基于kendall改进的同步算法癫痫脑网络分析

《基于kendall改进的同步算法癫痫脑网络分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、物理学报ActaPhys．Sin．Vo1．63，No．20(2014)208705基于Kendall改进的同步算法癫痫脑网络分析冰董泽芹)侯凤贞2)十戴加飞3)刘新峰3)李锦4)王俊){1)(南京邮电大学，图像处理与图像通信江苏省重点实验室，南京210003)2)(中国药科大学理学院，南京210009)3)(南京军区南京总医院神经内科，南京210002)4)(陕西师范大学物理学与信息技术学院，西安710062)(2014年6月29日收到；2014年7月16日收到修改稿)提出了一种基于Kendall等级相关改进的同步算

2、法IRC(inverserankcorrelation)．Kendall等级相关是非线性动力学分析的一般化算法，可有效地度量变量间的非线性相关性．复杂网络的研究己逐渐深入到社会科学的各个领域，脑网络的研究已经成为当今脑功能研究的热点．利用改进的IRC算法，基于脑电EEG(electroencephalogram)数据来构建大脑功能性网络．对构建的脑功能网络的度指标进行了分析，以调查癫痫脑功能网络是否异于正常人．结果显示：使用该改进的算法能够对癫痫和正常脑功能网络显著区分，且只需要记录很短的脑电数据．实验结果数据表明，

3、该方法适用于区分癫痫和正常脑组织网络度指标，它可有助于进一步地加深对大脑的神经动力学行为的研究，并为临床诊断提供有效工具．关键词：electroencephalogram，癫痫，Kendall等级相关，复杂网络PACS：87．85．一d．05．45．—aDOI：10．7498／aps．63．208705究．对于不同类型的脑疾病，如阿尔茨海默氏病、脑1引言肿瘤及癫痫的脑网络拓扑结构的功能和正常脑网络[1o】不同．目前脑功能性网络研究主要借助于功在神经系统疾病中，癫痫己成为仅次于脑血管能磁共振ffMRI)脑成像技术[11

4、]．相比较而言，脑疾病的高发病率．全球共有1％的人患有癫痫．它电测量虽然空间定位性不太好，但时间分辨率较是由多种原因引起的一种慢性脑功能障碍综合征．高、可进行实时监控，并且价格便宜、获取容易．另因为癫痫的发病机制类型不同且复杂，这给治疗外，有些疾病(如癫痫、多动症等)由于特殊原因不带来很大困难．由于癫痫的长期反复发作，不仅给能或不适宜进行fMRI检查．利用复杂网络研究方患者带来身体上的痛苦，并会在一定程度上导致法[124】分析脑功能耦合[15-1]和发生机理是当精神和心理障碍，对病人和社会有一定的危害1．前的研究热点

5、．目前预测癫痫发的方法是从提取信号组成特征入手，包括单变量特征和双变量的特性，比如，关Kendall等级相关系数是常见的非参数度量，联维数【3，】和Lyapunov指数【5]、同步【6】和动力利用变量观测值的秩计算变量间的相关系数，它夹带【7—9I．可以有效地度量变量间的非线性相关性．但是近年来，随着基于图论的复杂网络理的迅速Kendall对变量间相关性度量不足我们通过改进发展，复杂网络理论被应用到大脑网络组织的研Kendall等级相关算法中concordant对的计数，及}国家自然科学基金(批准号：61271082

6、，61201029，61102094)、江苏省自然科学基金(批准号：BK2011759，BK2011565)、南京军区南京总医院基金(批准号：2014019)和中央高校基本科研业务费(批准号：FY2014LX0039)资助的课题．十通讯作者．E-maihhoufz@126．com{通讯作者．E-mail：wangj@njupt．edu．an◎2014中国物理学会ChinesePhysicalSocietyztp：／／wulixb．hy．ac．cn208705．1物理学报ActaPhys．Sin．Vo1．63，No．2

7、0(2014)208705二元随机变量中结的划分，加强了对变量间的非线为样本1，，⋯，秩的统计量．若样本中有相性相关性度量．由于Kendall等级相关度量的是变等的观测值，则把相等的值放在一起称为一个结，量观测值与变量间的相关性，其耦合值是单向对称结中观测值的个数称为结长．通常把没有相等值的的．我们通过对二元变量分别排列，计算在不同变样本称为结长为1的样本．当样本中存在结长大于量排列时二者的相关性，得到的耦合系数是非对1时，样本的秩采用平均秩法．称的．一般地，若将样本1，2，⋯，按照非递减排列：2Kendall等级相

8、关及IRCfinverseXI=X2=⋯：X．r1<1+1rankcorrelation1算法=⋯=X1+72<⋯’