人腦警覺(jué)度變化時(shí)腦電時(shí)間復(fù)雜度的變化趨勢(shì),人體生理學(xué)論文

人腦警覺(jué)度變化時(shí)腦電時(shí)間復(fù)雜度的變化趨勢(shì),人體生理學(xué)論文警惕度[1]是指生物體能夠維持注意力并且在較長(zhǎng)時(shí)間內(nèi)對(duì)刺激保持警覺(jué)性的能力。隨著當(dāng)代科技的進(jìn)步，人類在工作中的角色逐步發(fā)生了改變：越來(lái)越多的機(jī)器代替了人類的勞動(dòng)角色，使得人類從原來(lái)機(jī)器的操作者變成了機(jī)器的監(jiān)控者。在氣象、醫(yī)療、軍事等多種領(lǐng)域中[2-3],我們所從事的工作就是對(duì)機(jī)器上一些特定信號(hào)的發(fā)生進(jìn)行監(jiān)測(cè)并做出快速反響：一般情況下這些信號(hào)發(fā)生的概率很低，甚至很多時(shí)候是偶發(fā)或不發(fā)的，但是一旦發(fā)生而機(jī)器的操作者沒(méi)有及時(shí)做出相應(yīng)反響，就會(huì)造成無(wú)法挽回的后果。因而對(duì)于警惕度的研究也越來(lái)越廣泛。警惕度的研究發(fā)展到今天，已有七十多年的歷史，對(duì)警惕度的檢測(cè)方式方法包括主觀評(píng)價(jià)、生物反響測(cè)試、生理信號(hào)檢測(cè)、生物化學(xué)法[4-8]等四種主要方式方法。華而不實(shí)生理信號(hào)是直接反映人體變化的信號(hào)，在警惕度檢測(cè)中的應(yīng)用越來(lái)越廣泛。由于能夠比擬準(zhǔn)確地反映大腦警惕度的變化，腦電信號(hào)的研究越來(lái)越遭到學(xué)者的關(guān)注。但是由于腦電信號(hào)一般比擬微弱，且容易遭到環(huán)境的影響，因而對(duì)于腦電信號(hào)的研究當(dāng)前還屬于實(shí)驗(yàn)室研究階段。針對(duì)于腦電信號(hào)微弱、信噪比低、非平穩(wěn)性等特點(diǎn)，本文提出了提取非平穩(wěn)信號(hào)排列熵的方式方法，應(yīng)用這種基于復(fù)雜性度量的非線性參數(shù)對(duì)腦電信號(hào)進(jìn)行腦警惕度研究。排列熵作為一種較新的數(shù)學(xué)統(tǒng)計(jì)方式方法，最早是由Bandt等[9]提出的一種衡量時(shí)間序列復(fù)雜度的平均熵參數(shù)，該算法遭到了國(guó)內(nèi)外學(xué)者的重視，并且應(yīng)用到了包括醫(yī)學(xué)、生物、氣候、圖像處理在內(nèi)的多個(gè)領(lǐng)域，效果顯著，具有很強(qiáng)的適應(yīng)性，在最近幾年也逐步引入到了生理信號(hào)諸如心、腦電信號(hào)的分析當(dāng)中[10].在醫(yī)學(xué)上，Nicolaou等[11]通過(guò)提取信號(hào)排列熵特征實(shí)現(xiàn)了對(duì)癲癇患者腦電信號(hào)的分類辨別；Frank等[12]利用排列熵研究了心率波動(dòng)復(fù)雜性與行為狀態(tài)之間的關(guān)系；劉建平等[13]通過(guò)提取腦電信號(hào)排列熵這種復(fù)雜性測(cè)度研究了排列熵與腦疲憊程度檢測(cè)的關(guān)系。以上研究都給本文的研究奠定了基礎(chǔ)。因而本文試圖用排列熵的方式方法對(duì)腦警惕度進(jìn)行研究，分析人腦警惕度發(fā)生變化時(shí)腦電時(shí)間復(fù)雜度的變化趨勢(shì)，為警惕度研究開(kāi)拓一條道路。1實(shí)驗(yàn)方式方法1.1實(shí)驗(yàn)環(huán)境和受試者本實(shí)驗(yàn)的受試對(duì)象共11名，均為在校學(xué)生，6名男性，5名女性，平均年齡為23.3歲，平均受教育時(shí)間為16.3年。被試身體健康且日常作息時(shí)間規(guī)律；均為右利手，無(wú)既往疾病史。實(shí)驗(yàn)室環(huán)境舒適且平靜，室溫保持26℃,盡量排除因環(huán)境因素所造成的警惕度發(fā)生變化的影響。所有被試在實(shí)驗(yàn)經(jīng)過(guò)中均使用同一臺(tái)電腦，保證了實(shí)驗(yàn)各項(xiàng)參數(shù)不變。本實(shí)驗(yàn)使用奧地利EMS公司生產(chǎn)的Phoenix數(shù)字腦電系統(tǒng)來(lái)記錄腦電信號(hào)。極帽電極放置位置遵循國(guó)際標(biāo)準(zhǔn)的10-20系統(tǒng)，以右耳〔A2〕為參考電極，記錄19導(dǎo)腦電數(shù)據(jù)。腦電采集放大器放大倍數(shù)為4096,采樣率為256Hz;腦電儀內(nèi)置帶通濾波器，濾波范圍為0.05~70Hz.1.2實(shí)驗(yàn)流程實(shí)驗(yàn)要求受試者實(shí)驗(yàn)前一周不可飲用含有酒精或者咖啡因的飲品及藥品，并在實(shí)驗(yàn)前一天進(jìn)入實(shí)驗(yàn)室了解實(shí)驗(yàn)程序和要求，嚴(yán)格根據(jù)流程進(jìn)行實(shí)驗(yàn)操作，實(shí)驗(yàn)經(jīng)過(guò)中不可退出。被試者在實(shí)驗(yàn)開(kāi)場(chǎng)前一天要正常作息，保證充足睡眠；實(shí)驗(yàn)當(dāng)天上午不進(jìn)行劇烈的腦體力勞動(dòng)，午休半小時(shí)后進(jìn)入實(shí)驗(yàn)進(jìn)行持續(xù)時(shí)間2~3h的實(shí)驗(yàn)。實(shí)驗(yàn)于14∶00開(kāi)場(chǎng)，實(shí)驗(yàn)室內(nèi)無(wú)時(shí)間參考裝置〔環(huán)境無(wú)時(shí)間〕，保證被試不知道當(dāng)下時(shí)間且不預(yù)知整個(gè)實(shí)驗(yàn)流程所持續(xù)時(shí)間。實(shí)驗(yàn)共分四個(gè)模塊，每個(gè)模塊包括兩個(gè)任務(wù)：心算任務(wù)和警惕度任務(wù)〔psychomotorvigilancetask,PVT〕實(shí)驗(yàn)。整個(gè)實(shí)驗(yàn)共包含4個(gè)心算任務(wù)和5個(gè)PVT實(shí)驗(yàn)。實(shí)驗(yàn)流程如此圖1所示.【1】〔1〕三位數(shù)加減法即為心算任務(wù)，目的是為被試增加精神負(fù)荷，使被試警惕發(fā)生改變。任務(wù)要求被試完成出如今電腦屏幕上的160道三位數(shù)加減法計(jì)算題〔華而不實(shí)80道加法題〕，心算任務(wù)無(wú)重復(fù)題目?！?〕PVT實(shí)驗(yàn)[14]單次PVT實(shí)驗(yàn)持續(xù)時(shí)間為10min.該任務(wù)要求被試對(duì)以不確定時(shí)間間隔出如今電腦屏幕中的一個(gè)黃色警報(bào)標(biāo)記快速做出反響，當(dāng)警報(bào)標(biāo)記出如今屏幕時(shí)，被試就按回車鍵作為響應(yīng)，此時(shí)毫秒計(jì)數(shù)器就會(huì)停止計(jì)數(shù)，持續(xù)顯示1s后消失。黃色警示標(biāo)記以隨機(jī)的時(shí)間間隔〔2~10s〕出現(xiàn)，避免了被試對(duì)警報(bào)標(biāo)記的預(yù)判，提早按鍵或是按錯(cuò)鍵均以為是發(fā)生了錯(cuò)誤。將五個(gè)PVT實(shí)驗(yàn)記為時(shí)段1到時(shí)段5,實(shí)驗(yàn)經(jīng)過(guò)中同步記錄被試的腦電數(shù)據(jù)。〔3〕主觀量表在每次PVT實(shí)驗(yàn)后，被試者填寫(xiě)卡羅林斯卡嗜睡量表〔KarolinskaSleepinessScale,KSS〕，對(duì)當(dāng)下的警惕度狀態(tài)迅速做一個(gè)評(píng)分。該量表將警惕度狀態(tài)分為9個(gè)等級(jí)，分別為：極度警惕〔計(jì)1分〕；非常警惕〔計(jì)2分〕；警惕〔計(jì)3分〕；一般警惕〔計(jì)4分〕；不太警惕但也無(wú)困意〔計(jì)5分〕；有一些困意傾向〔計(jì)6分〕；有困意，但是不需要過(guò)多努力保持清醒〔計(jì)7分〕；有困意，且需要一定的努力保持清醒〔計(jì)8分〕；非常困乏，需要極大的努力保持清醒〔計(jì)9分〕。得分越高講明當(dāng)下被試者警惕度狀態(tài)越差。2數(shù)據(jù)處理方式方法2.1預(yù)處理腦電信號(hào)本身較為微弱且易受環(huán)境和被試因素影響。本研究采用腦電記錄儀處理來(lái)自環(huán)境的干擾，在采集經(jīng)過(guò)中對(duì)信號(hào)進(jìn)行了帶通濾波〔0.05~70Hz〕和工頻干擾濾波；用直接剔除的方來(lái)處理體動(dòng)干擾，而由眼電偽跡等小信號(hào)所引起的干擾則通過(guò)獨(dú)立成分分析〔independentcomponentanalysis,ICA〕的方式濾除。2.2復(fù)雜性度量排列熵計(jì)算簡(jiǎn)單且快速、抗噪能力強(qiáng)，同時(shí)對(duì)數(shù)據(jù)量的要求不高，僅需較短的序列就能得到一個(gè)穩(wěn)定的值[15],因而本文提出了用這種方式方法來(lái)進(jìn)行腦警惕度研究。算法[16]如下：〔1〕設(shè)一個(gè)長(zhǎng)度為N的一維時(shí)間序列{x〔i〕，i=1,2,，n},對(duì)華而不實(shí)任意一個(gè)元素x〔i〕進(jìn)行空間重構(gòu)，得到一個(gè)重構(gòu)向量：Xi=[x〔i〕，x〔i+l〕，，x〔i+m〔-1〕l〕],〔1〕華而不實(shí)，m為嵌入維數(shù)，l為延遲時(shí)間。經(jīng)研究發(fā)現(xiàn)，嵌入維數(shù)與延遲時(shí)間影響信號(hào)的區(qū)分度以及信號(hào)的變化趨勢(shì)，且嵌入維數(shù)m取3~9、時(shí)間延遲l取1~4范圍內(nèi)最佳，最終在本文中m取值為5,l取值為2.〔2〕對(duì)Xi的m個(gè)重構(gòu)分量進(jìn)行升序排列，得到：x〔i+〔j1-1〕l〕x〔i+〔j2-1〕l〕x〔i+〔jm-1〕l〕〔2〕〔3〕假如存在x〔i+〔ji1-1〕l〕=x〔i+〔ji2-1〕l〕，此時(shí)就按j的大小進(jìn)行排序，也就是當(dāng)ji1ji2時(shí)，有x〔i+〔ji1-1〕l〕x〔i+〔ji2-1〕l〕，所以任意一個(gè)向量Xi都能夠得到一組序列符號(hào)A〔g〕=[j1,j2,jm],〔3〕式中g(shù)=1,2,，k,且kml,m個(gè)不同的符號(hào)[j1,j2,，jm]一共有m!種不同的排列，符號(hào)序列A〔g〕是華而不實(shí)一種，記錄每一個(gè)符號(hào)序列A〔g〕的出現(xiàn)次數(shù)Nk并計(jì)算其概率P1,P2,，Pk,km!,華而不實(shí)【公式1】排列熵H〔m〕大小表示了時(shí)間序列x〔i〕的隨機(jī)程度，H〔m〕的值越大，講明時(shí)間序列越接近隨機(jī)；反之，則講明時(shí)間序列越規(guī)則。3實(shí)驗(yàn)結(jié)果3.1數(shù)據(jù)標(biāo)注本文的目的是為了驗(yàn)證排列熵方式方法研究警惕度的可行性，因而需要先對(duì)信號(hào)進(jìn)行標(biāo)注，作為驗(yàn)證該算法的先驗(yàn)知識(shí)，同時(shí)也能驗(yàn)證算法效果。本文的數(shù)據(jù)標(biāo)注主要結(jié)合兩部分內(nèi)容：KSS主觀量表以及PVT實(shí)驗(yàn)的平均反響時(shí)間和錯(cuò)誤指標(biāo)。3.1.1主觀量表結(jié)果從表1中能夠看到，在時(shí)段1時(shí)大部分被試的KSS評(píng)分得分為4分左右，這與大部分被試在任務(wù)剛開(kāi)場(chǎng)時(shí)的警惕度狀態(tài)相符合；在時(shí)段5時(shí)，KSS評(píng)分在8分左右，即有困意。能夠看到，11名被試者的KSS的平均得分在整個(gè)實(shí)驗(yàn)經(jīng)過(guò)中逐步升高，即為警惕度下降趨勢(shì)。3.1.2PVT實(shí)驗(yàn)〔1〕平均反響時(shí)間本文對(duì)十一名受試者5個(gè)不同時(shí)段的PVT實(shí)驗(yàn)做了統(tǒng)計(jì)，并對(duì)11人5個(gè)時(shí)段的反響時(shí)間做了平均統(tǒng)計(jì)，從圖2中能夠看出，隨著實(shí)驗(yàn)的進(jìn)行，被試者腦力負(fù)荷不斷加大，警惕度下降，被試者平均反響時(shí)間呈現(xiàn)明顯上升的趨勢(shì)?！?〕錯(cuò)誤指標(biāo)本文將反響時(shí)間小于100ms的錯(cuò)誤信號(hào)及反響時(shí)間大于500ms的失誤信號(hào)合并為PVT錯(cuò)誤指標(biāo)并做了數(shù)據(jù)統(tǒng)計(jì)，其變化趨勢(shì)見(jiàn)圖3.從圖中能夠看出，隨著時(shí)間的增加，腦力資源消耗增大，精神負(fù)荷量逐步增加，被試的錯(cuò)誤指標(biāo)數(shù)呈現(xiàn)明顯的升高趨勢(shì)。3.2腦電信號(hào)分析根據(jù)上文所介紹的方式方法，本文計(jì)算了被試者19導(dǎo)腦電信號(hào)的排列熵并繪制了腦地形圖〔見(jiàn)圖4〕.在圖4中，排列熵在實(shí)驗(yàn)中一直處于下降的趨勢(shì)，下降趨勢(shì)具體表現(xiàn)出在整個(gè)腦區(qū)，這與KSS量表和PVT實(shí)驗(yàn)統(tǒng)計(jì)數(shù)據(jù)相吻合，且從時(shí)段3開(kāi)場(chǎng)腦電復(fù)雜度明顯下降，具體表現(xiàn)出復(fù)雜性的排列熵值明顯降低；同時(shí)，通過(guò)圖4可以以觀察到，排列熵主要分布在腦區(qū)的頂葉和額葉兩個(gè)區(qū)域，這與頂葉、額葉負(fù)責(zé)思維、演算、相應(yīng)數(shù)學(xué)和邏輯相吻合，且隨著負(fù)荷強(qiáng)度變大，被試者出現(xiàn)錯(cuò)誤的概率提高，排列熵在以上兩個(gè)腦區(qū)的熵值也呈現(xiàn)出明顯的下降趨勢(shì)。在得到排列熵算法計(jì)算得出的被試警惕度變化趨勢(shì)后，為了驗(yàn)證該算法的優(yōu)勢(shì)及正確性，本文又提取了被試者腦電信號(hào)的非線性參數(shù)樣本熵做扼要比擬。在樣本熵算法中，所采用的數(shù)據(jù)和實(shí)驗(yàn)方式方法與排列熵算法一樣。圖5為本組受試者腦電信號(hào)樣本熵的變化趨勢(shì)圖。從圖5能夠觀察到，被試樣本熵整體趨勢(shì)為下降趨勢(shì)，這與前文所述KSS、PVT所得數(shù)據(jù)以及排列熵所分析結(jié)果相吻合，但在時(shí)段2有一個(gè)明顯的上升，與前文描繪敘述的趨勢(shì)有一定差異不同。與排列熵相比，該算法同樣有一定抗噪能力，僅需要較短的信號(hào)長(zhǎng)度就可得到穩(wěn)定值，但樣本熵在算法原理上對(duì)數(shù)據(jù)有一定要求，需要限定在75~5000,且在該算法閾值r的選取上也有限定范圍0.1~0.25,超出這個(gè)范圍會(huì)導(dǎo)致知足條件的形式發(fā)生偏差。通過(guò)上面的比擬能夠發(fā)現(xiàn)，同樣作為非線性指標(biāo)，排列熵較樣本熵有著更簡(jiǎn)便的算法，對(duì)數(shù)據(jù)量的選取沒(méi)有嚴(yán)格要求，且所求結(jié)果更接近警惕度變化趨勢(shì)，所以本文得出的結(jié)論是排列熵算法在警惕度研究中切實(shí)可行。4討論在警惕度研究中，以往的研究大多著眼于長(zhǎng)時(shí)間腦力工作以后警惕度狀態(tài)與初始狀態(tài)的比照研究，而忽略了警惕度在整個(gè)經(jīng)過(guò)中的變化趨勢(shì)；研究方式方法大多集中在時(shí)域、頻域分析，對(duì)于腦電信號(hào)非線性分析應(yīng)用較少。本文針對(duì)這些現(xiàn)在狀況，提出了用排列熵描繪敘述腦電信號(hào)時(shí)間復(fù)雜度的方式方法來(lái)研究在負(fù)荷狀態(tài)下大腦警惕度的變化趨勢(shì)，設(shè)計(jì)了三位數(shù)加減法的腦力負(fù)荷形式來(lái)引導(dǎo)被試者警惕度發(fā)生變化，并結(jié)合PVT實(shí)驗(yàn)的平均反響時(shí)間、錯(cuò)誤指標(biāo)數(shù)及KSS主觀向量表對(duì)警惕度狀態(tài)進(jìn)行標(biāo)記，計(jì)算了腦電信號(hào)排列熵并與上述標(biāo)注數(shù)據(jù)及通用的樣本熵算法進(jìn)行了比對(duì)。結(jié)果顯示該算法下整個(gè)腦區(qū)的排列熵峰值出如今頂葉和額葉兩個(gè)區(qū)域，這與本實(shí)驗(yàn)設(shè)計(jì)中所采用的三位數(shù)加減法以增加大腦負(fù)荷有直接聯(lián)絡(luò)；隨著被試者警惕度下降，整個(gè)腦區(qū)的排列熵都呈現(xiàn)出明顯的下降趨勢(shì)，且頂葉和額葉兩區(qū)