癲癇腦電漣波的小波方差預測方法

陳昭陽，楊德智，馬薇，胡亞婷，石艷麗，趙實，劉獻增

1.國家知識產權局 專利審查協作中心，北京 100083；2.北京大學人民醫院 神經內科，北京 100044

CHEN Zhao-yang1,YANG De-zhi1, MA Wei1,HU Ya-ting1, SHI Yan-li1,ZHAO Shi1, LIU Xian-zeng2

1.Patent Examination Cooperation Center, State Intellectual Property Office,Beijing 100083, China; 2.Department of Neurology, People’s Hospital of Peking University, Beijing 100044, China

癲癇（Epilepsy）是一種常見的神經系統疾患，癲癇發作是癲癇的表征，表現為大腦神經元興奮性增高以及過度同步化放電，并導致短暫性神經系統功能失常，其發作具有不可預知的突然性。因此，準確預測癲癇發作，為患者贏取保護措施或治療的時間具有重要意義[1-2]。

關于癲癇的研究有很多報道，腦電圖分析方法是最重要也是最基本的研究方法[3-4]。區別于傳統腦電成分（60Hz以下），如尖波、棘波的研究，癲癇發作前后和間期出現的中間頻率的振蕩信號（80～500Hz）的漣波和快速漣波，近幾年來日益受到研究人員的重視。漣波和快速漣波是產生癲癇發作區域的病理神經元超同步的結果，對癲癇發作源有指示效應[5]。癲癇發作的預測方法主要集中低頻和高頻成分，將其總能量作為癲癇發作的預測指標[6]。本文采用小波包分析提取癲癇發作前的 波、 波、漣波和快速漣波，通過計算其小波方差，獲得腦電波的平均能量變化趨勢，不僅能更好地解釋了癲癇疾病潛伏的動力學機制，而且能更準確的預測癲癇發作，為預測、診斷、和控制癲癇探索了新的方法。

1 材料與方法

選用清潔級SD（Sprague Dawley）癲癇大鼠8只（人民醫院動物房提供，由人民醫院劉獻增醫生建立癲癇模型），8～9周齡，體重150～200g。腹腔注射10%水合氯醛（400mg/kg），麻醉滿意后置于立體定向架上，門齒固定器和雙耳骨窩三點固定。備皮，消毒，沿中線切開頭皮暴露頭骨，止血，用雙氧水去除骨膜。用立體定向架定位雙側齒狀回和雙側內鼻皮質，在頭骨相應位置鉆孔并插入深部測量電極，取額區皮層作為參考電極，取枕區皮層作為地電極，用牙科水泥（自凝牙托粉和牙托水混合調制而成）將各電極固定。最后，給大鼠腹腔注射青霉素1mL（80萬單位粉狀青霉素用5mL生理鹽水溶解），以防止大鼠術后感染。

大鼠立體定向手術約1周后恢復正常，采用氯化鋰-匹羅卡品聯合腹腔注射建立急性致病大鼠顳葉癲癇模型。誘發前16h注射氯化鋰（127mg/kg），誘發前30min注射阿托品（atropine，1mg/kg），誘發時開始給藥匹羅卡品（30mg/kg）。給藥后約20min出現點頭、跌到等癲癇行為表征，行為表征達到5級發作1h后注射安定（diazepam，20mg/kg）抑制發作，再過10min后再次注射安定（diazepam，10mg/kg）抑制發作，防止動物發作過激死亡。

建立大鼠癲癇模型后，采用Axon腦電儀記錄各大鼠癲癇模型發作前1h到發作后2h的4導深部腦電信號（兩側齒狀回和兩側內鼻皮質）。采樣頻率為1000Hz，大鼠癲癇信號測試系統，見圖1。

圖1 大鼠癲癇信號測試系統圖

2 結果與分析

獲得的大鼠癲癇發作原始腦電圖，見圖2。選用db5小波對原始信號的第4通道進行小波包變換，提取其中的

波（0.5～3Hz）、 波（4～7Hz）、 漣波（80～200Hz）和快速漣波（200～500Hz）的各個頻段。

圖2 大鼠癲癇發作原始腦電圖

由Parsevals定理可知，正交小波基下的小波變換具有能量守恒的性質。定義某個尺度m下的小波能量為：

則尺度m下的小波方差為：

對隨機信號進行小波包分析，使其經正交小波變換分解為不同尺度下的各個分量。各尺度的小波方差形成尺度域的能譜，是基于尺度的方差分析，可以描述單一尺度下的信號特征，也可以弱化低頻噪聲。

對所獲取的各尺度信號分解后進行小波方差分析，截取癲癇發作前和發作開始階段的小波方差，見圖3～6。

圖3 波的小波方差圖

圖4 的小波方差圖

圖5 漣波的小波方差圖

圖6 快速漣波的小波方差圖

由此8例動物實驗的處理結果可得出，大鼠癲癇腦電的小波方差可以作為癲癇發作的特征量去表征癲癇發作的能量變化，是處理非平穩腦電信號的特征提取的有效手段，漣波的小波方差可以作為預測癲癇發作的預測方法。

3 討論與展望

本研究結果顯示：作為癲癇發作能量平均變化的特征量，小波方差的變化與癲癇發作的狀態十分吻合，對癲癇發作有指示性作用。癲癇發作時， 波、 波、漣波和快速漣波的小波方差都明顯增加，變化規律基本相同。其中，漣波和快速漣波與 波和 波相比較，頻率更高，幅值相對小，能量低； 波和 波等低頻波的累積能量過大，受噪聲影響嚴重，不利于癲癇的預測，而漣波和快速漣波對噪聲不敏感，能清楚的指示癲癇發作的改變點，用于癲癇發作的預測。

過去很少研究癲癇發作中的較高頻率的腦電波，主要是因是：

（1）腦電儀的采樣頻率低，頻帶過窄，有的甚至低于30Hz，以至于不能滿足采樣定理的最低頻率，不能有效采集高頻腦電信號。隨著數字電子技術的進步，10kHz采樣的高頻腦電描記系統得以發展，使得對腦電高頻波的研究有了新的突破。

（2）常規腦電為頭皮腦電記錄，由于顱骨和皮膚對高頻的濾波作用，使得頭皮腦電的高頻成分信息不完整。近年來，在腦電描記系統和醫學技術的共同發展基礎上，較高頻的漣波和快速漣波才開始被認識和研究[7]。

有研究表明，漣波也可以在正常大鼠的腦電圖上被記錄到，而快速漣波通常只出現在癲癇患者或癲癇大鼠的海馬結構和內嗅皮質上，且與產生自發放電的區域有關。因此，快速漣波被認為是更具有與癲癇發作相關的特征量[8]。基于對癲癇發作元的指示效應，快速漣波還可以應用于外科手術切除病灶定位，還可以為預測癲癇、癲癇分類以及抗癲癇藥物的篩選提供更經濟有效的方法。

目前，國、內外關于漣波和快速漣波的研究報道比較少，國外的研究主要集中在規律的統計和產生機制的探討上。本實驗用小波方差對漣波和快速漣波進行了分析，通過其平均能量的變化來指示和預測癲癇發作。實驗分析方法簡單，結果明顯、有效，與實際情況和相關報道相符合，后期還需要繼續對研究結果進行驗證，發掘其在癲癇的實際臨床診斷和治療上的應用前景。

[1]I.Omerhodzic.S.Avdakovic.Energy Distribution of EEG Signals:EEG Signal Wavelet-Neural Network Classifier[J].International Journal of Biological and Life Sciences,2010,6(4): 210-215.

[2]Ahmad Mirzaei.EEG Analysis Based on Wavelet-Spectral Entropy for Epileptic Seizures Detection[A].3rd International Conference on Biomedical Engineering and Informatics[C].Yantai: 2010:878-882.

[3]Suparerk Janjarasjitt,Kenneth A,Loparo.Wavelet-Based Fractal Analysis of the Epileptic EEG Signal[A].International Symposium on Intelligent Signal Processing and Communication Systems[C].Kanazawa:2009:127-130.

[4]Suparerk J.Classification of the Epileptic EEGs Using the Wavelet-Based Scale Variance Feature[J].INTERNATIONAL JOURNAL OF APPLIED BIOMEDICAL ENGINEERING,2010,3(1):19-25.

[5]劉獻增,劉揚.漣波振動與大鼠顳葉癲癇發作關系的研究[J].中華老年心腦血管病雜志,2007,9(8):556-558.

[6]N.Kannathal, Min Lim Choo.Entropies for detection of epilepsy in EEG[J].Computer Methods and Programs in Biomedicine,2005,80(3):187-194.

[7]Wendling F,Bartolomei F.Epileptic fast intracerebral EEG activity: evidence for spatial decorrelation at seizure onset[J].Brain, 2003,126(6):1449-1459.

[8]J.D.Jirsch,E.Urrestarazu.High-frequency oscillations during human focal seizures[J].Brain,2006,129(6):1593-1608.

[9]胡俊峰,唐彩銀,鞏萍.基于小波變換的CT/SPECT圖像融合最佳層數選取[J].中國醫療設備,2009,24(3):10-12.