[发明专利]基于符号化排列传递熵的癫痫脑电双向耦合分析方法

说明书

本发明公开一种基于符号化排列传递熵的癫痫脑电双向耦合分析方法。具体步骤为首先采用多尺度符号化排列传递熵的方法提取多通道癫痫脑电信号的耦合特征，并选择合适的尺度和频段构建脑电同步矩阵；其次基于显著性分析的方法筛选癫痫发作时的重要通道，进行通道间双向耦合分析；为了进一步研究整个大脑皮层区域整体的同步关系，本发明将多通道脑电信号划分为4个脑区，在δ，θ，α，β频段下使用S估计器进行多通道脑电信号同步性分析。本发明提高了癫痫脑电信号双向耦合以及同步性的特征，并做出更加科学合理的分析方法。

技术领域

本发明涉及一种利用多尺度符号化排列传递熵对癫痫脑电信号双向耦合和 同步强度的分析方法，特别是基于癫痫患者多通道脑电信号的癫痫发作病灶定位， 属于智能模式识别技术领域。

背景技术

癫痫是一种突然、反复发作的大脑功能障碍慢性病，由于大脑异常电活动的 起始部位及传播方式不同，导致癫痫临床表现复杂多样，包括短暂的感觉障碍、 肢体抽搐、意识丧失、行为障碍等,对患者身体、精神带来严重损伤。脑电信号 包含着大脑活动的重要信息，基于脑电信号的癫痫发作病灶定位、诊断和治疗， 已被证实其有效性和可行性。

癫痫脑电信号(Electroencephalogram,EEG)的特征可以通过时域、频域、 时频域和非线性动力学分析提取，在癫痫患者的脑电信号中，癫痫发作期的EEG 与发作间期的EEG具有不同的特征，所以可以通过找到这些不同的特征来判断癫 痫发作的脑区并做出病灶定位。

大脑是一个相当复杂的非线性动力系统，近年来，相干性分析、格兰杰因果 分析、传递熵以及符号化传递熵等方法都被用来分析癫痫脑电同步关系，如癫痫 发作时alpha、beta频段大脑部分脑通道同步特征显著。神经系统疾病往往会产 生病变的EEG，如癫痫疾病会引起大脑部分区域出现异常性放电，使得EEG中掺 杂了称为癫痫样波的异常信息。目前针对癫痫患者脑通道间同步性、相关性研究 的文献较少，有待进一步进行研究分析。对癫痫患者的脑电信号进行有效分析， 研究癫痫发作时脑电信号的变化及交互，对预测、治疗、癫痫病灶的定位都有重 要的意义。

发明内容

本发明针对现有技术的不足，提出了一种基于符号化排列传递熵的癫痫脑 电双向耦合分析方法；目的是为了有效地分析多通道癫痫脑电信号的双向耦合、 同步性变化。

本发明使用的技术方案如下。

本发明提出一种基于符号化排列传递熵的癫痫脑电双向耦合分析方法，步骤 如下：

步骤一，采集癫痫患者的多通道头皮脑电信号(EEG)；

步骤二，对癫痫EEG信号进行预处理：

先滤除EEG数据中有电力线干扰的50Hz左右的信号。再进行EEG数据的消 噪处理，采用db6小波进行6层分解，进行小波阈值消噪。

对消噪过后的脑电信号，采用滑窗为5s，无重叠的方式选取患者的癫痫发作 间期与发作期的脑电信号进行分析。

步骤三，对EEG数据进行多尺度符号化：

首先进行多尺度符号化直接根据原始序列的数值特点进行符号划分的静态 法,对于长度为n的时间序列X_t＝{x₁,x₂,x₃……}的符号化公式如公式(1)：

S为符号的数量。S的大小可以任意的放大或缩小，S的值越大符号序列就 越接近原始序列。分别取时间序列的最小值与最大值得到采样点个数为S-1的等 差划分集合{X₁，X₂…X_S-1}，将原始时间序列划分得到X^S符号序列。

步骤四，采用排列模式对EEG数据重构：