癫痫EEG相空间变换、混沌特征指标和综合分析模型的研究

The dynamic change of electroencephalogram (EEG) in process of epileptic seizure is the reflection of dynamic activities in patients' brain. The applicant reconstructed the attractor of the epileptic patients' EEG signal, observed the transformation of phase space, studied 3 chaos's characteristic indexes in pilot studies and got good result. In this project, we will use adequate EEG to study the phase space transformation and the fork process in the brain of chaotic system state transition in the progress of epileptic seizure. We will construct a more reasonable floating phase space to support the chaotic characteristic indexes including Lyapunov exponent, Correlation dimension, Approximate entropy, related complexity and introduce the change rate of those dynamics which is a new feature index. We study the chaos's characteristic index from the different types of epilepsy, construct individual weighted index assess system and a comprehensive analysis model. This research will do computer simulation and clinical trials to support the research on epileptic focus localization and seizure prediction. This project will get a more reasonable dynamics explain of epilepsy pathogenesis mechanism and newly theoretical results of dynamics system of brain. Meanwhile, it will make a solid foundation of theory and method for epileptic patients' early prediction, localization and treatment system.

癫痫发病过程中脑电信号（EEG）变化是其脑内复杂活动的动力学反映，申请人在前期研究中观察到癫痫病人EEG相空间的变化，成功构建其发作时吸引子，对多个混沌特征指标进行了预测研究并获得良好结果。本项目拟在前期工作基础上，结合更充分的癫痫头皮和皮层EEG数据，对癫痫发病过程的相空间变换及大脑混沌系统的状态转变的分叉过程进行研究；建立更准确合理的浮动变化相空间，以支持李雅普诺夫指数、相关维数、近似熵及复杂度等相关混沌特征指标的计算分析，并引入特征指标的变化率等新特征指标；在混沌特征指标对不同类型癫痫EEG有效性研究的基础上，建立个性化的加权评价指标体系和综合分析模型，进而支持癫痫病人病灶区定位和发作预警机制的研究，并进行计算机模拟和临床实验验证。本项目在获得癫痫发病机理更深入的动力学解释及脑神经系统混沌动力学新成果的同时，将为后续开发癫痫病灶定位、发作预警及治疗系统提供理论和应用方法。

癫痫发病过程中脑电信号（EEG）变化是其脑内复杂活动的动力学反映。本课题根据临床脑电数据，对癫痫发病过程的相空间变换及大脑混沌系统的状态转变过程进行研究；采用李雅普诺夫指数，相关维度，熵等多种混沌特征指标计算分析，并引入新的特征指标建立个性化的综合分析模型，进而支持癫痫病人病灶区定位和发作预警机制的研究。研究中我们建立了癫痫病人的专用数据库。本研究对于辅助临床癫痫诊断和治疗具有理论与实际意义。 .本项目获取的一系列主要研究成果如下：.（1）EEG相空间重构及空间变换研究：构建了包含EEG信号的提取、处理和分析等环节的脑电数据分析平台，使用互信息法与Cao方法计算脑电信号的时间延迟与嵌入维数，对癫痫患者的清醒期，睡眠期，发作期的EEG重构相空间均投影到3维空间建立吸引子演变轨迹图，展现了癫痫病人大脑从发作间期到发作期相空间的变换过程。.（2）多个混沌特征指标计算分析研究：采用多种非线性动力学特征指标（包括：关联维数、李雅普诺夫指数、熵等）进行分析研究，同时引入新的特征量（包括：特征指标的变化率、不同电极EEG 信号的耦合度），其中非线性指标构建的分类器平均分类准确率可达90%以上。.（3）癫痫的预测及定位研究：采用非线性动力学与医学统计学相结合的方法构建医学参考值范围，定量衡量发作时各电极脑电数据是否偏离以及偏离程度，实现对多位局灶性癫痫患者发作时间的预测及致痫灶的初步定位。该方案不仅具有较高准确率，也具有较低错误预测率。此外引入新的特征量，结合图论技术构建脑网络动态图展示癫痫发作脑电信号变化情况，更有助于对病灶区域的精确定位。.（4）相关机理模型研究及其他：从微观角度应用非线性动力学研究了果蝇脑中枢神经系统内神经元放电特征以及分布特点，探讨神经元放电序列的复杂度特性，并与脑电信号作对比分析。此外，尝试及总结出超算技术和医学数据相结合的方法，有利于对未来应用超级计算机，来支持长程数据、全导联、多特征指标的脑电大数据分析研究。