庞加莱散点图的复相关度量在癫痫脑电特征提取中的应用

脑电信号的自动检测对癫痫病的防治具有重大意义。本文在结合庞加莱散点图复相度量(CCM)的基础上,提出一种适用于提取癫痫脑电特征的度量方法,并将该特征放入超限学习机(ELM)中进行分类。

一种新的基于脑电信号的意识障碍预后评估方法

意识障碍(disorders of consciousness,DOC)是由中枢神经系统受损导致个体感知能力出现障碍的一种神经系统疾病。DOC的预后评估能够辅助医师及时调整治疗措施,促进DOC患者的意识恢复。传统的预后评估手段包括行为量表、核磁共振成像等,但这些检查手段易受干扰、价格昂贵、难以实时评估。相关研究表明:脑电图(electroencephalogram,EEG)与DOC患者的意识水平显著相关,这为DOC的预后提供了一种潜在的评估手段。基于此,文中以EEG为数据源,提出了一种新的基于EEG的DOC预后评估方法。首先,对给定的DOC-EEG信号,采用小波包变换提取不同频带的脑电信号;其次,计算不同频带脑电信号的功率谱,并绘制对应功率谱的庞加莱散点图;然后,对每一庞加莱散点图定义3种新的度量指标:最大半径、区域密度以及密度变异性;进而,结合3种度量指标,提出基于功率谱庞加莱散点图的脑电特征提取方法(power spectra-Poincare plot-based feature,PPBF);最后,结合所提特征与随机森林分类器,提出了一种基于PPBF的DOC预后状态自动评估方法。采用西安某医院神经内科临床采集19名DOC患者的脑电数据对所提方法进行了验证,所得平均评估准确率85.54%,表明所提特征能够有效完成DOC预后状态的自动识别。