20、脑信号医学应用中的数据分析技术

脑信号医学应用中的数据分析技术

1. 脑信号概述

脑信号在医学应用中具有重要价值，对于计算机科学工程师和希望在医学领域运用脑信号的人来说，理解和解读这些信号至关重要。脑电波可用于诊断脑损伤和多种疾病，如癫痫、精神分裂症、抑郁症等。因此，了解不同类型的脑电波及其特征，对于探索其在数据分析中的潜在应用十分必要。

德国神经精神病学家汉斯·伯杰（Hans Berger）在不打开颅骨的情况下记录了大脑的电活动，这种记录方式被称为脑电图（EEG）。EEG通过头皮上的一对电极测量大脑的电信号，主要反映大脑皮层中锥体神经元的兴奋性和抑制性突触后电位相关的电流流动。电流通过大脑、硬脑膜、颅骨和皮肤到达头皮。单个神经元产生的电压场非常小，对可检测到的EEG没有贡献，可使用微电极检测单个神经元。头皮上可记录的EEG是组织体积内大量神经元产生的电压场的叠加。这种EEG振荡可以是自发的，也可以是由诱发或诱导产生的振荡。

2. 脑电波类型

2.1 自发脑电信号

自发EEG信号由于眼睛的闭合和睁开而产生的基本变化模式具有常见的正弦波模式。正常EEG信号的振幅峰 - 峰值在 - 100μV到100μV或0.5到100μV之间变化，信号频率范围从0 Hz到40 Hz或更高。自发脑信号的电频率分为δ（Delta）、θ（Theta）、α（Alpha）、β（Beta）、γ（Gamma）频段。各频段及其与不同精神状态的关系如下：
| 脑电波类型 | 频率范围 | 特点及相关精神状态 |
| ---- | ---- | ---- |
| Delta波 | 0.5 - 3.5 Hz | 最慢的波，出现在睡眠状态。清醒状态下出现Delta波表明大脑存