摘 要： 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力學(xué)方法對腦磁信號特征進行提取,。該方法首先用ICA對靜息態(tài)MEG數(shù)據(jù)進行預(yù)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(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),。
關(guān)鍵詞： 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的不協(xié)調(diào),。隨著科技的發(fā)展，人們逐漸認識到靜息狀態(tài)[2]下與人腦認知,、意識和情緒相關(guān)的alpha波形與精神分裂癥的認知異常有緊密的關(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(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核心實驗室用VSM MedTech Ltd公司的一套產(chǎn)自加拿大的CTF-275 SQUID設(shè)備得到的,。本實驗選取精神分裂癥病例8名,，正常人8名，數(shù)據(jù)記錄了273個有效通道,，時長為4 min,，采樣頻率為600 Hz。
2 方法描述
2.1 個體化α峰頻IAF
KLIMESCH W等人[3]將5~14 Hz范圍內(nèi)最高波幅所對應(yīng)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(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?zāi)Ｊ椒纸釫MD
經(jīng)驗?zāi)Ｊ椒纸鈁4]（Empirical Mode Decomposition,，EMD）是一種時頻數(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：
?。?）對于一個由N點組成的原始信號x（1），x（2）…x（N）,。
?。?）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
?。?）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，即：
d[Xm（i）,，Xm（j）]=max[|x（i+k）-x（j+k）|],，0≤k≤m-1，i≠j,，i≥1,，j≤N-m。
?。?）給定閾值r=0.2 std,，對每一個i值統(tǒng)計d[Xm（i），Xm（j）]小于r的數(shù)目,，并計算該數(shù)目與距離總數(shù)的比值,，用Blm（r）表示，即：
（5）求其對于所有的i的平均值,，用Bm（r）表示：
?。?）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Aim（r）與Am（r）表示。
?。?）定義樣本熵為：
?。?）當(dāng)N為有限值時，式（1）表示為：
SampEn（m,，r,，N）=-ln[Am（r）/Bm（r）](2)
3 過程描述
3.1 預(yù)處理過程
本實驗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個有用信道（降低采樣率為150 Hz）,。利用盲源信號分離技術(shù)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8.92 Hz左右,，患者組IAF則在9.14 Hz左右，如表1所示,。
3.3 特征提取過程
將前期處理的MEG數(shù)據(jù)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(shù)據(jù)兩端奇化帶來的影響,，計算樣本熵時采用了較為穩(wěn)定的50~100 s的數(shù)據(jù)。
4 結(jié)果分析
4.1 腦區(qū)間結(jié)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(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）。
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(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(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。
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,。
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(jié)果是否具有普遍性尚需進一步驗證,。今后擬繼續(xù)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,。
參考文獻
[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 to the analysis of EEG 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（自然科學(xué)版）,，2007,，34（6）：939-943.