文档介绍：近似熵应用
第一页，课件共21页
概述
背景：近似熵是一种描述信号复杂性和规律性的非线性动力学，只需较少数据就能度量信号的复杂性。
目的：探讨不同思维状态下脑电近似熵的变化规律，以及近似熵在认知过程中的作用。
方法：用近似熵对 20 名健康成年人在安静闭眼、安静睁眼、闭眼记忆、闭眼心算和图片识别 5 种状态下的脑电数据进行分析。
第二页，课件共21页
脑电图
脑电图包含了大脑皮质神经活动的信息，反映了大脑功能状态，认知功能是大脑高级功能之一，是包括感觉、知觉、记忆、判断、推理等在内的广泛的脑功能
大脑是一个非线性动力学系统，脑电信号可以被看作是其输出信号。为了获得对大脑新的认识，人们把非线性动力学方法用于脑电信号分析，并取得了一定的成果。
研究发现，正常人在不同的生理状态和认知状态下，脑电的利亚普诺夫指数、关联维数等非线性动力学参数发生显著变化，使用脑电非线性动力学分析方法研究大脑的认知功能较传统脑电图所采用的时域和频域方法更客观，而且能更多地了解其内涵信息。许多学者通过对不同导联、不同心理作业的时间序列信号进行处理，利用不同认知状态下的能量分布特性来揭示大脑工作机制
第三页，课件共21页
近似熵是一种描述信号复杂性和规律性的非线性动力学方法，只需较少数据就能度量信号的复杂性。
研究发现，近似熵能够直接用于评估意识障碍患者大脑皮质受抑制的程度，提供有关意识觉醒和知晓水平的信息。专家通过研究脑电近似熵与脑疲劳程度之间的关系，发现它能灵敏地反映出脑疲劳程度的变化，有望成为衡量脑疲劳程度的指标。
此外，对事件相关电位的近似熵分析展现了具有不同程度认知能力的被试者在执行认知任务过程中脑活动的变化。
重探讨正常成年人不同思维状态下近似熵的变化规律，及近似熵分析在认知功能研究中的作用。
近似熵
第四页，课件共21页
近似熵算法
第五页，课件共21页
第六页，课件共21页
第七页，课件共21页
实验结果与分析
第八页，课件共21页
1、对象与方法
采用脑电放大器，~100 Hz，采样率为1 000 Hz，模/数转换位数12位。
按照国际标准导联10~20方法安放电极，分别记录16个通道脑电信号，以双耳垂为参考。实验在安静的室内进行。采集时，受试对象在屏蔽室内放松坐于靠背椅上，每个受试对象均被采集5种状态的脑电信号：①安静闭眼：求受试者闭眼，放松，尽量不思考任何问题。
②安静睁眼：受试者睁眼，双眼平视前方，不思考任何问题。
③闭眼记忆：受试者闭眼，回忆刚刚看过的诗文。
④闭眼心算：受试者闭眼，用900~999之间的随机数连续加减1~9之间的随机数，
⑤图片识别：受试者睁眼，双眼平视前方检测者提供的动物图片，分辨图片中显示出来的动物名称。
每种状态采样时间为1 min，每个状态采样之间间隔时间1 min。
第九页，课件共21页
数据分析
从采集到的原始脑电信号中选取无明显伪迹的数据段，并对脑电信号进行工频干扰滤波，计算5种状态下脑电数据的近似熵ApEn近似熵ApEn值在闭眼计算和闭眼记忆思维状态高于安静闭眼状态，在图片识别状态下高于安静睁眼状态，差异有显著性意义(P < )。
第十页，课件共21页