基于IAF的alpha波段靜息態腦磁信號特征提取*

趙建英，黃曉霞（上海海事大學　信息工程學院，上海　201306）

基于IAF的alpha波段靜息態腦磁信號特征提取*

趙建英，黃曉霞
（上海海事大學信息工程學院，上海201306）

針對精神分裂患者靜息態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力學方法對腦磁信號特征進行提取。該方法首先用ICA對靜息態MEG數據進行預處理；繼而基于IAF進行波段提取，得到快α、慢α1和慢α2波段；然后分別由EMD和樣本熵進行處理。結果表明，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。

MEG；IAF；EMD；樣本熵；精神分裂癥；靜息態

0　引言

精神分裂癥［1］臨床上往往表現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的不協調。隨著科技的發展，人們逐漸認識到靜息狀態［2］下與人腦認知、意識和情緒相關的alpha波形與精神分裂癥的認知異常有緊密的關系。由于頻域范圍和能量譜可能存在較大的個體差異，因此，采用個體化頻譜分布方法——個體化α峰頻（Individual Alpha Frequency，IAF）［3］對alpha波段（慢α1、慢α2、快α亞頻）進行研究，可以弱化個體差異。

1　數據描述

靜息態MEG數據是來自美國國立精神健康MEG核心實驗室用VSM MedTech Ltd公司的一套產自加拿大的CTF-275 SQUID設備得到的。本實驗選取精神分裂癥病例8名，正常人8名，數據記錄了273個有效通道，時長為4min，采樣頻率為600Hz。

2　方法描述

2.1個體化α峰頻IAF

KLIMESCH W等人［3］將5～14Hz范圍內最高波幅所對應的頻率定義為個體化α峰頻，由此將α頻段分為慢α1（IAF×0.6～IAF×0.8）、慢α2（IAF×0.8～IAF）、快α（IAF～IAF×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知領域，其異常在靜息態或任務態均有體現。

2.2經驗模式分解EMD

經驗模式分解［4］（Empirical Mode Decomposition，EMD）是一種時頻數據分析方法，通常適用于非線性和非穩定性信號的處理，其主要思想是從復雜信號中分離出有限個本征模態函數（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］是時間序列復雜度的一種度量，在分析生物信號序列的復雜度分析中已經獲得成功應用。樣本熵具體算法步驟如下：

（1）對于一個由N點組成的原始信號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）］為兩者對應元素中差值最大的一個，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i值統計d［Xm（i），Xm（j）］小于r的數目，并計算該數目與距離總數的比值，用（r）表示，即：

（5）求其對于所有的i的平均值，用Bm（r）表示：

（6）將維數加1，即組成m+1維矢量，重復步驟（1）～（5），并分別用（r）與Am（r）表示。

（7）定義樣本熵為：

（8）當N為有限值時，式（1）表示為：

3　過程描述

3.1預處理過程

本實驗MEG數據記錄的是受試者靜息態腦磁信息，經過fieldtrip去趨勢預處理得到273個有用信道（降低采樣率為150Hz）。利用盲源信號分離技術消噪［6］，將16個樣本（8名患者，8名正常人）的腦磁信號進行ICA［7］去噪處理，剔除噪聲成分（心電、眼動等），獲得相對純凈的信號。

3.2個體化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數據進行EMD分解，得到各個樣本中各個信道的IMF分量，通過對IMF分量進行譜分析，其中前8個IMF分量集中了腦磁信號的主要能量。本研究將前8個IMF分量求和，計算樣本熵。為避免數據兩端奇化帶來的影響，計算樣本熵時采用了較為穩定的50～100s的數據。

4　結果分析

4.1腦區間結果

實驗將觀測的273個有效通道劃分為1.MLC、2.MLF、3.MLO、4.MLP、5.MLT、6.MRC、7.MRF、8.MRO、9.MRP、10.MRT、11.MZ，共11個腦區（MZ是中間豎線腦區通道），如圖1所示，其中L為左，R為右，F為額葉，C為中央區，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樣本熵箱型圖，其中橫軸為腦區，縱軸為熵值，深色是正常人，淺色是病人，對各樣本腦區樣本熵分別做了算術平均。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，患者組的樣本熵遠遠高于正常組，這和前額葉作為情感與認知功能的高級中樞，被認為在精神分裂的發病中扮演重要角色相符。

4.2本地通道特征結果

圖5～圖7是本地273個有效通道正常組和患病組腦磁信號樣本熵拓撲圖。圖中的具體數值為腦磁信號樣本熵復雜度值，圖的顏色由深色到淺色逐漸增大。可以看出病人組大部分腦區復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。發現慢α1在MLF、MLO等腦區，快α在MLF、MLO、MLT等腦區，慢α2在MLF、MRC腦區，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　結論

本文研究結果表明，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、顳葉區的信號復雜度差異，可能為精神分裂的臨床診斷提供一定的參考。因為患病程度、疾病亞型等都可能影響到腦磁頻譜分布，所以結果是否具有普遍性尚需進一步驗證。今后擬繼續擴大樣本量，研究α各亞頻在精神分裂中的更為詳細的作用。

［1］李蘭蘭.基于多導聯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，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.結合PCA和ICA的腦磁信號消噪研究［J］.西安電子科技大學學報（自然科學版），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Z1

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

FPC首席執行官Jorgen Lantto表示：“ZUK是中國著名的智能手機制造商，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Z1。FPC1155支持360度手指旋轉功能、快速響應和業內領先的3D圖像質量。”

（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波段靜息態腦磁信號特征提取［J］.微型機與應用，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接口技術、港航與物流信息管理、智能信息處理。

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