老年輕度認(rèn)知障礙患者的腦電熵分析

魏 玲， 趙建強(qiáng)， 施 俊， 薛 青， 王玉平， 李穎潔

1.上海大學(xué)通信與信息工程學(xué)院，上海200444

2.首都醫(yī)科大學(xué)宣武醫(yī)院，北京100053

3．北京市腦功能疾病調(diào)控治療重點(diǎn)實(shí)驗(yàn)室，北京100053

隨著年齡增長(zhǎng)，老年人的衰老突出表現(xiàn)在認(rèn)知和行為上的明顯退化，而部分人群最終會(huì)演變?yōu)榘柎暮Ｄ?Alzheimer's disease,AD)，造成健康水平和生活質(zhì)量的下降.輕度認(rèn)知功能損害(mild cognitive impairment,MCI)作為正常衰老和輕度癡呆癥的過(guò)渡狀態(tài)，被認(rèn)為是AD的預(yù)警信號(hào)，對(duì)MCI的研究將有利于AD的早期干預(yù)和治療[1].

目前，MCI診斷主要基于常規(guī)病史詢問(wèn)、體格檢查和神經(jīng)心理量表評(píng)定，其結(jié)果受檢查者和受試者的主觀因素影響較大，缺乏客觀的檢查指標(biāo).而腦電(electroencephalogram,EEG)信號(hào)能夠直接體現(xiàn)大腦的生理活動(dòng)狀況，具有高時(shí)間分辨率的特點(diǎn)，已經(jīng)被廣泛應(yīng)用于各項(xiàng)臨床研究.研究發(fā)現(xiàn)，腦電中alpha節(jié)律的活動(dòng)與注意力過(guò)程有關(guān)，并且MCI患者alpha頻帶的能量變化不同于正常老年人.在文獻(xiàn)[2]的研究中，高alpha頻帶的能量增加，這種節(jié)律的異常可能與海馬的萎縮有關(guān).與此同時(shí)，也有研究發(fā)現(xiàn)，與正常老年人相比，MCI患者后側(cè)區(qū)域的alpha節(jié)律能量有所下降[3].傳統(tǒng)的腦電分析方法雖然在一定程度上能夠刻畫腦電活動(dòng)特性，但由于EEG信號(hào)具有非線性動(dòng)力學(xué)特征，傳統(tǒng)方法難以準(zhǔn)確評(píng)定EEG信號(hào)的動(dòng)力學(xué)結(jié)構(gòu)，也就無(wú)法全面揭示出大腦活動(dòng)的本質(zhì)特征.而運(yùn)用非線性動(dòng)力學(xué)的方法對(duì)EEG信號(hào)進(jìn)行提取和分析，為更深入地研究大腦活動(dòng)的過(guò)程和特征開辟了新的途徑[4].

信息熵是一種能夠反映復(fù)雜系統(tǒng)非線性動(dòng)力學(xué)特征的方法，能有效地分析復(fù)雜的生理信號(hào).目前研究者已經(jīng)發(fā)展出多種信息熵，其中樣本熵(sample entropy,SEn)是在近似熵的基礎(chǔ)上發(fā)展的一種系統(tǒng)復(fù)雜度度量方法[10]，是對(duì)近似熵的一種改進(jìn).在實(shí)際應(yīng)用中，由于樣本熵只需要較短數(shù)據(jù)就能得到穩(wěn)健的估計(jì)值，有較好的抗噪和抗干擾能力，可以用于分析由隨機(jī)成分組成的混合信號(hào)，且不需要對(duì)原始數(shù)據(jù)進(jìn)行粗粒化處理，尤為適合進(jìn)行生物信號(hào)的分析.在與認(rèn)知相關(guān)的腦電研究中發(fā)現(xiàn)，老年人比年輕人的腦電樣本熵高，且樣本熵的變化能夠反映出老年人在進(jìn)行不同實(shí)驗(yàn)任務(wù)時(shí)腦電復(fù)雜性的變化[5].

文獻(xiàn)[6]提出的累積殘余熵(cumulative residual entropy,CREn)在連續(xù)域和離散域具有一致的定義，對(duì)噪聲更具有魯棒性，已經(jīng)被用于圖像的處理和肌電信號(hào)的分類，并取得了較好的分類效果，且識(shí)別準(zhǔn)確率高于其他熵(如小波熵、近似熵等).與小波熵和近似熵相比，累積殘余熵還具有計(jì)算復(fù)雜度低以及參數(shù)設(shè)置更簡(jiǎn)單的優(yōu)點(diǎn)，但是否可以刻畫腦電信號(hào)的特征，目前尚未知曉.

本研究在傳統(tǒng)譜分析方法的基礎(chǔ)上，利用累積殘余熵來(lái)探討認(rèn)知障礙患者的腦電復(fù)雜性，并將結(jié)果與樣本熵的分析進(jìn)行比較，分析探討能夠刻畫患者腦電特征的電生理指標(biāo).

1 數(shù)據(jù)采集與預(yù)處理

1.1 被試者選取

實(shí)驗(yàn)對(duì)象從北京市某社區(qū)招募，共25人，均為60歲以上的老年人.經(jīng)老年認(rèn)知障礙評(píng)定標(biāo)準(zhǔn)MMSE和MOCA篩選，其中8人患有輕度認(rèn)知障礙，4男4女(平均年齡74.25±8.33)，正常被試17人，10男7女(平均年齡74.82±5.54).所有被試均無(wú)精神病史，右利手，視力或矯正視力正常.實(shí)驗(yàn)經(jīng)人類倫理委員會(huì)批準(zhǔn)，所有被試在實(shí)驗(yàn)前被詳細(xì)告知實(shí)驗(yàn)?zāi)康暮蛯?shí)驗(yàn)內(nèi)容，并自愿簽署知情同意書，實(shí)驗(yàn)結(jié)束后給予適量報(bào)酬.所有被試的篩選和數(shù)據(jù)的采集均由北京市腦功能疾病調(diào)控治療重點(diǎn)實(shí)驗(yàn)室的相關(guān)工作人員完成.

1.2 實(shí)驗(yàn)方法

當(dāng)成對(duì)出現(xiàn)的兩個(gè)視覺刺激的特征不同時(shí)，約在第2個(gè)刺激出現(xiàn)后的270 ms會(huì)出現(xiàn)一個(gè)負(fù)波，這種負(fù)波被稱為信息沖突電位N270[7]，它能夠反映沖突信息的加工過(guò)程.本文實(shí)驗(yàn)采用典型的信息沖突實(shí)驗(yàn)范式-顏色沖突加工任務(wù)，更多詳細(xì)信息可參見文獻(xiàn)[8].刺激材料有4組圖片，每組圖片有黃色、紅色、綠色、白色4種顏色，每種顏色有正方形、六邊形、圓形、三角形4種形狀，每種刺激的數(shù)目都一致.實(shí)驗(yàn)采用學(xué)習(xí)-判斷任務(wù)模式，單個(gè)任務(wù)由兩次視覺刺激組成，先出現(xiàn)刺激S1，接著出現(xiàn)刺激S2，其中S1和S2有4種組合，分別為顏色、形狀均相同；顏色相同，形狀不同；顏色不同，形狀相同；顏色、形狀均不同，實(shí)驗(yàn)過(guò)程中4種組合各隨機(jī)呈現(xiàn)50次，共200次.實(shí)驗(yàn)過(guò)程中，要求被試不管S1和S2形狀的異同，只判斷顏色是否相同.如果顏色相同，按鼠標(biāo)左鍵，如果不相同，按鼠標(biāo)右鍵.每個(gè)刺激任務(wù)中，S1呈現(xiàn)300 ms，S2呈現(xiàn)300 ms，ISI(inter-stimulus interval)為500 ms，ITI(intertrial interval)為5 s.實(shí)驗(yàn)刺激序列的呈現(xiàn)如圖1所示.

圖1 實(shí)驗(yàn)任務(wù)示意圖Figure 1 Sequence of events in a typical trial from the task

實(shí)驗(yàn)是在安靜的、光線較暗的電磁屏蔽室內(nèi)進(jìn)行的.圖片刺激呈現(xiàn)在電腦屏幕中央，背景為黑色.被試者坐在舒適的靠背椅上，心情放松.實(shí)驗(yàn)時(shí)被試平視屏幕中間，距離屏幕約80 cm，水平、垂直視角均調(diào)整為2.1°.

1.3 數(shù)據(jù)記錄與預(yù)處理

實(shí)驗(yàn)使用武漢格林泰克科技生產(chǎn)的64導(dǎo)電極帽，通過(guò)北京云深科技生產(chǎn)的放大器采集腦電信號(hào).電極分布遵循國(guó)際標(biāo)準(zhǔn)10-10導(dǎo)聯(lián)系統(tǒng)，心電信號(hào)、垂直和水平眼電也被同時(shí)記錄.實(shí)驗(yàn)過(guò)程中電極阻抗保持在5 k?以下，采樣率為1 024 Hz.按照刺激標(biāo)記，提取各類刺激模式下反應(yīng)正確的數(shù)據(jù)段進(jìn)行分析，并分別對(duì)4種刺激類型的信號(hào)進(jìn)行DC校正、去眼電、基線校正和0～100 Hz低通濾波等預(yù)處理.基線校正時(shí)選取S1刺激前200數(shù)據(jù)點(diǎn)作為基線，有效數(shù)據(jù)選取S2刺激后1 s的數(shù)據(jù)，即1 024數(shù)據(jù)點(diǎn).

1.4 分析方法

對(duì)于預(yù)處理后給定的任意一段長(zhǎng)度N=1 024的腦電時(shí)間序列u(i):1≤i≤N，將分別進(jìn)行相對(duì)能量、樣本熵、累積殘余熵的計(jì)算.分析時(shí)將刺激類型分為顏色匹配和顏色不匹配兩種，將兩組被試者每種類型的各段腦電信號(hào)的特征進(jìn)行平均，最終獲得正常人和患者兩種刺激任務(wù)下的腦電特征，然后再進(jìn)行統(tǒng)計(jì)分析.

1.4.1 能量分析

腦電節(jié)律與大腦功能態(tài)有著極其密切的關(guān)系，在現(xiàn)今的研究水平下，研究節(jié)律特性依然有著不可替代的重要意義，其中的alpha節(jié)律與認(rèn)知障礙密切相關(guān).小波變換因其多尺度特征能夠準(zhǔn)確地分離不用頻率的信號(hào)，被廣泛應(yīng)用于腦電信號(hào)分析中[9].本文即采用小波分解alpha(8～16 Hz)節(jié)律腦電信號(hào)，其中母小波為db5，分解級(jí)數(shù)為7.然后計(jì)算此時(shí)信號(hào)的時(shí)域能量，即所有時(shí)刻(基線除外)振幅的平方和.為了消除個(gè)體差異，本文采用alpha節(jié)律能量Eα與總能量ET(各節(jié)律的能量和，0.1～64 Hz)的比值作為兩組被試腦電的特征進(jìn)行后續(xù)的分析.因此，alpha的相對(duì)能量E′α可表示為

1.4.2 樣本熵

樣本熵(sample entropy,SEn)是在近似熵的基礎(chǔ)上發(fā)展的另一個(gè)相關(guān)的系統(tǒng)復(fù)雜度度量方法[10]，可用來(lái)分析從連續(xù)過(guò)程中采樣得到的時(shí)間序列，其計(jì)算步驟如下：

步驟1 對(duì)長(zhǎng)度為N=1 024的腦電時(shí)間序列{u(i):1≤i≤N}，按式(2)

重構(gòu)m維向量Xi，i=1,2,···,n，n=N-m+1.

步驟2 計(jì)算任意向量Xi與其余向量Xj(j=1,···,N-m+1,j/=i)之間的距離

步驟3 給定閾值r，對(duì)每個(gè)向量Xi統(tǒng)計(jì)dij≤r的數(shù)目并求出該數(shù)目與向量總數(shù)之比，記為(r)，則

步驟4 相似地，定義Bm+1(r)表示重構(gòu)維數(shù)m+1情況下，dij≤r的數(shù)目與向量總數(shù)之比.

步驟5 樣本熵SEn可以表示為

樣本熵的值與m、r值有關(guān)，在生理信號(hào)分析中，一般取r=(0.1～0.25)SD(SD為標(biāo)準(zhǔn)差)，m=1或2[10].本文選取r=0.2SD，m=2.

1.4.3 累積殘余熵

累積殘余熵將累積分布函數(shù)替代Shannon熵定義中的密度函數(shù)，并將Shannon熵推廣到連續(xù)分布的隨機(jī)變量中.它不但克服了Shannon熵中的某些不足(如對(duì)突變信號(hào)不敏感)，而且保留了Shannon熵許多重要的性質(zhì).與此同時(shí)，CREn為信號(hào)分析提供了一些非常令人滿意的特性[6]：1)在連續(xù)和離散域，CREn具有一致的定義；2)相比Shannon熵，CREn對(duì)噪聲更具魯棒性；3)CREn是非負(fù)的；4)CREn易從樣本數(shù)據(jù)中計(jì)算得到，并且這些計(jì)算漸近收斂到真值.若某隨機(jī)序列中的值跨度越大，則CREn熵值越大，信號(hào)的復(fù)雜度越高[11].

對(duì)于本文腦電信號(hào)u(i)，1≤i≤N，RN∈[a，b](N=1024，a為信號(hào)最小值，b為最大值)，設(shè)步長(zhǎng)Δ=(b-a)/n(本文設(shè)為0.1)是落在[a+(i-1)Δ,a+iΔ]區(qū)間的數(shù)目，則累積殘余熵[6]可以表示為式(6)

1.5 統(tǒng)計(jì)分析

本文利用SPSS公司軟件SPSS15.0，采用重復(fù)測(cè)量方差分析(repeated measures analysis of variance,ANOVA)的方法分析顏色匹配和顏色不匹配兩種刺激模式下的腦電數(shù)據(jù)，用主效應(yīng)的差異推斷相應(yīng)水平總體均數(shù)之間的差異.若有交互作用出現(xiàn)，則進(jìn)一步進(jìn)行簡(jiǎn)單效應(yīng)分析來(lái)推斷相應(yīng)均數(shù)之間是否有差異，顯著性水平選為0.05.

統(tǒng)計(jì)分析時(shí)，選取24個(gè)覆蓋全腦的電極，劃分為9個(gè)區(qū)域(見圖2)，取這些區(qū)域包含電極的信號(hào)特征的平均值作為分析數(shù)據(jù).組間因素為組別(兩個(gè)水平、正常人、MCI患者)，組內(nèi)因素為刺激類型、區(qū)域、半球，其中刺激類型有兩個(gè)水平(顏色匹配和顏色不匹配)，區(qū)域有3個(gè)水平(前側(cè)區(qū)、中側(cè)區(qū)、后側(cè)區(qū))，半球有3個(gè)水平(左半球、中線區(qū)、右半球).

圖2 九區(qū)域劃分圖Figure 2 Demarcation of the 9 regions

2 結(jié)果

2.1 空間分布特性

為了觀察兩組不同視覺刺激時(shí)的空間分布情況，本文將全腦60個(gè)電極的熵值以腦電地形圖表示出來(lái).圖3為患者組和正常組在顏色匹配和不匹配刺激下的腦電地形圖.從能量地形圖中可以發(fā)現(xiàn)，對(duì)于兩組被試，前額區(qū)域相對(duì)能量低于后側(cè)區(qū)域，左右半球的相對(duì)能量較高，并且正中央?yún)^(qū)具有較低的alpha相對(duì)能量.與正常人相比，患者alpha節(jié)律相對(duì)能量較低，尤其是在前額區(qū)域.熵的地形圖表明，相對(duì)于其他區(qū)域，兩組前側(cè)區(qū)域腦電的熵值較高，中線區(qū)域的熵值比兩側(cè)區(qū)域低.相對(duì)能量和熵的結(jié)果都能夠反映出MCI患者和正常人在不同刺激模式下大腦活動(dòng)的差異，但是否有統(tǒng)計(jì)學(xué)意義還需進(jìn)一步的統(tǒng)計(jì)分析.

圖3 兩組被試不同刺激模式的3種特征的平均腦地形圖Figure 3 Topographical plot of mean value in different task for two groups

2.2 兩組被試者腦電復(fù)雜性的差異

Alpha相對(duì)能量、樣本熵、累積殘余熵的統(tǒng)計(jì)分析結(jié)果如表1所示.相對(duì)能量的分析發(fā)現(xiàn)了區(qū)域和半球的主效應(yīng)以及他們的交互效應(yīng)，但沒有與組別相關(guān)的任何結(jié)果；樣本熵的分析發(fā)現(xiàn)了半球的主效應(yīng)以及和區(qū)域、組別的交互效應(yīng)趨勢(shì)；累積殘余熵發(fā)現(xiàn)了更多的結(jié)果.針對(duì)發(fā)現(xiàn)的交互效應(yīng)，進(jìn)一步簡(jiǎn)單效應(yīng)分析結(jié)果見表2和3.在中線區(qū)域，區(qū)域和組別有顯著的交互效應(yīng).MCI患者正中央?yún)^(qū)(F1,23=3.127,P=0.09)和后側(cè)中央?yún)^(qū)(F1,23=4.322,P=0.049)的樣本熵以及額區(qū)(F1,23=4.028,P=0.057)的累積殘余熵比正常人高，腦電活動(dòng)更為復(fù)雜.

表1 組內(nèi)組間因素的主效應(yīng)及交互效應(yīng)(僅顯示P≤0.1)Table 1 Main effect and interactions of the withingroup and between-group factors (only P≤0.1)

2.3 兩組被試者腦電復(fù)雜性的區(qū)域分布特性

相對(duì)能量和累積殘余熵的結(jié)果都發(fā)現(xiàn)了區(qū)域和半球的顯著主效應(yīng)和它們的交互效應(yīng)，如表1.簡(jiǎn)單效應(yīng)分析表明，前側(cè)區(qū)域的alpha相對(duì)能量低于后側(cè)區(qū)域(左半球：P＜0.001，中線區(qū)：P=0.004，右半球：P＜0.001)，中線區(qū)域的能量最低(左＞中，P＜0.001，右＞中，P＜0.001).熵分析的結(jié)果顯示，在左右兩個(gè)半球，前側(cè)區(qū)域的腦電活動(dòng)復(fù)雜度最高，中央?yún)^(qū)最低(左半球：P＜0.001，右半球：P＜0.001).左右半球的熵值都高于中線區(qū)域(樣本熵：左＞中，P=0.001，右＞中，P＜0.001；累積殘余熵：左＞中，P=0.003，右＞中，P＜0.001)，見圖4.

2.4 刺激任務(wù)對(duì)腦電活動(dòng)的影響

不同刺激類型下兩組被試腦電復(fù)雜度的差異如表3所示.樣本熵的結(jié)果表明，在匹配模式下，在大腦前側(cè)區(qū)域兩組被試的腦電活動(dòng)更復(fù)雜，如圖3中的(b)所示.累積殘余熵的結(jié)果顯示，在前側(cè)區(qū)存在刺激與組別的交互效應(yīng).簡(jiǎn)單效應(yīng)分析發(fā)現(xiàn)，正常人在前側(cè)區(qū)域(F1,23=6.763,P=0.019)和中央?yún)^(qū)(F1,23=9.461,P=0.007)，匹配模式下腦電的復(fù)雜度較高，但這種差異在MCI患者中并沒有出現(xiàn).

表2 不同半球的統(tǒng)計(jì)分析結(jié)果(僅顯示P≤0.1)Table 2 Main statistical result in different hemispheres(only P≤0.1)

2.5 累積殘余熵的分析優(yōu)于樣本熵

在半球差異上，累積殘余熵與樣本熵得到的結(jié)果一致，都反映出中線區(qū)域的腦電復(fù)雜度較低，證實(shí)累積殘余熵可以用于腦電信號(hào)的分析.樣本熵的分析只獲得了半球的主效應(yīng)和相關(guān)的交互效應(yīng)，而累積殘余熵結(jié)果還表明了區(qū)域之間的差異，顯示出兩組被試前額腦電更高的復(fù)雜度.后者對(duì)于不同的刺激類型，兩組被試的腦電活動(dòng)特性是不一樣的.由此可以看出，累積殘余熵比樣本熵更能反映出兩組被試在認(rèn)知任務(wù)下腦電活動(dòng)的細(xì)節(jié)特征.在算法上，處理長(zhǎng)度為1 024點(diǎn)的腦電信號(hào)，累積殘余熵的運(yùn)算時(shí)間大約為0.2 s，樣本熵的運(yùn)算時(shí)間大約為4.8 s，遠(yuǎn)大于累積殘余熵(見表4).對(duì)于大數(shù)據(jù)量的分析，累積殘余熵?zé)o疑是省時(shí)省力的.

表3 不同區(qū)域的統(tǒng)計(jì)分析結(jié)果(僅顯示P≤0.1)Table 3 Main statistical result in different sites(only P≤0.1)

表4 樣本熵和累積殘余熵算法比較Table 4 Differences between SEn and CREn

3 討論

本文主要利用alpha相對(duì)能量、樣本熵和累積殘余熵3種方法分析正常老年人和MCI患者在完成認(rèn)知任務(wù)時(shí)的腦電活動(dòng)特性.

Alpha節(jié)律的活動(dòng)能夠反映注意加工的過(guò)程，并且與認(rèn)知功能下降相關(guān)[12]，但在認(rèn)知障礙患者的研究中得出的結(jié)論并不一致.文獻(xiàn)[13]證明MCI患者后側(cè)區(qū)域的alpha能量降低，文獻(xiàn)[14]發(fā)現(xiàn)在睜眼狀態(tài)下MCI患者在后側(cè)區(qū)域的alpha活動(dòng)增強(qiáng)，文獻(xiàn)[15]卻沒有發(fā)現(xiàn)兩者alpha節(jié)律活動(dòng)的差異[15].這種矛盾的結(jié)果可能與被試的病情、數(shù)量以及實(shí)驗(yàn)任務(wù)有關(guān).

圖4 兩組被試9個(gè)區(qū)域的相對(duì)能量和兩種熵的均值比較圖，LA：左前側(cè)區(qū)，MA：中前側(cè)區(qū)，RA：右前側(cè)區(qū)，LC：左中央?yún)^(qū)，MC：正中央?yún)^(qū)，RC：右中央?yún)^(qū)，LP：左后側(cè)區(qū)，MP：中后側(cè)區(qū)，RP：右后側(cè)區(qū)Figure 4 Relative power and entropy in nine regions for two groups,LA:left-anterior,MA:medial-anterior,RA:right-anterior,LC:left-center,MC:medial-center,RC:rightcenter,LP:left-posterior,MP:medialposterior,RP:right-posterior

雖然在alpha相對(duì)能量上MCI患者腦電活動(dòng)未出現(xiàn)異常，但非線性分析方法發(fā)現(xiàn)了兩組被試腦電復(fù)雜性的差異，這說(shuō)明非線性測(cè)度能夠反映出傳統(tǒng)分析方法所不能刻畫的腦電活動(dòng)特性.與一般的節(jié)律分析不同，熵作為一種衡量時(shí)間序列中新信息發(fā)生率的非線性動(dòng)力學(xué)參數(shù)，可以在時(shí)域上表征腦電的動(dòng)力學(xué)狀態(tài)，能夠衡量腦電信號(hào)的整體變化特性.神經(jīng)元同步活動(dòng)導(dǎo)致了腦電的節(jié)律現(xiàn)象，而熵是對(duì)這種振蕩信號(hào)的無(wú)序程度的度量.本文中關(guān)于熵的分析發(fā)現(xiàn)，正常人和MCI患者在完成顏色判斷任務(wù)時(shí)大腦的活動(dòng)情況不同，在前側(cè)區(qū)域，病人腦電的活動(dòng)更為復(fù)雜，信號(hào)無(wú)序性增加.之前有研究證實(shí)額葉的萎縮是與年齡相關(guān)的認(rèn)知下降的典型特征，隨著年齡的增長(zhǎng)和認(rèn)知程度的削弱，前額加工信息的能力減弱[16].與靜息狀態(tài)相比，在進(jìn)行認(rèn)知任務(wù)時(shí)，認(rèn)知能力下降的老年人的腦電不規(guī)則程度增加，且高于正常的老年人[5].由MCI患者的前額腦電無(wú)序性增加的結(jié)果可以推斷，患者的前額功能出現(xiàn)異常，而這種異常可能會(huì)為AD的早期診斷提供一定的依據(jù).此外，頂區(qū)的腦電活動(dòng)與記憶能力的下降有關(guān)[17].本文也在中央頂枕區(qū)域發(fā)現(xiàn)患者腦電活動(dòng)的復(fù)雜性比正常人高，這說(shuō)明MCI患者在處理認(rèn)知相關(guān)的任務(wù)時(shí)需要調(diào)用更多的認(rèn)知資源.

能量分析結(jié)果表明，后側(cè)區(qū)域比前側(cè)區(qū)域的alpha相對(duì)能量高，這與顏色匹配任務(wù)誘發(fā)出視覺皮層更強(qiáng)的活動(dòng)有關(guān)[8].前額區(qū)腦電具有比其他區(qū)域更高的復(fù)雜度，更混亂無(wú)序的信號(hào)，進(jìn)一步驗(yàn)證了之前提出的假設(shè)——老年人前額區(qū)功能確實(shí)有所下降[18].復(fù)雜性測(cè)度的結(jié)果還表明了刺激任務(wù)對(duì)正常人大腦活動(dòng)復(fù)雜性的影響.在前側(cè)區(qū)域和右側(cè)中央?yún)^(qū)，完成匹配任務(wù)時(shí)需要大腦進(jìn)行更加復(fù)雜的信息加工.由相關(guān)的事件相關(guān)電位研究發(fā)現(xiàn)，相對(duì)于匹配任務(wù)，不匹配任務(wù)會(huì)誘發(fā)出不同的ERP成分，且需要的反應(yīng)時(shí)間也較長(zhǎng)[8].本文發(fā)現(xiàn)正常人在進(jìn)行沖突信息的加工時(shí)，腦電復(fù)雜度降低，信號(hào)相對(duì)更為有序.這種有序性可能預(yù)示著正常人對(duì)失匹配信息的一種自動(dòng)加工過(guò)程，但這種處理不同信息的差異在患者中并沒有發(fā)現(xiàn)，從另一個(gè)角度說(shuō)明MCI患者信息處理的削弱[19].除此之外，本文利用累積殘余熵在前側(cè)區(qū)域發(fā)現(xiàn)了MCI患者腦電的異?；顒?dòng)以及不同認(rèn)知任務(wù)刺激的削弱加工，但要應(yīng)用到臨床，還應(yīng)增加與AD患者的對(duì)比等更深入的研究.

累積殘余熵與樣本熵都能表征腦電信號(hào)的復(fù)雜程度，但兩者的原理與性能是不一致的.相對(duì)于樣本熵，累積殘余熵更能夠檢測(cè)到腦電信號(hào)的微小變化以及突變特性，發(fā)現(xiàn)更多MCI患者不同于正常人的腦電信號(hào)特征.從算法本身上出發(fā)，累積殘余熵計(jì)算復(fù)雜度低，算法更加簡(jiǎn)單而高效，比樣本熵更適合分析類似腦電的大樣本數(shù)據(jù).

4 結(jié)語(yǔ)

應(yīng)用相對(duì)能量、樣本熵和累積殘余熵分析輕度認(rèn)知障礙患者腦電信號(hào)的特征，發(fā)現(xiàn)熵分析能夠刻畫患者在完成認(rèn)知任務(wù)時(shí)額中央?yún)^(qū)的異?；顒?dòng)，腦電復(fù)雜度高于正常人.比較兩種熵的結(jié)果證實(shí)，累積殘余熵分析優(yōu)于樣本熵，更能刻畫腦電信號(hào)的非線性特征，為MCI的早期診斷提供了一定的客觀依據(jù).

[1]LEVEY A,LAH J,GOLDSTEIN F,STEENLAND K,BLIw ISE D.Mild cognitive impairment:an opportunity to identify patientsat high risk for progression to Alzheimer's disease[J].Clinical Therapeutics,2006,28(7):991-1001.

[2]MORETTID V,MINIUSSIC,FRISONIG B,GEROLDIE C,ZANETTIO,BINETTIG,ROSSINIP M.Hippocampal atrophy and EEG markers in subjects with mild cognitive impairment[J].Clinical Neurophysiology,2007,118(12):2716-2729.

[3]BABILONI C,FRISONI G B,PIEVANI M,VECCHIO F,LIZIOR,BUTTIGLIONEM,GEROLDIC,FRACASSI C,EUSEBIF,FERRIR,ROSSINIP M.Hippocampal volume and cortical sources of EEG alpha rhythms in mild cognitive impairment and Alzheimer disease[J].Neuroimage,2009,44(1):123-135.

[4]STAM C J.Nonlinear dynamical analysis of EEG and MEG:review of an emerging field[J].Clinical Neurophysiology,2005,116(10):2266-2301.

[5]HOGAN M J,KILMARTIN L,KEANE M,COLLINSP,STAFF R T,KAISER J,LAI R,UPTON N.Electrophysiological entropy in younger adults,older controls and older cognitively declined adults[J].Brain Research,2012,1445:1-10.

[6]WANGFei,VEMURI B C.Non-rigid multi-modal image registration using cross-cumulative residual entropy[J].International Journal of Computer Vision,2007,74(2):201-215.

[7]WANG Yuping,TANG Xiaofu,KONG Jian,ZHUANG Ding,LI Shunwei.Different systems in human brain areinvolved in presemantic discrimination of pictures as revealed by event-related potentials[J].Neuroscience Letters,1998,257(3):143-146.

[8]WANG Yuping,CUI Lili,WANG Huijun,TIAN Shujuan,ZHANG Xi.The sequential processing of visual feature conjunction mismatches in the human brain[J].Psychophysiology,2004,41(1):21-29.

[9]AKINM.Comparison of wavelet transform and FFT methods in the analysis of EEG signals[J].Journal of Medical Systems,2002,26(3):241-247.

[10]RICHMAN J S,MOORMAN J R.Physiological timeseries analysis using approximate entropy and sample entropy[J].American Journal of Physiology-Heart and Circulatory Physiology,2000,278(2):2039-2049.

[11]ZHONG Jin,SHI Jun,CAI Yin,ZHANG Qi.Recognition of hand motions via surface EMG signal with rough entropy[C]//IEEE International Conference on Engineering in Medicine and Biology Society.Boston,America,2011:4100-4103.

[12]Van der HIELE K,VEIN A A,REIJNTJES H,WESTENDORP R G,BOLLEN E L,van BUCHEM M A,van DIJK J G,MIDDELKOOPH A.EEG correlates in the spectrum of cognitive decline[J].Clinical Neurophysiology,2007,118(9):1931-1939.

[13]BABILONIC,BINETTIG,CASSETTAE,dal FORNOG,DEL P C,FERRERI F,FERRI R,FRISONI G,HIRATA K,LANUZZA B,MINIUSSI C,MORETTI D V,NOBILI F,RODRIGUEZG,ROMANIG L,SALINARIS,ROSSINI P M.Sourcesof cortical rhythmschangeasa function of cognitive impairment in pathological aging:a multicenter study[J].Clinical Neurophysiology,2006,117(2):252-268.

[14]BABILONI C,LIZIO R,VECCHIO F,FRISONI G B,PIEVANI M,GEROLDI C,CLAUDIA F,FERRI R,LANUZZA B,ROSSINI P M.Reactivity of cortical alpha rhythms to eye opening in mild cognitive impairment and Alzheimer's disease:an EEG study[J].Journal of Alzheimer's Disease,2010,22(4):1047-1064.

[15]VANDER HIELE K,VEIN A A,van der WELLE A,VANDER GROND J,WESTENDORP R G,BOLLEN E L,van BUCHEM M A,van DIJK J G,MIDDELKOOP H A.EEG and MRI correlates of mild cognitive impairment and Alzheimer's disease[J].Neurobiology of Aging,2007,28(9):1322-1329.

[16]CABEZA R.Hemispheric asymmetry reduction in older adults:the HAROLD model[J].Psychology and Aging,2002,17(1):85-100.

[17]GUTCHESSA H,IEUJI Y,FEDERMEIER K D.Eventrelated potentials reveal age differences in the encoding and recognition of scenes[J].Journal of Cognitive Neuroscience,2007,19(7):1089-1103.

[18]TRZEPACZ P T,YU P,BHAMIDIPATI P K,WILLIS B,FORRESTER T,TABASL,SCHwARZ A J,SAYKIN A J.Frontolimbic atrophy is associated with agitation and aggression in mild cognitive impairment and Alzheimer's disease[J].Alzheimers Dement,2012.

[19]TAKAHASHI T,CHO R Y,MURATA T,MIZUNO T,KIKUCHI M,MIZUKAMI K,KOSAKA H,TAKAHASHI K,WADA Y.Age-related variation in EEG complexity to photic stimulation:a multiscale entropy analysis[J].Clinical Neurophysiology,2009,120(3):476-483.