基于排列Lempel-Ziv复杂性的脑电图分析方法

简介：
本研究提出了一种新颖的方法，利用排列Lempel-Ziv（PLZ）复杂性对脑电信号进行深度解析。此技术能够有效地捕捉和量化大脑活动中的模式变化与信息熵，为理解和诊断神经系统疾病提供了新的视角和工具。 在这项研究里，我们通过结合序数模式与Lempel-Ziv复杂度（LZC）开发了一种新的时间序列复杂性测量方法来量化脑电图（EEG）的动态变化。该方法利用神经质量模型（NMM）模拟生成EEG数据，并测试排列Lempel-Ziv复杂度（PLZC）在不同白噪声水平下追踪信号动态变化的能力。随后，我们将PLZC应用到真实的数据中，以研究其是否能够识别麻醉和癫痫发作的不同状态。通过运用Z评分模型、双向ANOVA及t检验来评估分析结果的重要性。 结果显示，PLZC成功地跟踪了NMM生成的EEG序列中的动态变化，并且在抵抗白噪声方面优于其他四种基于LZC的传统方法。此外，在实际数据分析中，PLZC能够有效地区分不同的麻醉状态并敏感地检测到癫痫发作。 结论指出，PLZC是一种简单、可靠和有效的工具，适用于量化脑电图的动态变化情况。我们建议将其作为一种潜在的非线性手段来表征EEG信号的变化特征。