大鼠慢波睡眠和睡眠过渡期脑电信号的小波变换分析(英文)

作     者：封洲燕 FENG Zhou Yan * ( Department of Biotechnology, College of Life Science, Zhejiang University, Hangzhou 310027, China)

作者机构：浙江大学生命科学学院生物技术系 杭州310027 

出 版 物：《生物化学与生物物理学报》 (Acta Biochimica Et Biophysica Sinica)

年 卷 期：2003年第35卷第8期

页      面：741-746页

核心收录：

学科分类：0710[理学-生物学] 07[理学] 071006[理学-神经生物学] 

主　　题：小波变换 EEG 慢波睡眠 睡眠过渡期 FFT功率谱 

摘      要：EEG信号经常包含许多快速的时变信息 ,将较长时间段的EEG信号近似看作平稳信号 ,进行FFT谱估计 ,存在其局限性。应用多分辨率小波变换方法 ,在频域和时域上可以同时定位分析大鼠慢波睡眠和睡眠过渡期脑电的动态变化特性。采用慢性埋植电极记录自由活动大鼠的皮层脑电 ,将信号用小波变换分解成δ、θ、α和 β四个分量 ,求各分量的功率和功率百分比的时间变化曲线 ,并与FFT功率谱分析结果进行比较。结果表明 :慢波睡眠期EEG中有 2 6 .2 %± 7.7%的时间段上δ分量功率小于总功率的 5 0 % ,且δ分量较大时 ,其他分量较小 ;δ分量较小时 ,其他分量较大 ,差别显著。此结果揭示了δ节律与θ和α节律之间的一种互补关系。而传统的FFT功率谱分析方法只能显示δ分量为主 (占总功率 70 .6 %± 6 .4 % )的功率谱 ,不能提供时变信息。对于睡眠过渡期的非稳态EEG信号 ,利用小波变换分解得到的θ和α分量可以鉴别出睡眠纺锤波 ,计算睡眠纺锤波的平均持续时间 ,并比较纺锤波和非纺锤波时期各个频谱分量的变化情况。由此可见 ,小波变换可用于计算新的EEG时频定量分析指标用于分析生理、病理和药理作用引起的睡眠EEG的变化过程 ,以弥补传统FFT功率谱分析的不足之处