自适应多尺度熵在脑死亡诊断中的应用 - 动力学与控制学报.pdf

第１２卷第１期２０１４年３月 动力 学 与控 制 学报 Ｖｏｌ．１２Ｎｏ．１ １６７２６５５３／２０１４／１２ ／０７４５ Ｍａｒ２０１４ ⑴ ＪＯＵＲＮＡＬＯＦＤＹＮＡＭＩＣＳＡＮＤＣＯＮＴＲＯＬ 自适应多尺度熵在脑死亡诊断中的应用 １ ２，３ １ 倪力　曹建庭 　王如彬 （１．华东理工大学认知神经动力研究所，上海　２００２３７）（２．日本琦玉工业大学大学院工学研究科，日本琦玉县深谷市　３９６－０２９３） （３．日本理化研究所脑科学研究中心，日本琦玉县和光市　３５１－０１９８） 摘要　本文引入自适应多尺度熵的方法，并结合当前常用的经验模型分解的方法，使得数据尺度能自适应 的被获取．通过从原数据中不断移除低频或高频成分，自适应多尺度熵能够在“从粗糙到精细”或是“从精细 到粗糙”的尺度下用样本熵估计求得．模拟结果用来确认了其有效性，同时我们将其应用到脑死亡诊断中， 用来区分脑死亡病人和昏迷病人在脑电信号上的不同． 关键词　脑电信号，　脑死亡诊断，　自适应多尺度熵，　样本熵 ＤＯＩ：　１０．６０５２／１６７２６５５３２０１３０８６ 间序列中表现出色［４］．Ｒｉｃｈｍａｎ和Ｍｏｏｒｍａｎ在此基 引言 础上开发了样本熵（ＳａｍｐｌｅＥｎｔｒｏｐｙ，ＳａｍｐＥｎ）算 脑死亡的定义是完全的、不可逆和永久的脑和 法，相比之下，解决了近似熵会因计算过程中的“自 ［５］ 脑干功能丧失，但即便是在这样定义下，由于一些 我比较”引起偏差的问题 ．Ｃｏｓｔａ引入了多尺度的 临床的因素，我们很难对于脑死亡的判定精确实 计算方法，同时将之结合样本熵计算—将多尺度特 ［６］ 施．传统的临床测试在一些场合下代价昂贵、花费 性也纳入了考虑 ．多尺度的方法在对于原数据进 时间过长，甚至会引起危险（如自主呼吸测试）．为 行线性平滑的过程中不可避免的丢失了重要信息， 了避免这样的缺点，我们提出了脑电预检测流程， 此外在尺度提取方面不能很好地适应非线性和非 并将其安插在自主呼吸之前，这将会使整个脑死亡 平稳的信号． 测试更为简单有效并降低风险，如此还能帮助医生 为了解决上述问题，我们提出了自适应多尺度 判断是否有继续进行脑死亡测试的必要［１］．为了确 熵的方法来分析数据．不同于标准的多尺度方法， 认伪脑死状态，我们将采用脑电图仪这种为人们所 我们通过经验模型分解（ＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏ 熟知的临床工具来观测脑信号，而事实上，已经有 ｓｉｔｉｏｎ，ＥＭＤ）从数据中分离出本征模态函数（Ｉｎ 许多国家已经采用了这样的方法来评估脑皮层的 ｔｒｉｎｓｉｃＭｏｄｅＦｕｎｃｔｉｏｎ，ＩＭＦ）来确定计算所使用的 功能缺失［１］，［２］．我们的研究目的就是提供一个基 尺度；经验模型分解是一个完全由数据驱动的时频 于脑电分析的数学计算方法来为脑死亡诊断提供 技术，用来自适应地将一个信号分解成数个调制成 一个清晰的标准，同时帮助临床医生来具体实施． 分—本征模态函数．本征模态函数代表着一种单一 非线性生理系统的复杂度已在世界范围内在 的振荡形式，并具有良好的性