基于独立元分析和非线性指数分析的脑电信号中伪迹分量的自动去除

脑电(electroencephalography,EEG)信号中不可避免地存在着眼动、心跳、肌电信号以及线性噪声等伪迹干扰,这些伪迹的存在极大地影响了脑电信号分析的准确性,因此在进行脑电信号分析前需要去除伪迹干扰。为了有效地去除伪迹,结合独立元分析和非线性指数分析,提出一种自动识别并去除脑电信号中伪迹分量的方法。该方法还可同时用于提取脑电信号中的基本节律如!波等。相应的模拟与实际脑电数据的实验结果表明所提议的方法具有很好的识别和去除脑电信号伪迹分量的性能。     

基于二阶C0复杂度的癫痫发作预测

癫痫发作的预测是近年来在临床医学和神经系统科学研究领域中备受关注的问题。如果癫痫发作能够被可靠地预测,则可以提前采取有效的临床预防措施,从而能较大程度地改善癫痫患者的生活质量。文章提出了一种基于二阶C0复杂度的预测算法用于预测癫痫发作。该算法通过分析癫痫患者颅内脑电信号的二阶C0复杂度,利用发作前期复杂度曲线的变化特征预测癫痫发作。作者运用该算法对21组癫痫病人87次发作的临床颅内脑电数据和4组大鼠4次发作的颅内脑电数据进行分析计算,预测准确率分别为94.3%和100%。实验结果表明该算法可以有效地预测癫痫发作,具有潜在的重要临床应用价值。