文摘

抑郁症是一种残疾的主要原因在世界范围内,为未来的计算机辅助诊断和客观的生物标记是必需的。本研究旨在评估额α的变化复杂性不同程度抑郁症患者和健康者,因此探讨抑郁的神经活动和提出有效的生物标志物。69名抑郁症患者(分成三个小组根据疾病严重程度)和14名健康受试者三路被用来收集脑电图信号。样本熵和Lempel-Ziv复杂性方法用来评估脑电图复杂性不同程度抑郁组和健康组。克鲁斯卡尔-沃利斯等级测试和组t以及进行测试的区别意义在四组和每个分开两组之间。所有索引值表明,抑郁症患者显著增加了复杂性与健康受试者相比,此外,复杂性不断增加随着萧条加剧。样本熵措施表现出优势区分轻度抑郁和健康组之间有显著差异甚至nondepressive状态组和健康组。结果证实改变神经元的活动受到抑郁症的严重性和显示样本熵和Lempel-Ziv复杂性作为有前途的生物标志物在未来抑郁评估和诊断。

1。介绍

抑郁症是一种常见的心理障碍与广泛的影响和破坏,大大超过了我们的预期。据世界卫生组织统计,抑郁症会导致每年约800000自杀,是全球残疾的主要原因1]。然而,特定的病理是鲜为人知的2)和潜在的神经活动仍在调查中3]。有效的和有效的生物标志物可能有助于探索抑郁症患者的病理和生理变化。除此之外,目前精神疾病,包括抑郁症主要是根据精神病诊断的总体评价没有任何特定的索引。准确的生物标志物可以为临床抑郁症的诊断提供客观数据支持和未来计算机辅助诊断。如今,计算机辅助技术扮演了一个不朽的各行各业的一部分,如生产或制造的先进设备。计算机辅助方法的基本原理和特性可以被集成到医学领域提供潜在的和有趣的解决方案领域的诊断(4]。

品种中生物标志物基于多个电生理信号,脑电图(EEG)信号是最有前途的一个用于精神疾病,因为它直接反映了大脑生物电活动为评价提供高时间分辨率的脑动力学(5]。此外,相比之下,功能性磁共振成像和生化指标等方法,它也有优点的非侵入性,低成本,采集方便,等等6]。因此,越来越多的研究人员感兴趣的检测和识别抑郁症患者采用特征提取EEG信号,从线性方法7- - - - - -9非线性方法。然而,脑电图信号是复杂的、非线性和非平稳的由于非线性的大脑活动在本质上10,11]。显示明显的优势,因此,非线性方法的线性方法是有限的大脑在评估抑郁症的复杂动态变化。此外,α乐队从额叶区域的复杂性已成为一个研究热点在抑郁评估。从理论上讲,建议主要额叶损伤导致精神障碍,表现为记忆力和注意力,反应迟缓,和减少思考,也是抑郁症的表现(12,13]。此外,多个人员确认和验证的重要性额α信号在抑郁症的识别中,如卡莱弗et al。14),Hosseinifard et al。10),常et al。15),李et al。16),等等。

有趣的是,作为一个指标,提出了衡量两个规律,临床和实验时间序列数据的复杂性17,18),样本熵(SEn)没有发现广泛使用在抑郁脑电图分析,和现有的研究结果与其他方法相比不一致的复杂性。例如,更高的样本熵值被发现在正常类相比,抑郁类浮士德和Acharya [18,19),而相反的大多数研究采用其他非线性复杂性措施,如Lempel-Ziv复杂性(LZC) Kolmogorov复杂度,Higuchi的分形维数,分形维数增加了复杂性与健康组相比,抑郁症患者(5,20.]。作为一种非参数和model-independent方法,LZC并不需要很长一段数据系列,从而提供了更可靠的结果在短的临床研究[21]。基于上述分析,森和LZC被同时在这项研究中,确定的复杂性变化额α乐队在抑郁症患者中,特别是这两种复杂性测量是否导致不同复杂性变化趋势在同一组病人和健康人。此外,以往的研究主要集中在抑郁症患者和健康者之间的非线性复杂性差异但很少关注复杂性变异影响抑郁的程度。在这项研究中,不同的严重抑郁症患者选择,额α复杂性和抑郁严重程度之间的相关性也会探索。

本研究的目的是评估额α脑电波变化受到不同抑郁严重程度采用两种不同的算法复杂性。正如所料,一致的额增加复杂性是由森和LZC建议措施,此外,复杂性增加上升进一步萧条加剧。结果证实了神经活动的变化引起的抑郁和森建议和LZC承诺未来计算机辅助诊断的生物标志物。

2。材料和方法

2.1。主题

69名抑郁症患者和14名健康受试者被用于这项研究。所有的参与者与抑郁症住院病人在正常治疗招募从济宁医学院第二附属医院,山东,中国。患者诊断由两名有经验的专家根据icd -(国际疾病分类第十版)和抑郁度进行评估根据汉密尔顿抑郁量表测量表(使用hdr拍摄)。然后,三个抑郁症组是由不同的严重程度由患者根据HDRS分数(22]:Non-De集团(鹿分数),其中包括15个患者nondepressive状态;Mil-De组(8),其中包括34轻度抑郁的患者;和Con-De组(> 17),包括20证实抑郁症患者。14名健康受试者没有任何精神疾病是从山东大学招募,也没有医学或茶或咖啡是在数据采集前的最后24小时。表1提供所有科目的详细信息。

表1
受试者的信息。

实验进行了符合赫尔辛基宣言和伦理委员会批准的济宁医学院第二附属医院。书面知情同意是由每个参与者。

2.2。数据采集和预处理

EEG信号的所有受试者由多通道生理采集系统记录,RM6280C(成都仪器厂,四川,中国)。据介绍,讨论额α脑电波被认为是目标信号。针对临床操作方便,信号的有效性,信号从三个波兰人包括左额极(Fp1),额为零(Fz)和右额极(Fp2)收集,如图1。贴片电极用于波兰人Fp1 Fp2,当桥式电极与一个弹性Fz使用固定电极帽。单一铅方法应用自三个波兰人位置很近,两耳垂被用作电极漠不关心。尽量减少噪音干扰,桥电极浸泡在生理盐溶液,和皮肤在两极是下降了75%医用酒精。一层薄薄的导电胶也使用过电极的固定。敏感的参数设置为100μV, 0.2年代和时间一致。硬件过滤被关闭以减少有效信号丢失,而30 Hz数字低通滤波器采用更好的视觉观察的信号。


图1
极的位置国际10 - 20体系。三个波兰人在这项研究中,使用Fp1, Fz, Fp2标记为橙色。

数据采集程序和注意事项介绍了收集每个主题当他们进入房间。抑郁症患者伴随着他们熟悉的医生为了避免额外的神经到陌生的环境。至少5.5分钟稳定脑电图信号采集与闭上眼睛仰卧位。受试者被要求保持整个身体放松,呼吸均匀,没有任何动作。收集更详细的信息,可以参考我们的上一篇文章(23]。

原始脑电图信号首先重新取样从1000赫兹到200赫兹,和小波阈值滤波器被用于去除工件由眼电图。巴特沃斯滤波器被用于提取α频带信号(8日至13日赫兹)。然后,每个信号检查视觉消除异常数据段,如非常高或低的点,超出了平均值±一式三份标准偏差的范围,或长期零系列可能发生当有效信号是由强烈的噪声。最后,5分钟清楚α脑电波是保持下列特征提取。

2.3。特征提取

Entropy-based措施,比如近似熵和森,作为非线性测量值的规律性的生理时间短系列,广泛用于探索他们的固有的复杂性24]。森是一个改进的熵度量,因为它克服了偏见的估计问题,近似熵self-matches[造成的15]。森估计信号的复杂性通过计算条件概率给定长度的两个系列n类似的,米相似点,保持在公差内r在接下来的数据点。森值越高表明较低的规律和时间序列的复杂性增加。根据一项研究[25),嵌入维数米2和3的和宽容阈值r推荐的0.10和0.15是赵等。上述建议的不同组合参数进行比较,最后米= 2,r= 0.1了。

提出了LZC Lempel和齐夫(26)来评估一系列有限长度的复杂性。不同于熵措施,LZC值序列复杂性通过计算新模式的速度出现在一个时间序列。根据LZC的定义,首先应该是一个二进制序列。先前的研究已经证明,以时间序列的中值为二进制阈值更健壮的异常值(27]。然后,生成的二进制序列扫描从左到右计算数量的新模式。LZC详细计算,请参考28]。

2.4。统计分析

整个过程的数据预处理,特征提取,并在MATLAB(版本执行统计分析。R2019a MathWorks、美国)。首先正态分布进行了测试,通过测试的参数,单向方差分析和组t以及被用来测试所有四组之间的差异和每个分开两组之间的差异。否则,失败的正态分布的参数测试,克鲁斯卡尔-沃利斯等级测试和Wilcoxon等级和测试进行。此外,HDRS分数和索引值之间的相关性被皮尔森相关分析探讨。健康组不包含在相关分析作为他们没有HDRS分数。统计学意义与 值低于0.05被统计结果。

3所示。结果

森和LZC的总体结果证实可分别用于这项研究在不同的团体,尤其是抑郁症和健康组之间,这说明改变额抑郁症患者的复杂性。

3.1。差异分析

根据上述特征提取和统计分析,6个指标获得最后每组:森措施三个频道,SEn_Fp1, SEn_Fz, SEn_Fp2;LZC措施三个频道,LZC_Fp1, LZC_Fz, LZC_Fp2。

没有指数在四组,通过正态分布和方差同质性测试;因此,克鲁斯卡尔-沃利斯等级测试使用而不是单向方差分析。不同结果的前两列表所示2。不同抑郁严重程度之间的显著差异,健康受试者被确认为所有6个索引 < 0.01。

表2
每组的索引值和不同意义的结果。

进一步探索每两组之间的差异,组t以及执行如下。在所有6索引的四组中,有12个非正态分布;因此,每一对组与这些测试的相关Wilcoxon等级和测试。其他组织进行了分析t以及。每个小组所示的特性值平均值±标准误差在表的形式2每一对组之间,区别意义也详细列出。

的复杂性比较,健康组的所有熵措施显示重要值低于三个抑郁症组,是否考虑到抑郁症的严重程度不同,或者针对不同磁极位置信号收集的渠道。值得强调的是,与健康组相比,抑郁症群体的熵值都显著增加 < 0.01。不幸的是,并不足够重要的差异在抑郁症组比较,尤其是Non-De组和其他两个抑郁症组之间,只有一个例外;SEn_Fp1,已经下降了0.0034 Non-De集团Mil-De集团 < 0.05。然而,在Mil-De和Con-De组之间的比较,两个熵措施有显著差异,只有SEn_Fz作为一个例外。在LZC措施的情况下,没有显著差异群体健康和Non-De之间或Mid-De和Con-De之间。然而,的确存在着显著增加在其他四个组对,特别是所有 < 0.01。为了更好的视觉观察,图2显示6个特征值的分布在四个组。普遍增加的趋势可能会让人觉得从这些酒吧图表中四组。奇怪的是,减少发生Con-De组四的六个特征,除了LZC_Fz和LZC_Fp2。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
图2
复杂性分配不同的抑郁严重程度和健康对照组。每个面板显示四组的六个特征分布之一:(一)——(c) Fp1样本熵,Fz, Fp2波兰人,(d) (f) Lempel-Ziv三个波兰人的复杂性。每组的平均特性值显示高度的酒吧,而所表现出的标准误差水平栏的长度超过了主要酒吧。” ”:显著性差异 < 0.05。” ”:显著性差异 < 0.01。
3.2。相关分析

复杂性值和HDRS值之间的相关性的结果提出了在本部分中,如表所示3和图3。有趣的是,森和LZC措施复杂性出现相反的变化趋势。三个样本熵值显示与HDRS负面关系,与−0.1284−0.0364,−0.0990R值,只有SEn_Fp1意义 < 0.01,SEn_Fp2有意义 < 0.05,同时为SEn_Fz没有显著相关性。另一方面,建议积极关系HDRS LZC值,0.0548,0.1067和0.0735R值,只有LZC_Fz显示相关意义 < 0.01。然而,所有相关系数值都很小,这表明弱相关性HDRS分数和上面的特征值。

表3
回归方程之间的六个特性和使用hdr拍摄的分数。
(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
(e)
(e)
(f)
(f)
图3
特征值和HDRS分数之间的相关分析。所有相关指数R和 值表中给出3、线性拟合线也考虑到如果有显著相关性。所有科目的散点图表示的复杂性值。

4所示。讨论

本研究证实,抑郁,精神疾病,改变了额临床抑郁症患者的脑电图信号。的主要结果表明,复杂性,评估样本熵和LZC,在抑郁症患者与健康组相比显著增加。此外,复杂性升级为抑郁严重程度的加深。我们所知,几乎没有先前的研究来评估森或LZC抑郁症的严重性。

从理论上讲,样本熵和Lempel-Ziv复杂性提出了基于不同的数学算法。然而,他们都致力于评估生理信号非线性特性的复杂性。正如上面所讨论的,森措施相关的数据信号的不规则复杂(29日),而LZC值序列复杂性通过计算新模式的速度出现在一个时间序列。因此,森和LZC值的增加表明增加调查系列的可变性和不可预测性。有趣的是,在文献阅读,作者发现,以往的研究,探索复杂性的抑郁和健康人之间的区别分别采用森和LZC方法,提出了不一致的结果。大多数研究结论越来越复杂的抑郁症患者高LZC值(5,14森),而绝大多数的研究推测减少复杂性森值较低的病人(18,19]。此外,即使采用相同的参数,可以获得不同的甚至相反的结果;即。,increased SEn was presented from depression patients by Cukic with even superior performance in depression discrimination compared with Higuchi’s fractal dimension method [29日]。这就是为什么本研究采用森和LZC同时探讨抑郁症患者的复杂变化。

然而,这一研究获得的结果一致,即EEG的复杂性显著增加抑郁症患者与健康组相比,证实了森和LZC值增加。上述不一致的结果可能是由于通道脑电图测量大脑不同区域的不同频带中使用脑电图分析,甚至不同的参数用于森公差计算是敏感阈值r。这项研究集中在α乐队脑电图(8∼13赫兹)来自两极的左前额叶Fp1,右侧前额叶Fp2, Fz和前额中心。和本研究的准确性可以证实了大多数文献的一致性,以及整合森和LZC之间。此外,明显高于森和LZC值从这项研究证实额地区萧条的重要性识别(14]。此外,建议自主调节的复杂模式受到的抑制功能的影响额叶皮层下结构;因此,额叶皮层的大脑活动与neurocardiac动态(15,30.,31日]。符合这个猜测,前额叶活动的不规则性和不可预测性增加发现在这项研究中可以提供解释大萧条影响脑部神经生理学(5和中枢神经系统,因此改变抑郁症患者的心率变异性和心肺耦合(23,32- - - - - -34]。

除此之外,在当前抑郁,及时诊断和治疗特别是轻度抑郁是特别重要的,这可以帮助之前采取预防措施,避免进一步演变成重度抑郁症(35]。然而,这也是临床诊断为轻度抑郁患者面临的挑战将会显示更少的临床表现,甚至故意隐瞒一些事实,导致错过了最后的诊断。幸运的是,在这项研究中森出现区分轻度抑郁和健康受试者的优越性。如图3Non-De集团,甚至包含患者没有临床抑郁状态,森三个通道的值仍然都表现出显著增加与健康组相比,增加为0.0081,SEn_Fp1 SEn_Fp2 SEn_Fz 0.0079, 0.0100。在这方面,森表现优于LZC轻度抑郁识别方法。然而,LZC_Fp2显示四组之间相对稳定的增加,和LZC措施表现出更好的抑郁严重性和HDRS成绩之间的相关性。

图3逐渐呈现整体上升趋势的森大萧条和LZC加深除了森这三个措施和LZC_Fp1 Con-De组显示相比Mil-De意想不到的减少。这种现象可能由于药理作用,Con-De集团受到最重的药物。先前的研究发现,抗抑郁药物和抗抑郁药属性生成α活动的下降和诱导前额大脑活动略有下降(11,36]。的突然减少Con-De进一步导致森之间的负相关值和HDRS成绩的相关分析。

本研究也有一些局限性。首先,药物和性别因素应该考虑在未来的实验设计。此外,本研究只关注额α乐队脑电图;脑电图乐队甚至完整的乐队脑电图可以分析不同大脑区域在未来获得更多的抑郁大脑的完全理解。

5。结论

综上所述,本研究采用森和LZC探讨EEG复杂性变异在不同程度凹陷。结果显示额α复杂性增加抑郁症患者与健康组相比,增加上升随着萧条加剧。这个EEG信号的变化提供了解释抑郁症的改变大脑的神经生理学以及病人的生理变化。最后,森和LZC建议作为未来的计算机辅助诊断抑郁症的有前途的生物标志物,和森在轻度抑郁尤为优越的识别。

数据可用性

这个手稿的数据集不公开,因为病人的隐私是参与本研究,签署保密协议,以防止信息泄漏。请求访问数据集应该指向Licai杨((电子邮件保护)和刘的成语(电子邮件保护))。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究由山东省自然科学基金资助(批准号ZR2018FM027),山东省重点研发项目(批准号2016 gsf120009),江苏省的杰出年轻学者(批准号BK20190014),中国国家自然科学基金(批准号81871444)。作者意识到精神科医生和护士从济宁医学院第二附属医院,他们的长期帮助病人的数据收集。作者还欣赏Southeast-Lenovo可穿戴Heart-Sleep-Emotion智能监测实验室的支持。