（信号与信息处理专业论文）时频分析及其在癫痫脑电信号中的应用.pdf

太连理工大学硕士学位论文 摘要 癫痫病是一种常见多发病症，它是由于大脑的损伤而引起的，它极大地危害着人们 的健康。癫痫样放电的波形主要有以下几种：棘波、尖波、棘慢复合波、尖慢复合波等。 对于诊断癫痫来说，脑电图( e e g ) 检查具有特别重要的意义。在传统的临床e e g 检查 中，主要是由脑电专家阅读记录纸上的多导脑电图，识别e e g 中的癫痫特征波形，判 断是否息有癫痫。由于这种方法容易加入一些人鲍主观选择性，两且在一些数据量比较 大的情况中，该工作则显得比较枯燥繁杂，所以癫痫脑电特征波的自动提取则具有非常 重要的意义。 传统的脑电信号分析主要有时域分析和频域分析等方法。时域分析方法以其直观性 所称道，而频域分析方法主要考察此段脑电信号节律特征及频谱特征。然而以上两种方 法都有共同的缺憾，那就是它们都是建立在假设被分析脑电信号是平稳的或是局部平稳 的基础上的，而弱化了脑电信号是一种典型的非平稳信号这一特征。时频分析方法的优 点正是它适合于非平稳信号的分析，以及它能够表示出某一时刻信号能量在频率上的分 布，所以说时频分析技术在脑电信号处理上有较好的应用前景。 本文将时频分析这种信号处理方法应用于癫痫脑电信号中，希望从中提取出有用的 时频特征，实现癫痫脑电特征波的自动检测和提取，从而达到减轻医生负担和提高脑电 图诊断效率的目的，本文首先深入研究了时颓分析的方法和理论以及时频分析中各种 抑制交叉项的方法，并综述了近年来交叉项抑制的研究进展。同时，给出了一种基于 a r 模型的抑制交叉项的时须分布，并根据相关的准则条件对a r 模型岔哿阶数进行了自 动的优化选择。在研究了h i l b e r t h u a n g 变换( h h t ) 的基础上，给出了两个基于经验模 态分解( e m d ) 的方法。一个是基于e m d 的对频分布，另一个是基于e m d 豹非线性能 量算子( n e o ) 方法，其在癫痫脑电信号的处理中部取得了比较好的效果。另外，本文给 出两种综合的癫痫棘波检测方法。一种为采用时频分析中的指数分布( c w d ) 对癫痫 b e g 信号进行分析，同时使用奇异值分解方法对时频分布进行预处理，并通过时频分布 的差异测度方法对癫痫棘波进行检测和提取。另种则是将时频分析与j e n s e n 函数相结 合的方法进行棘坡检测，然后提取出棘波的波形特征，并通过人工神经网络( q n ) 进行 进一步的判决，从而降低棘波检测的误检率。最后本文用m a r l a b 语言编写了一个可以用 于癫痫脑电特征波检测的工具，并将若干癫痫特征波自动提取的方法封装到了一起，其 中包括本文所给出的方法，也包括其他参考文献中的方法。 关键词：脑电图；时频分析；癫痫；抑制交叉项；经验模态分解 初孟：时频分析及其在癫痫脑电信号中的应用 t i m ef r e q u e n c ya n a l y s i sa n di t sa p p l i c a t i o ni ne e g s i g n a l a b s t t - a c t e p i l e p s yi so f t e nt h es i g no fn e u r o l o g i c a ld i s e a s eo rd y s f u n c t i o n ，i td i s s e r v e sh u m a n h e a l t hs e v e r e l y t h ew a v e so fe p i l e p t i cd i s c h a r g ei n c l u d es p i k e ，s h a r pw a v e ，s p i k e - a n d - s l o w w a v e ，s h a r p a n d s l o ww a v ee t c a n dt h ei m p o r t a n ta u x i l i a r yd i a g n o s i so fe p i l e p s yi sb a s e do n e l e c t r o e n c e p h a l o g r a p h ( e e g ) d u r i n gt h et r a d i t i o n a lc l i n i c a le e ge x a m i n a t i o n ，i tm o s t l y d e p e n d so ne x p e r tr e a d i n gt h em u l t i - c h a n n e le e ga n dd e t e c t i n gt h ee p i l e p t i cc h a r a c t e r i s t i c w a v e st od i a g n o s ee p i l e p s y b e c a u s et h i sm e t h o de a s i l yb r i n g ss o m es u b j e c t i v es e l e c t i v i t y ， m o r e o v e r ，i ns o m ec a s e st h ed a t aa r ev e r yl a r g ea n dt h i st a s kl o o k sv e r yo n e r o u sa n dv a p i d ，s o t h ea u t od e t e c t i o no fe p i l e p t i cw a v e si sv e r ys i g n i f i c a n t t h et r a d i t i o n a la p p r o a c h e sf o ra n a l y s i n ge e gs i g n a l sa r ei nt i m ed o m a i no ri nf r e q u e n c y d o m a i n t h et i m ed o m a i nm e t h o d sa r ev e r yi n t u i t i o n i s t i c ，a n di nf r e q u e n c yd o m a i nt h e r h y t h ma n ds p e c t r ac h a r a c t e r i s t i c sa r ec o n s i d e r e d b u tb o t hm e t h o d sa r ea 1 1b a s e do n 也e a s s u m p t i o no fs t a t i o n a r i t yo fe e gs i g n a l s t h e r e f o r e ，t h ed e t e c t i o nr e s u l ti sn o tq u i t er e l i a b l e d u et oe e gs i g n a l sa r es i g n i f i c a n t l yn o n s t a t i o n a r ya n dm u l t i c o m p o n e n t b u tt i m e f r e q u e n c y m e t h o d sf i tt oa n a l y z en o n s t a t i o n a r ys i g n a l ，i tc a r lr e p r e s e n tt h ed i s t r i b u t i o no fs i g n a l se n e r g y a te a c ht i m ei nf r e q u e n c y s ot i m e - f r e q u e n c ya n a l y s i sh a sb e t t e rf u t u r ei nt h ee e gs i g n a l s p r o c e s s i n g t h i st h e s i sa p p l i e st i m e f r e q u e n c ya n a l y s i st oe p i l e p t i ce e gs i g n a l a n de x t r a c t st h e u s e f u lt i m e f r e q u e n c yc h a r a c t e r i s t i c s s oa st oc o m p l e t et h ea u t o m a t i cd e t e c t i o no fe p i l e p t i c c h a r a c t e r i s t i cw a v e sa n da l l e v i a t et h eh e a v yl a b o u rf o r c eo ft h ed o c t o r sa n di m p r o v et h e e f f i c i e n c yo fd i a g n o s i s f i r s t l y ，t h i sp a p e rs t u d i e st h eb a s i ct h e o r ya n do v e r v i e w st h ee x i s t i n g t i m ef r e q u e n c ya n a l y s i sm e t h o d sa n ds u m m a r i z e st h ed e v e l o p m e n to fs u p p r e s s i n gt h e c r o s s t e r m si nr e c e n ty e a r s an e wt i m ef r e q u e n c yd i s t r i b u t i o nb a s e do na u t o r e g r e s s i v e m o d e l ( a r ) s p e c t r u mi sg i v e na n dt h eo r d e ro fa r m o d e li sm a d eo p t i m u m s e c o n d l y ，t h i s p a p e rg i v e st w oa n a l y s i s m e t h o d sb a s e do ne m p i r i c a lm o d ed e c o m p o s i t i o n o n ei sa t i m e f r e q u e n c yd i s t r i b u t i o nb a s e de m d ，t h eo t h e ri sn o n l i n e a re n e r g yo p e r a t o r ( n e o ) b a s e d o ne m d ，a n db o t ho ft h e mh a v eg o o dr e s u l t si ne p i l e p t i ce e gs i g n a lp r o c e s s i n g t h i r d l y ，t w o s y n t h e t i cm e t h o d so fs p i k ed e t e c t i o na r ep r o p o s e d ，o n ei sb a s e do nt i m ef r e q u e n c ya n a l y s i so f c h o i w i l l i a m sd i s t r i b u t i o n ( c w d ) i nt h i sm e t h o d ，i te m p l o y st h ew a yo fs i n g u l a rv a l u e d e c o m p o s i t i o n ( s v d ) t og e tab e t t e rt i m ef r e q u e n c yp l a n e ，t h e na p p l i e st i m ef r e q u e n c y d i v e r g e n c e m e a s u r e st o c o m p l e t e a u t o m a t i cd e t e c t i o n t h eo t h e rm e t h o dc o m b i n e s t i m e f r e q u e n c ya n a l y s i sa n dj e n s e nf u n c t i o nt oc o m p l e t es p i k ed e t e c t i o n ，a n de x t r a c t st h e 大i g n 2 1 2 大学硕士学位论文 c h a r a c t e r so fs p i k ew a v ea n da p p l i e sa r t i f i c i a ln e u r a ln e t w o r k ( a n n ) t od of u r t h e rd e t e c t i o n ， s oa st or e d u c et h ef a l s ed e t e c t i o nr a t i o f i n a l l y ，t h i st h e s i sm a k e sas y s t e mo fe p i l e p t i c c h a r a c t e r i s t i cw a v e sb ym a f l a bc o m p u t e rl a n g u a g e ，s e v e r a ld e t e c t i o nm e t h o d sa r ea g g r e g a t e d i nt h i ss y s t e m ，i n c l u d i n gt h em e t h o d so f t h i st h e s i s ，a n da l s ot h eo n e so f o t h e rl i t e r a t u r e s k e yw o r d s ：e e g ；t i m e - f r e q u e n c ya n a l y s i s le p i l e p s y ；s u p p r e s s i n gc r o s s - t e r m s e m d 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。 作者签名：塑童日期： 大连理工大学硕士学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用 规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子 版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论 文。 作者签名： 导师签名 盘童 堡j 二年三月日 袒 大连理工大学硕士学位论文 1 绪论 1 1 课题的研究背景 癫痫是一种常见多发病症，它极大地危害着人们的健康，严重时可致人死亡。根据 流行病学调查资料，在上个世纪8 0 年代初期我国的农村和城市癫痫的患病率分别为 o 5 8 和o 4 5 附1 ，癫痫病患者达6 0 0 万左右。癫痫一般被认为是大脑神经元的异常放 电。这种异常大脑神经元放电被称为癫痫样放电，癫痫样放电在脑电图上呈现为棘波、 尖波和棘尖慢复合波等。 脑电图检查是目前癫痫诊断的常用手段。脑电图检查包括常规临床检测和脑电监护 ( h o l t e r ) 两个方面。脑电图的常规临床检测，是通过脑电图机纸描方式记录脑电信号的， 常规记录时间约为2 0 分钟。由于癫痫发作一般没有规律，患者经常意识不到他们的癫 痫发作，而在发作间隔期，e e g 中的特征波往往又很少。而且如果患者的癫痫样放电频 率不高、放电部位较深或使用过相当剂量的抗癫痫药等，此时常规记录难于记录到癫痫 波。临床研究表明脑电图的常规临床检测仅能记录到3 0 4 0 的癫痫波。为此，需要增 加临床检测和记录时间，但长时间的脑电图i 腹床检测和记录又会增加患者和医生的负 担。用于癫痫用药后或术后评价的脑电图监护会产生巨量的脑电图数据，例如1 6 导联 的记录，当采样频率为2 0 0 h z 时，1 个小时的脑电图监护所获得的数据就达2 3 兆字节。 另外，由医生阅读记录纸上的多导脑电图来识别e e g 中的癫痫样特征波时也会加入一 些人的主观选择性。w e b b e r 2 做过一个实验，他请8 位脑电专家，对1 2 位癫痫患者的 e e g 中的棘波进行识别，结果一致认定的波形不足6 0 。 由于在脑电图中癫痫信号的波幅与周围正常脑电信号的波幅接近以及较大的个体 差异，很难以人眼辨别癫痫的位置和形态。同时，长时间地判读大量的脑电图，容易造 成医生过度疲劳而导致误诊率的上升。因此，如何利用数字信号处理技术来实现癫痫的 脑电图计算机辅助诊断，以减轻医生的负担和提高脑电图诊断效率，已成为近期生物医 学工程领域的一个研究热点。 1 2 研究概况及存在的问题 现有的癫痫脑电的自动检测技术，虽然所用的数学方法各不相同，但从检测的依据 来看，大致上可【扶分为两类。 一类主要利用e e g 中癫痫样放电( 如棘波、尖波等) 的波形特征。像早期使用的基 于某些描述波形的参数，如波幅、时限、斜率和尖度等为判据的检测棘尖波的方法，后 初孟：时频分析及其在癫痫脑电信号中的应用 来提出的匹配数字滤波方法、使用a r 模型和a r m a 模型的逆滤波方法 3 j ，以及最近 出现的预测滤波 4 、人工神经网络识别 5 等方法。这类方法主要强调的是，e e g 中某 一时刻的局部瞬态特征，比较适合检测e e g 中的棘波或尖波，但却经常产生较高的假 阳性，其原因之一是忽略了癫痫样脑电波的背景相关性。 另一类考虑的则是在癫痫发作过程中，脑电活动本身的某些特征变化，如根据混沌 理论，计算e e g 的相关维数 6 、l y a p u n o v 指数 7 、以非线性方法为基础计算e e g 序 列的复杂度 s 等。可以说，这类方法主要关心的是某一段时间里e e g 过程特性。这类 方法的不足在于，计算这些参数的算法本身具有很大的局限性，不适于单个波形的检测。 另一方面，在神经电生理学的基础研究取得突破性的进展之前，利用某一种或某几种数 学方法描述e e g 的过程特性是非常困难的。 尽管许多信号处理领域的专家涉足神经科学领域，但癫痈棘波检测问题仍未取得突 破性进展，目前还没有一个得到公认的，临床上切实可行的自动检测和分析方法。e e g 分析中的主要的困难有以下几点： 难点之一：对脑电信号的本质缺乏科学的认识。由于大脑中的神经系统过于复杂， 对脑电信号的起源和引起变化的机理还了解的很少，以致e e g 分析缺乏科学的依据和 指导。 难点之二：e e g 分析缺乏统一的标准。由于正常人的在解剖、生理和生物物理方面 的差异，引起正常e e g 的基本特性( 波幅、频率、形态和空间分布等等) 在很大范围里 变化，妨碍了e e g 的精确量化。至今国际上也没有一个用于e e g 分析的标准数据库。 难点之三：e e g 中的异常特征与大脑病变之间的关系不够明确。正常e e g 和异常 e e g 之间的差别经常是相对的，使得提取和检测e e g 中的有诊断意义的特征信息十分 困难。 难点之四：诊断癫痫样特征波的依据都是根据经验，按照波形的形态定义的，而在 临床检查中，这些特征波形又是参照背景脑电活动区分的，是背景相关的。由于脑电本 身固有的复杂性以及癫痫样放电在脑电图中呈现的多态性，这些癫痫样特征波形的指标 不仅不足以做为自动检测的依据，而且在实际应用中，这些指标本身也很难确定。 由于e e g 分析中的这些困难，使得通过目测分析，对e e g 中的现象给出解释和说 明，仍然是临床e e g 检查中最权威的标准。视觉解释是根据上下文的关系形成的，关 于整个e e g 形态的总体印象。因此，分析结果的质量在很大程度上依赖于专家的专业 知识、工作经验和主管评判标准。到目前为止，临床e e g 自动分析的研究，主要是直 接模拟神经科专家的视觉评估，或者产生一个等价分析结果，目的是减少人为评估的主 观性和提高效率。然而，由于专家所用判据的不准确性和判决过程的不确定性，因此， 大连理工大学硕士学位论文 很难得到一个能够用于临床e e g 分析的专家系统，因而许多研究者开始退步研究能 为专家提供帮助的辅助分析系统。 1 3 脑电信号分析基础 大脑皮层的结构异常复杂，是一个由大约1 0 0 亿个各种形态的神经元组成的神经系 统。神经元由神经细胞和神经纤维两个部分组成，是整个神经系统的基本结构或机能单 位。在一个典型的神经元细胞体周围，有两种突起。其中一种突起很短，数量很多，分 支更多，好似树枝状，称为树突或树状突。另一种突起只有一个，一般都很长，称为轴 突，神经细胞之间通过树突和轴突相互联系，一个树突和大约4 0 0 0 个神经细胞接触， 其面积远远大于细胞体。大脑皮层中的锥体细胞的顶树突伸向皮层表面，在脑电的形成 中起主导作用。目前大多数人认为，脑电是大脑皮层内的神经元群产生的突触后电位的 总和形成的电场，经过脑脊髓液、脑膜、颅骨和头皮构成的容积导体传导，在皮层表面 上或头皮上形成的电位分布。电位波动是由丘脑核的节律性放电触发引起的，脑干网状 结构调节电位同步和控制节律性电位波动的产生。脑电活动的变化是多种多样的，按照 引起电位变化的原因，脑电变化可分为两类：1 ) 在没有特定的外加刺激时，神经系统本 身自发地产生的电位变化，称为自发脑电活动：2 ) 人为地对感觉器官施加刺激( 如声、 光和电等) 所引起的电位变化，称为诱发电位响应( e v o k e d p o t e n t i a lr e s p o n s e s ) 。在大脑皮 层上记录的自发脑电活动叫做皮层脑电图( e l e c t r o c o r t i c o g r a m ，简写e c o g ) ，在头皮表 面记录的自发脑电活动称为脑电图( e l e c t r o e n c e p h a l o g r a m ，简写e e g ) 。 由于脑电活动是大脑皮层这个异常复杂的巨型系统中微观结构中的电现象的总体 效应在头皮表面上的宏观反映。因此，准确地刻画脑电活动是非常困难的。般使用波 幅、频率、时限和相位等物理量描述脑电活动的基本特征。由于脑电活动异常复杂，表 现在脑电图中，其波形变化的模式多种多样，仅仅使用波幅、频率和时限等，很难刻画 脑电的变化特征。另一方面，在脑电图的临床应用中，医生的诊断主要是依据脑电图中 出现的一些特征波形，因此在脑电图分析中，最基本的方法是e e g 特征波形的模式识 别和分类。目前，波形识别仍然是临床脑电图检查的主要分析方法。 1 3 1 脑电信号的采集 测定脑电的装置称为脑电图仪，它能够用来描记大脑两个半球的电活动，供临床诊 断和神经生理研究，诸如诊断颅内占位性病变、癫痫、阵麻观察及从事航空神经生理研 究等，脑电图仪的典型框图如图1 1 所示。从头皮采集脑电信号的方法是一种非损伤型 检测方法，不同于埋入型探病，不会给患者带来巨大的痛苦，所以得到了广泛的应用。 初孟：时频分析及其在癫痫脑电信号中的应用 通常，我们在患者的头部放置1 6 1 9 个传导电极，通过电极与头皮很好的接触把大脑发 出的电信号传送到脑电图仪内，经过预处理后，再做相关的分析。 ( 1 ) 检查前的准备 因为人体内血糖水平对脑电图有很大的影响，所以脑电图检查应放在饭后1 2 小时 内进行。检查前三天应停用一切镇静药物及安眠药物。检查前一天应将头洗干净( 为了 降低头皮电阻) 。 图1 1 脑电图仪框图 f i g 1 1e l e c t r o e n c e p h a l o g r a p hs t r u c t u r e ( 2 ) 脑电图检查室 脑电图室应能防止交流电干扰，仪器接地线要可靠。检查室要防潮、防震以保证机 器性能良好。检查室不要光线太亮，要保持安静。 ( 3 ) 电极的安放 一般采用盘状或圆形平面电极，与头部要固定紧贴，与皮肤接触面需要涂以导电糊 或盐水，使电极的电阻小于5 k q ，各个电极的电阻是相同的。特殊电极有鼻咽电极、蝶 骨电极和皮质电极，它们都可以反映出不同部位的电活动，有助于脑瘤和癫痫的诊断。 ( 4 ) 诱发试验 有一部分颅内占位性病变的脑电图在般描记时，异常的电活动不够明显，也有不 少癫瘸病人在发作间歇期脑电图上不出现痫性或瘸样放电，因此我们可以通过一些措施 来使潜在的痫样放电或其他异常电活动显现出来，称为诱发试验。常用的诱发试验有以 下几种：睁闭眼试验、过度换气试验、睡眠诱发试验、闪光刺激试验、药物诱发试验。 大连理工大学硕士学位论文 电极分为参考电极( r e f e r e n c ee l e c t r o d e ) 和安置在头皮上的活动电极( a c t i v e e l e c t r o d e ) 。而脑电信号一般是通过电位差来记录的。放置电极的方法是采取脑电国际标 准的1 0 2 0 系统所要求的，一般放置在头皮上的特定位置，在头部左侧用奇数表示，右 侧用偶数表示。如图1 2 所示，电极名称依次为f p l ，f p 2 ，f p 3 ，f p 4 ，c 3 ，c 4 ，p 3 ， p 4 ，0 1 ，0 2 ，f 7 ，f 8 ，t 3 ，t 4 ，t 5 ，t 6 ，f z ，c z ，p z 。 在大脑皮质中产生的电位要经过脑脊液、脑膜、头盖骨、皮下组织等传到头皮表面。 在头皮表面放置电极，可探查出大量脑细胞电活动形成的电位或电位差随时间的变化。 根据文献c 9 的论述，探察方法有三种： ( 1 ) 单极导联法：将一个电极置于头盖的待测部位，另一极至于远离头盖的部位，例如， 耳壳或乳突，作为无关( 中性) 电极。 ( 2 ) 双极导联法：将两个电极分别置于头盖的不同部位，探查两部位电位差随时间的变 化。 ( 3 ) 平均共同基准导联法：与心电图确定中心电端的方法相似，可将多个电极分别置于 头盖不同部位，各电极分别串联定电阻后共同连接于一点，该点即为零电位点。 在病情检测的情况下，一般采用的是单极导联法，而在定位病灶时使用的是以前额 为参考电位的双极导联方法。 1 3 ，2 脑电信号分类及各类特征 脑电图是由不同频率、不同幅值和不同形态的脑电波所组成，脑电图的特征与大脑 皮质的活动程度有很大关系。在国际上，一般将正常脑电活动相关的脑电波频率范围划 分成五种类型，频率由低到高依次为：占波、0 波、口波、波、y 波。 ( 1 ) 占波：频率在o 5 h z 3 5 h z ，波幅一般在1 0 0 “v 左右。常在额部出现，婴儿由于脑 部没有发育完全，故头皮处有大量的放电现象，呈现出占波的特征。占波在成人脑电图 中比较少见，持续存在的局灶性占波均为异常，一般表示有脑炎或者其它脑疾病。 ( 2 ) 0 波：频率在4 h z - 7 h z 。其指数在正常人不超过1 0 ，多见于顶、颞叶，经常存在 的局灶性0 节律均为异常。其出现常为深部皮质下或中线结构的病变，主要见于儿童， 出现在顶部和颞部。 ( 3 ) a 波：频率在8 h z - 1 3 h z ，波幅为1 0 - 1 0 0 斗v 的正弦形节律。是脑电图中的基本节律， 主要出现在大脑半球后半部，特别是在顶部和枕部比较明显。在安静时或闭眼时出现较 多，波幅亦最高，可以通过长时间的观测得到，口波是正常脑电图的重要标志之一。 ( 4 ) 波：频率在1 4 h z 2 5 h z ，波幅在5 2 0 9 v 之间。也是正常的脑电波形之一，主要 出现在额、颞和中央部位。当兴奋或紧张的时候，波会明显增多，并占有主导地位。 初孟：时频分析及其在癫痫脑电信号中的应用 ( 5 ) y 波：频率在2 6 h z 以上。它属于快波，以额区顶部中央最为显著，快波的增多，波 幅增高，是神经细胞兴奋的表现，它是由注意或感觉刺激引起的一种高频波。 癫痫是大脑受损伤的一个症状，而不是疾病。癫痫的特征是中枢神经系统中大群神 经元的同步放电。癫痫大发作遍布整个中枢系统，此时病人出现昏迷，并发生痉挛，大 发作时，整个皮层呈现类似的脑电波( 棘尖慢波) 。癫痫小发作时，出现一种具有极为 特殊形式的异常活动，通常癫痫小发作仅持续几秒钟。在一次癫痫发作前，常常出现运 动和感觉现象，成为先兆，先兆与大脑皮层病灶开始放电相伴随，而先兆的性质完全取 决于病灶的位置。癫痫病的病理波一般有以下四种形式p j ： ( 1 ) 棘波：周期在8 3 m s 以下，2 0 5 0 m s 内，振幅多在1 0 0 v 以上的一种快波。波形较陡 成为棘状波，呈垂直上升和下降，波幅较高约为1 0 0 - - 2 0 0 小，棘波的极性向上者称为阴 性棘波，向下者称为阳性棘波。棘波代表皮层神经元的超同步性放电，是癫痫的特异性 f p l 、f p 2 ：前额 f 3 、f 4 ：额： c 3 、c 4 ：中央 p 3 、p 4 ：顶； 0 1 、0 2 ：枕： f 7 、f 8 ：前颓； t 3 、t 4 ：中颞 t 5 、t 6 ：后颞： f z ：额中线； c z ：中央头顶； p z ：顶中线； a 1 、a 2 ：耳( 或乳突) 图1 2 国际标准的1 0 2 0 系统电极放置法 f i g 1 2t h e i n t e r n a t i o n a l1 0 2 0e l e c t r o d ep l a c e m e n t 发作性放电，特别是振幅较大，周期较短的阴性棘波，代表病灶处。棘波多为病理性波。 常见于局限性癫痫、癫痫大发作、肌阵挛性发作、间脑癫痫等。但是一般的棘波都不会 单独存在，它会附着在一个慢波上，也就是我们以下所要提到的棘慢复合波。 ( 2 ) 尖波：又称锐波，形状近似于棘波，但周期较长，这是因为神经元同步性不够完善。 尖波周期大于8 3 m s 通常在8 3 m s 2 0 0 m s 内，顶部较棘波平滑，波形一般呈上升快下降 慢的曲线，有散在性和节律性出现。也是一种病理波，是皮质刺激现象，多见于癫痫。 ( 3 ) 棘慢复合波：这是一种由一个棘波和一个慢波( 臼或6 ) 交替结合起来的放电，是两 大连理工大学硕士学位论文 侧对称的每秒三次的复合波，以额部最为显著。有时也出现多个棘波附着在一个慢波上， 称为多棘慢复合波，是比较常见的癫痫病理波。 ( 4 ) 尖慢复合波：是由一个尖波和一个慢波组成的复合波，亦称为不全棘慢波或慢棘慢 波，特点基本与棘慢复合波类似，见于局限性癫痫。 1 4 脑电信号的一般分析方法 几乎在7 0 多年前e e g 研究剐开始的时候，人们就期望通过量化分析提取e e g 中 的特征信息。b e r g e r 曾经希望e e g 能够为治疗精神错乱提供一个心灵的窗口。几十年 来，人们一直试图通过更高级、更精巧的分析方法实琢b e 增e f 的梦想。在已有的研究中， 所使用的e e g 分析方法主要有下面几种。 ( 1 ) 时域分析 时域分析方法是最早使用的e e g 分析方法，时域分析一般直接提取e e g 波形的特 征。这类方法主要是利用e e g 波形的性质，如波幅、均值、方差、偏度( s k e w n e s s ) 和峭 度( k u r t o s i s ) 等。对临床e e g 记录的视觉分析，可以看作最一种人工时域分析。在e e g 研究中，常用的时域分析方法有：过零点分析、直方图分析、方差分析、相关分析、峰 值检测、波形参数分析和波形识别等等。此外，利用参数模型( 如a r 模型等) 提取特征， 也是信号时域分析的一种重要手段，这些特征参数可用于e e g 的分类、识别和跟踪等。 由于e e g 中的一些重要特征一般都是使用波形定义的，如癫痈发作时的棘慢复合 波，反映睡眠深度的梭形波和k 一复合波等，因此时域分析不仅直观，而且分析结果的 意义也明确。此外，由于时域波形包含e e g 的全部信息，而且时域分析一般都是对e e g 波形的一次性处理，因而在处理过程中损失的信息也较少。然而由于e e g 波形的形态 过于复杂，目前还没有一个特别行之有效的分析e e g 波形的方法。 ( 2 ) 频域分析 频域分析畏e e g 研究及临床应用中的主要分析方法。频域分析方法主要是e e g 的 功率谱估计。通过计算e e g 信号的功率谱，可以直接观察e e g 中占、口、口、口、y 等 节律的分布与变化情况。在e e g 的定量分析中，功率谱估计是各种频域分析方法的基 础。利用功率谱可以分析e e o 节律，在诸如睡眠和麻醉深度的分级、智力活动与e e o 之间的关系、脑病变和脑损伤在e e g 上反映以及环境( 噪声、超短波等) 对人的影响等 方面都有人通过功率谱分析进行过研究 1o l 。 谱估计通常分为经典方法和现代方法。经典方法以f o u r i e r 变换为基础，主要包括 相关图法和周期图法，以及在此基础上的改进方法。这种方法的优点是物理意义比较明 初孟：时频分析及其在癫痫脑电信号中的应用 确，计算方便，并且对信号适应性强。因此在许多领域得到应用，也是e e g 功率谱分 析中常用的方法。在对e e g 的平均谱特性作静态分析时，传统的f f t 周期图谱估计方 法应用的很广。这种方法的缺点是当分析短数据时，频率分辨率很差，而且存在频谱泄 露的现象，容易造成谱图的模糊和失真。 在现代谱估计方法中，参数模型法是应用最广泛的一种方法，在e e g 信号处理中 也普遍应用。这种方法首先根据时间序列的先验信息或一些假定，选择一个代表随机过 程的参数模型，然后利用采样数据序列或自相关延迟序列估计该模型的阶数，以及模型 中各个参数的值，最后利用估计出的参数模型计算功率谱。a r 、m a 、a r m a 及谐波信 号模型等都是现代谱估计常用的模型。参数模型法的优点是频率分辨率高，得到的谱图 平滑，有利于提取e e g 的特征。这种方法特别适用于要求对短数据处理的场合，因此， 可以对e e g 进行动态分析。在e e g 信号的谱估计中，使用的较多的参数模型是a r 模 型。由于这种方法对被处理信号的线性、平稳性及信噪比要求较高，而e e g 又是非平 稳性比较突出的信号，因此使用参数模型估计e e g 的功率谱时，一般要分段处理。 由于谱估计分析的是平均谱特性，对检测e e g 中的瞬态信号( t r a n s i e n ts i g n a l ) 如癫 痫e e g 中的棘尖波一般无能为力，也难于反映突发的低幅信号。近年来，随着计算机 技术与信号处理技术的发展，在功率谱分析的基础上又发展了脑地形图、压缩谱阵图 ( c o m p r e s s e ds p e c t r a la r r a y ，c s a ) ，优势频率分析等频域分析方法，并在临床中广泛应用。 虽然，利用这些方法得到的结果更形象、直观，也便于动态监护，但对谱分析本身存在 的问题并无多大的改观。 ( 3 ) 高阶谱分析 高阶谱定义为高阶累积量的f o u r i e r 变换。功率谱反映的只是信号的二阶统计量( 如 相关函数等) 中的信息，丢失了包括相位在内的高阶信息，而这些信息对e e o 分析往往 有重要的价值和意义。从理论上讲，高阶谱可以包括信号的全部信息，能够为模式识别 和信号分类提供有用的特征。双谱( b i s p e c t r u m ) 是高阶谱中最基本的一种。双谱包含了 信号的相位信息以及各种频率分量的相关信息，在非高斯时间序列的分析中正在成为一 个重要的工具。由于双谱能够抑制有色噪声，提高信噪比，因而在诱发电位的检测与估 计中得到了有效的应用。此外，双谱也用于检测e e g 中二次相位耦合等非线性特征。 ( 4 ) 人工神经网络 人工神经网络的工作原理来源于大脑，其结构、学习算法都是模仿中枢神经系统和 大脑工作过程的产物。因此，大脑可以说是人工神经网络的模板。神经网络作为一种自 大连理工大学硕士学位论文 适应模式识别方法，可以把专家的知识和数学算法有机地结合起来，而且对被分析的信 号的统计特性几乎没有要求。这个优点正是分析e e g 信号所需要的。从八十年代末以 来，人工神经网络的应用已涉及到脑电分析的各个方面，包括e e g 中特征波形的提取， 如瘴痫特征波的检测，k - 复合波的检测，睡眠e e g 分阶，药物作用的鉴别和麻醉深度 的分析，以及诱发电位的波形提取、波峰辨识、非线性滤波、听力阚值测试、器官功能 检测和通过脑电进行人机接口、精神负荷、高级认知活动等。 ( 5 ) 混沌理论 目前，使用混沌理论及其方法的研究脑电已成为e e g 研究中一个热点 1 1 。按照研 究目的划分，主要集中在下面两个领域：1 ) 研究人体处于不同生理状态( 如不同的睡眠 阶段) 和不同脑功能下，e e g 的非线性动力学特征。2 ) 研究病理状态下，如癫痫、脑损 伤以及药物作用时，e e g 的非线性动力学特征的变化。 ( 6 ) 时频分析 e e g 中许多特征信息都是用波形描述的，然而直接使用波形分析方法，很难提取这 些特征信息。另一方面，e e g 的频率特性反跌了大量的脑电活动信息，雨且在许多情况 下，从频域观察e e g 信号也更为合理。但是通过频域分析又无法得到e e g 信号局部特 征，并且使用谱估计等频域分析方法通常要求信号应当是平稳的，而e e g 又是一个典 型的非平稳信号。事实上对于e e g 信号中的某些特征来说，从定量分析的角度，无论 是单纯从时域还是单纯从频域都无法提取，因此人们很自然地想到采用时频分析方法。 近年来使用时频分析研究e e g 得到了较大的发展，尤其是以c o h e n 类为代表的二次时 频分布【1 2 和各种小波变换方法在e e g 分析中得到了广泛的应用( 1 3 ，这些应用包括癫 痫波的特征分析与监护 1 4 j ，脑电的节律分析 1 5 及诱发电位的检测与估计等。 1 5 本文所做的工作 脑电信号的分析和处理一直是极其困难但又非常吸引人的研究课题，不但在于其信 号的非平稳性，还在于其信号波形的多样性。如果单纯地从时域或者频域考虑，效果并 不是很理想。主要原因在于这些方法都是试图用单纯时域或频域的特征来表征信号，忽 略了脑电信号的非平稳性，因而不能充分明显地区分癫痫信号的特征。本文将时频分析 这种信号处理方法应用于癫痫脑电信号中，希望从中提取出有用的时频特征，实现癫痫 脑电特征波的自动检测和提取，从而达到减轻医生的负担和提商脑电图诊断效率的目 的。本文的主要工作包括以下几个方面： 初孟：时频分析及其在癫痫脑电信号中的应用 ( 1 ) 深入研究了时频分析的理论和方法，了解每一种时频分析方法适用的场合和它们的 差别以及各自的特点。另外，研究了时频分析中各种抑制交叉项的方法，并综述了近年 来交叉项抑制的研究进展。同时，给出了一种基于a r 模型的抑制交叉项的时频分布， 并根据相关的准则条件对a r 模型的阶数进行了自动的优化选择，得到了比较好的结果。 ( 2 ) 在研究h i l b e r t h u a n g 变换( h h t ) 的基础上，给出了两个基于经验模态分解( e m d ) 的方法。个是基于e m d 的时频分布，其能有效地抑制时频分布中的交叉项，给脑电 信号的特征提取与识别带来许多方便，而且将这种新的时频分布应用到临床的癫痫脑电 信号中，得到了较好的结果。另一个是基于e m d 的非线性能量算子方法，在癫痫脑电 信号的处理中，比与单独使用非线性能量算子的效果要好。 ( 3 ) 采用时频分析中的指数分布( c w d ) 对癫痫e e g 信号进行分析，同时使用奇异值分 解方法对时频分布进行预处理，并通过时频分布的差异测度方法对癫痫棘波进行检测和 提取，取得了较好的效果。 ( 4 ) 给出一种时频分析与j e n s e n 函数相结合的方法进行棘波检测，然后提取出棘波的波 形特征，并通过人工神经网络进行进一步的判决，从而降低了棘波检测的误检率，提高 了检测正确率。 ( 5 ) 用m a t l a b 语言编写了一个可以用于癫痫脑电特征波检测的工具，并将若干癫痫特征 波自动提取的方法封装到了一起，其中包括本文所给出的方法，也包括其他参考文献中 的方法。 大连理工大学硕士学位论文 2 时频分析的基本方法及研究进展 2 1 已有的主要时频分析方法 时域和频域是信号分析的两大领域，它们是通过傅立叶变换联系起来的。对于确定 性信号，单独地从时域或频域分析一般已经能够这到要求。但时频两域的截然分开是以 信号的频率特性时不变或统计特性平稳为前提的。然而现实中许多天然的和人工的信 号，譬如语音、生物医学信号、雷达和声纳信号等，都是典型的时变非平稳信号，为了 能够分析这些非平稳信号的特性，单单靠时域或频域分析方法是远远不够的，而时频分 析技术的发展则为处理这类非平稳信号提供了非常有效的方法。 时频分析的思想开始于上个世纪四十年代，其旨在构造- 9 十时间和频率的联合密度 函数，以揭示信号中所包含的频率分量及频率分量的变化特性，1 9 4 6 年，d g a b o r 1 6 提出的g a b o r 变换为此后在时间和频率联合域内分析信号奠定了理论基础。为了更好地 理解语音信号，r k ，p o t t e r 等 1 7 在1 9 4 7 年首次提出了一种实用的时频分析方法，即短 时f o u r i e r 变换，并将其绝对值的平方称为声音频谱图，此即为后来者所称道的谱图。 1 9 4 8 年，j v i l l e 1 8 将e p w i g n