北京生物医学工程

睡眠脑电信号的非线性动力学分析

Nonlinear Dynamics Analysis for Sleep EEG

作者：李玲王瑞平

单位：北京交通大学生物医学工程系（北京100044）

分类号：

出版年·卷·期（页码）：2010·29·3（304-307）

摘要：

睡眠与健康、工作、学习等之间的关系甚为密切。由于脑电（EEG）是描述睡眠过程中最显著和最直观的信号，所以睡眠脑电是研究睡眠的重要且有用的工具。其中睡眠分期研究对评估睡眠质量重要。由于脑电活动自身的复杂性，因此采用非线性方法处理会有比较好的结果。本文简单介绍了睡眠与脑电的关系，重点介绍了几种非线性动力学方法，包括李亚普诺指数、复杂度、相关维数、近似熵等，并介绍了它们对睡眠脑电信号进行特征处理的情况，发现在不同的睡眠期，计算出的结果呈现一定的变化规律。

There are very close relationships between sleep and health,work,study.During sleep,electroencephalogram (EEG) is the most significant and most intuitive signal.Sleep studies have great significances.Now,analysis of sleep EEG is a more feasible approach.Due to brain electrical activityits’ complexity,the use of non-linear approach will have good results.This article uses the different of the sleep EEG,to distinguish between the sleep stages.This paper describes several methods of nonlinear dynamics,such as lyapunov exponents,complexity,correlation dimension，approximate entropy and so on.And we introduce the function of them about sleep EEG .The result of these ways will show special laws in different sleep stages.

参考文献：

［1］刘海龙.生物医学信号处理.北京：化学工业出版社,2004.
［2］Tarun Madan,Rajeev Agarwal,Swamy M N S.Compression of long-term EEG using power spectral Density.Proceedings of the 26th Annual International conference of the IEEE EMBS San Francico,CA,USA.September 1-5,2004.
［3］刘建平,郑崇勋.脑电信号的分析——一种探索大脑功能状态及活动规律的途径.国外医学生物医学工程分册,1995,18(5):263-270.
［4］张杰,王明时.睡眠脑电的研究.国外医学生物医学工程分册,1997,20(2):65-68.
［5］吴东宇，董为伟.非线性动力学分析在脑电图中的应用.临床神经电生理学杂志,2003,3,12(1)：46-51.
［6］He WX,Yan XG,Chen XP,et al.Nonlinear Feature Extraction of Sleeping EEG Signals.Proceedings of the 2005 IEEE,Engineering in Medicine and Biology 27th Annual Conference Shanghai,China,1-4,2005.
［7］江朝晖，冯焕清，刘大路，等.改进G-P算法与睡眠脑电的关联维.北京生物医学工程,2004，23（4）：260-262.
［8］宋成震.复杂度算法和近似熵算法应用于睡眠分期的比较.医用放射技术杂志,2007,(7):42-43.
［9］葛佳怡，周鹏,赵欣,等.睡眠脑电时间序列的非线性样本熵研究.电子器件,2008，31（3）:972-975.
［10］陈晓平,和卫星,姚静.基于小波变换与近似熵的睡眠分期研究.中国组织工程研究与临床康复,2008,12(9):1701-1704.
［11］洪波，唐庆玉，杨福生.近似熵、互近似熵的性质、快速算法及其在脑电与认知研究中的初步应用.信号处理,1999，15（6）：100-108.
［12］Wang Yuerong,Wang wei,Liu Yuelei,et al.Feature Extracting of weak signal in Real-Time sleeping EEG with Approximate Entropy and Bispectrum Analysis.Institute of Biomedical Engineering,School of Information science and Engineering Lanzhou University.
［13］丁宝玺，陈志华，赵力.脑电图数据的相关性分析.现代生物医学进展,2008,8(1):62-66.
［14］董国亚，吴祈耀.近似熵和复杂度应用于睡眠脑电研究的比较.中国医疗器械杂志,1999，23（6）：311-315.
［15］付晓华，李鸿培.睡眠与健康.中国医刊,2003,38(8)：25-26.
［16］龚礼华.动力学系统状态演化特征的Lyapunov指数.达县师范高等专科学校学报(自然科学版),2005,15(2)：22-24.
［17］陆为民，刘福彬.睡眠脑电信号的动力学分析.中国医学装备,2008,5(2):16-20.
［18］梁勇,孟桥，陆佶人，等.Lyapunov指数的算法改进与加权预测.声学技术,2006,25(5):464-467.

服务与反馈：

【文章下载】【加入收藏】

提示：您还未登录，请登录！点此登录