论文部分内容阅读
EEG信号同步是大脑中各脑区进行信息传播、交互、协调的综合表现,对各脑区EEG信号进行同步研究,对探求不同脑区间的通信原理和透彻掌握脑信息紊乱致使病变的机理意义重大。本文通过发展基于排序模式的分析方法,对癫痫和糖尿病aMCI脑电信号的同步强度及耦合方向进行研究。首先,在研究了排序模式及互信息的基础上,发展了双通道耦合信号同步强度分析方法——归一化加权排序互信息,仿真实验显示加权排序互信息方法对噪声具有更强的鲁棒性。结合加权排序互信息和S估计器方法,发展了基于加权排序互信息的全局同步因子,并将其应用于分析癫痫EEG信号和糖尿病aMCI EEG信号。其次,对排序同步算法(Motif-Synchronization,MS)进行仿真分析,进而提出基于排序同步算法和S估计器、同步索引、全局同步索引的多通道同步强度分析方法,分别为基于排序同步算法的S估计器(S-estimator based Motif-Synchronization,SMS)、基于排序同步算法的同步索引(Synchronization Index based Motif-Synchronization,SIMS)、基于排序同步算法的全局同步索引(Global Synchronization Index based Motif-Synchronization,GSIMS),较基于加权排序互信息全局同步因子算法简单、计算量小。仿真分析指出三种算法均能较好反映多通道信号间的同步强度,其中SMS算法最为简单。将其应用于分析全局糖尿病aMCI脑电信号,发现两组人群脑电信号同步值存在显著差异且与认知功能间存在相关性。最后,对排序条件互信息算法作了仿真分析,实验显示排序条件互信息估计的耦合方向指数能更准确地体现出与耦合系数之间的关系,且具有更好的抗噪性能。进而将其应用于分析癫痫患者和糖尿病aMCI患者不同脑区域节律EEG信号的耦合方向,分析结果与病理相符。