轻度认知障碍患者的脑电信号分析方法研究

发布时间：2017-08-12 06:14

  本文关键词：轻度认知障碍患者的脑电信号分析方法研究

  更多相关文章： 轻度认知障碍 脑电信号 排序条件互信息 全局耦合指数 sLORETA

【摘要】：轻度认知障碍(Mild Cognitive Impairment, MCI)作为老年痴呆症的前期表现，已成为当前老年痴呆症早期诊断关注的重点。轻度认知障碍患者脑电信号特有的耦合与同步属性给我们评价和诊断轻度认知障碍提供了一种可能。通过头皮脑电信号溯源到颅内脑皮层区域，并对脑皮层区域脑电信号之间的功能连接进行分析也成为了轻度认知障碍评价与诊断的新途径。因此，针对当前用于MCI脑电信号分析的绝大部分方法没有考虑耦合方向，考虑了耦合方向的方法又缺乏对方向进行有效地统计，本文引入了排序条件互信息方法并改进了该方法中耦合方向指数的统计方法；针对当前多通道全局同步强度方法中存在有待提高的两两通道耦合计算精度，提出了全局耦合指数新方法，将它们用于对MCI的评价与诊断，并将其与其他两种已有方法进行了性能比较；针对当前MCI患者脑皮层功能连接分析的不足，使用sLORETA软件对MCI头皮脑电信号进行了溯源分析及其后续的功能连接研究；针对这些耦合、同步以及脑皮层连接方法以及两两组合方法进行了性能比较分析。 首先，对用于轻度认知障碍评价的脑电信号分析基础进行详细阐述。介绍用于MCI评价的常用神经心理学量表、MCI脑电信号采集的基本方法以及预处理基本方法，分析了MCI的脑电信号基本特点。并且，本文综述了当前MCI双通道脑电信号耦合与同步分析的常用方法；详细阐述了当前MCI多通道脑电信号耦合与同步分析的已有方法；描述了sLORETA软件的源定位原理以及基于该软件的功能连接计算步骤。 其次，引入排序条件互信息方法(Permutation Conditional Mutual Information,PCMI)，改进耦合方向指数的统计方法，并针对有糖尿病II型(T2DM)病史的遗忘型轻度认知障碍(amnestic Mild Cognitive Impairment，aMCI)患者在不同频段和不同脑区两两静息脑电信号的耦合强度与耦合方向进行量化研究。分别计算两组受试者在耦合强度以及耦合方向之间的差异，同时分析神经心理学评估量表得分与对应的耦合强度和耦合方向之间的相关性。与对照组相比，发现aMCI在Alpha1和Alpha2频段上多个脑区组合脑电信号的耦合强度和耦合方向同时存在异常。 第三，，为更加准确估计MCI患者多通道脑电信号间的同步强度，提出一种新的全局同步强度估计方法：全局耦合指数(Global Coupling Index, GCI)。针对仿真脑电时间序列，研究频率段、耦合系数和信噪比对GCI方法以及全局同步指数(GlobalSynchronization Index, GSI)和S估计器两种传统方法的影响。并且，用这三种方法分别分析并比较了轻度认知障碍患者和正常对照组的多通道脑电信号的全局同步强度及其与神经心理学量表测验分数之间的相关性。结论显示相对于GSI和S估计器方法，GCI方法受频率段变化的影响较小，对于耦合系数的变化也表现出更加优异的性能；在区分MCI和对照组脑电信号的同步强度方面比GSI和S估计器更加敏感，尤其表现在Alpha频段。 第四，基于sLORETA软件对有T2DM病史的aMCI脑电信号进行了溯源分析，并分析了不同脑皮层区域的功能连接情况。首先计算不同类型样本的脑皮层平均电流密度，并在不同频段上对不同脑区的电流密度值之间进行相关性分析，其中相关系数的计算结果表示的是功能连接强度。结果发现aMCI患者有多个脑皮层区域组合在Delta、Alpha2和Gamma频段上的功能连接强度均小于对照组；另外有多个脑皮层区域组合在Delta、Theta、Alpha1、Alpha2、Beta1、Beta2频段上的功能连接强度均大于对照组。 第五，考虑到临床研究人员以及临床医生对轻度认知障碍评价方法的选择性需求，对PCMI、基于sLORETA预处理的PCMI、GCI、基于sLORETA预处理的GCI、sLORETA等5个方法的性能进行了比较分析。结果显示PCMI和GCI方法普遍好于经过sLORETA预处理的PCMI和GCI方法；PCMI、sLORETA与PCMI均比GCI、sLORETA与GCI方法优异；PCMI的方法在五个方法中性能最优，不仅能估计局部脑区的耦合强度，还能估计脑区之间的信息流方向，可以作为MCI评价的首选；对于MCI多通道脑电信号的分析，可以首选GCI方法。 综上所述，本文从两个角度三个层次上对MCI的评价展开了研究，其中两个角度包括头皮脑电信号分析和脑皮层脑电信号分析，三个层次包括评价MCI的脑电信号分析、MCI头皮和脑皮层脑电信号分析、MCI双通道与多通道以及sLORETA皮层源脑电信号分析；接着对第三个层次上多个方法的性能进行了比较分析，以便能找到评价轻度认知障碍的最佳分析方法。
【关键词】：轻度认知障碍 脑电信号 排序条件互信息 全局耦合指数 sLORETA
【学位授予单位】：燕山大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：R749
【目录】：

• 摘要5-7
• Abstract7-10
• 目录10-13
• contents13-16
• 第1章 绪论16-31
• 1.1 课题研究背景16-20
• 1.2 轻度认知障碍患者的脑电信号分析研究现状20-28
• 1.2.1 脑电信号耦合分析方法现状20-23
• 1.2.2 脑电信号同步分析方法现状23-27
• 1.2.3 基于sLORETA的脑电信号溯源分析方法现状27-28
• 1.3 论文主要研究内容28-31
• 第2章 轻度认知障碍患者临床评价及脑电信号处理基础31-50
• 2.1 引言31
• 2.2 评价MCI的常用神经心理学量表31-32
• 2.3 MCI患者脑电信号基本采集与预处理方法32-34
• 2.3.1 脑电信号采集方法32-34
• 2.3.2 脑电信号预处理基本方法34
• 2.4 MCI患者的脑电信号基本特点34-36
• 2.5 MCI患者的脑电信号基本分析方法36-48
• 2.5.1 MCI患者双通道脑电信号耦合与同步分析基本方法37-41
• 2.5.2 MCI患者多通道脑电信号耦合与同步分析基本方法41-47
• 2.5.3 基于sLORETA的MCI患者脑电信号分析方法47-48
• 2.6 本章小结48-50
• 第3章 基于排序条件互信息的轻度认知障碍患者双通道脑电信号耦合分析50-77
• 3.1 引言50
• 3.2 排序条件互信息方法50-53
• 3.3 受试者数据与统计方法53-56
• 3.3.1 受试者基本信息53
• 3.3.2 诊断标准和神经心理学测量53
• 3.3.3 脑电信号的采集和预处理53-55
• 3.3.4 统计分析方法55-56
• 3.4 研究结果56-71
• 3.4.1 受试者基本数据与神经心理学测试的统计结果56-57
• 3.4.2 耦合强度的差异和相关性分析57-67
• 3.4.3 耦合方向指数的差异和相关性分析67-70
• 3.4.4 性别、年龄分别与耦合强度以及耦合方向指数之间的相关性70-71
• 3.5 结果分析71-76
• 3.5.1 排序条件互信息方法与其他方法的比较71-72
• 3.5.2 aMCI耦合强度差异和相关性的异常与其他研究的异同72-75
• 3.5.3 aMCI耦合方向指数差异和相关性的异常与其他研究的异同75-76
• 3.6 本章小结76-77
• 第4章 基于全局耦合指数的轻度认知障碍患者多通道脑电信号同步分析77-93
• 4.1 引言77
• 4.2 全局耦合指数方法77-81
• 4.2.1 多通道神经群模型77-78
• 4.2.2 全局耦合指数78-81
• 4.3 受试者数据与统计方法81-83
• 4.3.1 临床受试者基本情况81-82
• 4.3.2 受试者脑电数据的记录与预处理82-83
• 4.3.3 统计分析方法83
• 4.4 研究结果83-90
• 4.4.1 仿真数据处理结果83-87
• 4.4.2 三种方法对MCI和对照组的区分结果87-90
• 4.5 结果分析90-91
• 4.5.1 全局耦合指数方法与其他方法的比较90-91
• 4.5.2 三种方法应用于对MCI的评价与其他研究的比较91
• 4.6 本章小结91-93
• 第5章 基于sLORETA的轻度认知障碍患者脑电源信号功能连接分析93-105
• 5.1 引言93
• 5.2 受试者数据与预处理方法93-94
• 5.2.1 受试者基本信息93
• 5.2.2 头皮脑电信号采集与预处理93-94
• 5.3 基于sLORETA的功能连接分析方法94-96
• 5.3.1 sLORETA软件性能94
• 5.3.2 功能连接分析方法94-96
• 5.4 研究结果96-102
• 5.4.1 功能连接强度小于对照组的aMCI脑皮层区域组合96-98
• 5.4.2 功能连接强度大于对照组的aMCI脑皮层区域组合98-102
• 5.5 结果分析102-103
• 5.5.1 aMCI的功能连接强度小于对照组的文献比较分析102
• 5.5.2 aMCI的功能连接强度大于对照组的文献比较分析102-103
• 5.6 本章小结103-105
• 第6章 轻度认知障碍患者的脑电信号分析方法比较研究105-119
• 6.1 引言105
• 6.2 受试者数据与预处理方法105-107
• 6.2.1 数据获取105
• 6.2.2 预处理方法105-107
• 6.3 研究方法107-109
• 6.3.1 五种耦合与同步方法107-109
• 6.3.2 统计方法109
• 6.4 研究结果109-114
• 6.4.1 基于sLORETA方法的平均电流密度相关系数及其显著性109-112
• 6.4.2 五种方法计算结果差异显著性比较112-114
• 6.5 研究结果分析114-117
• 6.5.1 研究角度分析114-115
• 6.5.2 相关文献比较分析115-116
• 6.5.3 五种方法的比较分析116-117
• 6.6 本章小结117-119
• 结论119-121
• 参考文献121-137
• 攻读博土学位期间承担的科研任务与主要成果137-138
• 一、主要相关论文137
• 二、主要参与的科研项目137-138
• 致谢138-139
• 作者简介139

【参考文献】

中国期刊全文数据库 前4条

1 戴前伟;江沸菠;董莉;;基于汉南-奎因信息准则的电阻率层析成像径向基神经网络反演[J];地球物理学报;2014年04期

2 ;Multi-channel neural mass modelling and analyzing[J];Science China(Information Sciences);2011年06期

3 吴东宇,董为伟;非线性动力学分析在脑电图中的应用[J];临床神经电生理学杂志;2003年01期

4 龙飞,吴小培,范羚;基于独立分量分析的脑电噪声消除[J];生物医学工程学杂志;2003年03期

中国博士学位论文全文数据库 前1条

1 张单可;神经信息处理的简单模型研究[D];华南理工大学;2013年

本文编号：660119