信息传递和多重分形分析脑电图的轻微Blast-Induced创伤性脑损伤

文摘

温和,blast-induced创伤性脑损伤(mbTBI)是一种常见的战斗脑损伤的特点是一般正常的神经成像研究,认知恢复与不可预知的未来。脑电图(EEG)分析的传统方法(如光谱分析)没有成功地检测mbTBI认知和功能障碍的程度。因此我们收集的静息状态的脑电图(5分钟,64)从十二mbTBI史的患者,以及重复神经心理测试(D-KEFS塔测试)来比较两个新方法分析脑电图(多重分形去趋势波动分析(MF-DFA)和信息传递建模(ITM))光谱分析。MF-DFA,我们从结果中提取相关参数从所有领导和多重分形谱相比,传统的电力通过频段光谱分析。ITM,因为参数的数量从每个领导的数量远远超过了主题,我们利用一套减少10领导与光谱分析。我们利用单独的30秒脑电图段训练和测试统计模型基于回归树分析。ITM和MF-DFA模型一般都改善了精度与相关措施的认知关联性能比光谱分析模型ITM和MF-DFA都值得进一步的研究作为脑电图分析工具和认知在创伤性脑损伤。

1。介绍

人类脑电图记录已经被用于临床和研究目的自1930年代开始,但仍有许多未知的潜在的神经动力学负责参与这项电势变化作为时间的函数。最近,许多神经科学的调查和统计物理融合提高假设底层的神经激活模式在脑电图结果跟踪记录是非线性的,与无尺度动力学(1,2),脑电图信号本身不稳定,也显示无尺度动力学(3]。因此,传统的脑电图分析的统计方法(如傅里叶变换和frequency-averaged光谱分析)可能不是最合适的手段来分析EEG信号,因为这些技术会错过许多固有的属性与无尺度动力学的非平稳信号2]。

为了认真对待这些考虑,我们已经证明,两个独立的时间序列分析方法来源于物理学有潜力成为对现有技术的改进(包括光谱分析),总结如下。

多重分形去趋势波动分析(MF-DFA):我们已经证明,人类well-modeled脑电图信号多重分形时间序列(4]。我们还表明,在主题,睡眠阶段明显区别于意识通过多重分形去趋势波动分析(MF-DFA;(4])。此外,在阿尔茨海默氏症患者的一项研究中,轻度认知障碍和年龄组,MF-DFA脑电图分析显示在样本外预测认知功能评分脑电图数据集(5]

信息传递模型(ITM):我们也证明了人类睡眠脑电图阶段很容易区分从清醒脑电图在受试者通过ITM分析(6]。ITM专门模型脑电图电压波动作为一个“信息传递装置”(7,8),作为一种描述一个广义非平衡热力学过程,通过评估信息的传输常数作为时间的函数。虽然我们之前的出版物描述了within-lead ITM过程,在这个手稿,我们提供一个额外的新应用程序between-lead ITM分析和利用空间和时间信息传递模式提供一个更全面的理解多引线脑电图(见方法完整的细节)

到目前为止,无论是MF-DFA还是ITM已经直接与光谱分析(通过傅里叶变换)的能力来生成EEG-derived参数与临床有意义的数据。在这个手稿,我们从研究显示数据上执行的一组个人历史的温和blast-induced创伤性脑损伤(mbTBI),执行能力与神经心理测试(D-KEFS塔测试(9]),与静息状态的脑电图记录。

创伤性脑损伤是一种多因子的毁灭性的后果引起的脑损伤,导致相当大的发病率影响的个人。2014年,大约287万TBI-related急诊科(ED)访问,住院和死亡发生在美国(10]。在张成的空间八年(2006 - 2014),年龄调整利率TBI-related ED互访增加了54% (10]。峰值一般人群的创伤性脑损伤的发生率在15岁到24岁之间的男性,几百万人,据估计,仅在美国可能遭受合成终身的认知和物理损伤(11]。

美国资深人群,创伤性脑损伤提供了一个相当大的正在进行的临床挑战。持久自由行动(阿富汗)/操作伊拉克Freedom-returning老兵遭受高创伤性脑损伤主要是由于震荡性的爆炸伤害(12]。近7%的退伍军人寻求美国退伍军人管理局(VA)治疗在2009年被诊断为创伤性脑损伤;其中,有89% cooccurring精神障碍(PTSD) 73%,和70%患有慢性躯体疼痛障碍(12]。这些比例远高于那些退伍军人无创伤性脑损伤;总之,退伍军人和创伤性脑损伤发生年度医疗费用超过三倍比那些没有(5831美元/年和2009年1487美元/年)。因此,创伤性脑损伤和合成增加精神和医学并存病代表一个大持续挑战军事和经验丰富的卫生保健提供者。

许多严重的诊断和治疗问题目前限制临床医生和卫生保健组织的能力来治疗创伤性脑损伤,没有一个具体的生物标志物的神经认知障碍或功能能力的局限性与创伤性脑损伤(12]。创伤性脑损伤的诊断和治疗的黄金标准是一个昂贵的,密集的神经影像学、医学和神经精神测试到达一个诊断,利用一个复杂的诊断过程来确定病人的印象的功能能力水平(12]。此外,存在的筛查工具,用来评估创伤性脑损伤非常特异性的,经常为患者提供正面的屏幕没有脑损伤的历史(13]。认知功能障碍的主要领域之一,创伤性脑损伤的患者表现出受伤后执行,负责重要的生活功能,如计划和组织、完成任务后,分析复杂的信息,和调节情绪。因此,存在迫切需要开发特定的诊断测试执行功能缺陷在创伤性脑损伤,既能帮助诊断和治疗。

这项初步研究的总体目标是比较ITM, MF-DFA和FT-derived指数从休息脑电图轮廓的能力与临床有意义的措施执行功能的一组十二参与者有mbTBI没有神经解剖学的病变(数据集描述的最初14])。我们假设基于理论和实际考虑MF-DFA和ITM证明优于英国《金融时报》作为执行EEG-derived关联功能。

2。材料和方法

2.1。总结实验设计

参与者( )曾参加了一个大洛杉矶VA医疗系统(GLAVAHS)研究PET扫描作为一个潜在的诊断工具mbTBI(“区域脑代谢blast-induced轻度创伤性脑损伤”,Berenji博士pi (14)被邀请为静息状态的集合脑电图(~ 5分钟)和认知测试通过测试没有利用在原始的研究。研究参与者的资格有轻微blast-induced创伤性脑损伤发生在五年内服役期间的研究,没有可识别结构损伤。包含标准VA研究”的研究是完成区域脑代谢blast-induced轻度创伤性脑损伤。“排除标准有自杀意念的迹象(即。,as assessed by question 9 on the Beck Depression Inventory, Revised (BDI-II)) or inability to participate in the EEG collection or cognitive testing. Per VA research guidelines, participants were compensated for their participation. All procedures described in this study were approved by the GLAVAHS IRB, and informed consent obtained from all subjects.

2.2。行为和认知的措施

贝克抑郁量表,修改后的(BDI-II [15)是一个22-item抑郁症状,广泛应用于心理学研究和实践。

2.2.1。Delis-Kaplan执行功能系统(D-KEFS): Subtest-Tower测试

D-KEFS旨在评估执行功能的关键部件被认为是相关的主要的额叶。塔测试测量学习规则,视觉空间规划、抑制冲动反应,执拗,能够维护和建立一套instruction-based [9]。time-per-move比率分数(TPM)是利用作为主要结果措施,赤字的计划移动的认知能力在很大程度上独立于运动功能(16),与额叶功能障碍的敏感指标(17,18]。次要结果措施,包括成绩总分(ACH)、平均第一步时间分数(FMT),移动精度比得分(3月),每项得分比例和违反规则(RVPI)和总违反规则(和)得分也被评估。

蒙特利尔认知评估(MOCA)旨在提供一个准确的评估与痴呆相关的轻微到严重认知障碍如阿尔茨海默氏症或中度到重度脑损伤(19]。

2.3。脑电图的方法

2.3.1。脑电图收购

我们收集了五分钟的静息状态的脑电图参与者利用64 -通道脑电图帽通过NetStation脑电图系统(电测地线,尤金或)。参与者的脑电图活动不断记录5分钟期间,患者要求静静地坐着,双眼紧闭。脑电图数据采样与过滤器设置为0 250赫兹到100赫兹在华盛顿收购模式。64 cap-mounted等距烧结Ag-AgCl电极定位通过制造商的指示使用。脑电图数据处理离线使用NetStation脑电图软件,使用正确的乳突参比电极。然而,鉴于时间限制参与者接触和有限的设备可用性的许多记录带来了高浓度的阻抗(每个参与者平均~ 40%),这可能受损的总体质量记录脑电图。尽管如此,所有领导都用于进一步分析,作为测试可能的“真实世界”描述的脑电图分析技术的应用。

2.3.2。脑电图分析

我们选择两个单独的30年代时代从每个主题(一个从90年到120年代的记录和一个从210年到240年代记录)进行进一步的分析,使用所有64领导不管运动工件的可能性或可怜的阻抗。这些时代分离用于训练和测试为了脑电图数据,分别训练和测试我们的统计模型(见下文)。

2.3.3。MF-DFA脑电图分析

64领先数字脑电图轮廓(30年代的两个时代如上所述)分析了使用MF-DFA描述(4),使用正确的乳突作为次要的参比电极。以下参数提取从每个领导:意思是,至少,持有人的最大持有人指数,和宽度指数谱进行进一步分析。

2.3.4。ITM脑电图分析

我们执行within-lead尽管分析描述(6但进一步描述between-lead脑电图ITM分析。简而言之,给予适当限制,任何物理系统可以考虑从信息传递的角度,即从源信息流( )到目的地( )(7,8]。因此,从信息理论的信息流量( )必须遵守不平等:

这是因为信息不能超过信息传播。博查特这后,Fielitz和导出方程描述,信息传递关系不同的物理系统(7,8]。相关的脑电图,ITM预言将会有一个信息传输常数( )为每一个瞬间,电压变化( )是与相应的时间间隔(成正比 ):

脑电图是一个时间序列的电压读数 ,在哪里 ,为每个值(系列)的长度到 ,给定一个时间间隔 。通过这种方式,信息传递常量的值( )对于每一个瞬间可以计算:

因此,每个段的脑电图表现为一系列的信息传输常数比率,为不同值的时间间隔(即。,1,2,4,8,和 time steps):

的意思是信息传递常量作为时间的函数间隔可以提供一个准确的描述睡眠分期从单一铅(6]。

ITM的原则也可以扩展到between-lead信息流作为时间的函数。两个脑电图线索(例如,l1和l2)放置在头皮上的不同部分,衡量between-lead信息流可以定义的信息传输常数比率:

这意味着对于一个给定的时间间隔 ,两个领导between-lead信息流(l1和l2)可以评估以下关系:

上面的方式类似于单管线ITM(见方程(2)- (4);(6]),利用信息传递的最有意义的方式定比作为时间的函数间隔将平均值在一个给定的长度( )脑电图(例如,30年代),用一系列不同的时间间隔(例如,从4女士4 s的自然对数的步骤)。

鉴于在——和between-lead ITM分析提供了一个极其大量的可能的组合(即。,5time steps per lead, along with 5 time steps for each between-lead ITM combination, >20,000 possible data points for all combinations of 64 leads with only 12 subjects), this would prevent the practical use of data mining techniques. Therefore, we chose a subset of 10 electrodes covering the majority of the scalp to keep the number of data points down to a reasonable number amenable to subsequent analysis. The choice of 10 leads for ITM analysis was informed by balancing the desire to adequately sample the entire scalp with keeping the number of leads as few as possible to avoid underperformance of statistical modeling. The leads used were the following (see Electrical Geodesics manual for exact locations): leads 3 and 56 (right frontal area), leads 9 and 19 (left frontal area), 6 and 36 (anterior and posterior midline, respectively), 40 and 46 (right parietal), and 26 and 31 (left parietal).

2.3.5。光谱分析

我们利用R程序”规范。pgram“执行快速傅里叶变换在同一脑电图用于MF-DFA ITM,分别(20.]。我们提取的总光谱功率带宽:α(8 - 14 Hz),β(16-31 Hz),δ(0.1 4赫兹),γ(32-50 Hz),和θ(4 - 7赫兹)为每个30年代每个领导的部分。

2.4。统计方法

如上所述,两个独立的30年代脑电图段(64年导致MF-DFA和10英尺或子集匹配导致ITM和匹配的英国《金融时报》分析)由上述每种方法进行了分析,分别。分类和回归树(CART)的方法是用在第一个(培训)脑电图参数集,和一个最低分4,使用R程序“rpart”[21),旨在遵循车(22密切)。rpart模型利用输出D-KEFS塔测试部分的得分使脑电图训练数据的回归模型参数(1组EEG-derived参数)。为了减少偏见方差和过度拟合问题,我们利用10倍交叉验证选择最优复杂度参数为每个车模型的训练数据集。后(23),我们选择复杂性参数基于最小的车模型在1标准误差模型的最小交叉验证错误,这些调整模型,用于预测认知功能的测试数据集。“训练,修剪rpart模型为每个”的得分和脑电图训练数据参数被用来“预测”的得分从第二个脑电图测试数据为每一个分析参数。之间的相关性预测脑电图测试数据参数和实际的部分的得分,皮尔森的时刻执行相关的测试使用r .购物车树图的补充数据1使用R”rpart被吸引。阴谋”包(24]。我们选择购物车,主要有两个原因,首先,车模型的生理的解释非常简单,因为它使得基于脑电图这样精确的参数,导致成功的模型很容易识别。其次,传统的机器学习范例如支持向量机分析产生如此高的相关性在类似的培训/测试范例之间没有显著的差异,不同的方法测试(数据没有显示;参数调整与10倍交叉验证训练数据)。

3所示。结果

3.1。人口和创伤性脑损伤的临床特征的参与者

研究对象的平均年龄 年的年龄。样品主要是男性(10科目),主要是种族白色(9主题;2黑色主题),大部分拉美裔种族(5科目),资深的主要代表大洛杉矶大都会地区的人口。没有协会之间的年龄、性别、种族/民族,BDI得分,或MOCA分数,任何塔测试部分的得分(表1)。所有参与者完美MOCA分数30/30,而有更多的可变性BDI分数和塔测试部分的得分在参与者的过程(表1)。除了轻微blast-induced创伤性脑损伤的诊断,所有的参与者也独立诊断(使用结构化的临床访谈dsm - 5障碍(Scid-5-cv):研究版)与创伤后应激障碍的军事作战经验。尽管高架跨科目(BDI的抑郁症状水平得分 ,表1),只有四个科目进行先前的抑郁症的诊断,和没有服用精神药物的研究。

3.2。MF-DFA不同于英国《金融时报》在预测能力测试EEG-Derived塔考试分数

MF-DFA EEG-derived车模型的测试与实际塔测试TPM的分数,而英国《金融时报》车模型没有(表2和图1)。然而,英国《金融时报》测试EEG-derived车模型并与实际塔测试RVPI分数,而MF-DFA车模型没有(表2)。无论是英国《金融时报》,还是MF-DFA测试EEG-derived车模型与塔测试哦,FMT,或部分的得分和表3月2)。

3.3。CART-Derived回归模型和大脑区域:英国《金融时报》与MF-DFA

回归模型来源于购物车数据用图表表示出示意图(图在补充数据S1)。总结相关的大脑区域和统计模型生成补充表中显示S1。RVPI FT-derived车模型,铅(右下额),30(左颞叶),领导者和58(右下额)包括模型参数(表S1)。

TPM MF-DFA-derived车模型,导致1(低右额叶),9(中间左额),24(左颞),领导者和52(右颞)包括模型参数(表S1)。

3.4。减少了脑电图数据集,ITM不同于英国《金融时报》在预测能力测试EEG-Derived塔考试分数

利用减少10-lead脑电图数据集,ITM测试EEG-derived车模型与实际塔测试哦,FMT, MAR, RVPI, TPM部分的得分(表3和图2)。相比之下,英国《金融时报》只测试减少铅EEG-derived车模型与实际的测试塔RVPI分数(表3)。没有方法的相应EEG-derived车模型与分数和表3)。

3.5。CART-Derived回归模型和大脑区域减少铅组:英国《金融时报》与ITM

减少铅RVPI FT-derived车模型,导致3(中间右额叶)和铅26(左顶叶和颞)包括模型参数(补充图S1补充表S1)。为reduced-lead ITM-derived车模型,导致6/56(左额额中),导致3(右额叶中间),导致31(左顶叶),36(中线顶叶),领导者和40(右顶叶)包括参数。ITM-derived车模型的3月,6(中间额),26/36(左颞中线顶叶),并领导3(中间右额叶)参数。FMT ITM-derived车模型,导致19/31(左额叶到左顶叶),3(右额叶中间),36(中线顶叶),领导者和56(侧右额叶)参数。RVPI,铅3(右额叶中间),40(右顶叶),领导者和9(中间左额)购物车模型参数。最后,对于TPM,导致9/56(中间左额后左额),导致3/6(中间右额中线额),9(中间左额),领导者和36(中线顶叶)ITM-derived车模型参数(图S1、表S1)。

4所示。讨论

4.1。微分MF-DFA和英国《金融时报》的性能预测能力塔从脑电图测试执行功能部分的得分

鉴于英国《金融时报》和MF-DFA背后的截然不同的理论背景,这或许并不令人意外,EEG-derived参数模型证明与塔测试性能(表的不同方面2和图1)。尽管TPM也许最好的“研究”的得分的塔测试17],RVPI已被证明特别受损患者的一项小型研究侧前额叶皮层局灶性病变(25]。因此,当MF-DFA-derived脑电图在这个研究并与最广泛使用的测量塔的执行功能测试,当然应该有继续为英国《金融时报》的一个角色,特别是对于病变倾向RVPI障碍。

4.2。ITM性能差和英国《金融时报》和能力来预测塔从脑电图测试执行功能部分的得分

ITM-derived脑电图参数与塔是全球最相关的测试执行功能测试检查的部分的得分,即使在reduced-lead范式(图2和表3)。的确,ITM分析只有未能与塔测试和分数在所有部分的得分。相比之下,在同一reduced-lead子集,英国《金融时报》相关只有RVPI(表3)。

4.3。潜在MF-DFA总效用,ITM,英国《金融时报》从脑电图作为执行功能缺陷的诊断工具

ITM-derived脑电图参数明显优于MF-DFA和英国《金融时报》在这个范式;在这项研究中,他们能够与大多数塔测试部分的得分。然而,实际上,MF-DFA (TPM)和英国《金融时报》(对于RVPI)承诺在关联的两个最重要的部分的得分。首先应该注意的是,between-lead ITM分析这里描述可能代表了相当大的改善within-lead ITM [6),作为五CART-derived相关的四个模型合并between-lead分析(表S1)。这一切,值得注意的是,在使用减少的线索。未来的经验和更全面的分析可能允许更完整的脑电图数据集与ITM成功分析,这可能进一步改善这些模型的准确性。

关于“TPM塔测试”的得分,MF-DFA可能继续有一个重要的角色,它的功效(图1和表2)。它也可能有噪音相对强劲的优势,与其他技术相比多重分形时间序列的检测(如脑电图记录26]。事实上,即使在当前的研究中,一个好的比例的电极记录受到高水平的噪音由于高阻抗,MF-DFA产生一个相对准确的预测塔测试TPM的分数测试脑电图(表2和图1)。最终,考虑到这三个技术被证明有实用关联与塔测试部分的得分在一个测试样本外,所有三个技术应该继续研究为定量脑电图研究可能有用的形式。

4.4。因为它使得基于脑电图的时空模式塔测试相关性能

虽然远离一个全面研究,CART-based一代的线性模型与塔的性能测试部分的得分确实提供了一些提示的本地化相关脑区(图S1和表S1)。例如,在完成和reduced-lead数据集,FT-derived RVPI脑电图参数相关性发现右额叶和左颞β光谱功率包括在模型中。这些数据与β大幅重叠光谱权力差异出现在一群患者轻度blast-induced创伤性脑损伤(与控制)通过脑磁图描记术(27]。

MF-DFA-derived complete-lead数据集的脑电图参数TPM相关模型,左、右额叶和颞叶区域都包括在内,与特征的变化区域最小值(图S1和表S1)。这表明变化的短程相关性EEG信号的额叶和颞叶,就与性能测试塔TPM的变化。之前的研究已经表明,减少短程和长程相关性增加脑电图信号与深度的睡眠阶段,有关清醒(相比4,28]。因此,评估EEG信号的时间相关性的变化(例如,通过MF-DFA)可能是通常用于研究大脑功能异常,包括创伤性脑损伤。

reduced-lead数据集的ACH ITM-derived脑电图参数相关性模型,中间左额额是指信息传递常数比( )在一个8毫秒的延迟是一个包括模型参数,以及意味着信息传输常数( )右额叶女士(4),(4)女士,女士(32),中间(32)女士壁(图S1、表S1)。在FMT模型,ITM-derived脑电图参数包括左额顶叶在3年代延迟和中线壁(4)女士和右额叶(4和256 ms)值。3月的相关性模型,ITM-derived脑电图参数包括中线左颞顶叶在3 s和中线(4)女士和右额叶(4 ms)值。RVPI模型ITM-derived脑电图参数包含左、右每个女士(4)额,右顶叶女士(32)值。最后,TPM的ITM-derived脑电图参数模型包括左额侧左额(64毫秒)和右额中线额女士(8)值,随着左额叶(2 s)和中线顶叶(4 ms)值。因为它使得基于脑电图因此,ITM-derived回归模型为塔测试部分的得分数据提供空间和时间有关的大脑区域参与关联信息处理。事实上,有关时间可以短至4毫秒或只要3秒之间——或者within-lead信息传递。

4.5。限制

本研究参与者的数量是相对较小,并给予的高维特性参数化脑电图数据,更明确的研究将在未来的研究等待更大的样本量。人口仅限于mbTBI患者没有结构性病变,因此,这些结果可能不适用于临床人群总值与焦创伤性脑损伤或其他大脑病理结构。有有限的临床信息伴随的医学或精神病史的参与者。尽管BDI成绩并未与塔测试或博物馆方面的性能,和没有参与者服用精神药物,一些参与者的高浓度的抑郁症状和/或历史的抑郁症的诊断。获得更全面的神经心理测试是不可用的;只有MOCA D-KEFS塔测试结果收集脑电图当天集合。信息的存在和严重性认知障碍是有限的和轻度创伤性脑损伤患者在使用美国华人博物馆。脑电图数据收集是受到不接触电极在许多情况下,这可能损害整体研究实力。

5。结论

生物标志物的发展来源于脑电图信号与执行功能缺陷和相关的神经解剖学的损伤将提供一个重要的临床工具提供商治疗创伤性脑损伤的患者。因为它使得基于脑电图的生物标志物对于执行功能的赤字将是一个重大的临床创新治疗提供者,创伤性脑损伤的高患病率和发病率相关。目前的成果喜人,而且值得进一步调查ITM的能力,英国《金融时报》,MF-DFA脑电图分析提供一个独立的评估认知功能。特别是,总体执行功能(如评估TPM)似乎是最好的评估通过ITM和MF-DFA(数字1和2和表2和3),而RVPI可能更好的评估通过英尺或ITM(表2和3)。而基于有限样本,这些数据当然为更大规模的研究提供充足的理由潜在的英国《金融时报》,MF-DFA和ITM-based脑电图分析与执行功能在创伤性脑损伤的赤字。

数据可用性

. csv的电子表格中的数据可以在一个公开访问github.com的部分在接受出版的手稿。

的利益冲突

作者目前没有相关的经济利益。

确认

我们感谢伊丽娜·阿诺德,医学博士,和Zach Erickson for technical assistance. T.Z. was supported by a Veterans Administration Career Development Award (CDA-2; IK1 BX007080) during this study.

补充材料

补充1。补充图1:分类树的情节为脑电图参数模型与塔测试部分的得分显著的相关性。在数据1和2,这些情节代表CART-derived树块实际成功的相关性模型。每个树枝所描述的数量,其次是分类器经过一段时间,然后操作员,然后分类值。例如,“翻译。打赌< 48 e + 3”表示“领导30β< 4800年”作为第一个面板的分类价值。英国《金融时报》:高山-α;打赌-β的力量。MF-DFA: avgh -平均持有人价值;明——最小夹值。ITM:表示,与后面的数字表示时间的步骤(在单位的抽样频率250赫兹),与分类器指的是信息传递的值不变当时的一步。分类器有两个领导上市(例如,“V6V52”)显示相关信息传输常数的价值比率κITCR,再次与后面的数字表示时间一步采样率的单位。

补充2。表1:CART-derived参数规则从成功的模型。

引用

1. m·g . Kitzbichler m·l·史密斯s r·克里斯坦森和e .图像“宽带临界人类大脑网络的同步,”PLoS计算生物学,5卷,不。第三条e1000314, 2009年。视图:出版商的网站|谷歌学术搜索
2. g·维尔纳,“分形在神经系统:概念意义理论神经科学,”前沿生理学,卷1,p . 2010。视图:出版商的网站|谷歌学术搜索
3. d . Van de城镇、j·拉夫和c·m·米歇尔“脑电图在健康人体内微观状态序列静止显示无尺度动力学,”美国国家科学院院刊》上,卷107,不。42岁,18179 - 18184年,2010页。视图:出版商的网站|谷歌学术搜索
4. t . Zorick和m . a . Mandelkern多重分形去趋势波动分析人类脑电图:初步调查和比较与小波变换模极大值的技术,”《公共科学图书馆•综合》,8卷,不。7篇文章e68360 2013。视图:出版商的网站|谷歌学术搜索
5. t . Zorick j·兰德斯、a -路特和m . a . Mandelkern“脑电图多重分形分析与认知测试成绩和轻度认知障碍的临床分期,”临床神经科学杂志卷,76年,第200 - 195页,2020年。视图:出版商的网站|谷歌学术搜索
6. t . Zorick和j·史密斯,“广义信息平衡方法脑电图睡眠阶段歧视,”计算和数学方法在医学卷,2016篇文章ID 6450126、8页,2016。视图:出版商的网站|谷歌学术搜索
7. p . Fielitz g·波哈特,“广义信息传递的概念。”物理论文,24卷,不。3、350 - 363年,2011页。视图:出版商的网站|谷歌学术搜索
8. p . Fielitz和g·波哈特自然信息平衡的一般概念从理想气体定律K-Trumpler效应,”2014年,arxiv: 0905.0610。视图:谷歌学术搜索
9. a·w·舒克,a . s .戴维斯和r . s .院长,”卡普兰的熟食店执行功能系统(D-KEFS)”神经心理学,13卷,不。4、275 - 279年,2006页。视图:谷歌学术搜索
10. 预防、C f D C监测报告的创伤性脑伤害有关急诊,住院治疗,和Deaths-United州,2014年,美国d o。h。h .服务,2019年。
11. NIH共识发展面板与创伤性脑损伤康复的人,”与创伤性脑损伤康复的人,”《美国医学会杂志》,卷282,不。10日,974 - 983年,1999页。视图:出版商的网站|谷歌学术搜索
12. 公元前泰勒,e·m·哈格尔k·f·卡尔森et al .,“双重创伤性脑损伤的患病率和成本有或没有精神障碍和疼痛在阿富汗和伊拉克战争的老兵使得用户,”医疗保健,50卷,不。4、342 - 346年,2012页。视图:谷歌学术搜索
13. p·e·拉普c . j . Cellucci d . o .大a . m . k .吉尔平著,和d . m . Darmon“创伤性脑损伤的临床研究统计问题,”神经学前沿卷,4 p。177年,2013年。视图:出版商的网站|谷歌学术搜索
14. k·d·盖恩斯h . v .酣睡,g . r . Berenji”执行的战斗轻度创伤性脑损伤,”应用神经心理学:成人,23卷,不。2、115 - 124年,2016页。视图:出版商的网站|谷歌学术搜索
15. a·贝克和r .引导手册BDI-II、心理公司,圣安东尼奥,TX, 1996。
16. h·h·施皮茨,s·k·明斯基,c . l . Bessellieu”影响的规划时间和河内塔解决问题的第一步战略智障的年轻人和nonretarded孩子,”美国《精神不足,卷90,不。1,46-56,1985页。视图:谷歌学术搜索
17. a . m .欧文,j·j·唐斯,b . j . Sahakian c . e . Polkey t·w·罗宾斯,”规划和空间工作记忆后额叶损伤的人,”这项研究,28卷,不。10日,1021 - 1034年,1990页。视图:出版商的网站|谷歌学术搜索
18. t . Shallice“特定障碍的计划,”英国伦敦皇家学会哲学学报。系列B,生物科学,卷298,不。1089年,第209 - 199页,1982年。视图:出版商的网站|谷歌学术搜索
19. z s Nasreddine: a .菲利普斯诉答:©。英航©dirian et al .,”蒙特利尔认知评估,美国华人博物馆:一个简短的轻度认知障碍筛查工具,”美国老年病学学会杂志》上,53卷,不。4、695 - 699年,2005页。视图:出版商的网站|谷歌学术搜索
20. RCoreTeam,接待员:统计计算的语言和环境,R统计计算的基础,维也纳,奥地利,2015年。
21. t . Therneau b·阿特金森,“rpart:递归分区和回归树”,2018年,https://CRAN.R-project.org/package=rpart。视图:谷歌学术搜索
22. l . Breiman j·弗里德曼,r . Olshen和c .石头,分类和回归树沃兹沃思和布鲁克斯科尔/先进的书籍和软件,蒙特利,CA, 1984。
23. t . Hastie r . Tibshirani和j·弗里德曼,统计学习的元素:数据挖掘、推理和预测斯普林格出版社,纽约,2009年。
24. rpart s Millborrow。”剧情:情节“rpart”模型:一个增强版的情节。rpart”。,” 2018,https://CRAN.R-project.org/package=rpart.plot。视图:谷歌学术搜索
25. b . p . Yochim j . v .鲍多k·d·凯恩和特区熟食店,“D-KEFS塔测试性能侧前额叶皮层病变患者:错误监测的重要性,”临床和实验神经心理学杂志》上没有,卷。31日。6,658 - 663年,2009页。视图:出版商的网站|谷歌学术搜索
26. p . Oświȩcimka j . Kwapień,s . Drożdż”小波与多重分形去趋势波动分析结构”,物理评论E,卷74,不。1,2006。视图:出版商的网站|谷歌学术搜索
27. 黄m x d·l·哈林顿,a .罗伯天鹅et al .,“静息状态脑磁图描记术揭示了不同模式的异常功能连接在战争等轻度创伤性脑损伤,”杂志上的创伤,34卷,不。7,1412 - 1426年,2017页。视图:谷歌学术搜索
28. s . m . Cai、江z h . t .周p l .周h·j·杨和b·h·王”人类的睡眠脑电图信号的尺度不变性,”物理评论E,卷76,不。6、2007。视图:出版商的网站|谷歌学术搜索

版权

版权©2021年托德Zorick等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。