摘  要： 針對(duì)精神分裂患者靜息態(tài)腦磁特征提取的問題，提出一種基于EMD和樣本熵的非線性動(dòng)力學(xué)方法對(duì)腦磁信號(hào)特征進(jìn)行提取,。該方法首先用ICA對(duì)靜息態(tài)MEG數(shù)據(jù)進(jìn)行預(yù)處理,；繼而基于IAF進(jìn)行波段提取，得到快α,、慢α1和慢α2波段,；然后分別由EMD和樣本熵進(jìn)行處理。結(jié)果表明,，精神分裂患者的各波段樣本熵普遍高于正常人,，尤其是慢α1波段大腦左半球額葉、枕葉,、顳葉區(qū),。

　　關(guān)鍵詞： MEG,；IAF；EMD,；樣本熵,；精神分裂癥；靜息態(tài)

0 引言

　　精神分裂癥[1]臨床上往往表現(xiàn)為癥狀各異的綜合征,，涉及感知覺,、思維、情感和行為等多方面的障礙以及精神活動(dòng)的不協(xié)調(diào),。隨著科技的發(fā)展,，人們逐漸認(rèn)識(shí)到靜息狀態(tài)[2]下與人腦認(rèn)知、意識(shí)和情緒相關(guān)的alpha波形與精神分裂癥的認(rèn)知異常有緊密的關(guān)系,。由于頻域范圍和能量譜可能存在較大的個(gè)體差異,，因此，采用個(gè)體化頻譜分布方法——個(gè)體化α峰頻（Individual Alpha Frequency,，IAF）[3]對(duì)alpha波段（慢α1,、慢α2、快α亞頻）進(jìn)行研究,，可以弱化個(gè)體差異,。

1 數(shù)據(jù)描述

　　靜息態(tài)MEG數(shù)據(jù)是來自美國國立精神健康MEG核心實(shí)驗(yàn)室用VSM MedTech Ltd公司的一套產(chǎn)自加拿大的CTF-275 SQUID設(shè)備得到的。本實(shí)驗(yàn)選取精神分裂癥病例8名,，正常人8名,，數(shù)據(jù)記錄了273個(gè)有效通道，時(shí)長為4 min,，采樣頻率為600 Hz,。

2 方法描述

　　2.1 個(gè)體化α峰頻IAF

　　KLIMESCH W等人[3]將5~14 Hz范圍內(nèi)最高波幅所對(duì)應(yīng)的頻率定義為個(gè)體化α峰頻，由此將α頻段分為慢α1（IAF×0.6~IAF×0.8）,、慢α2（IAF×0.8~IAF）,、快α（IAF~IAF×1.2）亞頻。已有研究表明,，α亞頻的功能涉及注意、抑制等精神疾病易損的認(rèn)知領(lǐng)域,，其異常在靜息態(tài)或任務(wù)態(tài)均有體現(xiàn),。

　　2.2 經(jīng)驗(yàn)?zāi)Ｊ椒纸釫MD

　　經(jīng)驗(yàn)?zāi)Ｊ椒纸鈁4]（Empirical Mode Decomposition，EMD）是一種時(shí)頻數(shù)據(jù)分析方法,，通常適用于非線性和非穩(wěn)定性信號(hào)的處理,，其主要思想是從復(fù)雜信號(hào)中分離出有限個(gè)本征模態(tài)函數(shù)（Intrinsic Mode Function，IMF）,，這些IMF分量具有不同的頻率成分,。

　　2.3 樣本熵

　　樣本熵[5]是時(shí)間序列復(fù)雜度的一種度量,，在分析生物信號(hào)序列的復(fù)雜度分析中已經(jīng)獲得成功應(yīng)用。樣本熵具體算法步驟如下：

　?。?）對(duì)于一個(gè)由N點(diǎn)組成的原始信號(hào)x（1）,，x（2）…x（N）。

　?。?）按順序組成一組m維矢量

　　Xm（i）=[x（i）,，x（i+1），...,，x（i+m-1）],，1≤i≤N-m

　　（3）定義矢量Xm（i）與Xm（j）之間的距離d[Xm（i）,，Xm（j）]為兩者對(duì)應(yīng)元素中差值最大的一個(gè),，即：

　　d[Xm（i），Xm（j）]=max[|x（i+k）-x（j+k）|],，0≤k≤m-1,，i≠j，i≥1,，j≤N-m,。

　　（4）給定閾值r=0.2 std,，對(duì)每一個(gè)i值統(tǒng)計(jì)d[Xm（i）,，Xm（j）]小于r的數(shù)目，并計(jì)算該數(shù)目與距離總數(shù)的比值,，用Blm（r）表示,，即：

　　（5）求其對(duì)于所有的i的平均值,，用Bm（r）表示：

　?。?）將維數(shù)加1，即組成m+1維矢量,，重復(fù)步驟（1）~（5）,，并分別用Aim（r）與Am（r）表示。

　?。?）定義樣本熵為：

　?。?）當(dāng)N為有限值時(shí)，式（1）表示為：

　　SampEn（m,，r,，N）=-ln[Am（r）/Bm（r）](2)

3 過程描述

　　3.1 預(yù)處理過程

　　本實(shí)驗(yàn)MEG數(shù)據(jù)記錄的是受試者靜息態(tài)腦磁信息，經(jīng)過fieldtrip去趨勢預(yù)處理得到273個(gè)有用信道（降低采樣率為150 Hz）,。利用盲源信號(hào)分離技術(shù)消噪[6],，將16個(gè)樣本（8名患者,，8名正常人）的腦磁信號(hào)進(jìn)行ICA[7]去噪處理，剔除噪聲成分（心電,、眼動(dòng)等）,，獲得相對(duì)純凈的信號(hào)。

　　3.2 個(gè)體化α峰頻處理

　　正常人IAF在8.92 Hz左右,，患者組IAF則在9.14 Hz左右,，如表1所示。

　　3.3 特征提取過程

　　將前期處理的MEG數(shù)據(jù)進(jìn)行EMD分解,，得到各個(gè)樣本中各個(gè)信道的IMF分量,，通過對(duì)IMF分量進(jìn)行譜分析，其中前8個(gè)IMF分量集中了腦磁信號(hào)的主要能量,。本研究將前8個(gè)IMF分量求和,，計(jì)算樣本熵。為避免數(shù)據(jù)兩端奇化帶來的影響,，計(jì)算樣本熵時(shí)采用了較為穩(wěn)定的50~100 s的數(shù)據(jù),。

4 結(jié)果分析

　　4.1 腦區(qū)間結(jié)果

　　實(shí)驗(yàn)將觀測的273個(gè)有效通道劃分為1.MLC、2.MLF,、3.MLO,、4.MLP、5.MLT,、6.MRC,、7.MRF、8.MRO,、9.MRP,、10.MRT、11.MZ,，共11個(gè)腦區(qū)（MZ是中間豎線腦區(qū)通道）,，如圖1所示，其中L為左,，R為右,，F(xiàn)為額葉，C為中央?yún)^(qū),，P為頂葉,，O為枕葉，T為顳葉,。圖2~圖4為正常組和患病組腦區(qū)樣本熵箱型圖，其中橫軸為腦區(qū),，縱軸為熵值,，深色是正常人,，淺色是病人，對(duì)各樣本腦區(qū)樣本熵分別做了算術(shù)平均,。由圖可以清楚地看到,，患病組的平均值明顯高于正常組的平均值（尤其是慢α1波）。

　　由以上圖可以看到快α波,、慢α1和慢α2波在大腦前額葉部位,，患者組的樣本熵遠(yuǎn)遠(yuǎn)高于正常組，這和前額葉作為情感與認(rèn)知功能的高級(jí)中樞,，被認(rèn)為在精神分裂的發(fā)病中扮演重要角色相符,。

　　4.2  本地通道特征結(jié)果

　　圖5~圖7是本地273個(gè)有效通道正常組和患病組腦磁信號(hào)樣本熵拓?fù)鋱D。圖中的具體數(shù)值為腦磁信號(hào)樣本熵復(fù)雜度值,，圖的顏色由深色到淺色逐漸增大,。可以看出病人組大部分腦區(qū)復(fù)雜度值大于正常對(duì)照組,，尤其是慢α1波,。

　　表2是正常組和患者組α各波段樣本熵在p<0.05的條件下得出的具有顯著性差異的通道。發(fā)現(xiàn)慢α1在MLF,、MLO等腦區(qū),，快α在MLF、MLO,、MLT等腦區(qū),，慢α2在MLF、MRC腦區(qū),，患者組顯著高于正常組,，大部分位于左半球，尤其是慢α1具有顯著差異,。

5 結(jié)論

　　本文研究結(jié)果表明,，精神分裂患者的各α波段樣本熵高于正常人，慢α1波的差異更具顯著性,。這預(yù)示著精神分裂癥患者腦磁信號(hào)慢α1波大腦左半球額葉,、枕葉、顳葉區(qū)的信號(hào)復(fù)雜度差異,，可能為精神分裂的臨床診斷提供一定的參考,。因?yàn)榛疾〕潭取⒓膊喰偷榷伎赡苡绊懙侥X磁頻譜分布,，所以結(jié)果是否具有普遍性尚需進(jìn)一步驗(yàn)證,。今后擬繼續(xù)擴(kuò)大樣本量，研究α各亞頻在精神分裂中的更為詳細(xì)的作用。

參考文獻(xiàn)

　　[1] 李蘭蘭.基于多導(dǎo)聯(lián)EEG的精神分裂患者alpha波段連接性算法的研究[D].蘭州：蘭州大學(xué),，2013.

　　[2] RAICHLE M E,， MINTUN M A. Brain work and brain imaging[J]. Annual Review of Neuroscience， 2006,，29：449-476.

　　[3] DOPPELMAYR M,， KLIMESCH W， PACHINGER T,， et al.Individual differences in brain dynamics： important implications for the calculation of event-related band power[J]. Biological Cybernetics,， 1998，79（1）：49-57.

　　[4] HUANG N E,， Shen Zheng,， LONG S R， et al. The Empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceedings of the Royal Society,， 1998,，454（A）：903-995.

　　[5] 周建芳，羅曉曙,，胡葉容.腦電信號(hào)的樣本熵分析[J].廣西物理,，2007（2）：15-17.

　　[6] RICARDO V， JAAKO S,， BEIKKO J,， et al. Independent component approach to the analysis of EEG and MEG recordings[J]. IEEE Transactions on Biomedical Engineering， 2000,，47（5）：589-593.

　　[7] 高莉,，黃力宇，丁翠玲.結(jié)合PCA和ICA的腦磁信號(hào)消噪研究[J].西安電子科技大學(xué)學(xué)報(bào)（自然科學(xué)版）,，2007,，34（6）：939-943.