基于EMD去趋势波动的脑疲劳模糊熵分析

发布时间：2021-11-05 18:33

　　脑疲劳是由于人们长时间地从事重复单一或高负荷的认知活动所引起的,短时间的脑疲劳会引起注意力下降、工作效率降低,而长时间的脑疲劳则会造成脑功能损伤。提取脑疲劳特征有助于脑疲劳的检测,预防脑疲劳带来的危害。熵能够反映脑疲劳状态下大脑复杂度的变化情况,有望成为评价脑疲劳的指标。但是,熵对脑电信号特征的提取受趋势重叠的影响,无法实现信号动态特性的准确描述,造成不同时间段得到的熵特征不一致。为解决趋势重叠对脑电信号熵特征的影响,将基于经验模式分解（EMD）的去趋势波动分析同熵值计算相结合,以4 h英语科技论文翻译作为脑疲劳诱发任务,记录14名本科生志愿者在正常安静和脑疲劳状态下的脑电信号,对比分析两种状态及3个时间段脑电信号的近似熵、模糊熵和去趋势模糊熵。结果表明,相比传统的近似熵和模糊熵,脑疲劳状态下去趋势模糊熵在左半球脑区的熵值较正常安静状态下显著降低（FC3,P=0. 022; P5,P=0. 007）,且3个时间段有显著性差异的导联基本相同（3个时间段FC3导联P值分别为0. 025、0. 017、0. 012,P5导联P值分别为0. 011、0. 006、0. 017）。结果表明,去趋... 

【文章来源】：中国生物医学工程学报. 2020,39(01)北大核心CSCD

【文章页数】：7 页

【部分图文】：

3个时间段下熵值和P值的脑电信息图(每列中上为近似熵，中为模糊熵，下为去趋势模糊熵)

通过配对t检验对主观量表得分进行统计分析，通过威尔科克森符号秩检验(Wilcoxon"s signedrank test)对14名被试在2种状态下的熵值以及3个时间段下的熵值进行统计分析，显著性水平设定为P<0.05。2 结果

为了研究3种熵值在时间上提取脑电信号特征的稳定性，将短时序列的脑电数据按时间顺序分成3组。图4为2种状态、3个时间段下熵值和P值的脑电信息，发现3个时间段的近似熵和模糊熵值在左中央区、右额区、右顶枕区有明显的变化，且脑疲劳状态下这些脑区的变化更明显，而去趋势模糊熵值无明显变化。3个时间段近似熵和模糊熵的P值脑电信息图的蓝色区域分布不同，即有显著性差异(P<0.05)的导联不同，其中3个时间段近似熵FC3导联P值分别为0.327、0.012、0.036，模糊熵P5导联P值分别为0.093、0.025、0.05。去趋势模糊熵有显著性差异(P<0.05)的导联基本相同，3个时间段FC3导联P值分别为0.025、0.017、0.012,P5导联P值分别为0.011、0.006、0.017，且去趋势模糊熵在3个时间段有显著性差异的导联与图3基本一致。图4 3个时间段下熵值和P值的脑电信息图(每列中上为近似熵，中为模糊熵，下为去趋势模糊熵)

【参考文献】：
期刊论文
[1]基于无线体域网和复合生理信号近似熵的驾驶疲劳研究[J]. 王琳,付荣荣,张陈,尹晓伟,化成城,王宏.  中国生物医学工程学报. 2017(05)
[2]基于虚拟开车环境的自闭症儿童脑电样本熵[J]. 雷敏,孟光,张文明,Nilanjan Sarkar.  物理学报. 2016(10)
[3]基于双树复小波变换的非平稳时间序列去趋势波动分析方法[J]. 杜文辽,陶建峰,巩晓赟,贡亮,刘成良.  物理学报. 2016(09)
[4]基于Hilbert-Huang变换的中枢疲劳脑电分析[J]. 张崇,于晓琳,杨勇,王润典.  航天医学与医学工程. 2013(05)
[5]近似熵、互近似熵的性质、快速算法及其在脑电与认知研究中的初步应用[J]. 洪波,唐庆玉,杨福生,陈天祥.  信号处理. 1999(02)

硕士论文
[1]排列模糊熵及其在脑电分析中的应用[D]. 王慧云.太原理工大学 2017
[2]基于脑电信号的脑疲劳状态研究[D]. 于向洋.杭州电子科技大学 2017
[3]基于视觉刺激的脑电信号情绪识别研究[D]. 任通.杭州电子科技大学 2017
[4]体疲劳对脑疲劳影响的脑电信息分析与处理[D]. 张春翠.天津大学 2014



本文编号：3478301