大鼠慢波睡眠和睡眠过渡期脑电信号的小波变换分析

EEG信号经常包含许多快速的时变信息 ,将较长时间段的EEG信号近似看作平稳信号 ,进行FFT谱估计 ,存在其局限性。应用多分辨率小波变换方法 ,在频域和时域上可以同时定位分析大鼠慢波睡眠和睡眠过渡期脑电的动态变化特性。采用慢性埋植电极记录自由活动大鼠的皮层脑电 ,将信号用小波变换分解成δ、θ、α和 β四个分量 ,求各分量的功率和功率百分比的时间变化曲线 ,并与FFT功率谱分析结果进行比较。结果表明 :慢波睡眠期EEG中有 2 6 .2 %± 7.7%的时间段上δ分量功率小于总功率的 5 0 % ,且δ分量较大时 ,其他分量较小 ;δ分量较小时 ,其他分量较大 ,差别显著。此结果揭示了δ节律与θ和α节律之间的一种互补关系。而传统的FFT功率谱分析方法只能显示δ分量为主 (占总功率 70 .6 %± 6 .4 % )的功率谱 ,不能提供时变信息。对于睡眠过渡期的非稳态EEG信号 ,利用小波变换分解得到的θ和α分量可以鉴别出睡眠纺锤波 ,计算睡眠纺锤波的平均持续时间 ,并比较纺锤波和非纺锤波时期各个频谱分量的变化情况。由此可见 ,小波变换可用于计算新的EEG时频定量分析指标用于分析生理、病理和药理作用引起的睡眠EEG的变化过程 ,以弥补传统FFT功率谱分析的不足之处     

睡眠2期脑电信号产生的生理机制模型仿真研究

目前慢波睡眠生理机制研究已有的理论及动物实验结果显示,慢波睡眠中,皮层-丘脑系统神经元存在三种不同节律的振荡:慢振荡(<1 HZ)、δ振荡(1-4Hz)和纺锤振荡(7-14Hz)。这些神经元电活动在皮层水平广泛同步化,产生慢波睡眠脑电。提出了能分别产生这三种节律的三种神经元环路模型,并将之组合简化成一个七细胞环路模型。由这样的大量环路组成的网络模型在合适的突触连接参数范围内,能在皮层处产生人类慢波睡眠脑电2期的完整波形。这一结果说明了如何将动物实验观察到的睡眠生理机制的结果与人自然睡眠活动的脑电结果联系起来,并提示脑信息处理中由微观神经元群放电特征整合为脑的宏观功能状态的主要环节。     

Labview在动物脑电信号采集分析中的应用

分析动物行为活动中的脑电特征是脑机接口(Brain-computer interface,BCI)研究中的一个重要内容.本文利用最新测控软件-虚拟仪器技术(LabVIEW)进行脑电信号采集与处理,实现了信号实时显示、中值滤波、小渡消噪的设计.实验结果显示提取出了与特定行为(抓食)相关的脑电活动特征信号,为研究大脑如何控制行为提供了一个有效的方法.     

基于思维脑电信号的假手的研究

本文主要研究利用思维脑电信号来控制假手动作。采用小波变换对思维脑电信号进行分解,选取合适的子带信号并提取相应能量特征,组成特征向量输入BP神经网络进行分类识别。整个信号处理过程在LabVIEW软件平台上实现,并利用其串口通信模块输出控制指令来控制假手的张开和闭合。     

心电信号特征量的小波提取算法

目的:为了更准确地利用心电图(ECG)进行临床生理疾病诊断,提高心电信号的自动分析准确度.介绍了一种利用小波变换的时频局部化特性以及多分辨率特性对心电信号进行处理的算法.方法:使用定位准确.计算简便的二阶微分Mart小波使用多孔算法来对ECG中QRS波群进行标定.结果:将算法应用到MIT/BIH国际标准心电数据库进行仿真.结论:通过仿真证明,该算法能够很精确地定位QRS波群,为心电信号的后续研究打好基础.     

小波和主分量分析方法研究思维脑电

研究自发脑电和思维活动的关系．利用小波和主分量分析结合的WPCA算法对不同思维任务记录的六导脑电进行处理,并对思维特征的频谱能量和变化率等多指标进行综合分析和计算。结果表明WPCA算法不仅可以实现噪声的去除,而且能提高主分量的贡献率,降低输入矢量的维数。对脑电主分量的分析揭示了脑电与思维个体、思维种类、复杂度以及注意力的联系,思维任务的神经网络分类结果验证了WPCA方法研究脑电和思维的有效性,为进一步理解认知和思维过程,实现对思维的定位和分类提供了依据。     

非线性动力学在脑电信号分析中的应用

EEG是由大脑产生的非线性时间序列,体现出混沌行为。近年来迅速发展的非线性动力学理论为脑电信号分析开创了一个新的领域。本文综述了近年来非线性动力学在脑电信号研究中（睡眠阶段,麻醉深度,认知过程,精神分裂,痴呆及癫痫）的进展,以期对脑神经动力学有更好的理解。     

快速独立分量分析及其在脑电信号处理中的应用

独立分量分析(IndependentComponentAnalysis,ICA)是一种基于信号统计特性的盲源分离方法,由于其分离的信号之间是互相独立的,所以在生物电信号去除干扰和伪迹、信号分离以及特征提取等方面有很大的潜在价值。本文提出了一种改进的快速ICA方法,提高了收敛速度。通过仿真,证明这种方法的优越性。最后利用该方法去除脑电中眼动伪迹,达到了较好的效果。     

基于小波变换的单次诱发电位信号时频分析

比较小波变换和平均叠加两种方法提取“模拟自然阅读”刺激模式下的诱发脑电信号,分析其时频特性,并进行脑功能源分布定位分析。结果显示,采用平均叠加法来提取和分析诱发电位信号,损失了某些重要的诱发电位成分,且其功能源分布定位反映的只是等效功能源的静态过程;而使用小波变换和脑功能源定位来提取和分析单次诱发电位信号,既能观察到丰富的诱发电位成分,又能反映脑功能源的实时动态活动过程。这表明,小波变换下的时频分析是脑电信号处理的一种可行的新方法。     

培养的大鼠脑微血管内皮细胞生化特性观察

用胶原酶消化、差异离心和尼龙网过滤的方法分离鼠脑微血管内皮细胞,建立其体外长期培养方法。经形态学、免疫组化,酶学鉴定,培养细胞为脑微血管内皮细胞,动态观察培养细胞酶含量变化,发现随着细胞培养时间的延长,血管紧张素转换酶Ⅰ（ACE）呈上升趋势,而γ－谷氨酰胺转化酶（γ-GT）和硷性磷酸酶（ALP）则明显下降,实验结果提示,血脑屏障的主要功能酶γ－GT和ALP可作为体外脑微血管内皮细胞的标志酶,但要维持长时间体外表达则需要某种因子的介导。本实验可为体外研究血脑屏障及相关疾病提供帮助。     

EEG的信息熵分析

用非线性动力学观点来分析ＥＥＧ认为它可能是一个不稳定混沌态,并提出了用信息熵的方法来分析这一混沌态的结构特征。临床观察发现在不同功能下其特征是不一样的,并发现精神病人中信息传递特征参数有“倒置“现象,这对ＥＥＧ分析和临床脑电诊断都是有很大意义的。     

一个新的脑电信号分析系统：小波分析理论的运用

小波变换是一种把时间、频率（或尺度）两域结合起来的分析方法。它被誉为“分析信号的数学显微镜”。本系统将小波变换用于脑电信号分析,是一个在Ｗｉｎｄｏｗｓ３．１下开发的脑电分析系统。     

局灶性脑缺血损伤无创检测中EEG近似熵研究

局灶性脑缺血的早期无创诊断在临床实际中有着非常重要的意义。采用SD（Sparague-Dawley)大鼠建立了局灶性脑缺血的动物实验模型,记录了缺血前后缺血区域和正常区域的脑电信号EEG。由于近似熵复杂度算法所需时间序列长度较短,大大减少了脑电信号非平稳所带来的困难,且无需粗粒化,采用近似熵对局灶性缺血动物实验模型的脑电信号的复杂度进行了分析。结果发现缺血前后缺血与非缺血区域的近似熵均有着易于区分的特征,因此EEG信号的近似熵分析可以用于对局灶性缺血的脑损伤程度进行诊断,并区分损伤区域和非损伤区域,有望在临床中加以应用。     

Real-Time Monitoring of Slow-Wave Sleep by Electroencephalogram Variance

Based on statistical variance as an index of electroencephalogram (EEG) parameters, we monitored slow-wave sleep in both humans and rats in real time and on-line with a widely used personal computer. This EEG variance method may be a useful tool to carry out biological rhythm research, including sleep studies.     

不同生理状态时脑电时间序列的三神复杂度计算比较

为了研究不同生理状态下的脑电复杂度变化特点,本文依照１９９４年徐京等人应用的算法,对４种状态（安静睁眼,清醒闭目,浅度睡眠,深度睡眠）下的三种脑电复杂度（Ｋｃ,Ｃ１,Ｃ２）的变化规律进行了比较分析,Ｋｃ与Ｃ１的变化相一致,从安静睁眼剂的清醒闭目到浅睡到深度睡眠,Ｋｃ与Ｃ１值均依次下降,Ｃ２值的变化则与它们相反,尤其在深睡期显著升高,实验结果提示,复杂度可做为脑电时间序列的研究指标。     

不同生理状态时脑电时间序列的三神复杂度计算比较

为了研究不同生理状态下的脑电复杂度变化特点,本文依照１９９４年徐京华等人应用的算法,对４种状态（安静睁眼、清醒闭目、浅度睡眠、深度睡眠）下的三种脑电复杂度（ＫＣ、Ｃ１、２）的变化规律进行了比较分析,ＫＣ与Ｃ１的变化相一致。从安静睁眼到清醒闭目到浅睡到深度睡眠,ＫＣ与Ｃ１值均依次下降。Ｃ２值的变化则与它们相反,尤其在深睡期显著升高。实验结果提示,复杂度可做为脑电时间序列的研究指标。     

听觉诱发脑电小波分量的混沌研究——婴儿痉挛症认知功能障碍的机制探讨

通过对婴幼儿期难治性癫痫———婴儿痉挛症(infantile spasms, IS)听觉诱发脑电细貌混沌特性的研究,探讨与IS相伴的认知功能障碍的发生机制。研究方法是分别记录IS组及正常对照组对象的听觉诱发脑电,经Mexihat连续小波变换后,分别计算信号各尺度小波分量的相关维数。结果表明IS组与正常对照组的各小波分量相关维数的差别主要表现在小波的第3尺度分量上(频带范围是32~64 Hz,主要为γ频带范围),在这个尺度上正常组相关维数明显低于IS组(P<0.05)。相关维数的降低意味着大脑活动自由度的减少,表明大脑的各单元耦合加强。因为正常组脑干内信息传递通道完好,使得大脑各个单元之间的信息耦合较强; IS组则由于脑干功能的异常,存在神经信息传递障碍,进而影响到脑干及其与大脑各个局部之间的信息耦合。小波第3尺度处于较高频率范围(γ频带范围),而在大脑皮层上的基频信号与听觉调频信号经加工后所产生的神经信号正在这一频率范围,且这一信号与大脑高级认知功能密切相关。因此,IS患者γ频带细貌信号的相关维数高于正常值,能够解释IS认知功能发生障碍的原因。     

基于多变量AR模型的脑电相干性分析及其在脑区协作机制研究中的应用

研究脑皮不同区域之间功能协作的机制一直是认知和神经科学关注的重要问题之一。基于多变量自回归模型的动态相干性分析方法,被用于观察不同脑区在认知过程中的同步化,结果显示,人在感知和识别物体时,相关的脑区自动地发生了同步化的神经活动,这种同步化被证实是不受干扰刺激影响的,但被干扰的流产力确定影响了与判断和主动运动有关的脑区的同步化,而且这种影响的趋势与反应时间的分析结果一致。