基于密度峰聚类的心电图（ECG）信号识别与参数化

《Biomedical Signal Processing and Control》：Identification and parameterization of ECG signal based on the density peak clustering

本研究提出基于Jensen-Shannon散度的差异分布（DDD）方法，通过联合分析EEG和EGG信号提升轻度认知障碍（MCI）和癫痫的诊断敏感性，达96.67%和83.33%。采用动态网络生物标志物电极（DNB）仅需40%原电极即可实现同等或更高准确率，发现胃部电活动与EEG强关联，提示调节肠道活动可能成为调控脑功能的新途径。

　　这项研究由来自四川大学华西医院神经内科的多位研究人员共同完成，旨在开发一种新的计算方法，用于更准确地检测轻度认知障碍（MCI）和癫痫患者。研究的核心创新点在于提出了一种名为“基于Jensen-Shannon散度的差异分布”（DDD）的方法，该方法通过分析脑电图（EEG）和电胃肠图（EGG）信号的概率密度分布差异，实现了对这两种疾病的联合诊断。这种方法不仅提高了诊断的敏感性和准确性，还为未来的医疗设备开发提供了新的思路。

在当前的医学研究中，慢性神经系统疾病已成为全球疾病负担的主要来源，其中痴呆症和癫痫尤为突出。据世界卫生组织统计，全球约有5700万人受到痴呆症的影响，而超过7000万人患有癫痫。痴呆症会导致不可逆的认知损伤，影响患者的日常生活能力，而癫痫则可能导致长期的神经功能异常和生活质量下降。因此，如何在早期阶段准确识别这些疾病，成为医学界关注的重点。传统的诊断方法往往依赖于主观的评估量表，或者需要复杂的神经影像技术，这些方法在实际应用中存在一定的局限性。

值得注意的是，脑和胃之间存在密切的神经联系，这种联系被称为“肠-脑轴”。肠-脑轴通过自主神经系统和神经内分泌系统将胃肠道功能与中枢神经系统状态紧密关联。研究表明，大脑状态的变化可以直接影响胃肠道的运动和节律。例如，中枢神经系统的紊乱可能会表现为胃部节律异常，从而引发诸如恶心、上腹部不适等症状。此外，认知负荷的增加也被发现可以降低胃部慢波信号的强度，这可能是因为大脑重新分配了注意力资源，并改变了对内脏节律的调控。因此，EEG和EGG信号不仅是研究脑功能的重要工具，同时也是探索肠-脑轴相互作用的关键手段。

在临床实践中，EEG和EGG信号的联合采集具有重要意义。EEG主要反映大脑的神经活动，而EGG则记录胃肠道的电生理信号。通过将这两种信号结合起来，研究者可以更全面地了解脑与胃之间的互动关系，从而建立更精确的疾病预测模型。相比之下，EGG信号在检测MCI和癫痫方面展现出独特的价值。它不仅能够提供与EEG互补的生理信息，还具有非侵入性、成本低廉和适合长时间记录的优势，使其成为一种理想的筛查工具。此外，EGG信号在早期阶段的疾病识别中可能具有更高的敏感性，尤其是在那些EEG信号难以捕捉的病例中。

本研究采用了一种新的计算方法，即基于Jensen-Shannon散度的差异分布（DDD）。该方法通过将EEG和EGG信号的概率密度分布转化为特征，从而实现对MCI和癫痫的识别。与传统的单一模态分析方法相比，DDD方法在多个方面展现出显著的优势。首先，它仅需使用动态网络生物标志物（DNB）通道（约占常用通道的40%），即可实现对MCI和癫痫的高精度检测。这种选择不仅提高了诊断的准确性，还减少了数据处理的复杂性，使得研究更加高效。其次，DDD方法是一种数值模型无关的方法，无需对每个个体进行复杂的特征学习或参数训练，从而显著降低了计算成本。最后，通过计算EEG和EGG信号之间的概率密度差异，DDD方法能够有效降低噪声，提高结果的稳定性和可靠性。

在研究设计方面，本研究是一项从2023年7月至2024年5月进行的病例对照研究。研究获得了四川大学华西医院医学伦理委员会的批准，并在国家临床试验注册系统中进行了登记。所有参与者或其法定监护人均签署了书面知情同意书。研究过程中，所有操作均遵循相关伦理标准，并符合1964年赫尔辛基宣言及其后续修订版本的要求。

在实验数据处理方面，研究者同时采集了癫痫和MCI患者的EEG和EGG信号，并使用DDD算法对这些数据进行了分析。通过计算EEG和EGG信号的概率密度分布差异，研究团队识别出了与疾病状态高度相关的特征。这些特征不仅能够有效区分健康个体与患病个体，还能够揭示疾病在不同阶段的特征变化。研究结果表明，EGG信号在检测MCI和癫痫方面具有较高的敏感性，特别是在疾病的早期阶段，其诊断效果优于单一的EEG信号分析。

此外，研究还发现，EEG和EGG信号之间存在显著的相关性，其中胃部通道与EEG信号的关联性更强。这一发现进一步支持了肠-脑轴在疾病诊断中的重要作用。研究团队还指出，前额叶皮层在不同疾病状态下与胃肠道电活动的关系最为密切，这表明胃肠道的电活动可能对大脑功能产生深远影响。因此，通过调节胃肠道活动，可能为改善大脑功能提供新的途径。

在模型构建方面，研究团队对两种独立的数据集进行了分析，并验证了DDD方法在诊断MCI和癫痫方面的有效性。结果显示，DDD方法在提高诊断的敏感性和准确性方面表现优异，特别是在使用DNB通道的情况下。此外，研究团队还探讨了单独训练EEG、单独训练EGG以及联合训练EEG-EGG三种方法的诊断效果，并发现EEG和EGG在预测MCI方面几乎具有同等的准确性，但在某些指标上存在细微差异。这些差异可能为未来的疾病诊断提供新的参考依据。

在实际应用中，DDD方法不仅能够提高诊断的准确性，还能够为医疗设备的开发提供新的思路。研究团队指出，使用较少的EEG和EGG通道，仍然可以实现高精度的疾病检测，这使得开发更便携、更高效的医疗设备成为可能。此外，这种方法的非侵入性和低成本特性，使其在大规模筛查和长期监测中具有广泛的应用前景。

研究的另一个重要发现是，胃肠道电活动与大脑电活动之间存在紧密的耦合关系。这种耦合关系不仅体现在信号的相关性上，还可能影响疾病的诊断和治疗策略。因此，未来的研究可以进一步探索这种耦合关系的机制，以及如何通过调节胃肠道活动来改善大脑功能。这一发现为神经科学和临床医学提供了新的研究方向，也为开发基于肠-脑轴的新型诊断和治疗方法奠定了基础。

总的来说，本研究通过提出基于Jensen-Shannon散度的差异分布（DDD）方法，实现了对MCI和癫痫的联合检测，并揭示了胃肠道电活动与大脑电活动之间的密切联系。研究结果不仅提高了疾病的诊断准确率，还为未来的医疗设备开发和疾病治疗策略提供了新的思路。这种方法的非侵入性、低成本和高效性，使其在临床实践中具有重要的应用价值。同时，研究团队还指出，使用DNB通道可以显著减少数据处理的复杂性，提高诊断的效率和可行性。这些发现为理解肠-脑轴的相互作用提供了新的视角，并为开发基于多模态数据的新型诊断工具提供了重要的理论支持。