睡眠剥夺脑疲劳状态静息脑电图小波包熵分析

0 引 言

由于工作节奏加快以及生活习惯的改变， 使得睡眠剥夺现象在当今社会非常常见[1,2]. 睡眠剥夺是指由于某种(些)原因导致睡眠时间被迫减少， 按剥夺的睡眠量， 可将睡眠剥夺分为全部睡眠剥夺、 部分睡眠剥夺； 按剥夺睡眠的急缓程度， 可分为急性睡眠剥夺和慢性睡眠剥夺； 按剥夺睡眠的内容， 可分为快速眼动睡眠剥夺、 非快速眼动睡眠剥夺(或称慢波睡眠剥夺). 睡眠剥夺对人体生理(如生化指标、 脑电、 心电等)、 心理(记忆、 情绪、 认知状态)功能的影响及其发生机制的研究一直是医学、 脑科学、 神经精神病学、 心理学以及航空医学界的重要研究方向. 研究睡眠剥夺对人体神经电生理、 心理功能的影响， 并阐明其发生机制， 将有助于寻求积极有效的对抗措施， 将不良影响减小到最低限度. 睡眠剥夺之后个体的思睡程度增加， 认知功能下降， 会对工作绩效产生重要影响[3].

当由于疲劳程度增加而导致认知功能发生进一步损害时， 不仅会导致工作效率下降， 还有可能因为人为失误操作而引发事故[4]. 因此， 深入探讨睡眠缺失对机体生理心理功能的影响具有重要的社会意义.

医学影像技术 CT， MRI 等可提供大脑结构方面的信息， 从空间上给予定位， 缺点是时间分辨率较差. 对于神经科学研究来说， 电生理信号能够捕捉更多的变化细节. 脑电图(Electroencephalogram， EEG)以足够的时间分辨率， 重现毫秒级别上变化的大脑信息处理过程， 既能用于研究外来刺激下的功能反应， 也能用来反应静息状态下的大脑的自发功能状态. EEG作为生物体睡眠-觉醒状态监测的重要指标， 可以反映大脑神经功能的改变， 是理想的研究工具， 在提示机体的生理心理功能变化上具有重要作用[5]. 早期的脑电图研究只能靠人工分析、 判断， 人为因素较大. 近年来发展起来的脑电功率谱可以定量研究脑电生理变化， 但用于睡眠剥夺研究的报道较少. 以往研究发现： 在睡眠剥夺后， 个体的脑电图呈现低频成分增加， 较高频率成分下降的变化趋势[6]， 提示机体需要睡眠来对已经下降或损害的心理功能进行修复.

图书馆可采用人工咨询服务、图书馆主页、微信群以及电子邮件的方式开展图书预约服务，以方便读者接受该服务。

脑电是一个复杂的时间序列， 非线性动力学方法可以在总体水平上分析神经规律的新方法， 与传统时域、 频域、 时频域分析方法相比， 可以提供更多的脑电信息， 非线性动力学方法将人脑看成是一个复杂的非线性系统. 小波变换和小波包变换具有可以在频域和时域上共同分析非平稳时间序列信号的特点， 已有大量基于脑电的研究应用小波变换对睡眠剥夺脑电信号进行多分辨率分析、 瞬态特征提取等处理， 取得了许多成果， 小波包熵方法是在小波变换和小波包变换的基础上发展起来的， 吸取了两者变换的优点， 并进一步从系统的角度出发考脑电的总体特征， 能够表征出脑电序列的复杂程度. 本文采用小波包熵的方法进行研究. 小波包熵能够反映多频率成分信号的混乱程度， 提供信号的动力学特征， 可以作为评价脑电信号复杂程度的一个指标[7]. 但是目前还很少有从不同频段小波包熵的角度来探讨完全睡眠剥夺对机体生理功能影响的试验研究. 本研究拟通过对比睡眠剥夺前后个体静息脑电与觉醒功能密切相关的脑电波段(α1及θ波段)小波包熵的变化， 从小波包熵的角度分析睡眠剥夺对个体清醒状态静息脑电的影响.

1 实验方法与信号采集

1.1 试验对象

与脑电信号相关的小波包能量分布为

1.2 试验程序

受试者于正式试验前一天进入实验室. 在进行一晚上睡眠监测后， 于第二天早7点进行EEG基线测量. 之后受试者在主试人员的陪同下进入完全睡眠剥夺. 在睡眠剥夺期间受试者可以观看电影， 打扑克， 但必须时刻保持清醒. 在第3天中午13：00， 受试者接受第二次EEG记录， 并在数据记录前后汇报是否保持清醒.

图 1 睡眠剥夺EEG实验测量示意图 Fig.1 A schematic map for measuring sleep deprivation effects

1.3 脑电采集

受试者于数据采集前经清洁头皮后， 放松自然坐在试验用固定座椅上. 主试人员向受试者详细说明试验注意事项， 要求受试者尽可能放松， 避免回忆较强烈刺激事件. 以导电膏降低皮肤电阻值， 保证数据采集时受试者头皮电阻在5 kΩ以下. 试验开始后采集受试者闭眼、 睁眼各3 min连续脑电图数据.

ψj,k(t),

小波包节点能量可以表征脑电信号的能量， 将小波包节点能量El定义为

通过人机交互的技术将抽象的数据表现为直观可视的图形或图像，加强了用户对于数据的理解能力，使得复杂的数据更加容易被人们所理解。

表 1 10～20电极导联系统电极名称匹配表

Tab.1 The 10～20 electrode name matching table for electrode lead system

部位英文缩写电极前额FPFp1, Fp2侧额IFF7, F8额FF3, Fz, F4颞TT7, T8中央CC3, C4, Cz后颞PTP7, P8顶PP3, P4, Pz枕OO1, O2, Oz

图 2 脑电采集电极安放采用国际10～20系统示意图 Fig.2 An international 10～20 system diagram of electroencephalogram acquisition electrode placement

2 信号分析方法

2.1 脑电数据预处理

脑电信号总能量为脑电信号不同频带小波包分量之和， 即

EEG信号的主要频率范围分布在0.5～30 Hz， 而肌电的频率往往在100 Hz以上. 因此， 通过直接滤除100 Hz以上的频率成分就可以去除肌电伪迹， 并且对EEG信号基本不造成影响. 在信号采集过程中， 由电极移动引起的慢电压漂移、 出汗引起的缓慢波动等都会对EEG信号的基线电压造成干扰， 因此， 可直接滤除0.5 Hz以下的频率成分以去除缓慢电压漂移产生的伪迹. 其次， 对于50 Hz工频干扰也可直接滤除. 综上， 采用IIR滤波器0.5～35 Hz(48 dB/oct)带通滤波和50 Hz陷波去除肌电、 缓慢电压漂移现象伪迹和工频干扰. 除此之外， 眼电伪迹是最主要的噪声， 采用ICA法去除眼电伪迹， 图 3 显示了去除眼电伪迹前后的脑电信号对比图， 可见使用ICA法可有效除去眼电伪迹， 为后续分析提供较好的基础.

图 3 去除眼电伪迹前后对比图 Fig.3 Contrast map before and after removal of eye electrical artifacts

2.2 小波包熵分析

以SPSS18.0软件包对睡眠剥夺前后脑电图小波包熵数据进行统计分析. 统计方法选用重复测量的方差分析.

脑电数据s(t)通过小波包分解到第j层后， 可以得到2j个等带宽的子空间， 各个子空间的子信号为

研究者们利用中国162个慢性病监测点的调查研究发现，2010年,中国成年人糖尿病患病率为11.6%[1]。中国2013年第五次国家卫生服务调查结果显示，近5年城乡居民(按照人数计算)的慢性病患病率由2008 年的18.9%增至2013年的24.5%，按疾病别分析的慢性病患病率中，糖尿病仅次于高血压处于第二位，15岁及以上调查人口自报糖尿病患病率为3.5%，10 年间上升了4倍，且农村显著高于城市[2]。

四季柚苗木定值后半个月即可长出嫩芽，意味着新根开始生长，此期开始追肥，以薄稀人粪尿（10%浓度）进行浇根，每15天浇一次，也可以用水溶性肥浇根。幼苗期，用10%碳铵、过钙液（碳铵：过钙液=1：1）浇根，幼苗生长快。当新稍长到20 cm左右时，注意摘心，促使新稍老熟，萌发二次梢。新芽长出后要及时喷施农药，防治病虫害。九月份之后不施肥，以防促长嫩梢，避免冻害。

(1)

式中：为子空间的小波包分解系数； ψj,k(t)为小波函数. 脑电信号s(t)可以被重新定义为

ψj,k(t).

(2)

脑电图采集设备为Neuroscan脑电记录仪， 受试者脑电图经SynAmps2放大器进行数据放大和转换后以Scan4.3软件进行记录. 电极安放采用国际10～20系统为标准[8]， 参考电极选双侧乳突为参考， 共记录受试者在安静状态下的32导脑电图， 同步记录水平(HEOG)和垂直(VEOG)眼动. 在睡眠剥夺实验采集脑电信号过程中， 本文取前额区(FP)、 侧额区(IF)、 额(F)、 颞区(T)、 中央区(C)、 后颞区(PT)、 顶区(P)以及枕区(O)电极进行， 对应的电极如表 1 所示. 脑电极放置采用国际脑电图学会标定的10～20电极导联定位标准， 以乳突电极M1和M2为参考电极， 如图 2 所示. 利用脑电信号采集软件采集志愿者的脑电信号， 采样频率(A/D)为1 000 Hz， 放大倍数(增益， Gain)为1 000， 滤波带通为0.05～100 Hz， 以AC模式连续采集， 并在数据采集时同步去除50 Hz陷波干扰. 将脑电帽与放大器连接好后， 在每个电极孔内注射导电膏， 未注射导电膏时， 软件界面中电极显示为红色(即电阻大于100 kΩ)， 在向电极注入导电膏的过程中， 电极颜色逐渐变为黄绿色并最终变为绿色. 当头皮电阻为10 kΩ以下时， 即满足实验要求.

.

(3)

对采集到的脑电数据使用MATLAB， EEGLAB软件进行数据预处理. 对每名受试者选取其第30～90 s(含睁眼、 闭眼)静息态脑电图数据， 以EEGLAB分析软件进行去除眼电、 肌电、 心电等伪迹， 然后进行独立成分分析， 并以有限冲击响应(FIR)滤波器进行滤波. 经预处理后的脑电数据进入小波包熵分析.

人心有许多情感足以战胜死亡——战场上的仇忾压倒死亡，相爱者的忠诚战胜死亡，自由的荣耀蔑视死亡。一个流放的时代，曾经冲动而不自如，后来有罪而不自觉，现在纵观统筹、高谈阔论。我说过我真正感兴趣的是人们在危急时刻的表现。

.

(4)

36名大学生健康受试者自愿参与了本试验(年龄18～28岁， 平均23.5岁). 受试者均为右利手， 智力正常. 受试者均没有神经科或精神科疾病史， 并在试验前2周内保持规律性8 h睡眠. 受试者在试验期间禁止饮酒、 咖啡、 茶等刺激性饮料， 禁止从事剧烈的体育活动. 试验前均征得受试者知情同意， 并在试验结束后给予受试者一定的酬劳.

.

(5)

式(5)反映了不同频带中小波包能量分布情况.

Shannon信息熵可以测量包含在各种概率分布中的信息， 主要用于检测序列的未知程度， 可以用来估计随机信号的复杂度[9]. 将小波包分解系数能量分布与信息熵结合起来即可得到小波包熵[13]

WEP=-∑Plln[Pl].

(6)

利用小波包将信号精细地分解到各个频段， 通过对睡眠剥夺脑电信号进行7层小波包分解， 可将信号划分成128个频段， 由于实验中EEG数据采样频率为1 024 Hz， 故信号的频率范围为0～512 Hz[10]. 7层小波包分解各个节点对应频带范围如表 2 所示. 由表 2 可知： θ节律对应的频段为(7,1)节点， α1波段对应的频段为(7,2)节点.

表 2 分解信号不同频段对应值

Tab.2 Corresponding values of different frequency bands of decomposition signals

节点频带范围/Hz节点频带范围/Hz(7,0)0～4(7,8)32～36(7,1)4～8(7,9)36～40(7,2)8～12(7,10)40～44(7,3)12～16(7,11)44～48(7,4)16～20(7,12)48～52(7,5)20～24(7,13)52～56(7,6)24～28(7,14)56～60(7,7)28～32(7,15)60～64

2.3 统计学分析

小波包变换是分析非平稳过程的有效方法. 它提供了更详细的信号分解. 根据分析信号的特点， 自适应地选择相应的频带来匹配信号频谱， 从而提高时频分辨率.

3 睡眠剥夺对静息态脑电α1波段及θ波段小波包熵的影响

选取F3， FZ， F4， C3， CZ， C4， P3， PZ， P4导联数据进行睡眠剥夺前后α1波段小波包熵对比分析， 发现与睡眠剥夺前相比， 睡眠剥夺后个体的闭眼α1波段小波包熵明显下降(F(1,34)=7.473， P=0.010)， 睁眼α1波段振荡强度无明显变化(F(1，34)=0.026， P=0.872). 结果如图 4， 图 5 所示.

李建军[1]认为，农业研究与开发体系大致包括政府所属的研究机构，私人公司和其他非政府性的研究机构以及各个国际化农业中心等，而我国已经建立起了以农业科研院所为主体，以农业大学为主干的农业研究与开发体系和独特的农业自助体系，这些体系的职责是实现农业技术创新。农业技术创新是一个系统工程，涵盖了农业技术推广在内的多个环节。本研究的农业科研人员指的是农业科研院所、农业大学内从事农业技术创新的人员，其工作职责包括农业技术研究与开发、农业推广、农业科技成果转化等。

图 4 睡眠剥夺前后闭眼α1波段小波包熵结果比较 Fig.4 Comparison of the α1 band wavelet packet entropy of closed eyes before and after sleep deprivation

图 5 睡眠剥夺前后睁眼α1波段小波包熵结果比较 Fig.5 Comparison of the α1 band wavelet packet entropy of closed eyes before and after sleep deprivation

选取F3, FZ, F4, C3, CZ, C4, P3, PZ, P4导联数据进行睡眠剥夺前后θ波段小波包熵对比分析， 与高频波段变化不同， 低频波段成分如θ波段小波包熵在睁眼时显著上升(F(1,34)=4.673， P=0.038)， 闭眼时无明显变化(F(1,34)=0.276， P=0.603). 结果如图 6, 图 7 所示.

性状:加工品呈长椭圆形,有的已压扁,与天麻很相似。长4-9cm,直径1.5-2.5cm。去皮的表面灰棕色,半透明,未去皮的棕黄色,环节明显,有不规则沟纹及皱纹;并有须根痕。顶端有残留的茎基,下端略尖细。质坚硬,不易折断,断面灰白色或黄白色,半角质样。气微,味微甜。

图 6 睡眠剥夺前后闭眼θ波段小波包熵结果比较 Fig.6 Comparison of the θ band wavelet packet entropy of closed eyes before and after sleep deprivation

图 7 睡眠剥夺前后睁眼θ波段小波包熵结果比较 Fig.7 Comparison of the θ band wavelet packet entropy of opened eyes before and after sleep deprivation

在睡眠缺失的条件下， 机体需要维持正常的觉醒功能. 目前的研究表明， 正常觉醒功能的维持与大脑的默认网络有关[11]. 功能磁共振成像研究表明， 完全睡眠剥夺后个体的默认网络内部， 以及默认网络同执行控制功能网络之间的功能接连下降[12]. 本研究通过对脑电不同波段能量谱的变化分析， 发现睡眠剥夺后脑电图网络也存在能量谱变化现象. 睡眠剥夺后同睡眠剥夺前相比， 其脑电图强度谱出现了明显偏移. 睡眠剥夺后大脑默认网络的功能变化， 可能是导致脑电图出现慢波能量增加的重要原因.

睡眠的能量转移理论认为， 在个体急性长期处于睡眠缺失的条件下， 机体内部会发生能量转移[13]. 这种能量转移与机体不断增加的睡眠压力有关. 随着睡眠剥夺时间的延长， 睡眠压力不断增加[14]. 此时对于睡眠的需求也在不断增加. 疲劳程度的增加使得大脑的受抑制程度增加， 大脑脑电能量谱向慢波方向偏移， 也可能是不断睡眠压力或睡眠需求的体现.

通过对比睁眼和闭眼条件下脑电波能量谱的变化发现， 睁眼和闭眼条件对于脑电能量变化特征具有明显的影响. 对于α1波段在闭眼时振荡强度明显下降， 而对于θ波段睁眼条件影响比较明显. 提示在睡眠剥夺后睁眼和闭眼条件对于脑电波小波包熵这一指标影响较大， 在进行静息态脑电分析时必需考虑睁眼和闭眼这一条件因素.

4 结 论

睡眠剥夺后个体闭眼α1波段小波包熵明显下降， 睁眼θ波段小波包熵明显增高， 是睡眠压力不断增加条件下脑电图变化的重要特征. 本研究仅从脑电波能量谱的变化进行了分析， 进一步的研究还应该关注大脑不同脑电网络以及有效连接的变化规律， 为深入了解睡眠缺失影响机体生理心理功能提供佐证.

安徽财经大学财政学专业经过国家级特色专业、安徽省特色专业、安徽省一流学科(专业)、安徽省专业综合改革试点等学科建设后，在专业人才教育模式上开始全面改革。在大类招生时，以财政学类进行全面培养，同时在全校范围内选拔优秀学生组建财政学拔尖实验班，以全新的人才培养模式进行精英化教育。财政学拔尖实验班以创新能力培养为基本目标，以全校优秀师资为依托，以培养学生优秀逻辑思维、科研创新能力、数据处理能力等为导向，在原财政学人才培养方案基础之上，全面引入外文文献、中高级计量经济学、仿真模拟等技术处理课程，提高实验班学生的数据处理能力和科研创新能力，为下一步科学研究打下良好的经济学基础和数据处理基础。

参考文献：

[1] 李宁, 汪曣, 刘锡禹, 等. 睡眠剥夺对认知功能影响的研究进展[J]. 生物医学工程学杂志, 2008, 25(5)： 1197-1200.

Li Ning, Wang Yan, Liu Xiyu, et al. Research on effect of sleep deprivation on cognitive brain function[J]. Journal of Biomedical Engineering, 2008, 25(5)： 1197-1200. (in Chinese)

[2] 王富贵, 邵永聪, 齐建林, 等. 睡眠剥夺对青年男性执行功能的影响[J]. 中国心理卫生杂志, 2010, 24(7)： 541-545.

Wang Fugui, Shao Yongcong, Qi Jianlin, et al. Effects of total sleep deprivation on executive function in young men[J]. Chinese Mental Health Journal, 2010, 24(7)： 541-545. (in Chinese)

[3] 李晨, 刘康, 陈涛. 急性睡眠剥夺时程对青年男性军人脑认知功能的影响[J]. 中国健康心理学杂志, 2017, 25(2)： 195-199.

Li Chen, Liu kang, Chen Tao. Effects of acute sleep deprivation on male military soldiers cognitive funtion[J]. Chinese Health Psychology Journal, 2017, 25(2)： 195-199. (in Chinese)

[4] 王春华, 王淑清, 刘影. 睡眠剥夺对护士情绪的影响[J]. 护理研究, 2006, 20(29)： 2658-2659.

Wang Chunhua, Wang Shuqing, Liu Ying. Influence of sleep deprivation on nurses’ mood[J]. Chinese Nursing Research, 2006, 20(29)： 2658-2659. (in Chinese)

[5] 路英智, 宗文斌, 任清涛,等. 慢性疲劳综合征的睡眠脑电图研究[J]. 神经病学与神经康复学杂志, 2009, 6(1)： 44-46.

Lu Yingzhi, Zong Wenbin, Ren Qingtao, et al. Study of whole night polysomnography in patients with chronic fatigue syndrome[J]. Journal of Neurology and Neurorehabilitation, 2009, 6(1)： 44-46. (in Chinese)

[6] 王明时, 刘瑾, 诸强,等. 睡眠剥夺对脑认知和脑电复杂性的影响[J]. 天津大学学报(自然科学与工程技术版), 2005, 38(4)： 343-346.

Wng Mingshi, Liu Jin, Zhu Qiang, et al. Effects of sleep deprivation on brain cognition and EEG complexity[J]. Journal of Tianjin University, 2005, 38(4)： 343-346. (in Chinese)

[7] 肖余粮, 和卫星, 陈晓平, 等. 小波变换和小波熵在睡眠脑电信号变化特性研究中的应用价值[J]. 中国组织工程研究, 2006, 10(25)： 118-120.

Xiao Yuliang, He Weixing, Chen Xiaoping, et al. Application of wavelet transform and wavelet entropy in the characteristic study of sleep electroencephalogram signal change[J]. Chinese Journal of Clinical Rehabilitation, 2006, 10(25)： 118-120. (in Chinese)

[8] 秦兵. 美国临床脑电图学指南(5)标准电极位置命名指南[J]. 癫癎与神经电生理学杂志, 2011, 20(6)： 377-378.

Qin Bing. American Clinical Neurophysiology Society (5) standard electrode position naming Guide[J]. Journal of Epileptology and Electroneurophysiology, 2011, 20(6)： 377-378. (in Chinese)

[9] 童玲, 陈光, 吕文. 测量数据的信息熵与测量误差熵研究[J]. 电子科技大学学报, 2007, 36(5)： 935-937.

Tong Ling, Chen Guang, Lv Wen. Information Entropy and Error Entropy of Measurement Data[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(5)： 935-937. (in Chinese)

[10] 王艳景, 乔晓艳, 李鹏,等. 基于小波包熵和支持向量机的运动想象任务分类研究[J]. 仪器仪表学报, 2010, 31(12)： 2729-2735.

Wang Yanjing, Qiao Xiaoyan, Li Peng, et al. Classification of motor imagery task based on wavelet packet entropy and support vector machines[J]. Chinese Journal of Scietific Instrument, 2010, 31(12)： 2729-2735. (in Chinese)

[11] De Havas J A, Parimal S, Soon C S, et al. Sleep deprivation reduces default mode network connectivity and anti-correlation during rest and task performance.[J]. Neuroimage, 2012, 59(2)： 1745-1751.

[12] Sämann P G, Tully C, Spoormaker V I, et al. Increased sleep pressure reduces resting state functional connectivity[J]. Magnetic Resonance Materials in Physics Biology & Medicine, 2010, 23(5-6)： 375-389.

[13] Schmidt M H. The energy allocation function of sleep： a unifying theory of sleep, torpor, and continuous wakefulness [J]. Neuroscience &Biobehavioral Reviews, 2014, 47： 122-153.

[14] Maric A, Lustenberger C, Werth E, et al. Intraindividual Increase of Homeostatic Sleep Pressure Across Acute and Chronic Sleep Loss： A High-Density EEG Study.[J]. Sleep, 2017, 40(9).