一種檢測(cè)阿爾茲海默癥的腦電信號(hào)復(fù)雜度異常的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種基于腦電信號(hào)的檢測(cè)阿爾茲海默癥異常的方法，特別是通過(guò)對(duì)腦 電信號(hào)的多變量多尺度帶權(quán)值排序滴計(jì)算，用來(lái)進(jìn)行的一種檢測(cè)阿爾茲海默癥的腦電信號(hào) 復(fù)雜度異常的方法。
【背景技術(shù)】
[0002] 阿爾茲海默癥，俗稱老年癡呆癥，是一種神經(jīng)系統(tǒng)退行性疾病，也是最常見(jiàn)的癡呆 癥。它主要影響65歲W上的老年人，預(yù)計(jì)在未來(lái)50年其患病率會(huì)成倍增加但是，現(xiàn) 階段沒(méi)有治愈阿爾茲海默癥的手段，大量的藥物只能夠延緩該疾病的惡化。阿爾茲海默癥 疾病被劃分為四個(gè)不同的階段。第一階段是輕度認(rèn)知障礙階段，通常表現(xiàn)為記憶喪失，但不 會(huì)顯著地影響日常生活。接著是輕度和中度阿爾茲海默癥階段，最后是重度阿爾茲海默癥 患者的記憶、感知、思維甚至基本的生理活動(dòng)均嚴(yán)重受損。
[0003] 阿爾茲海默癥的醫(yī)學(xué)診斷是非常困難的，并且阿爾茲海默癥的表現(xiàn)通常易被認(rèn)為 是自然衰老所致。醫(yī)學(xué)的診斷通常是采用多種方法進(jìn)行結(jié)合，如要經(jīng)過(guò)屯、理學(xué)測(cè)試，血液測(cè) 試，脊髓液測(cè)試，神經(jīng)病學(xué)檢測(cè)，成像技術(shù)等來(lái)進(jìn)行診斷。近些年來(lái)，利用腦電信號(hào)來(lái)診斷阿 爾茲海默癥的研究引起了廣泛的關(guān)注。由于腦電采集設(shè)備經(jīng)濟(jì)、便攜，且無(wú)創(chuàng)安全，腦電信 號(hào)時(shí)間分辨率非常高，因此腦電已經(jīng)成為一種潛在的診斷阿爾茲海默癥的手段。
[0004] 目前，研究表明阿爾茲海默癥的腦電信號(hào)與正常人相比主要有=方面的異常；腦 電信號(hào)的慢化，復(fù)雜度的降低W及腦電信號(hào)同步性的降低^3。其中，復(fù)雜度的檢測(cè)方法有很 多，各有利弊，但仍沒(méi)有公認(rèn)的一種算法能夠作為診斷阿爾茲海默癥復(fù)雜度異常的最佳方 法。滴是一類基于混濁理論的算法，作為反映腦電信號(hào)動(dòng)力學(xué)復(fù)雜度特性的方法被廣泛研 究。排序滴算法是一種基于排列序數(shù)來(lái)計(jì)算信號(hào)復(fù)雜度的方法，它計(jì)算速度快，抗干擾，無(wú) 需模型。排序滴已被用于癒痛、麻醉、不同認(rèn)知狀態(tài)及阿爾茲海默癥的檢測(cè)中，并取得了較 好的檢測(cè)效果。
[0005] 查閱參考文獻(xiàn)包括有[l]Mattson M. Pathways towards and away from Alzheimer's disease.Nature vol. 430 (2004) ;[2]Meek PD, McKeithan K,化umock GT.Economics considerations of Alzheimer's disease.Pharmacotherapy 18 (2Pt 2):68-73(1998) ； [3]Shimokawa A, Yatomib N, Anamizuc S, Toriid S, Isonod H, Sugaid Y, et al. Influence of deteriorating ability of emotional comprehension on interpersonal behavior in Alzheimer-type dementia.Brain Cogn 47(3) :423-433 (2001) ;[4]Small BJ,Ga即on E, Robinson B. Early identification of cognitive deficits:preclinical Alzheimer' s disease and mild cognitive impairment. Geriatrics 62 (4):19-23(2007) ； [5]Palmer K,Berger AK,Monastero R, Winblad B, Backman L, Fratiglioni L. Predictors of progression from mild cognitive impairment to Alzheimer disease. Neurology 68 (19):1596-1602(2007) ； [6] Arnaiz E, Almkvist 0. Neuropsychological features of mild cognitive impairment and preclinical Alzheimer' s disease. Acta Neurol Scand Suppl 179:34-41(2003)；
[7]Weiner WM. Editorial:Imaging and Biomarkers Will be Usedfor Detection and Monitoring Progression of Early Alzheimer' s Disease. J Nutr Health Aging 4:332(2009) ; [8] Sunderland T,化mpel H'I'akeda M,化tnam KT, Cohen RM. Biomarkers in the diagnosis of Alzheimer' s disease:are we ready ? J Geriatr Psychiatry Neurol 19(3) : 172-9 (2006) ;[9]Dauwels J,Vialatte F,Cichocki A, Diagnosis of Alzheimer's Disease from EEG Signals:Where Are We Standing ? Current Alzheimer Research, 7, 487-505(2010)。
[0006] 然而，基于排序滴的檢測(cè)存在W下=點(diǎn)問(wèn)題；一是排序滴算法計(jì)算的是單導(dǎo)腦電 的復(fù)雜度，在計(jì)算的過(guò)程中，沒(méi)有考慮到多導(dǎo)腦電數(shù)據(jù)之間的相關(guān)性；二是，排序滴的計(jì)算 僅限于單一時(shí)間尺度，而非線性時(shí)間序列的動(dòng)態(tài)特性是反映在多個(gè)時(shí)間尺度上的；S是，腦 電信號(hào)是有噪聲等干擾的，排序滴算法忽略了噪聲對(duì)于腦電信號(hào)的影響，因此會(huì)導(dǎo)致不準(zhǔn) 確的復(fù)雜度估計(jì)。因此，針對(duì)W上問(wèn)題，提出了一種多變量多尺度帶權(quán)值排序滴的算法，用 于阿爾茲海默癥腦電信號(hào)復(fù)雜度異常的檢測(cè)。提供一種主要應(yīng)用于檢測(cè)阿爾茲海默癥腦電 信號(hào)的復(fù)雜度異常的方法，為阿爾茲海默癥的醫(yī)學(xué)診斷提供客觀依據(jù)，同時(shí)也可W作為其 他精神疾病的腦電信號(hào)分析的潛在方法。

【發(fā)明內(nèi)容】

[0007] 針對(duì)現(xiàn)有方法的不足，本發(fā)明的目的是提供一種檢測(cè)阿爾茲海默癥的腦電信號(hào)復(fù) 雜度異常的方法，W利于從多個(gè)腦區(qū)，多個(gè)時(shí)間尺度角度檢驗(yàn)阿爾茲海默癥患者腦電數(shù)據(jù) 的復(fù)雜度異常情況，進(jìn)一步提高腦電信號(hào)分析的準(zhǔn)確度，從而為醫(yī)生進(jìn)行臨床診斷提供更 有利的數(shù)據(jù)支持。
[000引為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是提供一種檢測(cè)阿爾茲海默癥的腦電信 號(hào)復(fù)雜度異常的方法，該方法是基于肥A-FZ腦電放大器裝置和MTLAB軟件平臺(tái)進(jìn)行腦電 信號(hào)的采集和分析，該方法包括W下步驟：
[0009] ①利用UEA-ra腦電放大器裝置采集原始腦電信號(hào)，首先將UEA-FZ腦電放大器裝 置與電腦的USB相連，將符合國(guó)際標(biāo)準(zhǔn)的腦電極帽的引線端插入U(xiǎn)EA-ra腦電放大器裝置的 電極引線接口，腦電極帽已經(jīng)正確佩戴于被測(cè)者的頭皮表面，然后運(yùn)行所述電腦上已經(jīng)安 裝的肥A-FZ腦電放大器裝置的信號(hào)采集系統(tǒng)，W實(shí)現(xiàn)原始腦電信號(hào)的實(shí)時(shí)采集、記錄和存 儲(chǔ)；
[0010] ②利用MTLAB軟件平臺(tái)的邸GLAB軟件包截取平穩(wěn)腦電信號(hào)，EEGLAB軟件包是被 廣泛使用的腦電信號(hào)處理的軟件包，具有信號(hào)可視化、截取、預(yù)處理的多種功能；
[001U ⑨利用MTLAB軟件平臺(tái)的信號(hào)處理工具箱提取腦電信號(hào)的子節(jié)律，依據(jù)腦電信 號(hào)的頻率劃分為5節(jié)律（0-4化），0節(jié)律（4-細(xì)Z)，a節(jié)律巧-12Hz)和0節(jié)律（12-30化）， 利用MATLAB軟件平臺(tái)中的有限沖激響應(yīng)（Finite Impulse Response)帶通濾波器提取腦 電信號(hào)的不同節(jié)律；
[001引④對(duì)各個(gè)節(jié)律的腦電信號(hào)進(jìn)行粗?；幚?，給定一導(dǎo)的腦電信號(hào){Xi，i = 1，2, ...，N}，通過(guò)在不同尺度下求平均值的方法，將步驟①采集的原始信號(hào)轉(zhuǎn)化為粗?；?的信號(hào)，每一個(gè)粗?；臅r(shí)間序列
【主權(quán)項(xiàng)】
1. 一種檢測(cè)阿爾茲海默癥的腦電信號(hào)復(fù)雜度異常的方法，該方法是基于UEA-FZ腦電 放大器裝置和MTLAB軟件平臺(tái)進(jìn)行腦電信號(hào)的采集和分析，該方法包括以下步驟： ① 利用UEA-FZ腦電放大器裝置采集原始腦電信號(hào)，首先將UEA-FZ腦電放大器裝置與 電腦的USB相連，將符合國(guó)際標(biāo)準(zhǔn)的腦電極帽的引線端插入U(xiǎn)EA-FZ腦電放大器裝置的電極 引線接ロ，腦電極帽已經(jīng)正確佩戴于被測(cè)者的頭皮表面，然后運(yùn)行所述電腦上已經(jīng)安裝的 UEA-FZ腦電放大器裝置的信號(hào)采集系統(tǒng)，以實(shí)現(xiàn)原始腦電信號(hào)的實(shí)時(shí)采集、記錄和存儲(chǔ)； ② 利用MTLAB軟件平臺(tái)的EEGLAB軟件包截取平穩(wěn)腦電信號(hào)，EEGLAB軟件包是被廣泛 使用的腦電信號(hào)處理的軟件包，具有信號(hào)可視化、截取、預(yù)處理多種功能； ③ 利用MTLAB軟件平臺(tái)的信號(hào)處理工具箱提取腦電信號(hào)的子節(jié)律，依據(jù)腦電信號(hào)的 頻率劃分為S節(jié)律（〇-4Hz)，0節(jié)律（4-8Hz)，a節(jié)律（8-12Hz)和0節(jié)律（12-30HZ)，利 用MATLAB軟件平臺(tái)中的有限沖激響應(yīng)（FiniteImpulseResponse)帶通濾波器提取腦電 信號(hào)的不同節(jié)律； ④ 對(duì)各個(gè)節(jié)律的腦電信號(hào)進(jìn)行粗粒化處理，給定ー導(dǎo)的腦電信號(hào)Ixi,i= 1，2, ...，N}， 通過(guò)在不同尺度下求平均值的方法，將步驟②截取后的腦電信號(hào)轉(zhuǎn)化為粗粒化的信號(hào)，每
信號(hào)； ⑤ 計(jì)算各個(gè)腦電信號(hào)子節(jié)律的多變量多尺度帶權(quán)值排序熵：對(duì)于已截取的腦電數(shù) 據(jù)段V行N列，V表示腦電的導(dǎo)聯(lián)個(gè)數(shù)，N表示腦電信號(hào)的采樣點(diǎn)數(shù)，其中每一行的信 號(hào)表示為Ixi,i= 1，2，...，N}:首先，將每一行的信號(hào)嵌入到ー個(gè)m維空間中：Xi = [Xi, ，? ? ?，Xi+(m-i)T]，i= 1，2,. . .，N-(m-l)T;接著，對(duì)于給定的任意數(shù)i，序列Xi = [Xi, ，? ? ?，Xi+(m-i)T]中的元素按照升序排列：[ろ+1)r《ろ+(力.ふ,-1)r]，X就 按照相應(yīng)的j的順序排序；接著，計(jì)算這個(gè)向量Xi= [Xi，Xi+ T，? ? ?，Xi+ (m-i)T] 的方差；接著， 用U1,j2，…，jm]符號(hào)序列出現(xiàn)的次數(shù)與[1叫-1)バム，U1/+(ム,-か]的方差相 乘作為帶權(quán)值次數(shù)，求該符號(hào)序列的帶權(quán)值分布概率pwl，pw2,... ，那么對(duì)于單導(dǎo)時(shí)間 序列Ui,i= 1，2,. . .，N}的帶權(quán)值排序熵就被定義為
；接著，對(duì) 于多導(dǎo)腦電信號(hào)，在計(jì)算每個(gè)導(dǎo)聯(lián)的腦電數(shù)據(jù)的每ー個(gè)符號(hào)序列的分布概率時(shí)，考慮的是U1,j2，...，九]序列占全部導(dǎo)聯(lián)所有符號(hào)序列帶權(quán)值總和的比率，由此計(jì)算出在単一時(shí)間 尺度下的多變量帶權(quán)值排序熵值；接著，對(duì)于粗?；蟮母鱾€(gè)尺度的腦電信號(hào)計(jì)算其 多變量帶權(quán)值排序熵，由此得出多變量多尺度帶權(quán)值排序熵值； 對(duì)比患者與同齡健康正常人的熵值，判斷患者的腦電異常程度，最終輸出多變量多尺 度帶權(quán)值排序熵值和繪制的熵值圖，比較正常人和病人的值，檢測(cè)出病人的腦電復(fù)雜度異 常問(wèn)題。
【專利摘要】本發(fā)明公開(kāi)了檢測(cè)阿爾茲海默癥的腦電信號(hào)復(fù)雜度異常的方法，該方法包括以下步驟利用UEA-FZ腦電放大器裝置采集原始腦電信號(hào)；利用MATLAB軟件平臺(tái)的EEGLAB軟件包截取平穩(wěn)腦電信號(hào)；利用MATLAB軟件平臺(tái)的信號(hào)處理工具箱提取腦電信號(hào)的子節(jié)律；對(duì)各個(gè)節(jié)律的腦電信號(hào)進(jìn)行粗?；幚?；計(jì)算各個(gè)腦電信號(hào)子節(jié)律的多變量多尺度帶權(quán)值排序熵。本發(fā)明的效果是該方法能夠有效地提取腦電信號(hào)的復(fù)雜度特性，相比原有的技術(shù)，具有更高的抗噪性能。同時(shí)，從不同時(shí)間、空間尺度檢測(cè)腦電信號(hào)復(fù)雜特性，為醫(yī)學(xué)診斷提供可靠的數(shù)據(jù)支持，提高阿爾茲海默癥診斷的臨床指導(dǎo)性。
【IPC分類】A61B5-0476
【公開(kāi)號(hào)】CN104622467
【申請(qǐng)?zhí)枴緾N201510012496
【發(fā)明人】鄧斌, 梁麗, 王若凡, 楊晨, 王江, 魏熙樂(lè), 于海濤, 張鎮(zhèn)
【申請(qǐng)人】天津大學(xué)
【公開(kāi)日】2015年5月20日
【申請(qǐng)日】2015年1月12日