基于EEG背景音分析的癲癇特征分析方法

(吉林大學(xué)儀器科學(xué)與電氣工程學(xué)院 吉林 長(zhǎng)春 130026)

一、引言

癲癇作為一種慢性神經(jīng)系統(tǒng)疾病，其發(fā)病機(jī)理至今未能完全闡述清楚。除去因?yàn)榇竽X結(jié)構(gòu)性病變引發(fā)的癥狀性癲癇之外，特發(fā)性與隱源性癲癇患者都很難通過外科手術(shù)等切實(shí)有效的方法進(jìn)行治療。而根據(jù)國(guó)際抗癲癇聯(lián)盟(ILAE)給出的癲癇定義，作為慢性腦部疾病，其特征之一為持續(xù)性多次發(fā)作，而這些患者中絕大部分自幼兒時(shí)期或者青少年時(shí)期起大腦會(huì)出現(xiàn)異常或者超同步放電，需要考慮長(zhǎng)期醫(yī)學(xué)觀察，生活質(zhì)量難以保障[1]。

而自德國(guó)醫(yī)師HansBerger創(chuàng)設(shè)腦電圖學(xué)以來，EEG作為大腦神經(jīng)元放電的集中體現(xiàn)，以其關(guān)聯(lián)性強(qiáng)，成本低，只需局部創(chuàng)傷甚至無創(chuàng)即可反映大腦生理狀態(tài)變化而在研究及臨床領(lǐng)域獲得大力推廣。但是在其實(shí)際臨床應(yīng)用上，為了精確診斷和評(píng)估發(fā)作風(fēng)險(xiǎn)，患者佩戴的腦電圖檢測(cè)裝置受限于檢測(cè)要求苛刻、檢測(cè)環(huán)境復(fù)雜多樣、配套設(shè)備日常維護(hù)困難以及患者本身的社會(huì)需求很難在醫(yī)院外使用。如何進(jìn)行信號(hào)篩選，選取合適的特征值，在保證檢測(cè)效果的同時(shí)減少對(duì)于信號(hào)數(shù)量及處理器要求，實(shí)現(xiàn)便攜檢測(cè)也成為了許多研究機(jī)構(gòu)的方向。

本文在EEG小波分析的基礎(chǔ)上，應(yīng)用DB小波降噪方法，結(jié)合背景音電信號(hào)能量分析與多波段發(fā)作能量增長(zhǎng)倍率，提出了一套較為準(zhǔn)確判斷癲癇發(fā)作前期與發(fā)作期腦電信號(hào)分布的計(jì)算方法，具有引用數(shù)據(jù)少，分析特征值明顯，處理器要求低等優(yōu)勢(shì)，同時(shí)通過多組數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了算法有效性。

二、小波分析與特征值選取原理

小波函數(shù)如下所示,若函數(shù)ψ(t)滿足如下公式：

則稱ψ(t)為小波母函數(shù)或基本小波。將上式中的ψ(t)做傅里葉變換，得到的小波函數(shù)的可容許性條件如下[5]：

小波變換的作用是一種時(shí)頻局部化算子，而連續(xù)小波則是小波變換的基本理論。連續(xù)小波變換的表達(dá)式如下[5]：

其中[x,y]表示內(nèi)積，L2(R)表示平方可積的空間函數(shù)且為距離空間，具體的表達(dá)式為：

小波變換：

本文在實(shí)際使用中就是使用小波分析中的DB小波算法進(jìn)行信號(hào)降噪處理，區(qū)分腦電中的高頻運(yùn)動(dòng)雜音，分解出較為純凈的腦電背景小波群，并對(duì)之進(jìn)行分析。由于除去如僅全面強(qiáng)直—陣攣發(fā)作性癲癇等發(fā)作間期與發(fā)作期區(qū)分不明顯的特殊癲癇種類以外，絕大部分癲癇都會(huì)出現(xiàn)短則幾十秒，長(zhǎng)則數(shù)分鐘的多波段小波能量變化，作為區(qū)分發(fā)作期與發(fā)作間期的前期特征電信號(hào)出現(xiàn)。故針對(duì)這一情況，在DB小波降噪算法中，選取每1分鐘取1s進(jìn)行降噪分析的方式，可以保證捕獲發(fā)作前期的EEG變化，從而進(jìn)行明確的病情分析。

在特征值選取上采用在多波段進(jìn)行小波能量分析，根據(jù)相同波段的能量密度增長(zhǎng)篩選可用的特征值，并根據(jù)特征值之間的比值關(guān)系進(jìn)行閾值分析，從而實(shí)現(xiàn)對(duì)于發(fā)作間期、發(fā)作前期與發(fā)作期的劃分。經(jīng)過設(shè)計(jì)分析選取0-4Hz波段內(nèi)以慢波為主的小波能量增長(zhǎng)倍率作為特征值。其中將增長(zhǎng)倍率設(shè)為N,發(fā)作前期和發(fā)作期小波信號(hào)能量總值分別設(shè)為W1、W2，則它們之間的計(jì)算關(guān)系如下：

在該特征值分析中，需要注意由于部分波段能量分布值過大，為減少計(jì)算中產(chǎn)生的估算及移位誤差，計(jì)算能量值W1與W2均以dB為單位。

三、腦電信號(hào)背景音頻率成分及導(dǎo)聯(lián)選擇

腦電信號(hào)是由大腦多個(gè)腦區(qū)，超過140億神經(jīng)元細(xì)胞共同工作產(chǎn)生的電信號(hào)，腦電信號(hào)在不同的生理或者病理狀態(tài)下，其頻率、幅值及波形都會(huì)有復(fù)雜的變化。在時(shí)域中對(duì)腦電圖進(jìn)行分析十分困難，而在頻域中進(jìn)行分析能夠更加直觀的了解多種頻率分量與人體生理狀態(tài)之間的聯(lián)系。研究中通常將頻段劃分為δ波、θ波、α波、β波以及γ波五部分，依次頻段為4Hz以下、4-7Hz、8-13Hz、14-30Hz以及30Hz以上[2]。

本設(shè)計(jì)中討論的分析波段主要為4Hz以下的慢波波段及4-7Hz的高波幅棘波—慢波綜合波波段，正常成年人僅有小部分散在波形，主要反映患者清醒狀態(tài)下的大腦生理狀態(tài)，由于δ波為廣泛分布電信號(hào)，無法定位產(chǎn)生腦區(qū)，而θ波主要產(chǎn)生在中央?yún)^(qū)，故選擇T7-P7導(dǎo)聯(lián)作為信號(hào)源。該導(dǎo)聯(lián)位于顳葉與中央頂葉交界位置，可以典型反映出周邊頂葉、顳葉、枕葉等多個(gè)腦區(qū)的腦電信號(hào)。

四、仿真實(shí)驗(yàn)及影響因素分析

(一)仿真模型設(shè)計(jì)與驗(yàn)證

為了驗(yàn)證本文中實(shí)驗(yàn)數(shù)據(jù)的準(zhǔn)確性，實(shí)驗(yàn)采用Physionet網(wǎng)站上的癲癇患者EEG數(shù)據(jù)庫(kù)進(jìn)行驗(yàn)證，其中針對(duì)判斷選擇了患者連續(xù)的發(fā)作期與發(fā)作間期各一個(gè)小時(shí)的EEG信號(hào)進(jìn)行比對(duì)，同時(shí)分析了信號(hào)波段、除雜閾值、信號(hào)長(zhǎng)度四個(gè)方面對(duì)于算法的影響進(jìn)行比對(duì)，多次更換數(shù)據(jù)重復(fù)試驗(yàn)以驗(yàn)證結(jié)論。

(二)仿真結(jié)果

針對(duì)同一患者發(fā)作期、發(fā)作前期、發(fā)作間期的實(shí)驗(yàn)中獲得了相同導(dǎo)聯(lián)不同時(shí)間段的小波能量信息，從中選擇0-4Hz、4-8Hz、8-10Hz三個(gè)波段能量數(shù)值進(jìn)行對(duì)比。

在發(fā)作間期、發(fā)作前期、發(fā)作期等不同不同時(shí)間段其EEG的時(shí)域分布如下圖4.1所示。

圖4.1 病人發(fā)作間期、發(fā)作前期與發(fā)作期時(shí)頻域比較圖

通過以上數(shù)據(jù)可以得出，發(fā)作間期時(shí)間內(nèi)腦電成分分布均勻，以慢波與棘波為主要成分的δ波與θ波波段散在波谷，α波段小波組成成分均勻；而在發(fā)作前期δ波與θ波波段多個(gè)散在波谷寬度減小，全譜電信號(hào)呈現(xiàn)抑制趨勢(shì)，出現(xiàn)特征癲癇發(fā)作前期圖形；在發(fā)作期δ波波段散在波谷寬度減小、θ波波段散在波谷消失、多頻率成分均勻分布，較發(fā)作前期呈現(xiàn)全譜電信號(hào)暴發(fā)趨勢(shì)。以δ波、θ波與α波為劃分依據(jù)，提取三個(gè)波段的信號(hào)進(jìn)行能量分析，并依照上文公式進(jìn)行能量增長(zhǎng)倍率計(jì)算可以得出能量變化對(duì)照表如下表4.1。

表4.1 多頻段發(fā)作間期、發(fā)作前期、發(fā)作期能量變化對(duì)照表

針由表中可以看出，病人發(fā)作前期較發(fā)作間期三個(gè)波段上能量分布都有衰減，而在發(fā)作期開始后三個(gè)波段能量分布都呈現(xiàn)增長(zhǎng)狀態(tài)，而其中δ波能量增長(zhǎng)倍率最高，遠(yuǎn)超其他波段3倍以上，其主要原因是癲癇信號(hào)以高波幅慢波為主，提高了低頻段的能量分布。該變化規(guī)律證實(shí)了該算法提取出特征值符合實(shí)際數(shù)據(jù)情況，可以用來判斷癲癇發(fā)生。

而本算法在判斷過程中以δ波波段增長(zhǎng)倍率作為判斷依據(jù)。但是并不意味著其他兩個(gè)波段的判斷沒有意義，由于致癇原因及病人年齡等多方面影響，θ波與α波波段也會(huì)呈現(xiàn)增長(zhǎng)狀態(tài)但是趨勢(shì)沒有δ波波段明顯，但是對(duì)于腦功能發(fā)育并不完全的幼兒，其腦電波常見大量δ波分布，則需要另外兩個(gè)波段進(jìn)行輔助分析才能提高算法的有效性，應(yīng)用過程中還應(yīng)根據(jù)病人個(gè)體的EEG信號(hào)對(duì)于頻段的劃分稍作調(diào)整。

(三)閾值設(shè)定對(duì)算法結(jié)果的影響

在利用DB小波算法除雜的過程中，對(duì)于除雜閾值的調(diào)整也同樣會(huì)影響到最后的能量分析效果，本次試驗(yàn)中分別調(diào)整3組閾值對(duì)照，分別為A、B、C三組，分析更改除雜閾值對(duì)于能量分布計(jì)算的影響。

其中A、B、C三組閾值如表4.2所示。

表4.2 DB小波除雜閾值設(shè)定對(duì)照表

同時(shí)對(duì)發(fā)作間期1s信號(hào)進(jìn)行DB小波除雜獲得最后效果如下圖4.2所示。

圖4.2 發(fā)作間期不同閾值除雜后時(shí)域效果圖

由圖可知，設(shè)定閾值較低的A組情況下DB小波除雜并不能有效除去時(shí)域信號(hào)中的高頻動(dòng)作電信號(hào)干擾，在除雜后的信號(hào)里依然保留了部分高頻的雙向尖脈沖，而在閾值設(shè)定較高的C組情況下，高頻尖脈沖已經(jīng)被完全除去，但是部分低頻小波信號(hào)的幅值也被降低，一定程度上降低了低頻段的能量增長(zhǎng)倍率，將會(huì)影響到癲癇預(yù)測(cè)中發(fā)作期增長(zhǎng)倍率的判斷。故在設(shè)定過程中應(yīng)當(dāng)保證在除雜后8Hz以上信號(hào)保持均均分布的情況下，盡量設(shè)置較小的閾值，確保增長(zhǎng)倍率信息不會(huì)被影響。

(四)采樣時(shí)長(zhǎng)對(duì)實(shí)驗(yàn)結(jié)果的影響

對(duì)于大部分EEG能量分布的算法中，較長(zhǎng)的采樣時(shí)長(zhǎng)意味著在計(jì)算中能夠更好地通過平滑濾波等運(yùn)算消除高斯噪聲等多種噪聲的影響，提高信號(hào)純度。本文中設(shè)計(jì)對(duì)照實(shí)驗(yàn)組，X組將60s內(nèi)采集數(shù)據(jù)全部輸入Matlab進(jìn)行DB法除雜，而Y組則節(jié)選1s信號(hào)進(jìn)行DB法除雜，兩組信號(hào)來源相同，采樣頻率同為256Hz，所得除雜信號(hào)數(shù)據(jù)如下圖4.3。

圖4.3 發(fā)作間期不同采樣時(shí)長(zhǎng)時(shí)域效果圖

可以看到采樣時(shí)長(zhǎng)較長(zhǎng)的X組，除雜前后信號(hào)基本無差別，而采樣時(shí)長(zhǎng)較短的Y組高頻告饒基本完全被除去。這主要是因?yàn)椴杉L(zhǎng)度過長(zhǎng)時(shí)包含高頻干擾成分過多，在DB法除雜過程中同樣的閾值無法識(shí)別冗雜的高頻噪聲，并從中分辨低頻的小波信號(hào)，故將噪聲也同樣視為需要保留的小波信號(hào)。如果采樣時(shí)長(zhǎng)無法縮短，可以適當(dāng)調(diào)高閾值，但同時(shí)應(yīng)該注意上文中提到的要求。如設(shè)置閾值過大可能會(huì)出現(xiàn)過量高頻尖脈沖信號(hào)轉(zhuǎn)換為方波二次污染采集信息的情況。如下圖4.4所示。

圖4.4 閾值設(shè)置失調(diào)后的二次信號(hào)污染

五、結(jié)論

通過本文中理論計(jì)算及實(shí)驗(yàn)，證實(shí)通過純凈的靜息腦電信號(hào)以多波段能量增長(zhǎng)倍率作為主特征值分析可以明確區(qū)分癲癇發(fā)作間期、發(fā)作前期及發(fā)作期，在癲癇監(jiān)測(cè)方面是有效的。它具有所需信號(hào)數(shù)量少，數(shù)值變化明顯、對(duì)處理器要求低等優(yōu)勢(shì)。但是對(duì)于嬰幼兒時(shí)期癲癇的腦電背景中散在的δ波，應(yīng)當(dāng)增添多個(gè)波段的增長(zhǎng)倍率分析，并適當(dāng)調(diào)整低頻段增長(zhǎng)倍率在判斷中的權(quán)重。同時(shí)對(duì)于部分處理器配置較高的設(shè)備開發(fā)可以增加多個(gè)導(dǎo)聯(lián)信號(hào)，擴(kuò)展包括α剩余波段及β波段的能量增長(zhǎng)倍率計(jì)算，完善算法結(jié)構(gòu)，可以進(jìn)一步提高算法預(yù)測(cè)的準(zhǔn)確性。