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(jìn)行提取。該方法首先用ICA對靜息態(tài)MEG數(shù)據(jù)進(jìn)行預(yù)處理；繼而基于IAF進(jìn)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(jìn)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(rèn)識到靜息狀態(tài)[2]下與人腦認(rèn)知、意識和情緒相關(guān)的alpha波形與精神分裂癥的認(rèn)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(gè)體差異，因此，采用個(gè)體化頻譜分布方法——個(gè)體化α峰頻（Individual Alpha Frequency，IAF）[3]對alpha波段（慢α1、慢α2、快α亞頻）進(jìn)行研究，可以弱化個(gè)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(shí)驗(yàn)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(shí)驗(yàn)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(gè)有效通道，時(shí)長為4 min，采樣頻率為600 Hz。
2 方法描述
2.1 個(gè)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(gè)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(rèn)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(yàn)?zāi)Ｊ椒纸釫MD
經(jīng)驗(yàn)?zāi)Ｊ椒纸鈁4]（Empirical Mode Decomposition，EMD）是一種時(shí)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(gè)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(shí)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：
（1）對于一個(gè)由N點(diǎn)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(gè)，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(gè)i值統(tǒng)計(jì)d[Xm（i），Xm（j）]小于r的數(shù)目，并計(jì)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：
（6）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(shí)，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(shí)驗(yàn)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(gè)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(gè)樣本（8名患者，8名正常人）的腦磁信號進(jìn)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(gè)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(jìn)行EMD分解，得到各個(gè)樣本中各個(gè)信道的IMF分量，通過對IMF分量進(jìn)行譜分析，其中前8個(gè)IMF分量集中了腦磁信號的主要能量。本研究將前8個(gè)IMF分量求和，計(jì)算樣本熵。為避免數(shù)據(jù)兩端奇化帶來的影響，計(jì)算樣本熵時(shí)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(shí)驗(yàn)將觀測的273個(gè)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(gè)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(yuǎn)遠(yuǎn)高于正常組，這和前額葉作為情感與認(rèn)知功能的高級中樞，被認(rèn)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(gè)有效通道正常組和患病組腦磁信號樣本熵拓?fù)鋱D。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?yàn)榛疾〕潭?、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(jìn)一步驗(yàn)證。今后擬繼續(xù)擴(kuò)大樣本量，研究α各亞頻在精神分裂中的更為詳細(xì)的作用。
參考文獻(xiàn)
[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(bào)（自然科學(xué)版），2007，34（6）：939-943.