[发明专利]一种检测阿尔兹海默症的脑电信号复杂度异常的方法

说明书

技术领域

本发明涉及一种基于脑电信号的检测阿尔兹海默症异常的方法，特别是通过对脑电信号的多变量多尺度带权值排序熵计算，用来进行的一种检测阿尔兹海默症的脑电信号复杂度异常的方法。

背景技术

阿尔兹海默症，俗称老年痴呆症，是一种神经系统退行性疾病，也是最常见的痴呆症。它主要影响65岁以上的老年人，预计在未来50年其患病率会成倍增加^[1,2]。但是，现阶段没有治愈阿尔兹海默症的手段，大量的药物只能够延缓该疾病的恶化。阿尔兹海默症疾病被划分为四个不同的阶段。第一阶段是轻度认知障碍阶段，通常表现为记忆丧失，但不会显著地影响日常生活。接着是轻度和中度阿尔兹海默症阶段，最后是重度阿尔兹海默症^[3]，患者的记忆、感知、思维甚至基本的生理活动均严重受损。

阿尔兹海默症的医学诊断是非常困难的，并且阿尔兹海默症的表现通常易被认为是自然衰老所致。医学的诊断通常是采用多种方法进行结合，如要经过心理学测试，血液测试，脊髓液测试，神经病学检测，成像技术等来进行诊断。近些年来，利用脑电信号来诊断阿尔兹海默症的研究引起了广泛的关注。由于脑电采集设备经济、便携，且无创安全，脑电信号时间分辨率非常高，因此脑电已经成为一种潜在的诊断阿尔兹海默症的手段。

目前，研究表明阿尔兹海默症的脑电信号与正常人相比主要有三方面的异常：脑电信号的慢化，复杂度的降低以及脑电信号同步性的降低^[9]。其中，复杂度的检测方法有很多，各有利弊，但仍没有公认的一种算法能够作为诊断阿尔兹海默症复杂度异常的最佳方法。熵是一类基于混沌理论的算法，作为反映脑电信号动力学复杂度特性的方法被广泛研究。排序熵算法是一种基于排列序数来计算信号复杂度的方法，它计算速度快，抗干扰，无需模型。排序熵已被用于癫痫、麻醉、不同认知状态及阿尔兹海默症的检测中，并取得了较好的检测效果。

查阅参考文献包括有[1]Mattson M.Pathways towards and away from Alzheimer’s disease.Nature vol.430(2004)；[2]Meek PD,McKeithan K,Shumock 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,Gagnon 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,L,Fratiglioni L.Predictors of progression from mild cognitive impairment to Alzheimer disease.Neurology 68(19):1596-1602(2007)；[6]Arnaiz E,Almkvist O.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,Hampel H,Takeda M,Putnam 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)。