摘 要： 針對精神分裂患者靜息態腦磁特征提取的問題，提出一種基于EMD和樣本熵的非線性動力學方法對腦磁信號特征進行提取。該方法首先用ICA對靜息態MEG數據進行預處理；繼而基于IAF進行波段提取，得到快α、慢α1和慢α2波段；然后分別由EMD和樣本熵進行處理。結果表明，精神分裂患者的各波段樣本熵普遍高于正常人，尤其是慢α1波段大腦左半球額葉、枕葉、顳葉區。
關鍵詞： MEG；IAF；EMD；樣本熵；精神分裂癥；靜息態
0 引言
精神分裂癥[1]臨床上往往表現為癥狀各異的綜合征，涉及感知覺、思維、情感和行為等多方面的障礙以及精神活動的不協調。隨著科技的發展，人們逐漸認識到靜息狀態[2]下與人腦認知、意識和情緒相關的alpha波形與精神分裂癥的認知異常有緊密的關系。由于頻域范圍和能量譜可能存在較大的個體差異，因此，采用個體化頻譜分布方法——個體化α峰頻（Individual Alpha Frequency，IAF）[3]對alpha波段（慢α1、慢α2、快α亞頻）進行研究，可以弱化個體差異。
1 數據描述
靜息態MEG數據是來自美國國立精神健康MEG核心實驗室用VSM MedTech Ltd公司的一套產自加拿大的CTF-275 SQUID設備得到的。本實驗選取精神分裂癥病例8名，正常人8名，數據記錄了273個有效通道，時長為4 min，采樣頻率為600 Hz。
2 方法描述
2.1 個體化α峰頻IAF
KLIMESCH W等人[3]將5~14 Hz范圍內最高波幅所對應的頻率定義為個體化α峰頻，由此將α頻段分為慢α1（IAF×0.6~IAF×0.8）、慢α2（IAF×0.8~IAF）、快α（IAF~IAF×1.2）亞頻。已有研究表明，α亞頻的功能涉及注意、抑制等精神疾病易損的認知領域，其異常在靜息態或任務態均有體現。
2.2 經驗模式分解EMD
經驗模式分解[4]（Empirical Mode Decomposition，EMD）是一種時頻數據分析方法，通常適用于非線性和非穩定性信號的處理，其主要思想是從復雜信號中分離出有限個本征模態函數（Intrinsic Mode Function，IMF），這些IMF分量具有不同的頻率成分。
2.3 樣本熵
樣本熵[5]是時間序列復雜度的一種度量，在分析生物信號序列的復雜度分析中已經獲得成功應用。樣本熵具體算法步驟如下：
（1）對于一個由N點組成的原始信號x（1），x（2）…x（N）。
（2）按順序組成一組m維矢量
Xm（i）=[x（i），x（i+1），...，x（i+m-1）]，1≤i≤N-m
（3）定義矢量Xm（i）與Xm（j）之間的距離d[Xm（i），Xm（j）]為兩者對應元素中差值最大的一個，即：
d[Xm（i），Xm（j）]=max[|x（i+k）-x（j+k）|]，0≤k≤m-1，i≠j，i≥1，j≤N-m。
（4）給定閾值r=0.2 std，對每一個i值統計d[Xm（i），Xm（j）]小于r的數目，并計算該數目與距離總數的比值，用Blm（r）表示，即：
（5）求其對于所有的i的平均值，用Bm（r）表示：
（6）將維數加1，即組成m+1維矢量，重復步驟（1）~（5），并分別用Aim（r）與Am（r）表示。
（7）定義樣本熵為：
（8）當N為有限值時，式（1）表示為：
SampEn（m，r，N）=-ln[Am（r）/Bm（r）](2)
3 過程描述
3.1 預處理過程
本實驗MEG數據記錄的是受試者靜息態腦磁信息，經過fieldtrip去趨勢預處理得到273個有用信道（降低采樣率為150 Hz）。利用盲源信號分離技術消噪[6]，將16個樣本（8名患者，8名正常人）的腦磁信號進行ICA[7]去噪處理，剔除噪聲成分（心電、眼動等），獲得相對純凈的信號。
3.2 個體化α峰頻處理
正常人IAF在8.92 Hz左右，患者組IAF則在9.14 Hz左右，如表1所示。
3.3 特征提取過程
將前期處理的MEG數據進行EMD分解，得到各個樣本中各個信道的IMF分量，通過對IMF分量進行譜分析，其中前8個IMF分量集中了腦磁信號的主要能量。本研究將前8個IMF分量求和，計算樣本熵。為避免數據兩端奇化帶來的影響，計算樣本熵時采用了較為穩定的50~100 s的數據。
4 結果分析
4.1 腦區間結果
實驗將觀測的273個有效通道劃分為1.MLC、2.MLF、3.MLO、4.MLP、5.MLT、6.MRC、7.MRF、8.MRO、9.MRP、10.MRT、11.MZ，共11個腦區（MZ是中間豎線腦區通道），如圖1所示，其中L為左，R為右，F為額葉，C為中央區，P為頂葉，O為枕葉，T為顳葉。圖2~圖4為正常組和患病組腦區樣本熵箱型圖，其中橫軸為腦區，縱軸為熵值，深色是正常人，淺色是病人，對各樣本腦區樣本熵分別做了算術平均。由圖可以清楚地看到，患病組的平均值明顯高于正常組的平均值（尤其是慢α1波）。
由以上圖可以看到快α波、慢α1和慢α2波在大腦前額葉部位，患者組的樣本熵遠遠高于正常組，這和前額葉作為情感與認知功能的高級中樞，被認為在精神分裂的發病中扮演重要角色相符。
4.2 本地通道特征結果
圖5~圖7是本地273個有效通道正常組和患病組腦磁信號樣本熵拓撲圖。圖中的具體數值為腦磁信號樣本熵復雜度值，圖的顏色由深色到淺色逐漸增大。可以看出病人組大部分腦區復雜度值大于正常對照組，尤其是慢α1波。
表2是正常組和患者組α各波段樣本熵在p<0.05的條件下得出的具有顯著性差異的通道。發現慢α1在MLF、MLO等腦區，快α在MLF、MLO、MLT等腦區，慢α2在MLF、MRC腦區，患者組顯著高于正常組，大部分位于左半球，尤其是慢α1具有顯著差異。
5 結論
本文研究結果表明，精神分裂患者的各α波段樣本熵高于正常人，慢α1波的差異更具顯著性。這預示著精神分裂癥患者腦磁信號慢α1波大腦左半球額葉、枕葉、顳葉區的信號復雜度差異，可能為精神分裂的臨床診斷提供一定的參考。因為患病程度、疾病亞型等都可能影響到腦磁頻譜分布，所以結果是否具有普遍性尚需進一步驗證。今后擬繼續擴大樣本量，研究α各亞頻在精神分裂中的更為詳細的作用。
參考文獻
[1] 李蘭蘭.基于多導聯EEG的精神分裂患者alpha波段連接性算法的研究[D].蘭州：蘭州大學，2013.
[2] RAICHLE M E， MINTUN M A. Brain work and brain imaging[J]. Annual Review of Neuroscience， 2006，29：449-476.
[3] DOPPELMAYR M， KLIMESCH W， PACHINGER T， et al.Individual differences in brain dynamics： important implications for the calculation of event-related band power[J]. Biological Cybernetics， 1998，79（1）：49-57.
[4] HUANG N E， Shen Zheng， LONG S R， et al. The Empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceedings of the Royal Society， 1998，454（A）：903-995.
[5] 周建芳，羅曉曙，胡葉容.腦電信號的樣本熵分析[J].廣西物理，2007（2）：15-17.
[6] RICARDO V， JAAKO S， BEIKKO J， et al. Independent component approach to the analysis of EEG and MEG recordings[J]. IEEE Transactions on Biomedical Engineering， 2000，47（5）：589-593.
[7] 高莉，黃力宇，丁翠玲.結合PCA和ICA的腦磁信號消噪研究[J].西安電子科技大學學報（自然科學版），2007，34（6）：939-943.