下步驟: 步驟一:基于功率譜劃分的復雜度譜模型的定義及計算,方法如下: (1)對于給定的腦電信號序列X= {χ(η), η = O, I, 2,..., N_l},計算其傅立葉(Flourier)變換,得到功率譜序列,記為F ; (2)利用公式
2.根據權利要求1所述的一種基于功率譜劃分的復雜度譜腦電預測和診斷方法,其特征在于, 步驟一中確定功率譜劃分數目m的方法如下: (1)構造關于m的函數
3.根據權利要求1所述的一種基于功率譜劃分的復雜度譜腦電預測和診斷方法,其特征在于,步驟二中確定最小計算窗口長度和穩定區平均復雜度值的方法如下: (I)腦電序列X在U = i時第j復雜度在以一定步長增加的窗口下,計算得到的復雜度值序列為:
【文檔編號】G06F19/00GK103876736SQ201410145752
【公開日】2014年6月25日 申請日期:2014年4月11日 優先權日:2014年4月11日
【發明者】王凱明, 鐘寧, 周海燕, 楊劍, 黃佳進 申請人:北京工業大學