基于改进的集合经验模态分解的EEG脑功能网络用于焦虑分析和检测

2024-06-17 Mon
基于改进的集合经验模态分解的脑功能网络用于焦虑分析和检测学术背景及研究目的随着现代生活压力的增加，焦虑症（Anxiety）作为一种常见神经系统疾病，正日益成为全球公共卫生领域亟待解决的问题。焦虑症不仅表现在精神障碍上，还涉及注意力、记忆和学习等认知过程的异常表现。COVID-19疫情的爆发进一步增加了焦虑症的患病率。据统计，焦虑症在12个月内的发病率为男性4.80%，女性5.20%。然而，焦虑的病因至今尚未明确，且自愈的概率较低。这些复杂性和不确定性使得早期检测和干预变得尤为重要。然而，传统的焦虑检测方法依赖于面对面访谈和自我评估，不仅费时费力，还受到医生专业经验和患者自我评估的主观因素影响。因此，有必要探索一种客观且准确的焦虑分析和检测方法。
在众多生理信号中，脑电图（EEG）因其高时间分辨率和低成本越来越受到研究者关注。传统的基于孤立EEG电极的焦虑研究，难以揭示大脑拓扑结构的异常变化。因此，本研究提出一种基于改进的集合经验模态分解（EEMD）和脑功能网络（BFN）用于焦虑检测的新框架。
论文来源及作者信息此论文由Bingtao Zhang, Chonghui Wang, Guanghui Yan, Yun Su, Lei Tao和Hanshu Cai共同撰写，来自兰州交通大学、陕西科技大学和西北师范大学等机构。该论文发表在2024年2月5日的《Biomedical Signal Processing and Control》期刊上。
研究流程及详细实验设计研究流程实验数据获取与预处理。
改进EEMD方法并应用于EEG信号分解。
基于改进EEMD的EEG信号构建BFN。
计算组间差异BFN。
探索焦虑相关脑区和潜在生物标志物。
焦虑患者与正常对照（NC）的检测。
改进后的EEMD方法EEMD通过加入辅助随机白噪声解决了EMD在多频成分分解中的模式混叠问题。然而，随机白噪声的幅度选择直接影响EEMD的性能。本研究提出了一种基于额外自适应白噪声的改进EEMD方法，根据信噪比（SNR）理论，自适应地确定每个采样点的白噪声幅度，以更准确地模拟独立的神经元信号。
EEG信号分解EEG信号通过改进EEMD方法，分解获得7个内禀模态函数（IMFs）。综合分析各EEG时间窗生成的IMFs数量分布，选取最低IMFs数量为阈值，以避免信息过多损失。随后计算各IMF之间的相位滞后指数（PLI）以构建二值化BFN。
BFN构建和二值化网络由节点（EEG电极）和边（节点之间的相关值）组成。基于PLI计算节点间的连接权重，构建对应的BFN矩阵。为了减少计算量和保证BFN的高效性，采用比例阈值方法进行BFN的二值化。根据网络密度和节点数，计算出比例阈值为8.89%。
焦虑相关脑区的探索研究表明，焦虑患者的大脑功能变化主要集中在左侧额叶（LF）、左侧颞叶（LT）和左侧中央脑区（LC）。通过分析这些脑区的典型图指标的差异，确定这些指标是否可以作为潜在的焦虑检测生物标志物。
焦虑检测性能评估选择支持向量机（SVM）作为分类器，以10折交叉验证方法，评估潜在生物标志物的检测性能。实验结果显示，综合考虑IMF1和IMF4的BFN图指标，检测焦虑的最高准确率为92.07%。
研究结果改进EEMD方法的有效性评估通过对比常量幅度和自适应幅度白噪声对原始信号的影响，发现加入自适应白噪声更能全面影响信号的极值，从而更有效地解决模式混叠问题。
焦虑相关脑区分析结果通过对比分析IMF1和IMF4的BFN差异矩阵，发现焦虑患者主要在LF、LT和LC脑区存在功能同步性改变。这与以往文献中的研究结论相一致，进一步证实了焦虑主要涉及左半球活动的观点。
焦虑检测的潜在生物标志物对IMF1和IMF4的BFN进行一元方差分析（ANOVA），发现LF-CC、LT-eloc、LC-CC和全脑σ等指标在焦虑组和正常对照组间存在显著差异，表明这些指标可以作为焦虑检测的潜在生物标志物。
焦虑检测性能评价综合利用IMF1和IMF4的BFN图指标，基于SVM分类器的10折交叉验证结果显示，检测焦虑的平均准确率为87.31%，最高可达92.07%。
结论本研究通过改进的EEMD方法，首次基于分解后的EEG信号构建BFN，并深入探讨了焦虑患者的大脑功能拓扑结构变化。研究结果表明，焦虑患者的BFN表现出一定的随机化趋势，且显著图指标可以作为有效的焦虑检测生物标志物。这些发现不仅为焦虑的早期检测提供了新的思路，也为神经精神疾病的机制研究提供了重要的理论依据。
学术价值及应用前景本研究在以下几个方面具有显著学术价值：
改进的EEMD方法有效解决了EMD分解中的模式混叠问题，提高了EEG信号分解的准确性。
基于改进EEMD方法的EEG信号，构建的BFN为焦虑检测提供了新方法。
研究揭示了焦虑患者在BFN中的异常拓扑结构，为理解焦虑的病理机制提供了新视角。
提出的焦虑检测潜在生物标志物在实际应用中具有重要的应用价值，有助于实现焦虑症的早期检测和干预。
本研究通过改进的EEMD方法，首次探索了焦虑症相关的脑功能网络拓扑变化，为焦虑症的早期诊断和治疗提供了重要的理论基础和实践依据。