基于排序熵的阿爾茲海默癥特征提取與分析.pdf

1、阿爾茲海默癥(Alzheimer's disease，AD)是一種神經(jīng)系統(tǒng)退行性疾病，起病隱匿，進(jìn)程緩慢但不可逆，其臨床診斷非常困難，利用腦電圖(EEG)對(duì)AD進(jìn)行早期診斷和評(píng)估已成為當(dāng)前的研究熱點(diǎn)。本文利用加權(quán)排序熵(WPE)和多變量多尺度加權(quán)排序熵(MMSWPE)來(lái)量化AD的腦電信號(hào)復(fù)雜度，并實(shí)現(xiàn)AD腦電分析與評(píng)估系統(tǒng)。
　　為了更準(zhǔn)確地量化AD病人有噪聲干擾的腦電信號(hào)復(fù)雜度，利用WPE分析了14例重度AD病人及14例同齡健康

2、正常人的16導(dǎo)腦電數(shù)據(jù)。通過(guò)神經(jīng)元集群模型產(chǎn)生的仿真數(shù)據(jù)和腦電數(shù)據(jù)，證實(shí)了WPE相較排序熵(PE)的優(yōu)勢(shì)。模型仿真結(jié)果表明WPE對(duì)噪聲更敏感。腦電分析結(jié)果表明:盡管與正常人相比，AD病人的腦電信號(hào)的平均PE值和平均WPE值在各個(gè)腦電子頻帶均有下降，特別是在θ頻帶，但是WPE能夠在各個(gè)頻帶發(fā)現(xiàn)更多復(fù)雜度顯著性降低的導(dǎo)聯(lián)。
　　為了更準(zhǔn)確地量化AD病人多導(dǎo)的腦電信號(hào)復(fù)雜度，提出了MMSWPE算法。通過(guò)洛倫茲系統(tǒng)模型及有色噪聲驗(yàn)證了該方

3、法的有效性。腦電數(shù)據(jù)分析結(jié)果表明:與正常人相比，病人在θ和α頻帶的顳葉區(qū)、頂枕區(qū)，以及θ、α和β頻帶的右前額到左頂枕區(qū)域的復(fù)雜度顯著性降低，上述結(jié)果反映了AD病人的腦功能失常。
　　AD的腦電分析與評(píng)估系統(tǒng)基于MATLAB GUI平臺(tái)設(shè)計(jì)并實(shí)現(xiàn)，能夠?qū)崿F(xiàn)腦電數(shù)據(jù)的導(dǎo)入、圖像顯示、數(shù)據(jù)分析和文件存儲(chǔ)等功能。其中，數(shù)據(jù)分析包含濾波等預(yù)處理功能，PE等復(fù)雜度分析功能，及可視圖等復(fù)雜網(wǎng)絡(luò)功能。該系統(tǒng)的實(shí)現(xiàn)為解決國(guó)內(nèi)缺乏針對(duì)于輔助評(píng)估AD等