首页 > 文献资料
-
基于多尺度排列熵的精神分裂症MEG信号分析
通过应用多尺度排列熵分析方法对精神分裂症患者和健康正常人的静息态脑磁图(MEG)信号进行信号的复杂性定量分析与对比,发现:在两组样本的多尺度排列熵均值比较中,精神分裂症患者93.82%通道上的多尺度排列熵值高于正常对照组;精神分裂症患者的MEG信号的多尺度排列熵在19个通道上存在显著性差异(P<0.05,FDR校正),这些差异通道集中分布在脑区上的颞叶和额叶等部位.这个发现与既往的MRI和EEG等神经影像学对精神分裂症的研究结果相一致.这些特征提示MEG信号的复杂性测度或许可以为精神分裂症患者的诊断及判别提供新的辅助参考依据,有助于了解及分析精神分裂症的症状表现及其病理机制,为精神分裂症的病理分析和临床诊断方法的研究提供新的研究思路与途径.
-
多尺度排列熵及其在癫痫发作识别中的应用
脑电图是人脑神经元动态活动的综合表现形式,可以用来研究癫痫的脑部病理变化.本文引入多尺度排列熵(MPE)的概念,将其应用于癫痫患者和健康人的脑电图特征提取,并将所有特征参数送人支持向量机(SVM)进行分类.实验结果表明,在区分癫痫患者和健康人的脑电图时平均分类精度达100%,癫痫发作间期和发作期的平均分类精度为99.58%.与同时输入的1~5个单尺度排列熵(PE)对比分析发现,MPE比PE更能反映癫痫脑电图多尺度上的特征,能更好、更稳定地实现癫痫预测.