基于脑电信号相位传递熵的谎言机制研究

说谎是复杂的认知过程,其执行控制功能需要不同脑区的共同参与,相关研究证实了这些脑区之间存在相互作用。针对当前脑电信号特征提取方法有限及谎言机制尚不明确的问题,利用相位传递熵构建了谎言实验过程中脑电信号的脑网络,并分析了诚实组和说谎组不同脑区间的效应连接差异。采用标准的三刺激实验模式对60名受试者进行说谎检测实验,同步采集所有受试者的脑电信号并进行预处理;利用相位传递熵构建效应连接矩阵,通过统计方法对矩阵中的每一条边进行2组间的熵值差异分析,选取具有显著性差异的导联对上的熵值作为全连接神经网络的分类特征,结果显示,分类准确率为96.75%,说明相位传递熵指标可以有效区分说谎者和诚实者2类人群的脑电信号;对2类人群大脑功能网络的分析结果显示,与诚实者相比,说谎类人群的额叶、顶叶和颞叶之间存在更强的信息流动,表明说谎行为需要协调和使用更多的大脑资源。研究结果有助于揭示说谎状态下大脑的神经活动机制。

基于相位传递熵的心电信号分析

基于动态信号,利用相位传递熵分析了不同年龄人群的正常和异常心电信号。结果表明:心电信号的相位传递熵不随样本长度变化。20~30岁健康人群心电信号的相位传递熵呈上升趋势,40岁以后则呈下降趋势。健康人群相位传递熵平均值大于非健康人群的相应值。相比于其他方法,相位传递熵可以有效地区分健康人、恶性室性心律失常病人和房颤病人的心电信号。

Rényi相位传递熵及其在心电信号分析中的应用

为更有效地检测异常心电信号,本文基于Rényi熵和相位传递熵的概念,提出了Rényi相位传递熵算法。应用四阶AR模型和Hénon映射,分析了Rényi相位传递熵对于不同信号的检测性能及熵参数对相位传递熵检测性能的影响,并将该算法应用于异常心电信号的分析。仿真研究结果表明,Rényi相位传递熵具有对数据长度的低敏感性,调节熵参数可以改善算法的检测性能。利用Rényi相位传递熵,可以有效地对正常人、心室纤颤病人和房颤病人心电信号的变化进行区分。