腦電特征分析在阿爾茨海默癥臨床研究中的應(yīng)用

李 昕 謝佳利 侯永捷 陳澤濤 梁瓊予 郭翠娜

1(燕山大學(xué) 電氣工程學(xué)院生物醫(yī)學(xué)工程研究所，河北 秦皇島 066004)2(河北省測(cè)試計(jì)量技術(shù)及儀器重點(diǎn)實(shí)驗(yàn)室，河北 秦皇島 066004)3(北京工業(yè)大學(xué)生命科學(xué)與生物工程學(xué)院, 北京 100124)4(前景光電技術(shù)有限公司，河北 秦皇島 066004)

腦電特征分析在阿爾茨海默癥臨床研究中的應(yīng)用

李 昕1,2,3*謝佳利1,2侯永捷4陳澤濤1,2梁瓊予1,2郭翠娜1,2

1(燕山大學(xué) 電氣工程學(xué)院生物醫(yī)學(xué)工程研究所，河北 秦皇島 066004)2(河北省測(cè)試計(jì)量技術(shù)及儀器重點(diǎn)實(shí)驗(yàn)室，河北 秦皇島 066004)3(北京工業(yè)大學(xué)生命科學(xué)與生物工程學(xué)院, 北京 100124)4(前景光電技術(shù)有限公司，河北 秦皇島 066004)

阿爾茨海默癥(AD)是典型的腦認(rèn)知功能障礙性疾病，嚴(yán)重影響患者的工作與生活，如何早期診斷此類疾病，一直是人們關(guān)注的熱點(diǎn)，也是一項(xiàng)有意義的研究。腦電信號(hào)包含的功能信息，在腦認(rèn)知功能障礙的早期診斷中有著獨(dú)特的優(yōu)勢(shì)。從AD的發(fā)病機(jī)理出發(fā)，總結(jié)AD的常規(guī)診斷方法，進(jìn)一步闡述腦電特征分析方法，即腦電功率譜、腦誘發(fā)電位、腦電近似熵及腦電復(fù)雜度等在AD診斷中的應(yīng)用研究現(xiàn)狀，并進(jìn)行展望。

阿爾茨海默癥；輕度認(rèn)知障礙；腦電；功率譜；近似熵；復(fù)雜度

引言

阿爾茨海默癥(Alzheimer′s disease, AD)是發(fā)生在老年期或老年前期的一種原發(fā)性的神經(jīng)系統(tǒng)退行性腦病，以大腦皮層萎縮、β-淀粉樣蛋白沉積、神經(jīng)原纖維纏結(jié)、記憶性神經(jīng)元數(shù)目減少及老年斑的形成為主要特征[1]。臨床表現(xiàn)為記憶、思維、分析判斷、視空間辨認(rèn)、自我控制等方面的能力進(jìn)行性減退乃至全部消失，嚴(yán)重影響患者的日常生活和社交能力。AD起病隱匿不易察覺(jué)，而且病程緩慢不可逆，發(fā)病后腦細(xì)胞不斷受損直至死亡，成為繼心血管病、腦血管病和癌癥之后，導(dǎo)致老年人死亡的第四大殺手。

大腦在正常衰老向早期老年癡呆病理退變的過(guò)程中，往往先出現(xiàn)輕度認(rèn)知功能障礙(mild cognitive impairment, MCI)，一般表現(xiàn)為記憶力下降、智力減退，但不影響基本的日常生活。經(jīng)神經(jīng)心理學(xué)檢查結(jié)果證實(shí)，MCI患者記憶力下降程度較生理性健忘嚴(yán)重，但是還沒(méi)達(dá)到癡呆的程度。MCI是AD的危險(xiǎn)因素，轉(zhuǎn)化率是正常人的10倍。隨訪研究表明：MCI患者1年內(nèi)發(fā)生AD的比例是10%～15%，2年內(nèi)為40%，3年內(nèi)為20%～53%，4～5年內(nèi)比例高達(dá)55%，而相應(yīng)年齡的正常人AD發(fā)病率僅為1%～2%[2]。因此，MCI作為AD的預(yù)警信號(hào)，需要引起足夠的重視。

目前，MCI和AD的臨床診斷，尚沒(méi)有統(tǒng)一的檢查標(biāo)準(zhǔn)。臨床上應(yīng)用較多的是基于量表的早期篩查[3-4]，常用診斷量表如表1所示?；诹勘韺?shí)現(xiàn)AD診斷簡(jiǎn)單易行，但是主觀性較強(qiáng)，患者的受教育程度、文化背景以及醫(yī)生的個(gè)人主觀習(xí)慣都會(huì)影響診斷的可靠性。

表1 AD診斷量表

影像學(xué)方法也是AD診斷的常用方法，如計(jì)算機(jī)斷層掃描(computed tomography, CT), 磁共振成像(magnetic resonance imaging, MRI),特別是近年發(fā)展起來(lái)的功能性磁共振成像(functional magnetic resonance imaging, fMRI)的擴(kuò)散張量成像(diffusion tensor imaging, DTI)和擴(kuò)散峭度成像(diffusion kurtosis imaging, DKI)技術(shù)(用于腦組織微結(jié)構(gòu)無(wú)創(chuàng)在體檢測(cè))，都為AD提供了越來(lái)越多的診斷工具?；谟跋駥W(xué)方法，可以對(duì)腦解剖結(jié)構(gòu)甚至腦組織微結(jié)構(gòu)清晰成像，分辨率較高，但是在很多情況下，尤其是AD早期診斷，指標(biāo)特異性并不好。比如：腦室擴(kuò)大和腦溝增寬也可出現(xiàn)在正常老年人中，并不是癡呆的特異性征象；同時(shí)，對(duì)早期AD的診斷敏感性較差，并且費(fèi)用代價(jià)較高。

腦電特征分析作為AD早期輔助診斷方法，以其特有的優(yōu)勢(shì)，越來(lái)越引起該領(lǐng)域?qū)W者的重視。首先，腦電能夠綜合反映腦神經(jīng)系統(tǒng)電生理活動(dòng)的總體作用及功能狀態(tài)，腦電特征是大腦認(rèn)知過(guò)程中的一個(gè)重要生理指標(biāo)，腦電信號(hào)作為一種特殊的生物電信號(hào)包含了豐富的生理、病理信息，為臨床腦疾病的診斷特別是早期診斷提供了有效手段。其次，腦電信號(hào)檢測(cè)，以其無(wú)創(chuàng)性、高時(shí)間分辨率、側(cè)重時(shí)間上的信息傳遞和處理、有良好的空間分布特性等獨(dú)特優(yōu)勢(shì)，逐漸作為臨床輔助診斷的一個(gè)重要指標(biāo)[5]。

現(xiàn)有的研究結(jié)果表明，基于腦電特征分析，對(duì)于AD的早期輔助診斷，具有良好的敏感性與特異性。AD早期患者腦電同步性減弱[6]、腦節(jié)律功率值變化顯著[7]、非線性動(dòng)力學(xué)特征發(fā)生改變[8]等，都為AD早期診斷提供了有效的評(píng)估指標(biāo)。因此，腦電特征分析作為一種方便、無(wú)創(chuàng)、有效、代價(jià)低的AD輔助診斷工具，正越來(lái)越受到相關(guān)領(lǐng)域?qū)W者的關(guān)注。

1 基于自發(fā)腦電特征分析

1.1 腦電功率譜

腦電功率譜算法將幅度隨時(shí)間變化的腦波信號(hào)轉(zhuǎn)換為功率隨頻率變化的譜圖，可以直觀地觀察到腦電節(jié)律的變化與分布，比單純的視覺(jué)分析能提供更多的定量數(shù)據(jù)。自從 Berger發(fā)現(xiàn)AD患者常規(guī)腦電圖主要波頻放慢后，基于腦電尋找AD的病理特點(diǎn)成為研究的熱點(diǎn)。Lopez等采用相關(guān)分析方法，分析了不同亞型MCI患者和對(duì)照組的腦電功率譜、MMSE得分和海馬體積的相關(guān)關(guān)系，發(fā)現(xiàn)MCI的腦電特點(diǎn)與病理變化密切相關(guān)，主要表現(xiàn)為α頻段(8～12 Hz)活動(dòng)減少，θ頻段(4～7 Hz)、δ頻段(0～4 Hz)活動(dòng)增加，尤以顳葉和顳頂區(qū)域顯著，而且海馬萎縮越嚴(yán)重，腦電的異常越明顯，向AD的轉(zhuǎn)化率越高[7]。倪建良通過(guò)對(duì)比正常老年組、遺忘型輕度認(rèn)知障礙(amnestic-type mild cognitive impairement, aMCI)患者和AD患者的腦電功率值，發(fā)現(xiàn)：aMCI患者與正常老年人相比，前顳區(qū)和額區(qū)慢波的相對(duì)功率顯著增高；AD患者與aMCI患者、正常老年人相比，慢波δ、θ的絕對(duì)功率值和相對(duì)功率值均顯著增高，α、β波相對(duì)功率局限性降低。由此可知，腦電功率值能夠區(qū)分aMCI和AD，前顳區(qū)和額區(qū)慢波相對(duì)功率的顯著增高有助于aMCI的診斷[9]。Nishida也發(fā)現(xiàn)，AD認(rèn)知障礙導(dǎo)致各腦區(qū)節(jié)律較正常對(duì)照組顯著變化[10]。

腦電功率譜可以從腦電節(jié)律能量變化角度實(shí)現(xiàn)AD、MCI的早期評(píng)估，是一種實(shí)用的早期診斷評(píng)估方法。

1. 2 腦電同步性

大腦信息整合和處理的主要機(jī)制是由各神經(jīng)網(wǎng)絡(luò)的同步振蕩引起的，是建立不同腦區(qū)之間信息交流的一個(gè)關(guān)鍵部分。臨床醫(yī)學(xué)發(fā)現(xiàn)，部分神經(jīng)性疾病(癲癇、老年癡呆、神經(jīng)分裂)是由大腦整體或局部整合過(guò)程的不足或異常造成的。Tahaei等通過(guò)對(duì)比健康老年人和AD患者靜息狀態(tài)下的腦電同步性，發(fā)現(xiàn)AD患者的腦電同步性減弱，說(shuō)明腦網(wǎng)絡(luò)功能缺失[6]。Wang Ruofan等為研究AD腦電同步性，分別采集了被試不同狀態(tài)下的腦電信號(hào)，發(fā)現(xiàn)AD患者的腦電同步性較對(duì)照組明顯下降，尤其是額葉和頂枕區(qū)的θ和α頻段[11]。Koenig采用全腦區(qū)同步性分析方法(global field synchronization, GFS)，研究了AD患者的同步性表現(xiàn)，發(fā)現(xiàn)患者α、β、γ頻段上表現(xiàn)出GFS減小、δ頻段增大，這一結(jié)果驗(yàn)證了同步性間斷的假設(shè)。分析不同程度認(rèn)知障礙患者的GFS，可以發(fā)現(xiàn)他們的腦電活動(dòng)同步性較正常對(duì)照組減小，而且GFS和認(rèn)知下降的關(guān)系在不同頻段表現(xiàn)不同，以α頻段最為顯著[12]。為了探討AD病程的發(fā)展情況，Knyazeva采用S估計(jì)的方法研究了患者的腦電同步性。對(duì)15名AD患者和15名年齡匹配的對(duì)照進(jìn)行了為期一年的隨訪研究，發(fā)現(xiàn)AD患者顳葉和額區(qū)腦電出現(xiàn)次同步，尤以左額顳葉顯著；在后扣帶回和頂顳處，腦電出現(xiàn)超同步現(xiàn)象。腦電同步性與病情程度有關(guān)，早發(fā)性AD和病程較短患者的腦電超同步現(xiàn)象顯著，但隨著病程的發(fā)展，AD腦電次同步現(xiàn)象較健康對(duì)照組顯著[13]。

腦電同步性的改變與病情程度有關(guān)，超同步是AD早期或臨床前期的一個(gè)標(biāo)志，隨著病情發(fā)展，逐漸出現(xiàn)次同步現(xiàn)象，腦電同步性可以作為AD診斷中有效的生物標(biāo)志。

1. 3 定量腦電圖

定量腦電圖(quantitative EEG,QEEG)是現(xiàn)代科技與傳統(tǒng)腦電技術(shù)相結(jié)合的產(chǎn)物。Xu Qing等為了研究定量腦電圖在鑒別診斷AD和皮層下血管性癡呆(subcortical vascular dementia,SVD)混合中是否有用，選擇了62例AD患者、31例SVD患者、14名健康對(duì)照，癡呆患者又被分為輕、中、重三個(gè)亞組。研究發(fā)現(xiàn)，視覺(jué)腦電圖和QEEG在AD和SVD中的表現(xiàn)有明顯差別，QEEG在AD和SVD的同等程度認(rèn)知損害亞組中有不同的表現(xiàn)，從而得出結(jié)論：視覺(jué)腦電圖和QEEG可以用來(lái)鑒別診斷AD和SVD，但是只有QEEG可以用來(lái)鑒別具有同等程度癡呆的AD和SVD亞組[14]。 Lineu等研究發(fā)現(xiàn)，在鑒別診斷帕金森病性癡呆和單純AD患者時(shí)，QEEG和神經(jīng)影像學(xué)比臨床癥狀和神經(jīng)心理測(cè)驗(yàn)作用大，慢波頻率的改變和接近正常的高頻波可能反映了帕金森病性癡呆的皮層下病理改變，高頻波的減少可能跟單純AD的皮質(zhì)性病理改變有關(guān)[15]。

1.4 睡眠腦電圖

多導(dǎo)睡眠圖(polysomnogram,PSG)又稱睡眠腦電圖。研究發(fā)現(xiàn)，相對(duì)于清醒EEG而言，AD患者的睡眠EEG尤其是快速眼球運(yùn)動(dòng)(rapideyes movement,REM)睡眠EEG的慢波化更明顯，REM睡眠EEG的改變可作為預(yù)測(cè)AD狀態(tài)的較好指標(biāo)。AD患者REM睡眠波頻變慢，時(shí)限縮短，以顳部最為顯著；非快動(dòng)眼睡眠(non-rapideyemovement, NREM) II期的睡眠紡錘波和K綜合波減少。REM睡眠EEG改變，可有效鑒別AD和其他多種疾病[16]。Jessica等研究發(fā)現(xiàn)，MCI患者的REM睡眠EEG較正常對(duì)照組差異顯著，表現(xiàn)為顳葉、頂葉和枕葉的θ波相對(duì)功率增加，枕葉的α波相對(duì)功率減小[17]。

AD以大腦皮層聯(lián)合區(qū)進(jìn)行性功能缺失為特點(diǎn)，事件調(diào)節(jié)腦電圖動(dòng)態(tài)分析使研究大腦皮層功能活動(dòng)成為可能，這為研究MCI發(fā)展成AD的神經(jīng)元網(wǎng)絡(luò)早期改變提供了一種更加敏感的方法。REM睡眠EEG可能成為鑒別MCI在結(jié)構(gòu)改變之前出現(xiàn)微小功能改變或代謝障礙的特殊工具。

2 基于腦誘發(fā)電位分析

腦誘發(fā)電位(brain evoked potential,BEP)是中樞神經(jīng)系統(tǒng)在感受外在或內(nèi)在刺激過(guò)程中所誘發(fā)的大腦皮層神經(jīng)電活動(dòng)在頭皮電位的變化。事件相關(guān)電位(event related potentials,ERP)是一種特殊的腦誘發(fā)電位，它與普通誘發(fā)電位不同，主要是由有意賦予刺激某些心理意義、利用多個(gè)或多樣刺激(如“靶/非靶序列”(oddball paradigm))或利用刺激的變化而引起的電位。因此，ERP不只是生理過(guò)程的電位變化，同時(shí)反映了認(rèn)知過(guò)程中大腦神經(jīng)電生理的變化[18]。

N??t?nen等通過(guò)實(shí)驗(yàn)研究了認(rèn)知障礙患者失匹配負(fù)波(mismatch negativity,MMN)特性，結(jié)果顯示：認(rèn)知障礙患者與正常老化相比，MMN潛伏期變長(zhǎng)，幅值變小[19]。Aaron等關(guān)于P300的研究發(fā)現(xiàn)，AD患者P300潛伏期延長(zhǎng)，幅值無(wú)顯著變化，且病情越嚴(yán)重、潛伏期延遲時(shí)間越長(zhǎng)[20]。N400是研究大腦語(yǔ)言加工能力常用的ERP成分，與認(rèn)知過(guò)程有關(guān)，受記憶、注意力及智能的影響。John研究了認(rèn)知障礙患者與正常老年人的N400，結(jié)果表明：認(rèn)知障礙患者的N400潛伏期較正常老年人延長(zhǎng)，且隨病情程度的增加延長(zhǎng)時(shí)間加長(zhǎng)，但是組間N400的幅值并無(wú)顯著差異[21]。Chandran采集了健康青年人、健康老年人和AD患者在聽覺(jué)刺激下的腦電，通過(guò)組間腦電功率譜比較發(fā)現(xiàn)，AD患者組β頻段的功率最低，健康青年人最高，這一結(jié)論說(shuō)明AD患者認(rèn)知能力下降水平較生理老化嚴(yán)重[18]。

3 基于非線性動(dòng)力學(xué)分析

腦電非線性動(dòng)力學(xué)分析方法能夠獲得神經(jīng)網(wǎng)絡(luò)功能信息，為AD的診斷提供越來(lái)越多的有用信息。

3.1 近似熵

近似熵是衡量序列復(fù)雜性和統(tǒng)計(jì)量的非線性動(dòng)力學(xué)參數(shù)，用一個(gè)非負(fù)數(shù)表示時(shí)間序列的復(fù)雜性即序列中新信息出現(xiàn)的概率。當(dāng)大腦處理信息的能力減弱時(shí)，相應(yīng)的近似熵也會(huì)減小[22]。Daniel 為了驗(yàn)證近似熵在描述腦電功能特性中的有效性，對(duì)比研究了AD患者與健康對(duì)照組19個(gè)電極處的腦電近似熵；為了驗(yàn)證結(jié)果的可靠性，還進(jìn)行了功率譜分析。結(jié)果表明：AD患者的近似熵在P3、P4電極處顯著低于對(duì)照組，P3處的敏感度和特異性分別為70%、100%，P4處的敏感度和特異性分別為80%、75%，與功率譜分析的結(jié)果相關(guān)[23]。這一結(jié)果與Houmani得到的結(jié)果[24]一致。

3.2 多尺度熵

多尺度熵是基于熵的生理復(fù)雜性指數(shù)，用于評(píng)估信號(hào)多個(gè)時(shí)間尺度上的特征。Labate等研究了正常對(duì)照組、MCI和AD靜息狀態(tài)下的多尺度熵，發(fā)現(xiàn)AD腦電復(fù)雜性顯著減小，這與之前的非線性分析方法的結(jié)果一致[25]。Gordon為了更好地描述和表征AD患者腦電復(fù)雜度，采用多尺度排列熵方法對(duì)比了多個(gè)尺度下患者與健康對(duì)照組的腦電排列熵值。多尺度排列熵的計(jì)算，首先將原始腦電序列在各尺度下做粗粒化處理，再計(jì)算各個(gè)尺度的排列熵。設(shè)計(jì)了更為完善的實(shí)驗(yàn)方案：被試均無(wú)藥物治療，腦電采集時(shí)間更長(zhǎng)。計(jì)算了腦電不同頻率范圍在8個(gè)尺度上的熵值，組間分析結(jié)果顯示：AD在中央顳區(qū)小尺度(0～4)上多尺度排列復(fù)雜性無(wú)顯著變化，大尺度(5～7)上多尺度排列復(fù)雜性顯著增高，說(shuō)明AD患者較對(duì)照組認(rèn)知功能減退顯著[26]。Albert基于多尺度熵的研究也得到了相似結(jié)果[27]。這些都說(shuō)明，多尺度熵分析可以作為AD診斷中的有效指標(biāo)。

3.3 復(fù)雜度

腦電復(fù)雜度是在非線性理論基礎(chǔ)上對(duì)腦電信息的進(jìn)一步揭示，用來(lái)描述系統(tǒng)隨時(shí)間的變化。一段時(shí)間序列通過(guò)特定的復(fù)雜度算法處理，可以得到一個(gè)復(fù)雜度值，這個(gè)值表示序列的非規(guī)則程度，序列的變化越不規(guī)則，對(duì)應(yīng)的復(fù)雜度值就越大。

萬(wàn)柏坤等采用復(fù)雜度算法，對(duì)比研究了健康老年人和AD患者的腦電復(fù)雜度，發(fā)現(xiàn)患者絕大多數(shù)導(dǎo)聯(lián)處的腦電復(fù)雜度值顯著低于對(duì)照組，平均降幅可達(dá)20%～40%，結(jié)果提示腦電復(fù)雜度與大腦功能狀況有一定聯(lián)系，在一定程度上能夠反映腦功能狀態(tài)的變化[8]。Staudinger等采用相似方法，并通過(guò)支持向量機(jī)(support vector machine, SVM)分類器驗(yàn)證了AD的識(shí)別準(zhǔn)確率，可高達(dá)78%[28]。祝本菊以正常老年人、MCI患者、AD患者為研究對(duì)象，擬通過(guò)腦電復(fù)雜度分析來(lái)橫向比較并探討不同被試的腦電復(fù)雜度特點(diǎn)，以期得到診斷MCI、AD的有效方法。通過(guò)組間對(duì)比，得出如下結(jié)論：腦電各導(dǎo)聯(lián)中AD患者的復(fù)雜度值最低，MCI次之，正常老年組最高；各導(dǎo)聯(lián)間的差別不甚相同，與正常組相比，AD組在T3、T4、F7等導(dǎo)聯(lián)處降幅顯著；MCI組除了在T6導(dǎo)聯(lián)處外，其他導(dǎo)聯(lián)的復(fù)雜度值均高于AD組。通過(guò)組內(nèi)對(duì)比，得出如下結(jié)論：AD組內(nèi)FP1、FP2、F7、F8導(dǎo)聯(lián)的復(fù)雜度較其他導(dǎo)聯(lián)低；MCI組內(nèi)各導(dǎo)聯(lián)間復(fù)雜度值均無(wú)顯著差異；對(duì)比正常組左右半腦各導(dǎo)聯(lián)間的復(fù)雜度，發(fā)現(xiàn)P3、T3導(dǎo)聯(lián)處較P4、T4高；正常組左半腦的復(fù)雜度較右半腦高，左顳區(qū)較左額區(qū)高，而右顳區(qū)與右額區(qū)無(wú)顯著差異[29]。由此，人的腦電復(fù)雜度分布并不均勻，左半腦作為優(yōu)勢(shì)半球有著更多的復(fù)雜功能；隨著認(rèn)知能力的下降，腦電復(fù)雜度隨之減小，說(shuō)明復(fù)雜度值的改變?cè)谝欢ǔ潭壬夏軌蚍从炒竽X功能的改變。

3.4 相關(guān)維數(shù)

相關(guān)維數(shù)分析提供了一種描述腦電活動(dòng)復(fù)雜性和信息含量的客觀定量方法，是癡呆研究中最常用的非線性方法。

1991年P(guān)ritchard等采用G_P算法，研究了AD患者的腦電相關(guān)維數(shù)特征，研究的依據(jù)是神經(jīng)網(wǎng)絡(luò)中神經(jīng)元或突觸受損導(dǎo)致腦電相關(guān)維數(shù)的降低。實(shí)驗(yàn)采集了AD、健康老年人、健康青年人在閉眼休息狀態(tài)下的腦電，經(jīng)相關(guān)維數(shù)分析可知：健康青年人睜眼時(shí)相關(guān)維數(shù)明顯升高，但是AD患者沒(méi)有這種現(xiàn)象。經(jīng)進(jìn)一步方差分析：AD全腦相關(guān)維數(shù)顯著低于對(duì)照組；健康老年人和青年人睜眼或肢體運(yùn)動(dòng)時(shí)相關(guān)維數(shù)增加，且兩組間相關(guān)維數(shù)的增加無(wú)顯著差異[30]。Jelles使用非線性動(dòng)力學(xué)分析方法，對(duì)比研究了AD患者和健康老年人的腦電關(guān)聯(lián)維數(shù)D2，發(fā)現(xiàn)在α和更高的頻率范圍內(nèi)AD患者的D2較正常對(duì)照組高，而全腦連貫性較對(duì)照組低；在θ波和β波的頻率范圍內(nèi)，AD組和對(duì)照組的D2和連貫性都呈負(fù)相關(guān)關(guān)系[31]。

上述結(jié)果說(shuō)明，AD患者響應(yīng)環(huán)境變化的功能受損，腦電活動(dòng)復(fù)雜性減少，腦電相關(guān)維可以有效反映大腦皮質(zhì)處理信息的能力。

4 基于腦電模型分析

為探求AD發(fā)展過(guò)程，找到表征病程的有效腦電特征，萬(wàn)柏坤等引入適合度(goodness of fit,GOF)、比適度(dtononD,DD)等參數(shù)，對(duì)比研究了移動(dòng)電流偶極子模型和多極子模型在AD病患腦模型中的應(yīng)用。為提高結(jié)果的可信度，綜合分析了模型參數(shù)與MMSE測(cè)試結(jié)果和fMRI腦血流圖像的相關(guān)關(guān)系，仿真結(jié)果表明：多極子模型能更好地?cái)M合AD患者的腦電活動(dòng)，比適度均值與標(biāo)準(zhǔn)差的乘積與MMSE、fMRI結(jié)果具有較好的線性關(guān)系[32]。這一結(jié)果有助于AD病程發(fā)展的研究，為AD診斷和病情監(jiān)測(cè)提供了有效依據(jù)。

為了比較上述多種腦電分析方法，將其進(jìn)行簡(jiǎn)單比較分析，如表2所示。

表2 腦電分析方法的對(duì)比分析

如表2所示，基于腦電線性與非線性特征實(shí)現(xiàn)AD早期評(píng)估，從不同側(cè)面討論了腦電特征分析在AD早期評(píng)估中的可行性與有效性，如何進(jìn)一步融合這些特征指標(biāo)，并與其他方法(如量表、影像學(xué)方法)相結(jié)合，并有效地應(yīng)用到臨床上，將是一項(xiàng)有意義的研究工作。

5 總結(jié)與展望

AD早期診斷是一項(xiàng)有意義的領(lǐng)域前沿問(wèn)題，研究關(guān)鍵在于尋求AD早期診斷以及能夠預(yù)測(cè)MCI患者可能發(fā)展為AD癥的可靠方法。本研究針對(duì)這一問(wèn)題，同時(shí)結(jié)合腦電特征分析在AD早期診斷中的優(yōu)勢(shì)，總結(jié)了當(dāng)前臨床診斷AD的常規(guī)方法。進(jìn)一步，綜述并探索性地比較分析了基于腦電特征分析方法在AD早期評(píng)估中的應(yīng)用研究現(xiàn)狀，如腦誘發(fā)電位、腦電同步性分析及腦電非線性動(dòng)力學(xué)等方法。通過(guò)對(duì)現(xiàn)有研究成果的分析與比較可以知道，腦電的非線性分析方法有助于AD的早期診斷，近似熵和復(fù)雜度等可能是AD早期診斷中的敏感指標(biāo)。但是，腦電信號(hào)復(fù)雜性的減弱，亦可見于癲癇、精神分裂癥以及正常老化當(dāng)中。所以，找到AD診斷的有效指標(biāo)還需要更加深入的研究。當(dāng)前，CT、MRI等腦成像技術(shù)、量表檢測(cè)以及基于腦電特征的方法等都廣泛應(yīng)用在AD的診斷當(dāng)中，所以可以考慮將上述多種特征進(jìn)行融合，從而找到診斷AD的有效指標(biāo)。希望通過(guò)此工作，為AD的早期診斷提供幫助。

[1] Schellenberg GD, Montine TJ. The genetics and neuropathology of Alzheimer′s Disease [J]. Acta Neuropathologica, 2012, 124(3): 305-323.

[2] Lockhart BP, Lestage PJ. Cognition enhancing or neuroprotective compounds for the treatment of congnitive disorders: why?when?which? [J]. Exp Gerontol, 2003, 38(1/2): 119-129.

[3] Zhao Shengjie, Liu Gonglu, Shen Yuan, et al. Reasonable neuropsychological battery to identify mild cognitive impairment [J]. Medical Hypotheses, 2011, 76: 50-53.

[4] Wua Caili, Paul Dagga, Carmen Molgat. A pilot study to measure cognitive impairment in patients with severe schizophrenia with the Montreal cognitive assessment (MoCA) [J]. Schizophrenia Research, 2014, 158: 151-155.

[5] Carlino E, Sigaudo M, Pollo A, et al. Nonlinear analysis of electroencephalogram at rest and during cognitive tasks in patients with schizophrenia[J]. Journal of Psychiatry & Neuroscience: JPN, 2012, 37(4): 259-266.

[6] Tahaei MS, Jalili M, Knyazeva MG. Synchronizability of EEG-based functional networks in early alzheimer′s disease [J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2012, 20: 636-641.

[7] Lopez ME, Cuesta P, Garces P, et al. MEG spectral analysis in subtypes of mild cognitive impairment [J]. International Journal of Alzheimer′s Disease,2014, 36(3): 1095-1112.

[8] 萬(wàn)柏坤，陳騫，綦宏志. 早老性癡呆的腦電復(fù)雜度與近似熵特征分析 [J]. 北京生物醫(yī)學(xué)工程, 2005, 24(2): 103-107.

[9] 倪建良, 楊華, 孫毅, 等. 遺忘型輕度認(rèn)知損害腦電功率值變化分析 [J]. 浙江醫(yī)學(xué), 2012, 34(10): 793-798.

[10] Nishida K, Yoshimura M, Isotani T, et al. Differences in quantitative EEG between frontotemporal dementia and Alzheimer′s disease as revealed by LORETA [J]. Clinical Neurophysiology, 2011, 122: 1718-1725.

[11] Wang Ruofan, Wang Jiang, Yu Haitao, et al. Decreased coherence and functional connectivity of electroencephalograph in Alzheimer′s disease [J]. Chaos, 2014, 24(3): 033136.

[12] Koenig T, Prichep L, Dierks T, et al. Decreased EEG synchronization in Alzheimer′s disease and mild cognitive impairment [J]. Neurobiology of Aging, 2005, 26: 165-171.

[13] Knyazeva MG, Carmeli C, Khadivi A, et al. Evolution of source EEG synchronization in early Alzheimer′s disease [J]. Neurobiol Aging, 2013, 34(3): 694-705.

[14] Xu Qing, Xu Wenwei, Zhang Yuqi, et al. The character of quantitative EEG in patients with Alzheimer′s disease [J]. China Journal of Health Psychology, 2013, 16(8A): 2584-2589.

[15] Fonseca LC, Tedrus GMAS, Carvas PN, et al. Comparison of quantitative EEG between patients with Alzheimer′s disease and those with Parkinson′s disease dementia [J]. Clinical Neurophysiology, 2013, 124(10): 1970-1974.

[16] Hassainia F, Petit D, Nielsen T, et al. Quantitative EEG and statistical mapping of wakefulness and REM sleep in the evaluation of mild to moderate Alzheimer′s disease [J]. Eur Neurol, 1997, 37(4): 219-224.

[17] Brazète JR, Montplaisir J, Petit D, et al. Electroencephalogram slowing in rapid eye movement sleep behavior disorder is associated with mild cognitive impairment[J]. Sleep Medicine, 2013, 14: 1059-1063.

[18] Chandran V. Time-varying bispectral analysis of auditory evoked multi-channel scalp EEG [C] //The 11th International Conference on Information Science, Signal Processing and their Applications(ISSPA). Montreal:IEEE,2012: 205-212.

[19] N??t?nena R, Kujalac T, Escera C, et al. The mismatch negativity(MMN)—A unique window to disturbed central auditory processing in ageing and different clinical conditions [J]. Clinical Neurophysiology, 2012, 123: 424-458.

[20] Howe AS, Fatemi AB, Luca VD. The clinical utility of the auditory P300 latency subcomponent event-related potential in preclinical diagnosis of patients with mild cognitive impairment and Alzheimer′s disease [J]. Brain and Cognition, 2014, 86: 64-74.

[21] Olichney J. Test-retest reliability and stability of N400 effects: Implications for the study of neuropsychiatric and cognitive disorders [J]. Clinical Neurophysiology, 2013, 124: 634-635.

[22] Picóa(chǎn) AM, Fraua DC, Aboy M, et al. Comparative study of approximate entropy and sample entropy robustness to spikes [J]. Artificial Intelligence in Medicine, 2011, 53: 97-106.

[23] Aba′soloa D, Horneroa R, Espinob P, et al. Analysis of regularity in the EEG background activity of Alzheimer′s disease patients with Approximate Entropy [J]. Clinical Neurophysiology, 2005, 116: 1826-1834.

[24] Houmani N, Vialatte FB, Latchoumane C, et al. Stationary epoch-based entropy estimation for early diagnosis of Alzheimer′s disease [C]//2013 IEEE Faible Tension Faible Consommation Conference. Paris: IEEE,2013: 1-4.

[25] Domenico L, Fabio LF, Giuseppe M, et al. Entropic measures of EEG complexity in alzheimer′s disease through a multivariate multiscale approach [J]. IEEE Sensors Journal, 2013, 13: 3284-3292.

[26] Morison G, Tieges Z, Kilborn K. Multiscale permutation statistical complexity measure analysis of EEG in patients with mild Alzhemer′s disease [J]. Alzheimer′s & Dementia, 2013, 9(4): 279.

[27] Yang A C, Wang S J, Lai K L. et al. Cognitive and neuropsychiatric correlates of EEG dynamic complexity in patients with Alzheimer′s disease [J]. Progress in Neuro-Psychopharmacology & Biological Psychiatry, 2013, 47(1): 52-61.

[28] Staudinger T,Polikar R. Analysis of complexity based EEG features for the diagnosis of Alzheimer′s disease [C] //Proceedings of 3rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC).Boston:IEEE,2011: 2033-2036.

[29] 祝本菊. 基于復(fù)雜度分析的阿爾茨海默病、輕度認(rèn)知功能障礙與正常老年人的腦電研究 [D]. 天津：天津醫(yī)科大學(xué)，2012.

[30] Pritchard WS, Duke DW, Coburn KL. Altered EEG dynamical responsivity associated with normal aging and probable Alzheimer′s disease [J]. Dementia, 1991, 2(2): 102-105.

[31] Jelles B, Scheltens P, van der Flier WM, et al. Global dynamical analysis of the EEG in Alzheimer′s disease: frequency-specific changes of functional interactions [J]. Clin Neurophysiol, 2008, 119: 837-841.

[32] 萬(wàn)柏坤，程龍龍，趙翔，等. 腦電多極子模型在老年性癡呆診斷中的應(yīng)用 [J]. 自然科學(xué)進(jìn)展, 2007, 17(10): 1338-1344.

The Application of EEG Feature Analysis in Clinical Research of Alzheimer′s Disease

Li Xin1，2,3*Xie Jiali1，2Hou Yongjie4Chen Zetao1，2Liang Qiongyu1，2Guo Cuina1，2

1(InstituteofBiomedicalEngineering,YanshanUniversity,Qinhuangdao066004,Hebei,China)2(MeasurementTechnologyandInstrumentationKeyLabofHebeiProvince,Qinhuangdao066004,Hebei,China)3(TheCollegeofLifeScienceandBio-Engineering,BeijingUniversityofTechnology,Beijing100124，China)4(QinhuangdaoProspectPhotoeletricTechCo,Ltd,Qinhuangdao066004,Hebei,China)

Alzheimer′s disease (AD) is a typical brain cognitive dysfunction, having serious impacts on the patient′s work and life. Early diagnosis of this disease has been one important issue that attracts intense attention and also a meaningful work. EEG contains a lot of functional information in favor of early diagnosis of brain cognitive dysfunction. Our study based on the pathogenesis of AD summed up the conventional diagnostic methods of AD, and further reviewed the current situation of the EEG analysis method, such as the EEG power spectrum, evoked potentials, approximate entropy and complexity, etc. The perspective in this field was discussed as well.

Alzheimer′s disease (AD); mild cognitive impairment (MCI); EEG; power spectrum; approximate entropy; complexity

10.3969/j.issn.0258-8021. 2016. 02.015

2014-12-20， 錄用日期:2015-12-01

河北省自然科學(xué)基金(F2014203244); 中國(guó)博士后科學(xué)基金(2014M550582)

R318

A

0258-8021(2016) 02-0234-07

*通信作者(Corresponding author)， E-mail: yddylixin@ysu.edu.cn