摘  要： 针对精神分裂患者静息态脑磁特征提取的问题，提出一种基于EMD和样本熵的非线性动力学方法对脑磁信号特征进行提取。该方法首先用ICA对静息态MEG数据进行预处理；继而基于IAF进行波段提取，得到快α、慢α1和慢α2波段；然后分别由EMD和样本熵进行处理。结果表明，精神分裂患者的各波段样本熵普遍高于正常人，尤其是慢α1波段大脑左半球额叶、枕叶、颞叶区。

　　关键词： MEG；IAF；EMD；样本熵；精神分裂症；静息态

0 引言

　　精神分裂症[1]临床上往往表现为症状各异的综合征，涉及感知觉、思维、情感和行为等多方面的障碍以及精神活动的不协调。随着科技的发展，人们逐渐认识到静息状态[2]下与人脑认知、意识和情绪相关的alpha波形与精神分裂症的认知异常有紧密的关系。由于频域范围和能量谱可能存在较大的个体差异，因此，采用个体化频谱分布方法——个体化α峰频（Individual Alpha Frequency，IAF）[3]对alpha波段（慢α1、慢α2、快α亚频）进行研究，可以弱化个体差异。

1 数据描述

　　静息态MEG数据是来自美国国立精神健康MEG核心实验室用VSM MedTech Ltd公司的一套产自加拿大的CTF-275 SQUID设备得到的。本实验选取精神分裂症病例8名，正常人8名，数据记录了273个有效通道，时长为4 min，采样频率为600 Hz。

2 方法描述

　　2.1 个体化α峰频IAF

　　KLIMESCH W等人[3]将5~14 Hz范围内最高波幅所对应的频率定义为个体化α峰频，由此将α频段分为慢α1（IAF×0.6~IAF×0.8）、慢α2（IAF×0.8~IAF）、快α（IAF~IAF×1.2）亚频。已有研究表明，α亚频的功能涉及注意、抑制等精神疾病易损的认知领域，其异常在静息态或任务态均有体现。

　　2.2 经验模式分解EMD

　　经验模式分解[4]（Empirical Mode Decomposition，EMD）是一种时频数据分析方法，通常适用于非线性和非稳定性信号的处理，其主要思想是从复杂信号中分离出有限个本征模态函数（Intrinsic Mode Function，IMF），这些IMF分量具有不同的频率成分。

　　2.3 样本熵

　　样本熵[5]是时间序列复杂度的一种度量，在分析生物信号序列的复杂度分析中已经获得成功应用。样本熵具体算法步骤如下：

　　（1）对于一个由N点组成的原始信号x（1），x（2）…x（N）。

　　（2）按顺序组成一组m维矢量

　　Xm（i）=[x（i），x（i+1），...，x（i+m-1）]，1≤i≤N-m

　　（3）定义矢量Xm（i）与Xm（j）之间的距离d[Xm（i），Xm（j）]为两者对应元素中差值最大的一个，即：

　　d[Xm（i），Xm（j）]=max[|x（i+k）-x（j+k）|]，0≤k≤m-1，i≠j，i≥1，j≤N-m。

　　（4）给定阈值r=0.2 std，对每一个i值统计d[Xm（i），Xm（j）]小于r的数目，并计算该数目与距离总数的比值，用Blm（r）表示，即：

　　（5）求其对于所有的i的平均值，用Bm（r）表示：

　　（6）将维数加1，即组成m+1维矢量，重复步骤（1）~（5），并分别用Aim（r）与Am（r）表示。

　　（7）定义样本熵为：

　　（8）当N为有限值时，式（1）表示为：

　　SampEn（m，r，N）=-ln[Am（r）/Bm（r）](2)

3 过程描述

　　3.1 预处理过程

　　本实验MEG数据记录的是受试者静息态脑磁信息，经过fieldtrip去趋势预处理得到273个有用信道（降低采样率为150 Hz）。利用盲源信号分离技术消噪[6]，将16个样本（8名患者，8名正常人）的脑磁信号进行ICA[7]去噪处理，剔除噪声成分（心电、眼动等），获得相对纯净的信号。

　　3.2 个体化α峰频处理

　　正常人IAF在8.92 Hz左右，患者组IAF则在9.14 Hz左右，如表1所示。

　　3.3 特征提取过程

　　将前期处理的MEG数据进行EMD分解，得到各个样本中各个信道的IMF分量，通过对IMF分量进行谱分析，其中前8个IMF分量集中了脑磁信号的主要能量。本研究将前8个IMF分量求和，计算样本熵。为避免数据两端奇化带来的影响，计算样本熵时采用了较为稳定的50~100 s的数据。

4 结果分析

　　4.1 脑区间结果

　　实验将观测的273个有效通道划分为1.MLC、2.MLF、3.MLO、4.MLP、5.MLT、6.MRC、7.MRF、8.MRO、9.MRP、10.MRT、11.MZ，共11个脑区（MZ是中间竖线脑区通道），如图1所示，其中L为左，R为右，F为额叶，C为中央区，P为顶叶，O为枕叶，T为颞叶。图2~图4为正常组和患病组脑区样本熵箱型图，其中横轴为脑区，纵轴为熵值，深色是正常人，浅色是病人，对各样本脑区样本熵分别做了算术平均。由图可以清楚地看到，患病组的平均值明显高于正常组的平均值（尤其是慢α1波）。

　　由以上图可以看到快α波、慢α1和慢α2波在大脑前额叶部位，患者组的样本熵远远高于正常组，这和前额叶作为情感与认知功能的高级中枢，被认为在精神分裂的发病中扮演重要角色相符。

　　4.2  本地通道特征结果

　　图5~图7是本地273个有效通道正常组和患病组脑磁信号样本熵拓扑图。图中的具体数值为脑磁信号样本熵复杂度值，图的颜色由深色到浅色逐渐增大。可以看出病人组大部分脑区复杂度值大于正常对照组，尤其是慢α1波。

　　表2是正常组和患者组α各波段样本熵在p<0.05的条件下得出的具有显著性差异的通道。发现慢α1在MLF、MLO等脑区，快α在MLF、MLO、MLT等脑区，慢α2在MLF、MRC脑区，患者组显著高于正常组，大部分位于左半球，尤其是慢α1具有显著差异。

5 结论

　　本文研究结果表明，精神分裂患者的各α波段样本熵高于正常人，慢α1波的差异更具显著性。这预示着精神分裂症患者脑磁信号慢α1波大脑左半球额叶、枕叶、颞叶区的信号复杂度差异，可能为精神分裂的临床诊断提供一定的参考。因为患病程度、疾病亚型等都可能影响到脑磁频谱分布，所以结果是否具有普遍性尚需进一步验证。今后拟继续扩大样本量，研究α各亚频在精神分裂中的更为详细的作用。

参考文献

　　[1] 李兰兰.基于多导联EEG的精神分裂患者alpha波段连接性算法的研究[D].兰州：兰州大学，2013.

　　[2] RAICHLE M E， MINTUN M A. Brain work and brain imaging[J]. Annual Review of Neuroscience， 2006，29：449-476.

　　[3] DOPPELMAYR M， KLIMESCH W， PACHINGER T， et al.Individual differences in brain dynamics： important implications for the calculation of event-related band power[J]. Biological Cybernetics， 1998，79（1）：49-57.

　　[4] HUANG N E， Shen Zheng， LONG S R， et al. The Empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceedings of the Royal Society， 1998，454（A）：903-995.

　　[5] 周建芳，罗晓曙，胡叶容.脑电信号的样本熵分析[J].广西物理，2007（2）：15-17.

　　[6] RICARDO V， JAAKO S， BEIKKO J， et al. Independent component approach to the analysis of EEG and MEG recordings[J]. IEEE Transactions on Biomedical Engineering， 2000，47（5）：589-593.

　　[7] 高莉，黄力宇，丁翠玲.结合PCA和ICA的脑磁信号消噪研究[J].西安电子科技大学学报（自然科学版），2007，34（6）：939-943.