癫痫脑电涟波的小波方差预测方法

陈昭阳，杨德智，马薇，胡亚婷，石艳丽，赵实，刘献增

1.国家知识产权局 专利审查协作中心，北京 100083；2.北京大学人民医院 神经内科，北京 100044

CHEN Zhao-yang1,YANG De-zhi1, MA Wei1,HU Ya-ting1, SHI Yan-li1,ZHAO Shi1, LIU Xian-zeng2

1.Patent Examination Cooperation Center, State Intellectual Property Office,Beijing 100083, China; 2.Department of Neurology, People’s Hospital of Peking University, Beijing 100044, China

癫痫（Epilepsy）是一种常见的神经系统疾患，癫痫发作是癫痫的表征，表现为大脑神经元兴奋性增高以及过度同步化放电，并导致短暂性神经系统功能失常，其发作具有不可预知的突然性。因此，准确预测癫痫发作，为患者赢取保护措施或治疗的时间具有重要意义[1-2]。

关于癫痫的研究有很多报道，脑电图分析方法是最重要也是最基本的研究方法[3-4]。区别于传统脑电成分（60Hz以下），如尖波、棘波的研究，癫痫发作前后和间期出现的中间频率的振荡信号（80～500Hz）的涟波和快速涟波，近几年来日益受到研究人员的重视。涟波和快速涟波是产生癫痫发作区域的病理神经元超同步的结果，对癫痫发作源有指示效应[5]。癫痫发作的预测方法主要集中低频和高频成分，将其总能量作为癫痫发作的预测指标[6]。本文采用小波包分析提取癫痫发作前的 波、 波、涟波和快速涟波，通过计算其小波方差，获得脑电波的平均能量变化趋势，不仅能更好地解释了癫痫疾病潜伏的动力学机制，而且能更准确的预测癫痫发作，为预测、诊断、和控制癫痫探索了新的方法。

1 材料与方法

选用清洁级SD（Sprague Dawley）癫痫大鼠8只（人民医院动物房提供，由人民医院刘献增医生建立癫痫模型），8～9周龄，体重150～200g。腹腔注射10%水合氯醛（400mg/kg），麻醉满意后置于立体定向架上，门齿固定器和双耳骨窝三点固定。备皮，消毒，沿中线切开头皮暴露头骨，止血，用双氧水去除骨膜。用立体定向架定位双侧齿状回和双侧内鼻皮质，在头骨相应位置钻孔并插入深部测量电极，取额区皮层作为参考电极，取枕区皮层作为地电极，用牙科水泥（自凝牙托粉和牙托水混合调制而成）将各电极固定。最后，给大鼠腹腔注射青霉素1mL（80万单位粉状青霉素用5mL生理盐水溶解），以防止大鼠术后感染。

大鼠立体定向手术约1周后恢复正常，采用氯化锂-匹罗卡品联合腹腔注射建立急性致病大鼠颞叶癫痫模型。诱发前16h注射氯化锂（127mg/kg），诱发前30min注射阿托品（atropine，1mg/kg），诱发时开始给药匹罗卡品（30mg/kg）。给药后约20min出现点头、跌到等癫痫行为表征，行为表征达到5级发作1h后注射安定（diazepam，20mg/kg）抑制发作，再过10min后再次注射安定（diazepam，10mg/kg）抑制发作，防止动物发作过激死亡。

建立大鼠癫痫模型后，采用Axon脑电仪记录各大鼠癫痫模型发作前1h到发作后2h的4导深部脑电信号（两侧齿状回和两侧内鼻皮质）。采样频率为1000Hz，大鼠癫痫信号测试系统，见图1。

图1 大鼠癫痫信号测试系统图

2 结果与分析

获得的大鼠癫痫发作原始脑电图，见图2。选用db5小波对原始信号的第4通道进行小波包变换，提取其中的

波（0.5～3Hz）、 波（4～7Hz）、 涟波（80～200Hz）和快速涟波（200～500Hz）的各个频段。

图2 大鼠癫痫发作原始脑电图

由Parsevals定理可知，正交小波基下的小波变换具有能量守恒的性质。定义某个尺度m下的小波能量为：

则尺度m下的小波方差为：

对随机信号进行小波包分析，使其经正交小波变换分解为不同尺度下的各个分量。各尺度的小波方差形成尺度域的能谱，是基于尺度的方差分析，可以描述单一尺度下的信号特征，也可以弱化低频噪声。

对所获取的各尺度信号分解后进行小波方差分析，截取癫痫发作前和发作开始阶段的小波方差，见图3～6。

图3 波的小波方差图

图4 的小波方差图

图5 涟波的小波方差图

图6 快速涟波的小波方差图

由此8例动物实验的处理结果可得出，大鼠癫痫脑电的小波方差可以作为癫痫发作的特征量去表征癫痫发作的能量变化，是处理非平稳脑电信号的特征提取的有效手段，涟波的小波方差可以作为预测癫痫发作的预测方法。

3 讨论与展望

本研究结果显示：作为癫痫发作能量平均变化的特征量，小波方差的变化与癫痫发作的状态十分吻合，对癫痫发作有指示性作用。癫痫发作时， 波、 波、涟波和快速涟波的小波方差都明显增加，变化规律基本相同。其中，涟波和快速涟波与 波和 波相比较，频率更高，幅值相对小，能量低； 波和 波等低频波的累积能量过大，受噪声影响严重，不利于癫痫的预测，而涟波和快速涟波对噪声不敏感，能清楚的指示癫痫发作的改变点，用于癫痫发作的预测。

过去很少研究癫痫发作中的较高频率的脑电波，主要是因是：

（1）脑电仪的采样频率低，频带过窄，有的甚至低于30Hz，以至于不能满足采样定理的最低频率，不能有效采集高频脑电信号。随着数字电子技术的进步，10kHz采样的高频脑电描记系统得以发展，使得对脑电高频波的研究有了新的突破。

（2）常规脑电为头皮脑电记录，由于颅骨和皮肤对高频的滤波作用，使得头皮脑电的高频成分信息不完整。近年来，在脑电描记系统和医学技术的共同发展基础上，较高频的涟波和快速涟波才开始被认识和研究[7]。

有研究表明，涟波也可以在正常大鼠的脑电图上被记录到，而快速涟波通常只出现在癫痫患者或癫痫大鼠的海马结构和内嗅皮质上，且与产生自发放电的区域有关。因此，快速涟波被认为是更具有与癫痫发作相关的特征量[8]。基于对癫痫发作元的指示效应，快速涟波还可以应用于外科手术切除病灶定位，还可以为预测癫痫、癫痫分类以及抗癫痫药物的筛选提供更经济有效的方法。

目前，国、内外关于涟波和快速涟波的研究报道比较少，国外的研究主要集中在规律的统计和产生机制的探讨上。本实验用小波方差对涟波和快速涟波进行了分析，通过其平均能量的变化来指示和预测癫痫发作。实验分析方法简单，结果明显、有效，与实际情况和相关报道相符合，后期还需要继续对研究结果进行验证，发掘其在癫痫的实际临床诊断和治疗上的应用前景。

[1]I.Omerhodzic.S.Avdakovic.Energy Distribution of EEG Signals:EEG Signal Wavelet-Neural Network Classifier[J].International Journal of Biological and Life Sciences,2010,6(4): 210-215.

[2]Ahmad Mirzaei.EEG Analysis Based on Wavelet-Spectral Entropy for Epileptic Seizures Detection[A].3rd International Conference on Biomedical Engineering and Informatics[C].Yantai: 2010:878-882.

[3]Suparerk Janjarasjitt,Kenneth A,Loparo.Wavelet-Based Fractal Analysis of the Epileptic EEG Signal[A].International Symposium on Intelligent Signal Processing and Communication Systems[C].Kanazawa:2009:127-130.

[4]Suparerk J.Classification of the Epileptic EEGs Using the Wavelet-Based Scale Variance Feature[J].INTERNATIONAL JOURNAL OF APPLIED BIOMEDICAL ENGINEERING,2010,3(1):19-25.

[5]刘献增,刘扬.涟波振动与大鼠颞叶癫痫发作关系的研究[J].中华老年心脑血管病杂志,2007,9(8):556-558.

[6]N.Kannathal, Min Lim Choo.Entropies for detection of epilepsy in EEG[J].Computer Methods and Programs in Biomedicine,2005,80(3):187-194.

[7]Wendling F,Bartolomei F.Epileptic fast intracerebral EEG activity: evidence for spatial decorrelation at seizure onset[J].Brain, 2003,126(6):1449-1459.

[8]J.D.Jirsch,E.Urrestarazu.High-frequency oscillations during human focal seizures[J].Brain,2006,129(6):1593-1608.

[9]胡俊峰,唐彩银,巩萍.基于小波变换的CT/SPECT图像融合最佳层数选取[J].中国医疗设备,2009,24(3):10-12.