10.3969/j.issn.1001-9448.2017.05.046
大脑熵在功能磁共振中的应用进展
熵(Entropy)是一种非线性动力学参数,其概念是由德国物理学家克劳修斯于1865年所提出,应用于热力学中,并于1948年由香农(Shannon)将其引入信息论中,在控制论、概率论、数论、天体物理、生命科学等领域都有重要应用.熵可以用于衡量时间序列中新信息发生率,预测体系混乱程度[1].熵值增高表示一个系统的随机性和复杂性增加,意味着系统活动的可预见性和规律性降低;熵值减小表示系统的随机性、复杂度降低,其算法包括概率熵、多尺度熵、近似熵和样本熵等几种.长久以来,通过脑电图[2]、心率[3]、心血管动力学[4]等电生理数据,熵一直被用于评估不同的生理病理状态.大脑作为人体最复杂的器官,需要维持熵的平衡来使其各项大脑功能保持正常,并从功能上表现为一个从最大负熵到最大熵的过程[5].近年来,有学者通过对功能磁共振(functional magnetic resonance imaging,fMRI)时间序列的熵进行研究,从新的角度了解大脑的状态.本文将对目前大脑熵在fMRI中的应用进展作一综述.
大脑功能、功能磁共振、magnetic resonance imaging、时间序列、应用、心血管动力学、表示系统、随机性、动力学参数、病理状态、预测体系、信息论、物理学家、天体物理、生命科学、生理数据、克劳修斯、可预见性、最大熵、样本熵
38
R74;R44
国家自然科学基金资助项目81360202;广西自然科学基金资助项目2015GXNSFAA139129
2017-05-27(万方平台首次上网日期,不代表论文的发表时间)
共3页
805-807