基于多尺度熵的昏迷与睡眠脑电复杂度对比分析MATLAB系统

资 源 简 介

本MATLAB系统实现昏迷患者与健康人睡眠脑电信号的预处理（滤波/去噪/伪影剔除）、多尺度熵复杂度量化分析，支持生成复杂度趋势曲线和统计对比图表（箱线图、热力图），为脑电信号复杂度研究提供完整分析工具。

详 情 说 明

基于多尺度熵的昏迷与睡眠脑电复杂度对比分析系统

项目介绍

本项目旨在通过多尺度熵（MSE）方法，对昏迷患者与健康人睡眠状态下的脑电信号（EEG）进行复杂度量化与对比分析。系统通过对脑电信号进行预处理、多尺度熵特征提取、统计比较及可视化，探索意识障碍（昏迷）与生理睡眠状态下脑电活动的复杂度差异，并建立脑电复杂度与临床昏迷评分（如GCS）之间的关联模型，为意识状态的客观评估提供辅助工具。

功能特性

• 信号预处理：对输入的EDF格式脑电数据进行滤波、小波去噪及ICA成分分析以剔除伪影。
• 多尺度熵分析：在不同时间尺度上计算脑电信号的样本熵，量化信号复杂度。
• 统计对比与可视化：生成多尺度熵趋势曲线、组间箱线图、差异热力图等，并执行非参数统计检验（如Mann-Whitney U检验、Kruskal-Wallis检验）。
• 临床关联建模：计算昏迷患者脑电复杂度与GCS评分之间的Spearman相关系数，散点图展示状态聚类。

使用方法

1. 准备数据：将昏迷患者组（含GCS评分）与健康对照组（含睡眠分期）的EDF文件放入指定数据目录。
2. 配置参数：在main.m中设置数据路径、采样率、通道列表、尺度范围等参数。
3. 运行分析：执行main.m，系统将自动完成预处理、MSE计算、统计检验及图表生成。
4. 查看结果：结果将保存于输出目录，包括熵值曲线、统计报告、相关性分析图表等。

系统要求

• MATLAB版本R2018b或更高
• 信号处理工具箱（Signal Processing Toolbox）
• 统计和机器学习工具箱（Statistics and Machine Learning Toolbox）
• 内存≥8GB，硬盘空间≥1GB（用于数据处理与存储）

文件说明

main.m作为项目主入口，集成了核心处理流程：控制脑电数据的读取与预处理流程，调用多尺度熵计算函数对指定通道信号进行复杂度特征提取，执行昏迷组与睡眠组的统计差异分析及相关性计算，并驱动所有结果图表的生成与输出。