[1]袁思念,但果,叶继伦,等.利用排列小波熵评价脑电信号中的爆发抑制水平[J].中国医学物理学杂志,2022,39(8):1010-1014.[doi:DOI:10.3969/j.issn.1005-202X.2022.08.016]
　YUAN Sinian,DAN Guo,et al.Use of permutation wavelet entropy to evaluate EEG burst suppression[J].Chinese Journal of Medical Physics,2022,39(8):1010-1014.[doi:DOI:10.3969/j.issn.1005-202X.2022.08.016]
点击复制

利用排列小波熵评价脑电信号中的爆发抑制水平()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
39卷
期数:
2022年第8期
页码:
1010-1014
栏目:
医学信号处理与医学仪器
出版日期:
2022-08-04

文章信息/Info

Title:
Use of permutation wavelet entropy to evaluate EEG burst suppression
文章编号:
1005-202X（2022）08-1010-05
作者:
袁思念1; 2; 但果1; 2; 3; 叶继伦1; 2; 3; 张旭1; 2; 3; 牛航舵1; 2; 马胜才1; 2; 李若薇1; 2; 朱子孚1; 2
1.深圳大学医学部生物医学工程系， 广东 深圳 518060； 2.深圳市生物医学工程重点实验室， 广东 深圳 518060； 3.广东省生物医学信号检测与超声成像重点实验室， 广东 深圳 518060
Author(s):
YUAN Sinian1;  2;  DAN Guo1;  2;  3;  YE Jilun1;  2;  3;  ZHANG Xu1;  2;  3;  NIU Hangduo1;  2;  MA Shengcai1;  2;  LI Ruowei1;  2;  ZHU Zifu1;  2
1. Department of Biomedical Engineering, School of Medicine, Shenzhen University, Shenzhen 518060, China 2. Shenzhen Key Laboratory for Biomedical Engineering, Shenzhen 518060, China 3. Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, Shenzhen 518060, China
关键词:
脑电信号; 爆发抑制水平; 排列熵; 小波熵
Keywords:
Keywords: electroencephalogram burst suppression level permutation entropy wavelet entropy
分类号:
R318
DOI:
DOI:10.3969/j.issn.1005-202X.2022.08.016
文献标志码:
A
摘要:
为了评价脑电信号的爆发抑制水平，本文从非线性动力学的角度出发，通过计算脑电信号的排列熵，再计算排列熵的小波熵，得到一种新的参数排列小波熵（PEWE）于量化脑电信号的爆发抑制水平。结果表明，在4例数据的测试中，PEWE与双谱指数模块输出的爆发抑制比指数的相关系数达0.942 5，因此，PEWE可以作为一种新参数来量化EEG信号的爆发抑制水平，为评价EEG信号的爆发抑制水平提供了新思路。 【关键词】脑电信号；爆发抑制水平；排列熵；小波熵
Abstract:
Abstract: From the perspective of nonlinear dynamics, the permutation entropy of electroencephalogram (EEG) signal is calculated, and then the wavelet entropy of the obtained permutation entropyis calculated to obtain a new parameter, namely permutation wavelet entropy (PEWE), for quantifying the burst suppression level of EEG signal. The results show that in the test of 4 cases of data, the correlation coefficient between PEWE and SR index output by the BIS module is 0.942 5, indicating that PEWE can be used as a measure to quantify the burst suppression level of EEG signal, which provides a new idea to evaluate EEG burst suppression.

相似文献/References:

[1]王怡玲,覃玉荣,郭湛超,等.基于不同闪烁频率光刺激的脑电压变化研究[J].中国医学物理学杂志,2014,31(05):5184.[doi:10.3969/j.issn.1005-202X.2014.05.019]
[2]杨建平,张德乾,吕敬祥,等.操作发起过程多脑区协作的脑电谱熵特征[J].中国医学物理学杂志,2016,33(1):44.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.010]
　[J].Chinese Journal of Medical Physics,2016,33(8):44.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.010]
[3]崔招焕,等.大鼠癫痫脑电信号采集[J].中国医学物理学杂志,2016,33(2):118.[doi:10.3969/j.issn.1005-202X.2016.02.003]
　[J].Chinese Journal of Medical Physics,2016,33(8):118.[doi:10.3969/j.issn.1005-202X.2016.02.003]
[4]顾家军,叶继伦.麻醉深度监测中脑电信号特征提取方法[J].中国医学物理学杂志,2016,33(2):157.[doi:10.3969/j.issn.1005-202X.2016.02.010]
　[J].Chinese Journal of Medical Physics,2016,33(8):157.[doi:10.3969/j.issn.1005-202X.2016.02.010]
[5]刘岩,李幼军,陈萌. 基于固有模态分解和深度学习的抑郁症脑电信号分类分析[J].中国医学物理学杂志,2017,34(9):963.[doi:DOI:10.3969/j.issn.1005-202X.2017.09.021]
　[J].Chinese Journal of Medical Physics,2017,34(8):963.[doi:DOI:10.3969/j.issn.1005-202X.2017.09.021]
[6]马玉良,刘卫星,张淞杰,等.基于ABC-SVM的运动想象脑电信号模式分类[J].中国医学物理学杂志,2018,35(9):1056.[doi:10.3969/j.issn.1005-202X.2018.09.012]
　MAYuliang,LIUWeixing,ZHANG Songjie,et al.Pattern classification of motor imagery EEG signals based on ABC-SVM algorithm[J].Chinese Journal of Medical Physics,2018,35(8):1056.[doi:10.3969/j.issn.1005-202X.2018.09.012]
[7]刘畅,覃玉荣,时文健.视听觉刺激下大脑头皮电位空间变化特性[J].中国医学物理学杂志,2018,35(10):1225.[doi:DOI:10.3969/j.issn.1005-202X.2018.010.023]
　LIU Chang,QIN Yurong,SHI Wenjian. Spatial variation characteristics of scalp potentials under audiovisual stimuli[J].Chinese Journal of Medical Physics,2018,35(8):1225.[doi:DOI:10.3969/j.issn.1005-202X.2018.010.023]
[8]周杰,杨国雨,徐涛. 基于空间频率与时间序列信息的多类运动想象脑电分类[J].中国医学物理学杂志,2019,36(1):81.[doi:DOI:10.3969/j.issn.1005-202X.2019.01.016]
　ZHOU Jie,YANG Guoyu,XU Tao. Classification of multi-class motor imagery EEG data based on spatial frequency and time-series information[J].Chinese Journal of Medical Physics,2019,36(8):81.[doi:DOI:10.3969/j.issn.1005-202X.2019.01.016]
[9]李冬,金韬,冯智英,等.基于脑电信号的疼痛强度识别方法研究[J].中国医学物理学杂志,2019,36(7):836.[doi:DOI:10.3969/j.issn.1005-202X.2019.07.017]
　LI Dong,JIN Tao,FENG Zhiying,et al.Pain intensity recognition based on EEG signals[J].Chinese Journal of Medical Physics,2019,36(8):836.[doi:DOI:10.3969/j.issn.1005-202X.2019.07.017]
[10]冯琴昌.基于OpenBCI与OpenViBE的脑机接口设计[J].中国医学物理学杂志,2020,37(2):210.[doi:DOI:10.3969/j.issn.1005-202X.2020.02.014]
　FENG Qinchang.Design of brain-computer interface based on OpenBCI and OpenViBE[J].Chinese Journal of Medical Physics,2020,37(8):210.[doi:DOI:10.3969/j.issn.1005-202X.2020.02.014]

备注/Memo

备注/Memo:
【收稿日期】2021-10-26 【基金项目】深圳市科创委重大产业攻关项目（JSGG20190222175027859, JSGG20210713091811038） 【作者简介】袁思念，硕士研究生，研究方向：生命信息监测方法、生物医学信号处理，E-mail: yuansinian2019@email.szu.edu.cn 【通信作者】但果，博士，教授，研究方向：医疗电子仪器、康复工程技术，E-mail: danguo@szu.edu.cn
更新日期/Last Update: 2022-09-05