基于静息态脑电的脑卒中患者大脑异常活动研究

发布时间：2020-04-17 00:52

【摘要】：脑卒中,又称脑中风,属于神经系统疾病,以其发病急,致死率高著称,为了研究卒中患者的大脑异常活动,本文基于静息态脑电对脑卒中患者和正常人的大脑活动差异进行多角度的研究和分析,主要研究方法包括功率谱分析,源定位分析以及脑网络分析等。实验共采集41位被试的脑电信号EEG,其中包括了正常被试18例,以及脑卒中患者23例,MRI数据显示患者病灶均位于大脑左侧。采集所得的EEG进行滤波,去除伪迹等预处理步骤后,被用于后续数据处理和分析。数据处理和分析主要包含以下三个部分:一,功率谱分析,利用小波变换对患者和正常被试的EEG进行初步的对比分析,通过统计t检验,多重检验校正,lasso回归以及支持向量机SVM(Support Vector Machine)的一系列筛选特征的方法,筛选出在功率谱上具有显著性差异的特征。该实验分析得到左侧梗死的患者具有功率谱上具有显著的不对称性,且左侧功率显著高于右侧,以及在与视觉相关的枕区以及与运动相关的中央区域均具有功率谱上的显著性差异。二,导联空间脑网络分析,采用相位同步性分析的一种方法PLV(Phase locked-value),构建出具有小世界属性的脑功能网络并计算其网络特性作为特征,将卒中患者以及正常被试进行对比分析,通过上述筛选特征方法,筛选出具有显著性差异的网络特性,并利用这些特征获得了高准确率的分类模型,可用于鉴别左侧卒中患者。三,源定位以及源空间脑功能网络分析。在源定位分析中,根据脑电信号,反演估计脑内神经活动源的位置,将源位置根据大脑brodmann分区且区分左右,共划分到77个功能分区,通过统计检验以及多重检验校正,获得具有显著性差异的区域,主要位于与视觉功能相关的左侧枕区以及与运动功能相关的中央区域。源空间脑网络是利用源定位的数据,采用功率包络相关系数的方法,选取多个阈值构建的权重化网络。分析中提出用于量化brodmann分区各个区域内部和区域之间的关系的参数作为特征,通过统计t检验以及多重检验校正,得到具有显著性差异的特征。这些特征主要描述的是负责视觉区域的分区以及负责记忆的边缘系统分区之间的相互关系,均位于大脑左侧枕叶,小部分是负责体感功能的中央区域之间的相互关系,与源定位分析和功率谱分析结果相互印证。本文基于EEG对脑卒中患者和正常人的大脑活动差异的研究从上述三个方面展开,并得到了多个具有高准确率的分类模型以及多个能反映卒中大脑异常活动的特征。其中部分特征具有较强的可解释性,从而对卒中患者大脑功能活动变化具有一定的理解,对临床上卒中患者的诊断和评估具有一定的参考意义。
【图文】：

功能分区,大脑,运动前区,皮质脊髓束

第一章绪论Brodmann 所提出，后被广泛应用于医学领域。不同分区对应的组织结构以及功能都不相一致。其主要分区与功能如下：（1）躯体运动区：包括第一躯体运动皮质，Brodmann4 区，运动前区 Brodmann6区，以及头眼运动区，Brodmann8 区。第一躯体运动皮质区中锥体细胞较多。该区构成皮质脊髓束的 30%，对侧支配头和身体的运动。运动前区则占据皮质脊髓束的 28%,控

脑电,实验环境,设备,病人

华南理工大学硕士论文第二章 EEG 信号采集和预处理2.1 脑电数据的采集数据是由深圳市人民医院提供设备支持，我们团队进行实验所得。EEG 数据是经由64 导 EasyCap 电极帽，，和 5kHz 的采样率的 BrainAmp 放大器所采集得的。实验设备为如图 2-1 所示。为了在数据采集过程中降低信号噪声干扰，患者需在实验前洗头。此外实验员通过酒精擦拭头披上油脂，均匀涂抹导电膏等一系列措施，使得电阻保持在 10k欧以下。为了保证病人在清醒状态下，实验员会不断提醒病人以防病人睡着。我们根据MRI 数据挑选出病灶明显的脑卒中病人 23 例，其病灶区均位于基底节区左侧，而正常被试共 18 例。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R743.3;TN911.7

【相似文献】