排列复杂性度量应用于脑机接口信号分析

在排列分划的基础上,应用Lempel-Ziv复杂性和最新定义的格子复杂性分析脑机接口信号.由于对非线性时间序列的排列分划进行了重要改进,使这种粗粒化方法具有了普遍的适用性.与经验模式分解结合,将排列分划与常用的均值分划作了比较.实验表明,基于排列分划的复杂性度量可以取得较好的效果,甚至超过了均值分划经经验模式分解所能达到的最好结果,说明排列复杂性度量可作为脑电信号分析的新方法,尤其适用于需要快速处理的场合-比如脑机接口.

基于脑电格子复杂性分析的麻醉深度监测研究

基于符号序列的细粒化方法和两种分划方法(均值分划与排列分划),将格子复杂性(Lattice complexity,LC)用于麻醉时期脑电信号复杂度分析。选取了30例丙泊酚全麻患者,分别计算了LC和lempel-ziv(LZ)复杂性,并比较了两者与BIS的Pearson相关性。结果表明诱导期均值分划LC效果较好,恢复期排列分划LC效果较好,与BIS的Pearson相关性为0.963 6。对于整个麻醉期均值分划LC效果最佳,与BIS相关性为0.841 6,同时细粒化指数一般取3可得到不错的效果,可为临床麻醉深度监测提供一个新方法。