静息态功能磁共振成像评估健康老年人认知行为的多尺度熵模型研究

当前,静息态功能磁共振成像(rfMRI)为脑功能检测提供了高效、快捷的先进技术.熵可以捕捉神经信号动态特征,可作为量化评估参数,但尚存在固定尺度计算缺陷且对认知行为的生物学标记少有研究,影响检测精准性.为此,本文将多尺度熵模型与机器学习方法联合,寻求BOLD信号复杂度表征健康老年人认知分数的功能影像学标记.由扫描前认知量表测试分数将98名健康老年人分为优、差两组,78名纳入训练,20名纳入测试.首先,构建多尺度熵模型,计算两组扫描数据熵,统计和对比以优化模型参数;然后,在优化参数下由统计显著性高的脑区熵值构建特征向量;最后,用极限学习机对两组分类并统计检验.发现:rfMRI多尺度熵在评估老年人认知分数时,在额、颞叶脑区存在较大显著性差异,以此为标记区分认知分数可达80%准确率.结论:额、颞叶等脑区优化的多尺度熵可有效区分健康老年人认知行为优劣.该研究将为rfMRI替代主观繁琐的传统认知量表测试提供新的检测参数和新方法.     

功能磁共振成像

功能磁共振成像功能磁共振成像（ＦＭＲＩ）是一种利用快速磁共振成像方法探测大脑功能区域的新工具．常规的磁共振成像（ＭＲＩ）是观测高分辨率的大脑的解剖学图像，而ＦＭＲＩ只观测真正执行、控制、监视某一特定功能的那一部分的大脑结构．与已有的其他功能成像方法相...     

基于模糊近似熵的抑郁症患者静息态功能磁共振成像信号复杂度分析

提出采用模糊近似熵的方法对功能磁共振成像(functional magnetic resonance imaging,fMRI)复杂度量化分析,并与样本熵进行比较.采用的22个成年抑郁症患者中,11位男性,年龄在18—65岁之间.我们期望测量的静息态fMRI信号复杂度与Goldberger/Lipsitz模型一致,越健康、越稳健其生理表现的复杂度越大,且复杂度随年龄的增大而降低.全脑平均模糊近似熵与年龄之间差异性显著(r=-0.512,p0.001).相比之下,样本熵与年龄之间差异性不显著(r=-0.102,p=0.482).模糊近似熵同样与年龄相关脑区(额叶、顶叶、边缘系统、颞叶、小脑顶叶)之间差异性显著(p0.05),样本熵与年龄相关脑区之间差异性不显著性.这些结果与Goldberger/Lipsitz模型一致,说明采用模糊近似熵分析fMRI数据复杂度是一个有效的新方法.     

应用多尺度化的基本尺度熵分析心率变异性

本文采用多尺度化的基本尺度熵方法,针对心率变异性信号进行了分析,研究发现多尺度化的基本尺度熵可以区分不同生理病理信号,包括健康人、充血性心力衰竭患者和房颤心律失常患者的心率变异性信号,以及健康人白天黑夜的心率变异性信号.通过对健康人代理数据的分析,发现房颤心律失常患者与代理数据的熵值趋势相似,研究结果表明房颤心律失常患者的心率变异性信号更多的是反映生理信号的线性特征,而对环境变化不能很好的进行自我调节. 关键词： 多尺度化的基本尺度熵 心率变异性 充血性心力衰竭 房颤心律失常     

人脑功能的磁共振成像

介绍了人脑功能磁共振成像的原理和有关实验技术，评了已经取得的结果，提出了有待研究的问题和建议。     

心率变异性基本尺度熵的多尺度化研究

将基本尺度熵的方法在时间上做多尺度化的扩展,并将其应用到心跳间隔序列的分析研究中.研究发现,健康人的心率变异性是小时间尺度下的模式特定性与大时间尺度下的模式丰富性相结合的,而充盈性心衰患者则正好相反.这说明充盈性心衰患者在小时间尺度下心脏动力系统的控制不力,导致随机性增加,而在大时间尺度下对外界环境变化反应又不够丰富,从而导致生命更容易受威胁.据此提出了以小时间尺度下的基本尺度熵值相对于大时间尺度下平台区基本尺度熵值的变异参数δ作为区分健康人和充盈性心衰患者的诊断依据.通过对72例健康人和44例充盈性心衰患者的计算,发现两组样本差异显著,证明了参数δ的有效性. 关键词： 多尺度化的基本尺度熵 心跳间隔序列 心率变异性 充盈性心衰     

金属互连电迁移噪声的多尺度熵复杂度分析

针对传统频域方法用于分析金属铝互连中的噪声信号的局限性,本文采用多尺度熵方法分析电迁移噪声时间序列.结果表明在电迁移早期,噪声信号较不规律,复杂度较大;随空洞成核的发生,噪声信号规律性增强,复杂度明显减小,反映出随电迁移过程的进行系统的混乱度不断减小.通过与传统表征参量的对比,证明多尺度熵能够对电迁移失效过程进行表征. 关键词： 电迁移 噪声 多尺度熵 复杂度     

颠倒睡眠状态调制心率变异性信号的功率谱和基本尺度熵分析

心率变异性(HRV)信号能够提供心脏活动状态的重要信息.通过建立颠倒睡眠模型,联合功率谱和基本尺度熵方法分析颠倒睡眠状态下24 h的HRV信号,研究颠倒睡眠对自主神经相互作用以及HRV信号混沌强度的调制.结果表明,颠倒睡眠导致自主神经在昼夜间的活动节律发生颠倒,基本尺度熵在昼夜的变化趋势也随之发生逆转,因此HRV信号的混沌强度与自主神经的相互作用密切相关,进一步研究两者之间的关系发现:HRV信号的混沌强度与交感神经的调制强度正相关,与迷走神经的调制强度负相关.     

功能磁共振成像技术及其在脑科学研究中的应用

功能磁共振成像(functional magnetic resonance imaging,fMRI)是用磁共振成像的方法研究人脑和神经系统的功能,它是磁共振成像的一种应用和深入发展.磁共振成像(magnetic resonance imaging,MRI)是核磁共振成像的简称,它是基于核磁共振(nuclear magnetic resonance,NMR)这一物理现象发展起来的.1946年物理学家首先发现核磁共振现象,直到70年代初,它一直沿着高分辨核磁共振波谱学的方向发展.1972年达马迪安(R.Damadian)提出磁共振成像的设想,并指出可以用磁共振成像仪扫描人体检查疾病.1973年劳特伯(P.Lauterbur)在<自然>杂志上发表了用试管样品得到的磁共振截面像,显示了磁共振成像的可能性.从此开始了磁共振成像的发展时期.1980年在实验室中获得了足够清晰的有医学诊断意义的人的头部磁共振图像.磁共振成像仪逐渐形成产业,开始进入医院,主要用于观测人体内部解剖学结构,确定肿瘤和其他疾病的位置.1990年对动物的实验表明,有可能用磁共振成像研究大脑功能.1991年发表了第一幅有意义的人的大脑功能的图像,显示出视觉刺激在大脑的反应,开始了脑功能磁共振成像的研究.至今刚刚过了几年的时间,这一研究领域已经得到了迅速发展.     

增强低场下脑功能磁共振成像显著性的研究

实现了基于低场0.35 T磁共振成像系统的大脑功能磁共振成像（functional Magnetic Resonance Imaging,fMRI）的研究. 基于质子密度加权的快速自旋回波(Turbo Spin Echo,TSE)图像,重点研究增强低场fMRI显著性的方法,目的在于提高低场fMRI的可用性. 结果表明：健康受试者在执行手动任务期间,大脑运动区的信号强度变化可以由基于血管外质子信号增强 (Signal Enhancement by Extravascular water Protons,EEP)的对比机制探测. 优化TSE序列参数能提高图像SNR和扫描速度,并在统计分析中增加外在屏蔽图像,可以有效地提高低场下fMRI研究结果的显著性.     

Nonlinear statistical properties of fMRI signals in human visual cortex during resting-state

The purpose of the current work is to study nonlinear dynamics in neuronal activity within human brain visual cortex based on blood-oxygen-level dependent (BOLD) contrast imaging. In particular, based on functional magnetic resonance imaging (fMRI) signals, measures of fractality, complexity, and state disorder are estimated from central and peripheral eccentricity bands across three visual areas. Statistical results from analysis of 48750 resting-state fMRI signals show evidence that nonlinear dynamics of neuronal activity in resting-state in central and peripheral eccentricity bands of human visual cortex are persistent. However, they exhibit heterogeneous variability across eccentricity bands and visual areas. Also, information content in first visual area is more ordered than in the second one, whilst information content in the third visual area is the least ordered. These interesting nonlinear statistical properties are a further step toward understanding neuronal activity and nonlinear dynamics in human brain visual cortex.     

基于多尺度熵的交通流复杂性分析

交通流演化复杂性的研究有助于深刻理解交通系统的内在演化规律,为交通流的预测和控制提供理论依据.多尺度熵方法在生理时间序列和计算机网络流量的分析中得到了广泛的应用.考虑到交通流中的车辆到达和计算机网络中的分组到达具有类似特性,本文以刹车灯模型的车头时距为分析对象,利用多尺度熵方法来分析交通流演化的复杂性.分析结果表明:1)车头时距的复杂性随着时间尺度的增加而降低,反映了交通流的短时间难预测性;2)当时间尺度较小时,车头时距复杂性在自由流时和同步流时差异不大,但是,随着时间尺度的增加,自由流时车头时距的熵值迅速下降,而同步流时车头时距的熵值下降较慢.这一特性对于识别自由流中是否产生了同步流有非常重要的参考价值.本文的研究可以为揭示交通流演化的复杂性提供新的思路和方法.     

多尺度多变量模糊熵分析

多尺度多变量样本熵评价同步多通道数据的多变量复杂度, 是非线性动态相互关系的一种反映, 但其统计稳定性差, 且不适用于非线性非平稳信号. 研究利用模糊隶属度函数代替模式相似判断的硬阈值准则, 并分析模糊隶属度函数形式的影响; 研究利用多变量经验模态分解算法进行多尺度化, 并对比其处理效果. 仿真试验表明, 模糊隶属度函数的引入可以有效提高算法的统计稳定性, 所构造的物理模糊隶属度函数的性能最为显著; 基于多变量经验模态分解算法的多尺度化过程可更有效地捕获信号的不同尺度成分, 从而更敏感地区分具有不同复杂度的信号. 对临床试验数据的分析支持以上结论, 且结果提示随着年龄增加或心脏疾病的发生, 心率变异性和心脏舒张间期变异性的多变量复杂度以不同的方式降低: 年龄增加会使低尺度熵值降低, 表示近程相关性的丢失; 而心脏疾病会同时影响各个尺度的熵值, 即同时丢失了近程和长时相关性. 该结论可用于指导心血管疾病的无创预警研究. 关键词： 多变量复杂度 多尺度多变量模糊熵 物理模糊隶属度函数 多变量经验模态分解     

混沌伪随机序列的谱熵复杂性分析

为了准确分析混沌伪随机序列的结构复杂性,采用谱熵算法对Logistic映射、Gaussian映射和TD-ERCS系统产生的混沌伪随机序列复杂度进行了分析.谱熵算法具有参数少、对序列长度N(惟一参数)和伪随机进制数K鲁棒性好的特点.采用窗口滑动法分析了混沌伪随机序列的复杂度演变特性,计算了离散混沌系统不同初值和不同系统参数条件下的复杂度.研究表明,谱熵算法能有效地分析混沌伪随机序列的结构复杂度;在这三个混沌系统中,TD-ERCS系统为广域高复杂度混沌系统,复杂度性能最好;不同窗口和不同初值条件下的混沌系统复杂度在较小范围内波动.为混沌序列在信息安全中的应用提供了理论和实验依据.     

基于多尺度熵的电力能量流复杂性分析

电力能量流复杂性主要体现于其动态行为的实时性、非线性及不确定性等,网络动力学行为分析是关键.本文在电力系统动力学平衡方程基础上,构建了系统势能与支路势能函数模型;通过提取扰动(或故障)后系统的能量信息,利用多尺度熵对扰动(或故障)后系统能量流演化过程进行了研究.结果表明:1)稳定运行状态下系统复杂度较低,且随着故障持续时间的增加,系统故障后呈现出更高的复杂度;2)不稳定运行状态下,系统在小尺度时间上表现出更强的不确定性,而在大尺度时间上表现出相对更明显的规则性;3)临界稳定运行状态与临界不稳定运行状态下,故障后的系统复杂度在不同时间尺度上呈现出较明显的差异,这对动态过程中临界点的识别有着积极的参考价值.本文研究揭示了电力能量流在物理动态过程中的演化机制,为电力系统动力学行为分析提供了新思路与新方法.     

信息熵、玻尔兹曼熵以及克劳修斯熵之间的关系--兼论玻尔兹曼熵和克劳修斯熵是否等价

论述了信息熵、玻尔兹曼熵以及克劳修斯熵之间的关系;由不涉及具体系统的方法从玻尔兹曼关系、信息熵推导出了克劳修斯熵的表达式;指出玻尔兹曼熵与克劳修斯熵不是等价关系,而是玻尔兹曼熵包含克劳修斯熵,信息熵又包含玻尔兹曼熵。     

Study of the q-Gaussian distribution with the scale index and calculating entropy by normalized inner scalogram

In this paper, we discuss a method based on wavelet analysis for the study of the q-index of the Gaussian distribution. We derive q-index from the scale index, $i_{\mathit{scale}}$, using the expression; $q\equiv 1+2i_{\mathit{scale}}$ where $i_{\mathit{scale}}$ is a wavelet based tool for measuring the degree of aperiodicity of a dynamical system in the range of $0\le i_{\mathit{scale}}\le 1$. We show that this expression gives consistent results with the numerical approach of q-Gaussian distribution which determines the degree of non-extensivity of a dynamical system in the range of $1<q<3$. We also suggest a new entropy calculation method based on the normalized inner scalogram for studying the chaotic characteristics of nonlinear dynamical systems.     

基于改进的符号转移熵的心脑电信号耦合研究

试图探究动力系统中的耦合关系一直以来都是国内外众多学者关注的热点,传统的时间序列符号化分析方法会使研究结果受序列非平稳性的严重影响,本文在原有转移熵的研究基础上,应用粗粒化提取,经过理论与实验的分析,发现心脑电信号耦合研究中的转移熵值在不同提取情况下对应不同的分布趋势,并选择效果最好的信号数据提取方法用在其后的应用分析中. 此外,对时间序列符号化方法提出改进,采用动态的自适应分割方法. 实验结果表明,无论清醒期还是睡眠期,改进的符号转移熵算法观测分析到的心脑电信号耦合作用更显著,能更好的捕捉到信号中的动态信息、系统动力学复杂性的改变,更利于医学临床实践应用中的检测,在分析非平稳的时间序列上具有更好的效果. 关键词： 心脑电信号 粗粒化 符号转移熵 基本尺度     

Fine-grained permutation entropy as a measure of natural complexity for time series

In a recent paper [2002 Phys. Rev. Lett. 88 174102], Bandt and Pompe propose permutation entropy (PE) as a natural complexity measure for arbitrary time series which may be stationary or nonstationary, deterministic or stochastic. Their method is based on a comparison of neighbouring values. This paper further develops PE, and proposes the concept of fine-grained PE (FGPE) defined by the order pattern and magnitude of the difference between neighbouring values. This measure excludes the case where vectors with a distinct appearance are mistakenly mapped onto the same permutation type, and consequently FGPE becomes more sensitive to the dynamical change of time series than does PE, according to our simulation and experimental results.     

Modified multiscale entropy for short-term time series analysis

Multiscale entropy (MSE) is a prevalent algorithm used to measure the complexity of a time series. Because the coarse-graining procedure reduces the length of a time series, the conventional MSE algorithm applied to a short-term time series may yield an imprecise estimation of entropy or induce undefined entropy. To overcome this obstacle, the modified multiscale entropy (MMSE) was developed. The coarse-graining procedure was replaced with a moving-average procedure and a time delay was incorporated for constructing template vectors in calculating sample entropy. For conducting short-term time series analysis, this study shows that the MMSE algorithm is more reliable than the conventional MSE.