基于符号序列熵和詹森香农熵的脑电节律信号分析

摘要

人类的大脑活动时会产生电位的变化，脑电信号可以记录到这种变化，这是大脑神经细胞活动所产生的电信号在大脑皮层的总体反应。不同的年龄段、性格、职业和身体健康状况的人会产生不相同的脑电信号。由于脑电信号中包含着丰富的生理状态或病理状态信息，因此通过对不同状态下的脑电信号的研究分析，可以对临床脑电信号的生理状态或病理分析起到有价值的参考。本文主要从三个方面做了分析研究：
　　首先：对少年与中年的脑电节律信号进行分析。本文通过运用多尺度符号序列熵(MSSE)分析不同年龄阶段的脑电节律信号。通过实验仿真及数值分析，MSSE算法对少年与中年两个不同年龄阶段的α波脑电节律信号的区分较为明显，并且可以证明随机噪声不会对对该算法造成影响。对于另外三种脑电节律信号δ波、θ波以及β波的区分度则不是很明显。这能够对脑电信号的临床分析与诊断起到辅助作用。
　　其次：使用JSD算法对正常人和癫痫病人的脑电节律信号进行了仿真实验并进行了数值分析。通过独立样本T检验，我们可以发现JSD算法可以显著性的区分正常人和癫痫病人的α波脑电节律信号与β波脑电节律信号，正常人的脑电节律信号的复杂度大，癫痫病人的脑电节律信号复杂度小。对于另外两种种脑电节律信号δ波与θ波的区分度则不是很明显。该算法可以为临床诊断提供了辅助。
　　最后：使用LMCD算法对正常人和癫痫病人的脑电节律信号进行了仿真实验并进行了数值分析。通过独立样本T检验，我们可以发现LMCD算法可以显著性的区分正常人和癫痫病人的α波脑电节律信号，正常人的α波脑电节律信号的复杂度大，癫痫病人的α波脑电节律信号的复杂度小。对于另外三种脑电节律信号δ波、θ波以及β波的区分度则不是很明显。该算法同样为临床诊断提供了辅助。
　　通过本文的研究，我们证明了多尺度符号序列熵(MSSE)算法能够有效的区分不同生理状态下的α波脑电节律信号，对于实际临床分析可以起到辅助作用。我们得到了正常人和癫痫病人的α波脑电节律信号与β波脑电节律信号复杂度的具有显著性差异，并且通过对两种复杂度计算方法的比较，我们能够得出基于LMCD（LMC差熵）的统计复杂度分析方法的区分度更大，并且效果更明显。可以为临床诊断提供的重要依据。

目录

声明

第一章 绪论

1.1课题的研究背景

1.2课题研究现状及意义

1.3论文的研究内容及结构安排

第二章 脑电信号理论基础

2.1脑的解剖及功能

2.2脑电信号的理论基础

2.3癫痫脑电基本知识介绍

2.4本章小结

第三章 基于MSSE的少年与中年脑电节律信号分析

3.1少年与中年的脑电信号研究概述

3.2基于MSSE的脑电节律信号的算法分析

3.3基于MSSE的脑电节律信号的实验结果及数值分析

3.4本章小结

第四章 基于JSD的正常人和癫痫病人脑电节律信号分析

4.1詹森香农差熵

4.2基于JSD的脑电节律信号复杂度的算法分析

4.3基于JSD的脑电节律信号复杂度的实验结果及数值分析

4.4本章小结

第五章 基于LMCD的正常人和癫痫病人脑电节律信号分析

5.1 LMC差熵

5.2基于LMCD的脑电节律信号复杂度的算法分析

5.3基于LMCD的脑电节律信号复杂度的实验结果及数值分析

5.4本章小结

第六章 总结与展望

参考文献

附录1攻读硕士学位期间撰写的论文

附录2 攻读硕士学位期间参加的科研项目

致谢