摘要： 目的 建立状态相关脑波复杂度(C_S)分析方法，探讨安静状态及心算作业时的脑波复杂度及心算引起C_S改变的规律。 方法 记录10名26～30岁男性安静及心算状态的16导EEG，用自行编制的状态相关脑波复杂度分析程序进行处理，分析两种状态下的C_S及其与脑功能状态相关的变化。结果 心算作业使C_S显著改变：A类(8名)安静时C_S较低，心算作业时C_S在全脑均呈上升趋势或显著上升，且以左右颞及枕顶区最显著；B类(2名)安静时C_S较高，心算作业时下降，且以前额及左右颞部分脑区的下降最显著。结论 大脑心算活动与C_S具有较强的相关性，该方法的建立将有助于人脑高级认知活动及脑负荷评价的研究。

中图分类号：R338.8;R741.044文献标识码：A文章编号：1002-0837(2000)05-0336-05

A Study on Estiblishing Method in Analysing EEG State Complexity

HAN Dong-xu,ZHOU Chuan-dai,LIU Yue-hong

(Space Medicine & Medical Engineering)

Abtract: Objective To establish method in analysing EEG complexity as related to brain function state (C_S),and to examine C_S under conditions of taking rest and doing mental arithmetic,to explore their regular changes .Method EEG of 10 male subjects aged 26～30 under the conditions of taking rest and doing mental arithmetic were recorded.C_S under the two conditions and their changes related to brain function states were analyzed with a special software for C_S analysis. Result EEG C_S under mental arithmetic changed significantly. According to these changes, the subjects were divided into two groups: Group A, 8 subjects, their EEG C_S under mental arithmetic were significantly higher than C_S under rest at all electrode sites. The most outstanding areas were temporal region and parieto-occipital region.Group B, 2 subjects, their EEG C_S under mental arithmetic were significantly lower than C_S under rest. The most outstanding areas were prefrontal region and temporal region.Conclusion The result showed that high correlation existed between mental arithmetic and C_S. This method of analysis was useful in studying brain cognitive activities and assessing mental workload.

Key words:EEG; complexity; EEG state complexity(C_S)

脑电是脑内大量神经元电活动合作与竞争的综合反映，宏观上反映了脑的机能状态;不同的脑机能状态，如安静状态与思维（心算）状态，也必然有不同的脑电活动表现。从Berger(1929)发现脑电以来，人们一直在尝试如何从脑电活动中提取可靠的参数来反映大脑的功能状态，然而至今不能令人满意。脑波复杂性分析是近年出现的一种脑波分析方法，它反映了大脑接受和处理信息活动的有序程度，可能提供了研究大脑高级认知活动的新思路。本工作目的就是建立状态相关脑波复杂度分析方法，并通过记录和分析安静及心算两种状态下的脑波复杂度及状态相关复杂度，探讨其在大脑的高级认知活动规律研究及脑负荷评价中的应用，并为其客观评价方法的建立奠定必要的基础。

方法分析

脑波复杂度算法70年代Lem-Ziv在信息理论的研究中定义了随机序列的复杂性，认为复杂性反映了一个时间序列随其长度的增长出现新模式的速率，表现了序列接近随机的程度。Kormogrov等对复杂性的研究认为，复杂性就是产生给定“0,1”序列最少的计算机程序的比特数。脑电序列的复杂性表现了EEG序列的随机程度，反映了决定这段EEG序列的信息量的大小，对大脑不同状态下的EEG进行复杂性度量，可能会揭示思维、感知、睡眠等活动的规律。80年代末期，Kasper和Schuster^［1］研究了随机序列Lem-Ziv意义下的复杂性，提出了随机序列复杂性测度的算法，并进行规一化，用C(n)来测度时间序列的复杂性变化。吴祥宝、徐京华等^［2］首先引入了Lempel和Ziv、Kasper和Schuster提出的复杂性度量来分析脑电图。本工作中采用的算法如下：

①采用二值化方法对预处理后的脑电信号进行粗粒化处理，即将已知数列{x₁,x₂,…,x_n}重构，形成“0,1”序列S={s₁,s₂,…,s_n}；

②对重构形成的“0,1”序列按一定的规则进行划分子串界定。对于一个字符串S={s₁,s₂,…,s_n}后再加一个字符串Q={q₁,q₂,…,q_n}得到一个字符串SQ，令SQV是SQ减去最后一个字符所得字符串，在判断Q是否是SQV的一个子串，如果Q是SQV的一个子串，再用“*”把前后分开，下一步把“*”前的所有字符看成S，重新构造Q，重复以上过程直到结束；

③计算该序列的复杂度c(n)。序列的复杂度定义为由“*”界定的S的子串数目。例如0100101001的复杂度c(n)=4；

④进行规一化，用C(n)来测度时间序列的复杂性变化。Lempel和Ziv对si属于［0,1］的序列研究发现几乎所有的c(n)都会趋向于一定值：

用b(n)对c(n)进行规一化，计算C(n)。即：

C(n)=c(n)/b(n)

完全随机序列的C(n)值趋于1；而周期性序列的C(n)值趋于0。

状态相关脑波复杂度分析过程我们选择安静及心算两种状态。考虑到脑功能状态的波动性，尤其是生理心理安静状态的不易保持及控制，同时考虑到脑功能状态的相对稳定性，结合人的心理生理特性及临床EEG检查经验，实验时每种状态每次记录长度为5 min。根据上述脑波复杂度计算方法我们编制、调试了实验用状态相关脑波复杂度分析软件。状态相关脑波复杂度分析过程如下：

(1)预处理，即将所记录的脑电图进行滤波(5～20 Hz)；

(2)按上述脑波复杂度算法分别计算各导联的规一化复杂度值，方法如下：10 s一段(1024点)，5 min EEG数据分为N段(约30段)，顺序计算各段每一导联的Ci(1024)及16导均值;

(3)计算各导联状态相关脑波复杂度:

其中Cj(n)为第j导的状态相关脑波复杂度，j=1,2,...,16；

(4)统计处理及综合分析。

实验方法

设备CFM-8型脑电前置放大器(16导)、主机及辅助设备。

被试者10名26～30岁正常男性，要求密切配合实验工作，实验前预先进行常规EEG筛选，去除脑电异常者。

脑负荷状态选择选择闭眼时安静与心算两种状态。心算内容为1000连续减7（心算过程中不用报告得数），实验结束后报告实验工作人员最后结果。

脑波信号采集电极采用日本光电空心柱形Ag/AgCl桥式电极。电极安放按国际脑电图学会10/20制电极安放法，取FP₁、FP₂、F₃、F₄、C₃、C₄、P₃、P₄、O₁、O₂、F₇、F₈ 、T₃、T₄、T₅、T₆共16个部位，单极导联，A₁、A₂连接作为参考。用CFM-8型脑电监测仪放大、采集和记录每名被试闭眼安静及闭眼心算状态下的16导EEG信号，采样率102.4 Hz。

实验步骤(1)向受试者讲解实验过程和方法, 解答受试者提出的问题, 同时安放好脑电电极;(2)记录两种状态下的脑电，每一状态记录5 min，两种状态间休息10 min。

数据处理用状态相关脑波复杂度分析程序处理所记录的脑电数据，分析处理结果，并进行t检验。

结果

脑波复杂度波动性及脑区性实验中发现，记录时间内两状态下的脑波复杂度分别在某一范围内波动，但两状态从总体上存在明显的差别，并具有一定的脑区性。根据16导脑波复杂度均值的总体变化可将被试分为两类（表1）：A类,8名，心算时脑波复杂度出现不同水平的显著或明显上升；B类,2名，心算时脑波复杂度显著下降。

心算时脑波复杂度的变化具有明显的脑区性及变化程度上的差异（图1）：(1)A类中被试者1和2心算反应最强，前者以枕顶及后颞最显著，后者以顶及后颞最显著，其他被试者在其相应脑区也均出现不同显著性水平上升，特别是颞及枕区；(2)B类被试者以前额区下降最显著，其次为部分颞区。

(4)统计处理及综合分析。

<