發(fā)布時(shí)間：2021-11-05 18:33

　　腦疲勞是由于人們長(zhǎng)時(shí)間地從事重復(fù)單一或高負(fù)荷的認(rèn)知活動(dòng)所引起的,短時(shí)間的腦疲勞會(huì)引起注意力下降、工作效率降低,而長(zhǎng)時(shí)間的腦疲勞則會(huì)造成腦功能損傷。提取腦疲勞特征有助于腦疲勞的檢測(cè),預(yù)防腦疲勞帶來(lái)的危害。熵能夠反映腦疲勞狀態(tài)下大腦復(fù)雜度的變化情況,有望成為評(píng)價(jià)腦疲勞的指標(biāo)。但是,熵對(duì)腦電信號(hào)特征的提取受趨勢(shì)重疊的影響,無(wú)法實(shí)現(xiàn)信號(hào)動(dòng)態(tài)特性的準(zhǔn)確描述,造成不同時(shí)間段得到的熵特征不一致。為解決趨勢(shì)重疊對(duì)腦電信號(hào)熵特征的影響,將基于經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥MD）的去趨勢(shì)波動(dòng)分析同熵值計(jì)算相結(jié)合,以4 h英語(yǔ)科技論文翻譯作為腦疲勞誘發(fā)任務(wù),記錄14名本科生志愿者在正常安靜和腦疲勞狀態(tài)下的腦電信號(hào),對(duì)比分析兩種狀態(tài)及3個(gè)時(shí)間段腦電信號(hào)的近似熵、模糊熵和去趨勢(shì)模糊熵。結(jié)果表明,相比傳統(tǒng)的近似熵和模糊熵,腦疲勞狀態(tài)下去趨勢(shì)模糊熵在左半球腦區(qū)的熵值較正常安靜狀態(tài)下顯著降低（FC3,P=0. 022; P5,P=0. 007）,且3個(gè)時(shí)間段有顯著性差異的導(dǎo)聯(lián)基本相同（3個(gè)時(shí)間段FC3導(dǎo)聯(lián)P值分別為0. 025、0. 017、0. 012,P5導(dǎo)聯(lián)P值分別為0. 011、0. 006、0. 017）。結(jié)果表明,去趨... 

【文章來(lái)源】：中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2020,39(01)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

3個(gè)時(shí)間段下熵值和P值的腦電信息圖(每列中上為近似熵，中為模糊熵，下為去趨勢(shì)模糊熵)

通過(guò)配對(duì)t檢驗(yàn)對(duì)主觀量表得分進(jìn)行統(tǒng)計(jì)分析，通過(guò)威爾科克森符號(hào)秩檢驗(yàn)(Wilcoxon"s signedrank test)對(duì)14名被試在2種狀態(tài)下的熵值以及3個(gè)時(shí)間段下的熵值進(jìn)行統(tǒng)計(jì)分析，顯著性水平設(shè)定為P<0.05。2 結(jié)果

為了研究3種熵值在時(shí)間上提取腦電信號(hào)特征的穩(wěn)定性，將短時(shí)序列的腦電數(shù)據(jù)按時(shí)間順序分成3組。圖4為2種狀態(tài)、3個(gè)時(shí)間段下熵值和P值的腦電信息，發(fā)現(xiàn)3個(gè)時(shí)間段的近似熵和模糊熵值在左中央?yún)^(qū)、右額區(qū)、右頂枕區(qū)有明顯的變化，且腦疲勞狀態(tài)下這些腦區(qū)的變化更明顯，而去趨勢(shì)模糊熵值無(wú)明顯變化。3個(gè)時(shí)間段近似熵和模糊熵的P值腦電信息圖的藍(lán)色區(qū)域分布不同，即有顯著性差異(P<0.05)的導(dǎo)聯(lián)不同，其中3個(gè)時(shí)間段近似熵FC3導(dǎo)聯(lián)P值分別為0.327、0.012、0.036，模糊熵P5導(dǎo)聯(lián)P值分別為0.093、0.025、0.05。去趨勢(shì)模糊熵有顯著性差異(P<0.05)的導(dǎo)聯(lián)基本相同，3個(gè)時(shí)間段FC3導(dǎo)聯(lián)P值分別為0.025、0.017、0.012,P5導(dǎo)聯(lián)P值分別為0.011、0.006、0.017，且去趨勢(shì)模糊熵在3個(gè)時(shí)間段有顯著性差異的導(dǎo)聯(lián)與圖3基本一致。圖4 3個(gè)時(shí)間段下熵值和P值的腦電信息圖(每列中上為近似熵，中為模糊熵，下為去趨勢(shì)模糊熵)

【參考文獻(xiàn)】：
期刊論文
[1]基于無(wú)線體域網(wǎng)和復(fù)合生理信號(hào)近似熵的駕駛疲勞研究[J]. 王琳,付榮榮,張陳,尹曉偉,化成城,王宏.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2017(05)
[2]基于虛擬開(kāi)車(chē)環(huán)境的自閉癥兒童腦電樣本熵[J]. 雷敏,孟光,張文明,Nilanjan Sarkar.  物理學(xué)報(bào). 2016(10)
[3]基于雙樹(shù)復(fù)小波變換的非平穩(wěn)時(shí)間序列去趨勢(shì)波動(dòng)分析方法[J]. 杜文遼,陶建峰,鞏曉赟,貢亮,劉成良.  物理學(xué)報(bào). 2016(09)
[4]基于Hilbert-Huang變換的中樞疲勞腦電分析[J]. 張崇,于曉琳,楊勇,王潤(rùn)典.  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2013(05)
[5]近似熵、互近似熵的性質(zhì)、快速算法及其在腦電與認(rèn)知研究中的初步應(yīng)用[J]. 洪波,唐慶玉,楊福生,陳天祥.  信號(hào)處理. 1999(02)

碩士論文
[1]排列模糊熵及其在腦電分析中的應(yīng)用[D]. 王慧云.太原理工大學(xué) 2017
[2]基于腦電信號(hào)的腦疲勞狀態(tài)研究[D]. 于向洋.杭州電子科技大學(xué) 2017
[3]基于視覺(jué)刺激的腦電信號(hào)情緒識(shí)別研究[D]. 任通.杭州電子科技大學(xué) 2017
[4]體疲勞對(duì)腦疲勞影響的腦電信息分析與處理[D]. 張春翠.天津大學(xué) 2014



本文編號(hào)：3478301