趙建英，黃曉霞（上海海事大學(xué)　信息工程學(xué)院，上?！?01306）

基于IAF的alpha波段靜息態(tài)腦磁信號特征提取*

趙建英，黃曉霞
（上海海事大學(xué)信息工程學(xué)院，上海201306）

針對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)方法對腦磁信號特征進(jìn)行提取。該方法首先用ICA對靜息態(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)。

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4min，采樣頻率為600Hz。

2　方法描述

2.1個(gè)體化α峰頻IAF

KLIMESCH W等人［3］將5～14Hz范圍內(nèi)最高波幅所對應(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～I(xiàn)AF×0.8）、慢α2（IAF×0.8～I(xiàn)AF）、快α（IAF～I(xiàn)AF×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椒纸猓?］（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)定性信號的處理，其主要思想是從復(fù)雜信號中分離出有限個(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：

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

（2）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=0.2std，對每一個(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（r）表示，即：

（5）求其對于所有的i的平均值，用Bm（r）表示：

（6）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（r）與Am（r）表示。

（7）定義樣本熵為：

（8）當(dāng)N為有限值時(shí)，式（1）表示為：

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150Hz）。利用盲源信號分離技術(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），獲得相對純凈的信號。

3.2個(gè)體化α峰頻處理

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

表1　IAF分布

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50～100s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）。

圖2　快α波

圖3　慢α1波

圖4　慢α2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樣本熵拓?fù)鋱D。圖中的具體數(shù)值為腦磁信號樣本熵復(fù)雜度值，圖的顏色由深色到淺色逐漸增大?？梢钥闯霾∪私M大部分腦區(qū)復(fù)雜度值大于正常對照組，尤其是慢α1波。

圖5　快α波

圖6　慢α1波

圖7　慢α2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。

表2　各顯著性差異通道

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慢α1波大腦左半球額葉、枕葉、顳葉區(qū)的信號復(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?、疾病亞型等都可能影響到腦磁頻譜分布，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。

［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 totheanalysisofEEG 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.

FPC的觸摸式指紋傳感器FPC1155被用于ZUK的智能手機(jī)Z1

近日，ZUK發(fā)布其配備FPC觸摸式指紋傳感器FPC1155的安卓智能手機(jī)Z1。與這款智能手機(jī)有關(guān)的2015年已收及預(yù)期FPC1155銷售營收已被納入FPC本年度的通信營收預(yù)期（約22億瑞典克朗）之中。

FPC首席執(zhí)行官Jorgen Lantto表示：“ZUK是中國著名的智能手機(jī)制造商，我們很榮幸ZUK選擇將FPC1155用于其首款配備觸摸式指紋傳感器的智能手機(jī)Z1。FPC1155支持360度手指旋轉(zhuǎn)功能、快速響應(yīng)和業(yè)內(nèi)領(lǐng)先的3D圖像質(zhì)量?！?/p>

（Fingerprint Cards AB供稿）

Feature extraction of alpha resting state MEG based on IAF

Zhao Jianying，Huang Xiaoxia
（College of Information Engineering，Shanghai Maritime University，Shanghai 201306，China）

Using nonlinear dynamics method to analyze schizophrenic patients resting state meg data.ICA method is the first，followed by IAF for band extraction，to get quick alpha，slow alpha1 and slow alpha2，whose feature extractions are realized by sample entropy.The results of the study indicate that for schizophrenia patients，L-alpha1 of left hemisphere frontal lobe，occipital lobe，temporal lobe of sample entropy is significantly higher than that of normal people.

MEG；IAF；EMD；sample entropy；schizophrenia；resting state

TP391

A

1674-7720（2015）16-0087-03

趙建英，黃曉霞．基于IAF的alpha波段靜息態(tài)腦磁信號特征提?。跩］.微型機(jī)與應(yīng)用，2015，34（16）：87-89.

2015-03-17）

趙建英（1990-），女，碩士研究生，主要研究方向：信息處理與模式識(shí)別。

黃曉霞（1968-），女，博士，副教授，主要研究方向：腦波信息處理與腦機(jī)接口技術(shù)、港航與物流信息管理、智能信息處理。

第48批教育部留學(xué)回國人員科研啟動(dòng)基金；國家自然科學(xué)基金（61175044）