[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

摘要

本发明公开了检测阿尔兹海默症的脑电信号复杂度异常的方法，该方法包括以下步骤利用UEA-FZ脑电放大器装置采集原始脑电信号；利用MATLAB软件平台的EEGLAB软件包截取平稳脑电信号；利用MATLAB软件平台的信号处理工具箱提取脑电信号的子节律；对各个节律的脑电信号进行粗粒化处理；计算各个脑电信号子节律的多变量多尺度带权值排序熵。本发明的效果是该方法能够有效地提取脑电信号的复杂度特性，相比原有的技术，具有更高的抗噪性能。同时，从不同时间、空间尺度检测脑电信号复杂特性，为医学诊断提供可靠的数据支持，提高阿尔兹海默症诊断的临床指导性。

主权项

一种检测阿尔兹海默症的脑电信号复杂度异常的方法，该方法是基于UEA‑FZ脑电放大器装置和MATLAB软件平台进行脑电信号的采集和分析,该方法包括以下步骤：①利用UEA‑FZ脑电放大器装置采集原始脑电信号，首先将UEA‑FZ脑电放大器装置与电脑的USB相连，将符合国际标准的脑电极帽的引线端插入UEA‑FZ脑电放大器装置的电极引线接口，脑电极帽已经正确佩戴于被测者的头皮表面，然后运行所述电脑上已经安装的UEA‑FZ脑电放大器装置的信号采集系统，以实现原始脑电信号的实时采集、记录和存储；②利用MATLAB软件平台的EEGLAB软件包截取平稳脑电信号，EEGLAB软件包是被广泛使用的脑电信号处理的软件包，具有信号可视化、截取、预处理多种功能；③利用MATLAB软件平台的信号处理工具箱提取脑电信号的子节律，依据脑电信号的频率划分为δ节律(0‑4Hz)，θ节律(4‑8Hz)，α节律(8‑12Hz)和β节律(12‑30Hz)，利用MATLAB软件平台中的有限冲激响应(Finite Impulse Response)带通滤波器提取脑电信号的不同节律；④对各个节律的脑电信号进行粗粒化处理，给定一导的脑电信号{x_i,i＝1,2,...,N}，通过在不同尺度下求平均值的方法，将步骤②截取后的脑电信号转化为粗粒化的信号，每一个粗粒化的时间序列当ε＝1时，即为待粗粒化的原始信号；⑤计算各个脑电信号子节律的多变量多尺度带权值排序熵：对于已截取的脑电数据段V行N列，V表示脑电的导联个数，N表示脑电信号的采样点数，其中每一行的信号表示为{x_i,i＝1,2,...,N}：首先，将每一行的信号嵌入到一个m维空间中：X_i＝[x_i,x_i+τ,...,x_i+(m‑1)τ],i＝1,2,...,N‑(m‑1)τ；接着，对于给定的任意数i，序列X_i＝[x_i,x_i+τ,...,x_i+(m‑1)τ]中的元素按照升序排列：x就按照相应的j的顺序排序；接着，计算这个向量X_i＝[x_i,x_i+τ,...,x_i+(m‑1)τ]的方差；接着，用[j₁,j₂,...,j_m]符号序列出现的次数与的方差相乘作为带权值次数，求该符号序列的带权值分布概率p_w1,p_w2,...p_wm！，那么对于单导时间序列{x_i,i＝1,2,...,N}的带权值排序熵就被定义为接着，对于多导脑电信号，在计算每个导联的脑电数据的每一个符号序列的分布概率时，考虑的是[j₁,j₂,...,j_m]序列占全部导联所有符号序列带权值总和的比率，由此计算出在单一时间尺度下的多变量带权值排序熵值；接着，对于粗粒化后的各个尺度的脑电信号计算其多变量带权值排序熵，由此得出多变量多尺度带权值排序熵值；对比患者与同龄健康正常人的熵值，判断患者的脑电异常程度，最终输出多变量多尺度带权值排序熵值和绘制的熵值图，比较正常人和病人的值，检测出病人的脑电复杂度异常问题。