基于小波包技术的脑血流导纳信号熵特征分析

• 作者: 周萍 李训栋 王卫兵 王磊 王默力 童隆正
• 来源期刊: 中国临床康复
• 学科: 医学
• 关键词: 脑导纳信号 熵 信号处理,计算机辅助 动脉硬化
• 年，卷（期）: 2006,（13）
• 所属期刊栏目: 康复工程研究
• 页码范围: 113-115
• 页数: 3页
• 分类号: R319
• 字数: 4417字
• 语种: 中文
• DOI: 10.3321/j.issn:1673-8225.2006.13.045

摘要

目的:探讨通过脑血流导纳信号的熵特征分析,揭示脑血管功能状态.方法:选择2004-09/2005-01首都医科大学宣武医院神经内科收治的高血压患者、动脉硬化患者各30例.选择2002-09/2003-01首都医科大学正常者30人作对照.①利用ENG系列导纳式双侧脑血流图自动检测仪,对各组人员进行脑导纳信号的额-乳突导联检测.②利用小波包分解技术提取脑导纳信号不同频段的熵特征,进行对照比较和统计学分析. 结果:两组患者各30例,正常对照30人,全部进入结果分析.①小波包2级分解显示,高血压组和动脉硬化组的熵值均低于正常组,高血压组和正常组的T(2,1)熵特征值差异有显著性意义(303.61±20.48,368.09±14.20,P=0.012).②3级分解显示,在中频段,高血压组脑导纳信号的熵特征值与正常组T(3,1),T(3,2)和T(3,4)差异有显著性意义(P＜0.05);而动脉硬化组的熵值差异则全部有显著性意义.结论:利用小波包技术从脑导纳信号中提取的熵特征值正常组和异常组之间存在差异,而且在中频段的特征值存在显著性差异,借助小波包分析手段,通过对脑导纳信号的分解,研究脑血管功能状态,这将为进一步的研究如信号分类等提供依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王磊	首都医科大学生物医学工程学院计算机应用系	214	1224	16.0	25.0
2	王默力	首都医科大学宣武医院神经内科	48	403	11.0	18.0
3	周萍	首都医科大学生物医学工程学院计算机应用系	51	119	6.0	9.0
4	童隆正	首都医科大学生物医学工程学院计算机应用系	54	306	10.0	15.0
5	王卫兵	首都医科大学生物医学工程学院计算机应用系	11	6	2.0	2.0
6	李训栋	首都医科大学生物医学工程学院计算机应用系	5	26	3.0	5.0