無抽搐電休克治療中腦電的小波樣本熵分析

張學星，劉軍濤，黨衛民，高連勝，岳偉華，蔡新霞

（1.中國科學院空天信息創新研究院傳感技術國家重點實驗室（北方基地），北京 100190；2.中國科學院大學電子電氣與通信工程學院，北京 100049；3.北京大學第六醫院北京大學精神衛生研究所國家衛生健康委員會精神衛生學重點實驗室（北京大學）國家精神心理疾病臨床醫學研究中心（北京大學第六醫院），北京 100191）

精神障礙是一類常見的疾病，該類疾病發病率高、復發率高、致殘率高，因此被認為是21 世紀影響人類健康的重要疾病之一，而精神障礙疾病的治療也愈加重要[1-2]。無抽搐電休克治療作為一種成熟的物理治療方法，起效迅速、療效顯著，因此被廣泛用于各種精神障礙疾病的臨床治療，如精神分裂癥、抑郁障礙和雙相障礙等[3]。

在臨床上MECT 治療的實施過程中，首先根據患者的具體情況給予適量的麻醉劑及肌肉松弛劑，然后通過電刺激在患者的大腦皮層人工誘發癲癇樣放電實現治療[4]。多數研究表明，MECT 引起的癲癇發作持續時間與治療效果密切相關，充分的發作應持續至少25 s[5]才能夠實現患者病情的有效改善，然而目前尚無有效的量化指標來衡量MECT 的治療效果。文獻[6]提出額葉皮層腦電信號樣本熵可以用于評估抑郁癥的嚴重程度，樣本熵較大的患者往往病情更加嚴重，但目前的研究只關注全頻帶腦電信號的復雜度與精神障礙患者病情的關系，而缺乏對不同頻帶內腦電信號復雜度的詳細研究。

該研究利用離散小波變換和樣本熵對臨床精神障礙患者MECT 治療中單通道頭皮腦電記錄進行分析，分別計算精神障礙患者MECT 誘導充分發作后和非充分發作后腦電信號不同頻段的樣本熵，對實驗結果進行比較、分析和討論，試圖為MECT 治療精神障礙疾病的療效評估和機制解釋提供一種新的參考依據。

1 實驗

1.1 研究對象

該研究的研究對象為來自北京大學第六醫院的部分住院接受MECT 治療的精神障礙患者，相應研究通過了倫理審核，倫理審核編號為（2019）倫審第（42）號。所有患者根據國際疾病分類標準第十版（ICD-10）診斷標準診斷為精神分裂癥、抑郁障礙和雙相障礙，而且臨床治療方案是藥物聯合MECT 治療、未見MECT 和麻醉禁忌癥。在該研究中，共收集了10 例精神障礙患者，其中精神分裂癥3 例、抑郁障礙5 例、雙相障礙2 例。在這10 例患者中男性4 人，女性6 人，平均年齡40.3±19.1 歲。

1.2 實驗數據采集

該研究使用美國MECTA公司生產的SPECTRUM 5000Q 治療儀對精神障礙患者進行MECT 治療，同時利用內置的記錄系統以140 Hz 的采樣頻率采集患者額葉位點FPz 處的腦電信號，腦電信號采集電極按照國際10-20 系統的標準放置，在數據采集中，選擇患者左側乳突作為參考。由精神科MECT 治療醫生判斷確定人工癲癇充分發作與非充分發作，采集10 個患者每個治療療程中的腦電信號，為了便于對比，選擇充分發作達到臨床治療要求的數據50 組，以及非充分發作的腦電數據50 組，利用Python 對所選擇的腦電數據進行分析。

2 腦電數據分析

2.1 分析方法流程

由于腦電信號采集過程中存在工頻干擾等噪聲，首先對腦電信號進行0.5 Hz 高頻濾波和50 Hz 凹陷濾波，并進行128 Hz 降采樣。然后以db4 小波作為母小波，對預處理后的腦電信號進行離散小波變換，將原始信號分解到不同的頻段，針對各子帶小波系數計算樣本熵，以研究腦電信號各頻段信號的復雜度。分析方法的流程圖如圖1 所示。

圖1 分析方法流程圖

2.2 離散小波變換

小波變換通過使用可變尺寸的窗口實現更加靈活的時頻分析，被廣泛應用于生物醫學信號的分析和處理[7-8]。在小波變換中，使用長時間窗可以獲得更好的低頻分辨率，而使用短時間窗可以獲得更好的高頻分辨率，適用于非平穩信號的分析[9]。

對于所給定的信號x(t)，其連續小波變換（Continue Wavelet Transform,CWT）定義為：

式中，a為伸縮參數；b為平移參數；ψa,b(t)為母小波函數。

與連續小波變換對參數進行連續取值不同，離散小波變換（Discrete Wavelet Transform,DWT）將參數a和b的取值離散化，從而使得小波分析的效率更高[10]。通過參數離散化取值處理，所給定信號x(t)的離散小波變換定義為：

式中，j∈Z，k∈Z。為了實現離散小波變換，Mallet 等人開發了一種高效算法，該算法使用一系列由低通和高通濾波器組成的正交鏡像濾波器來分解腦電信號，獲得相應的近似系數和細節系數[11]。EEG信號四階小波分解如圖2 所示。

圖2 EEG信號四階小波分解

選擇合適的母小波函數和分解層數對信號的DWT 分析非常重要，由于Daubechies 小波在EEG 信號相關的分析得到了廣泛應用[12]，取得了很好的效果。在該研究中，選用db4 小波作為母小波并選用4階分解階數，腦電信號的4 階小波分解如圖2 所示，經過4 階小波分解后得到的各層小波系數對應頻帶頻率的分別如表1 所示。

表1 小波系數對應的頻率分布

考慮到頭皮腦電信號中大部分有意義的信息位于分解級別D2、D3、D4 和A4，因此，該研究計算小波系數D2、D3、D4 和A4 的樣本熵來研究腦電信號各頻段的復雜度特征。

2.3 樣本熵分析

樣本熵是在近似熵的基礎上進行改進提出的概念，其通過測量信號中新模式的產生概率來衡量信號的復雜性[13]。信號的樣本熵值越大，在信號中產生新模式的概率就越大，信號的復雜度也就越大[14]。反之，信號則表現出更強的規律性和穩定性。

設長度為n的信號序列x(t),t=1,2,…,n，其樣本熵的計算原理為：

1）從信號序列中從前往后依次選取m個樣本點，這m個樣本點可以組成一個m維矢量如下：

2）設d[xm(i),xm(j)] 是xm(i),xm(j)間的最大距離，即：

3）將計算過程中的閾值設為r，統計中d[xm(i),xm(j)] 數值小于閾值r的數目，將該數目除以距離的總數目n-m，并記為：

將原維數的值增大1 變為m+1，然后重復步驟1）-3）計算得到：

5）樣本熵的值為：

式中，SampEn()m,r,n的值與m，r和n的取值相關，一般m取值為m=1 或者m=2，r取r=0.1～0.3×std（std 代表數據的標準差）[15-16]。該研究中取m=2,r=0.2×std。

3 實驗結果與分析

3.1 精神障礙患者不同頻段樣本熵均值對比分析

臨床上將MECT 治療后大腦皮層出現持續時長超過25 s 的癲癇樣放電稱為充分發作，否則稱為非充分發作，充分發作才能實現精神障礙疾病的有效治療。在該研究中，充分發作時的腦電波形、充分發作后的腦電波形、非充分發作時的腦電波形、非充分發作后的腦電波形分別如圖3(a)、(b)、(c)、(d)所示。

圖3 MECT治療期間腦電信號

該研究針對10 位精神障礙患者MECT 誘導充分發作后和非充分發作后的腦電數據進行了對比分析。首先對10 位患者的腦電信號進行離散小波變換，針對所得到的小波系數計算樣本熵，然后計算這10 位患者腦電信號不同小波系數樣本熵的平均值，得出充分發作后和非充分發作后不同小波系數樣本熵的差異。通過實驗分析得到小波系數A4、D4 和D3 的樣本熵差異最明顯，因此該文分別針對小波系數A4、D4、D3 和D2 的樣本熵進行進一步對比分析，分析結果如圖4 所示。

圖4 小波系數A4、D4、D3和D2樣本熵平均值

3.2 精神障礙患者腦電各小波系數樣本熵值對比分析

通過分析圖4 可以看出，小波系數A4、D4 和D3的樣本熵存在明顯差異，該文進一步對各位精神障礙患者腦電信號小波系數A4、D4 和D3 的樣本熵值進行了對比分析，如圖5 所示。分析圖5 中小波系數A4、D4 和D3 的樣本熵值與發作類型的關系可知，精神障礙患者充分發作后的樣本熵值明顯小于非充分發作后。

圖5 精神障礙患者腦電小波系數A4、D4 和D3 樣本熵的比較

3.3 統計分析和假設檢驗

對MECT 誘導精神障礙患者充分發作后和非充分發作后腦電小波系數A4、D4和D3樣本熵的差異顯著性作統計性檢驗，以驗證該算法的可行性和準確性。利用SPSS 統計軟件對上述結果進行配對樣本t檢驗，配對樣本t檢驗的零假設H0認為，充分發作后和非充分發作后腦電信號小波系數A4、D4 和D3 樣本熵值的均值沒有顯著性差異，具體檢驗步驟如下：

首先，計算每位精神障礙患者充分發作后和非充分發作后的腦電信號小波系數A4、D4 和D3 樣本熵值的差值，得到差值序列；然后，計算差值序列的均值，如果該均值與0 存在顯著性差異，則兩組腦電信號A4、D4 和D3 的樣本熵值存在顯著性差異，否則不存在顯著性差異。

分別將10 位精神障礙患者充分發作后和非充分發作后腦電信號小波系數A4、D4 和D3 的樣本熵值進行配對樣本t檢驗，結果如表2 所示。根據表2可以看出，精神障礙患者充分發作后和非充分發作后腦電信號小波系數A4 樣本熵值均值之間的差值為0.134 50，差值的標準差為0.082 51，t值為5.155，自由度為9，顯著性P 為0.001＜0.01，因此拒絕原假設H0，精神障礙患者充分發作后和非充分發作后腦電信號小波系數A4 樣本熵值具有顯著性差異，小波系數D4、D3 配對樣本t檢驗得到的結果與小波系數A4 的結果一致。表明精神障礙患者充分發作后和非充分發作后的腦電信號確實存在差異，這種差異可以通過小波系數A4、D4 和D3 的樣本熵值進行準確的判斷和分析。該結果說明額區腦電信號的低頻小波樣本熵可以有效地區分精神障礙患者充分發作后和非充分發作后的腦電信號，從而為精神障礙患者MECT 治療的臨床療效評估診斷提供量化的可靠依據。

表2 配對樣本t檢驗分析結果

3.4 結果討論

臨床數據分析結果證明，精神障礙患者充分發作后的額葉皮層腦電信號小波分解后的小波系數A4、D4 和D3 樣本熵值顯著小于非充分發作后。腦電信號樣本熵值越大，其變化就越復雜和不規律。額葉皮層的腦電活動與神經調節密切相關，精神障礙疾病會擾亂中樞神經系統，使得額葉皮層的腦電活動變化更加復雜。充分發作后的腦電信號小波系數A4、D4 和D3 樣本熵值更小，表明其復雜度更小，說明相比于非充分發作，充分發作后精神障礙患者中樞神經系統調節能力更強，精神狀態得到了有效改善，證明額葉皮層腦電信號小波系數A4、D4 和D3樣本熵可以作為衡量MECT 治療效果的指標。

4 結束語

該研究利用離散小波變換和樣本熵的方法對精神障礙患者MECT 治療期間的額葉皮層腦電信號進行了計算、分析和討論，結果表明，接受MECT 的精神障礙患者經誘導人工癲癇充分發作后的額葉皮層腦電信號小波系數A4、D4 和D3 的樣本熵值與非充分發作后存在明顯差異，充分發作后明顯小于非充分發作后。對這一結果進行分析，精神障礙患者額葉皮層腦電信號低頻段樣本熵值的減小，表明患者腦電信號變得更加規律，復雜度明顯下降，精神狀態得到改善，從而實現對患者精神障礙疾病的治療。這也符合目前認識的精神障礙治療機制，證明了這種方法的準確性和有效性，為MECT 治療的療效評估和臨床規劃提供有效的物理量化指標作為參考。