裴婭男

(山西大學(xué) 商務(wù)學(xué)院， 山西太原 030031)

0 引 言

由于工作節(jié)奏加快以及生活習(xí)慣的改變， 使得睡眠剝奪現(xiàn)象在當(dāng)今社會(huì)非常常見[1,2]. 睡眠剝奪是指由于某種(些)原因?qū)е滤邥r(shí)間被迫減少， 按剝奪的睡眠量， 可將睡眠剝奪分為全部睡眠剝奪、 部分睡眠剝奪； 按剝奪睡眠的急緩程度， 可分為急性睡眠剝奪和慢性睡眠剝奪； 按剝奪睡眠的內(nèi)容， 可分為快速眼動(dòng)睡眠剝奪、 非快速眼動(dòng)睡眠剝奪(或稱慢波睡眠剝奪). 睡眠剝奪對(duì)人體生理(如生化指標(biāo)、 腦電、 心電等)、 心理(記憶、 情緒、 認(rèn)知狀態(tài))功能的影響及其發(fā)生機(jī)制的研究一直是醫(yī)學(xué)、 腦科學(xué)、 神經(jīng)精神病學(xué)、 心理學(xué)以及航空醫(yī)學(xué)界的重要研究方向. 研究睡眠剝奪對(duì)人體神經(jīng)電生理、 心理功能的影響， 并闡明其發(fā)生機(jī)制， 將有助于尋求積極有效的對(duì)抗措施， 將不良影響減小到最低限度. 睡眠剝奪之后個(gè)體的思睡程度增加， 認(rèn)知功能下降， 會(huì)對(duì)工作績效產(chǎn)生重要影響[3].

當(dāng)由于疲勞程度增加而導(dǎo)致認(rèn)知功能發(fā)生進(jìn)一步損害時(shí)， 不僅會(huì)導(dǎo)致工作效率下降， 還有可能因?yàn)槿藶槭д`操作而引發(fā)事故[4]. 因此， 深入探討睡眠缺失對(duì)機(jī)體生理心理功能的影響具有重要的社會(huì)意義.

醫(yī)學(xué)影像技術(shù) CT， MRI 等可提供大腦結(jié)構(gòu)方面的信息， 從空間上給予定位， 缺點(diǎn)是時(shí)間分辨率較差. 對(duì)于神經(jīng)科學(xué)研究來說， 電生理信號(hào)能夠捕捉更多的變化細(xì)節(jié). 腦電圖(Electroencephalogram， EEG)以足夠的時(shí)間分辨率， 重現(xiàn)毫秒級(jí)別上變化的大腦信息處理過程， 既能用于研究外來刺激下的功能反應(yīng)， 也能用來反應(yīng)靜息狀態(tài)下的大腦的自發(fā)功能狀態(tài). EEG作為生物體睡眠-覺醒狀態(tài)監(jiān)測(cè)的重要指標(biāo)， 可以反映大腦神經(jīng)功能的改變， 是理想的研究工具， 在提示機(jī)體的生理心理功能變化上具有重要作用[5]. 早期的腦電圖研究只能靠人工分析、 判斷， 人為因素較大. 近年來發(fā)展起來的腦電功率譜可以定量研究腦電生理變化， 但用于睡眠剝奪研究的報(bào)道較少. 以往研究發(fā)現(xiàn)： 在睡眠剝奪后， 個(gè)體的腦電圖呈現(xiàn)低頻成分增加， 較高頻率成分下降的變化趨勢(shì)[6]， 提示機(jī)體需要睡眠來對(duì)已經(jīng)下降或損害的心理功能進(jìn)行修復(fù).

腦電是一個(gè)復(fù)雜的時(shí)間序列， 非線性動(dòng)力學(xué)方法可以在總體水平上分析神經(jīng)規(guī)律的新方法， 與傳統(tǒng)時(shí)域、 頻域、 時(shí)頻域分析方法相比， 可以提供更多的腦電信息， 非線性動(dòng)力學(xué)方法將人腦看成是一個(gè)復(fù)雜的非線性系統(tǒng). 小波變換和小波包變換具有可以在頻域和時(shí)域上共同分析非平穩(wěn)時(shí)間序列信號(hào)的特點(diǎn)， 已有大量基于腦電的研究應(yīng)用小波變換對(duì)睡眠剝奪腦電信號(hào)進(jìn)行多分辨率分析、 瞬態(tài)特征提取等處理， 取得了許多成果， 小波包熵方法是在小波變換和小波包變換的基礎(chǔ)上發(fā)展起來的， 吸取了兩者變換的優(yōu)點(diǎn)， 并進(jìn)一步從系統(tǒng)的角度出發(fā)考腦電的總體特征， 能夠表征出腦電序列的復(fù)雜程度. 本文采用小波包熵的方法進(jìn)行研究. 小波包熵能夠反映多頻率成分信號(hào)的混亂程度， 提供信號(hào)的動(dòng)力學(xué)特征， 可以作為評(píng)價(jià)腦電信號(hào)復(fù)雜程度的一個(gè)指標(biāo)[7]. 但是目前還很少有從不同頻段小波包熵的角度來探討完全睡眠剝奪對(duì)機(jī)體生理功能影響的試驗(yàn)研究. 本研究擬通過對(duì)比睡眠剝奪前后個(gè)體靜息腦電與覺醒功能密切相關(guān)的腦電波段(α1及θ波段)小波包熵的變化， 從小波包熵的角度分析睡眠剝奪對(duì)個(gè)體清醒狀態(tài)靜息腦電的影響.

1 實(shí)驗(yàn)方法與信號(hào)采集

1.1 試驗(yàn)對(duì)象

36名大學(xué)生健康受試者自愿參與了本試驗(yàn)(年齡18～28歲， 平均23.5歲). 受試者均為右利手， 智力正常. 受試者均沒有神經(jīng)科或精神科疾病史， 并在試驗(yàn)前2周內(nèi)保持規(guī)律性8 h睡眠. 受試者在試驗(yàn)期間禁止飲酒、 咖啡、 茶等刺激性飲料， 禁止從事劇烈的體育活動(dòng). 試驗(yàn)前均征得受試者知情同意， 并在試驗(yàn)結(jié)束后給予受試者一定的酬勞.

1.2 試驗(yàn)程序

受試者于正式試驗(yàn)前一天進(jìn)入實(shí)驗(yàn)室. 在進(jìn)行一晚上睡眠監(jiān)測(cè)后， 于第二天早7點(diǎn)進(jìn)行EEG基線測(cè)量. 之后受試者在主試人員的陪同下進(jìn)入完全睡眠剝奪. 在睡眠剝奪期間受試者可以觀看電影， 打撲克， 但必須時(shí)刻保持清醒. 在第3天中午13：00， 受試者接受第二次EEG記錄， 并在數(shù)據(jù)記錄前后匯報(bào)是否保持清醒.

圖 1 睡眠剝奪EEG實(shí)驗(yàn)測(cè)量示意圖Fig.1 A schematic map for measuring sleep deprivation effects

1.3 腦電采集

受試者于數(shù)據(jù)采集前經(jīng)清潔頭皮后， 放松自然坐在試驗(yàn)用固定座椅上. 主試人員向受試者詳細(xì)說明試驗(yàn)注意事項(xiàng)， 要求受試者盡可能放松， 避免回憶較強(qiáng)烈刺激事件. 以導(dǎo)電膏降低皮膚電阻值， 保證數(shù)據(jù)采集時(shí)受試者頭皮電阻在5 kΩ以下. 試驗(yàn)開始后采集受試者閉眼、 睜眼各3 min連續(xù)腦電圖數(shù)據(jù).

腦電圖采集設(shè)備為Neuroscan腦電記錄儀， 受試者腦電圖經(jīng)SynAmps2放大器進(jìn)行數(shù)據(jù)放大和轉(zhuǎn)換后以Scan4.3軟件進(jìn)行記錄. 電極安放采用國際10～20系統(tǒng)為標(biāo)準(zhǔn)[8]， 參考電極選雙側(cè)乳突為參考， 共記錄受試者在安靜狀態(tài)下的32導(dǎo)腦電圖， 同步記錄水平(HEOG)和垂直(VEOG)眼動(dòng). 在睡眠剝奪實(shí)驗(yàn)采集腦電信號(hào)過程中， 本文取前額區(qū)(FP)、 側(cè)額區(qū)(IF)、 額(F)、 顳區(qū)(T)、 中央?yún)^(qū)(C)、 后顳區(qū)(PT)、 頂區(qū)(P)以及枕區(qū)(O)電極進(jìn)行， 對(duì)應(yīng)的電極如表 1 所示. 腦電極放置采用國際腦電圖學(xué)會(huì)標(biāo)定的10～20電極導(dǎo)聯(lián)定位標(biāo)準(zhǔn)， 以乳突電極M1和M2為參考電極， 如圖 2 所示. 利用腦電信號(hào)采集軟件采集志愿者的腦電信號(hào)， 采樣頻率(A/D)為1 000 Hz， 放大倍數(shù)(增益， Gain)為1 000， 濾波帶通為0.05～100 Hz， 以AC模式連續(xù)采集， 并在數(shù)據(jù)采集時(shí)同步去除50 Hz陷波干擾. 將腦電帽與放大器連接好后， 在每個(gè)電極孔內(nèi)注射導(dǎo)電膏， 未注射導(dǎo)電膏時(shí)， 軟件界面中電極顯示為紅色(即電阻大于100 kΩ)， 在向電極注入導(dǎo)電膏的過程中， 電極顏色逐漸變?yōu)辄S綠色并最終變?yōu)榫G色. 當(dāng)頭皮電阻為10 kΩ以下時(shí)， 即滿足實(shí)驗(yàn)要求.

表 1 10～20電極導(dǎo)聯(lián)系統(tǒng)電極名稱匹配表

圖 2 腦電采集電極安放采用國際10～20系統(tǒng)示意圖Fig.2 An international 10～20 system diagram of electroencephalogram acquisition electrode placement

2 信號(hào)分析方法

2.1 腦電數(shù)據(jù)預(yù)處理

對(duì)采集到的腦電數(shù)據(jù)使用MATLAB， EEGLAB軟件進(jìn)行數(shù)據(jù)預(yù)處理. 對(duì)每名受試者選取其第30～90 s(含睜眼、 閉眼)靜息態(tài)腦電圖數(shù)據(jù)， 以EEGLAB分析軟件進(jìn)行去除眼電、 肌電、 心電等偽跡， 然后進(jìn)行獨(dú)立成分分析， 并以有限沖擊響應(yīng)(FIR)濾波器進(jìn)行濾波. 經(jīng)預(yù)處理后的腦電數(shù)據(jù)進(jìn)入小波包熵分析.

EEG信號(hào)的主要頻率范圍分布在0.5～30 Hz， 而肌電的頻率往往在100 Hz以上. 因此， 通過直接濾除100 Hz以上的頻率成分就可以去除肌電偽跡， 并且對(duì)EEG信號(hào)基本不造成影響. 在信號(hào)采集過程中， 由電極移動(dòng)引起的慢電壓漂移、 出汗引起的緩慢波動(dòng)等都會(huì)對(duì)EEG信號(hào)的基線電壓造成干擾， 因此， 可直接濾除0.5 Hz以下的頻率成分以去除緩慢電壓漂移產(chǎn)生的偽跡. 其次， 對(duì)于50 Hz工頻干擾也可直接濾除. 綜上， 采用IIR濾波器0.5～35 Hz(48 dB/oct)帶通濾波和50 Hz陷波去除肌電、 緩慢電壓漂移現(xiàn)象偽跡和工頻干擾. 除此之外， 眼電偽跡是最主要的噪聲， 采用ICA法去除眼電偽跡， 圖 3 顯示了去除眼電偽跡前后的腦電信號(hào)對(duì)比圖， 可見使用ICA法可有效除去眼電偽跡， 為后續(xù)分析提供較好的基礎(chǔ).

圖 3 去除眼電偽跡前后對(duì)比圖Fig.3 Contrast map before and after removal of eye electrical artifacts

2.2 小波包熵分析

小波包變換是分析非平穩(wěn)過程的有效方法. 它提供了更詳細(xì)的信號(hào)分解. 根據(jù)分析信號(hào)的特點(diǎn)， 自適應(yīng)地選擇相應(yīng)的頻帶來匹配信號(hào)頻譜， 從而提高時(shí)頻分辨率.

ψj,k(t),

(1)

ψj,k(t).

(2)

小波包節(jié)點(diǎn)能量可以表征腦電信號(hào)的能量， 將小波包節(jié)點(diǎn)能量El定義為

(3)

腦電信號(hào)總能量為腦電信號(hào)不同頻帶小波包分量之和， 即

(4)

與腦電信號(hào)相關(guān)的小波包能量分布為

(5)

式(5)反映了不同頻帶中小波包能量分布情況.

Shannon信息熵可以測(cè)量包含在各種概率分布中的信息， 主要用于檢測(cè)序列的未知程度， 可以用來估計(jì)隨機(jī)信號(hào)的復(fù)雜度[9]. 將小波包分解系數(shù)能量分布與信息熵結(jié)合起來即可得到小波包熵[13]

WEP=-∑Plln[Pl].

(6)

利用小波包將信號(hào)精細(xì)地分解到各個(gè)頻段， 通過對(duì)睡眠剝奪腦電信號(hào)進(jìn)行7層小波包分解， 可將信號(hào)劃分成128個(gè)頻段， 由于實(shí)驗(yàn)中EEG數(shù)據(jù)采樣頻率為1 024 Hz， 故信號(hào)的頻率范圍為0～512 Hz[10]. 7層小波包分解各個(gè)節(jié)點(diǎn)對(duì)應(yīng)頻帶范圍如表 2 所示. 由表 2 可知：θ節(jié)律對(duì)應(yīng)的頻段為(7,1)節(jié)點(diǎn)，α1波段對(duì)應(yīng)的頻段為(7,2)節(jié)點(diǎn).

表 2 分解信號(hào)不同頻段對(duì)應(yīng)值

2.3 統(tǒng)計(jì)學(xué)分析

以SPSS18.0軟件包對(duì)睡眠剝奪前后腦電圖小波包熵?cái)?shù)據(jù)進(jìn)行統(tǒng)計(jì)分析. 統(tǒng)計(jì)方法選用重復(fù)測(cè)量的方差分析.

3 睡眠剝奪對(duì)靜息態(tài)腦電α1波段及θ波段小波包熵的影響

選取F3， FZ， F4， C3， CZ， C4， P3， PZ， P4導(dǎo)聯(lián)數(shù)據(jù)進(jìn)行睡眠剝奪前后α1波段小波包熵對(duì)比分析， 發(fā)現(xiàn)與睡眠剝奪前相比， 睡眠剝奪后個(gè)體的閉眼α1波段小波包熵明顯下降(F(1,34)=7.473，P=0.010)， 睜眼α1波段振蕩強(qiáng)度無明顯變化(F(1，34)=0.026，P=0.872). 結(jié)果如圖 4， 圖 5 所示.

圖 4 睡眠剝奪前后閉眼α1波段小波包熵結(jié)果比較Fig.4 Comparison of the α1 band wavelet packet entropy of closed eyes before and after sleep deprivation

圖 5 睡眠剝奪前后睜眼α1波段小波包熵結(jié)果比較Fig.5 Comparison of the α1 band wavelet packet entropy of closed eyes before and after sleep deprivation

選取F3, FZ, F4, C3, CZ, C4, P3, PZ, P4導(dǎo)聯(lián)數(shù)據(jù)進(jìn)行睡眠剝奪前后θ波段小波包熵對(duì)比分析， 與高頻波段變化不同， 低頻波段成分如θ波段小波包熵在睜眼時(shí)顯著上升(F(1,34)=4.673，P=0.038)， 閉眼時(shí)無明顯變化(F(1,34)=0.276，P=0.603). 結(jié)果如圖 6, 圖 7 所示.

圖 7 睡眠剝奪前后睜眼θ波段小波包熵結(jié)果比較Fig.7 Comparison of the θ band wavelet packet entropy of opened eyes before and after sleep deprivation

在睡眠缺失的條件下， 機(jī)體需要維持正常的覺醒功能. 目前的研究表明， 正常覺醒功能的維持與大腦的默認(rèn)網(wǎng)絡(luò)有關(guān)[11]. 功能磁共振成像研究表明， 完全睡眠剝奪后個(gè)體的默認(rèn)網(wǎng)絡(luò)內(nèi)部， 以及默認(rèn)網(wǎng)絡(luò)同執(zhí)行控制功能網(wǎng)絡(luò)之間的功能接連下降[12]. 本研究通過對(duì)腦電不同波段能量譜的變化分析， 發(fā)現(xiàn)睡眠剝奪后腦電圖網(wǎng)絡(luò)也存在能量譜變化現(xiàn)象. 睡眠剝奪后同睡眠剝奪前相比， 其腦電圖強(qiáng)度譜出現(xiàn)了明顯偏移. 睡眠剝奪后大腦默認(rèn)網(wǎng)絡(luò)的功能變化， 可能是導(dǎo)致腦電圖出現(xiàn)慢波能量增加的重要原因.

睡眠的能量轉(zhuǎn)移理論認(rèn)為， 在個(gè)體急性長期處于睡眠缺失的條件下， 機(jī)體內(nèi)部會(huì)發(fā)生能量轉(zhuǎn)移[13]. 這種能量轉(zhuǎn)移與機(jī)體不斷增加的睡眠壓力有關(guān). 隨著睡眠剝奪時(shí)間的延長， 睡眠壓力不斷增加[14]. 此時(shí)對(duì)于睡眠的需求也在不斷增加. 疲勞程度的增加使得大腦的受抑制程度增加， 大腦腦電能量譜向慢波方向偏移， 也可能是不斷睡眠壓力或睡眠需求的體現(xiàn).

通過對(duì)比睜眼和閉眼條件下腦電波能量譜的變化發(fā)現(xiàn)， 睜眼和閉眼條件對(duì)于腦電能量變化特征具有明顯的影響. 對(duì)于α1波段在閉眼時(shí)振蕩強(qiáng)度明顯下降， 而對(duì)于θ波段睜眼條件影響比較明顯. 提示在睡眠剝奪后睜眼和閉眼條件對(duì)于腦電波小波包熵這一指標(biāo)影響較大， 在進(jìn)行靜息態(tài)腦電分析時(shí)必需考慮睜眼和閉眼這一條件因素.

4 結(jié) 論

睡眠剝奪后個(gè)體閉眼α1波段小波包熵明顯下降， 睜眼θ波段小波包熵明顯增高， 是睡眠壓力不斷增加條件下腦電圖變化的重要特征. 本研究僅從腦電波能量譜的變化進(jìn)行了分析， 進(jìn)一步的研究還應(yīng)該關(guān)注大腦不同腦電網(wǎng)絡(luò)以及有效連接的變化規(guī)律， 為深入了解睡眠缺失影響機(jī)體生理心理功能提供佐證.

參考文獻(xiàn)：

[1] 李寧, 汪曣, 劉錫禹, 等. 睡眠剝奪對(duì)認(rèn)知功能影響的研究進(jìn)展[J]. 生物醫(yī)學(xué)工程學(xué)雜志, 2008, 25(5)： 1197-1200.

Li Ning, Wang Yan, Liu Xiyu, et al. Research on effect of sleep deprivation on cognitive brain function[J]. Journal of Biomedical Engineering, 2008, 25(5)： 1197-1200. (in Chinese)

[2] 王富貴, 邵永聰, 齊建林, 等. 睡眠剝奪對(duì)青年男性執(zhí)行功能的影響[J]. 中國心理衛(wèi)生雜志, 2010, 24(7)： 541-545.

Wang Fugui, Shao Yongcong, Qi Jianlin, et al. Effects of total sleep deprivation on executive function in young men[J]. Chinese Mental Health Journal, 2010, 24(7)： 541-545. (in Chinese)

[3] 李晨, 劉康, 陳濤. 急性睡眠剝奪時(shí)程對(duì)青年男性軍人腦認(rèn)知功能的影響[J]. 中國健康心理學(xué)雜志, 2017, 25(2)： 195-199.

Li Chen, Liu kang, Chen Tao. Effects of acute sleep deprivation on male military soldiers cognitive funtion[J]. Chinese Health Psychology Journal, 2017, 25(2)： 195-199. (in Chinese)

[4] 王春華, 王淑清, 劉影. 睡眠剝奪對(duì)護(hù)士情緒的影響[J]. 護(hù)理研究, 2006, 20(29)： 2658-2659.

Wang Chunhua, Wang Shuqing, Liu Ying. Influence of sleep deprivation on nurses’ mood[J]. Chinese Nursing Research, 2006, 20(29)： 2658-2659. (in Chinese)

[5] 路英智, 宗文斌, 任清濤,等. 慢性疲勞綜合征的睡眠腦電圖研究[J]. 神經(jīng)病學(xué)與神經(jīng)康復(fù)學(xué)雜志, 2009, 6(1)： 44-46.

Lu Yingzhi, Zong Wenbin, Ren Qingtao, et al. Study of whole night polysomnography in patients with chronic fatigue syndrome[J]. Journal of Neurology and Neurorehabilitation, 2009, 6(1)： 44-46. (in Chinese)

[6] 王明時(shí), 劉瑾, 諸強(qiáng),等. 睡眠剝奪對(duì)腦認(rèn)知和腦電復(fù)雜性的影響[J]. 天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版), 2005, 38(4)： 343-346.

Wng Mingshi, Liu Jin, Zhu Qiang, et al. Effects of sleep deprivation on brain cognition and EEG complexity[J]. Journal of Tianjin University, 2005, 38(4)： 343-346. (in Chinese)

[7] 肖余糧, 和衛(wèi)星, 陳曉平, 等. 小波變換和小波熵在睡眠腦電信號(hào)變化特性研究中的應(yīng)用價(jià)值[J]. 中國組織工程研究, 2006, 10(25)： 118-120.

Xiao Yuliang, He Weixing, Chen Xiaoping, et al. Application of wavelet transform and wavelet entropy in the characteristic study of sleep electroencephalogram signal change[J]. Chinese Journal of Clinical Rehabilitation, 2006, 10(25)： 118-120. (in Chinese)

[8] 秦兵. 美國臨床腦電圖學(xué)指南(5)標(biāo)準(zhǔn)電極位置命名指南[J]. 癲癎與神經(jīng)電生理學(xué)雜志, 2011, 20(6)： 377-378.

Qin Bing. American Clinical Neurophysiology Society (5) standard electrode position naming Guide[J]. Journal of Epileptology and Electroneurophysiology, 2011, 20(6)： 377-378. (in Chinese)

[9] 童玲, 陳光, 呂文. 測(cè)量數(shù)據(jù)的信息熵與測(cè)量誤差熵研究[J]. 電子科技大學(xué)學(xué)報(bào), 2007, 36(5)： 935-937.

Tong Ling, Chen Guang, Lv Wen. Information Entropy and Error Entropy of Measurement Data[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(5)： 935-937. (in Chinese)

[10] 王艷景, 喬曉艷, 李鵬,等. 基于小波包熵和支持向量機(jī)的運(yùn)動(dòng)想象任務(wù)分類研究[J]. 儀器儀表學(xué)報(bào), 2010, 31(12)： 2729-2735.

Wang Yanjing, Qiao Xiaoyan, Li Peng, et al. Classification of motor imagery task based on wavelet packet entropy and support vector machines[J]. Chinese Journal of Scietific Instrument, 2010, 31(12)： 2729-2735. (in Chinese)

[11] De Havas J A, Parimal S, Soon C S, et al. Sleep deprivation reduces default mode network connectivity and anti-correlation during rest and task performance.[J]. Neuroimage, 2012, 59(2)： 1745-1751.

[12] S?mann P G, Tully C, Spoormaker V I, et al. Increased sleep pressure reduces resting state functional connectivity[J]. Magnetic Resonance Materials in Physics Biology & Medicine, 2010, 23(5-6)： 375-389.

[13] Schmidt M H. The energy allocation function of sleep： a unifying theory of sleep, torpor, and continuous wakefulness [J]. Neuroscience &Biobehavioral Reviews, 2014, 47： 122-153.

[14] Maric A, Lustenberger C, Werth E, et al. Intraindividual Increase of Homeostatic Sleep Pressure Across Acute and Chronic Sleep Loss： A High-Density EEG Study.[J]. Sleep, 2017, 40(9).