用于量化复杂动力学的多频率熵及其在 EEG 数据中的应用

基于摘要分析。本文研究如何从多频率视角量化 EEG 的复杂动力学，提出 multi-frequency entropy（mFreEn），将既有多变量熵分析由常见的多通道时间序列视角拓展到不同频段脑节律之间的复杂性分析。 方法动机是不同频率脑节律之间存在相互作用，而传统多变量熵分析通常将各通道作为变量。mFreEn 旨在增强既有多变量熵算法对多频率动力学的刻画能力，但摘要未提供频段构造、变量组织、熵计算公式及其与原算法的具体关系，尚不能判断它如何区分单频段复杂性与频段间相互作用，也不能将其直接等同于特定的跨频耦合指标。 在模拟数据上，作者考察了 mFreEn 对不同噪声信号、频率与振幅的敏感性，以及嵌入维度、数据长度和抗噪性能。作者报告，相较传统多变量熵算法，mFreEn 的敏感性更高、参数依赖更低；具体对照算法、噪声设置、参数范围与定量差异尚未验证。 在真实 EEG 数据上，作者报告，mFreEn 在多种脑疾病的静息态 EEG 分析中具有良好的诊断表现，并能用于不同任务刺激诱发 EEG 活动的分类。摘要未说明疾病类别、任务名称、数据集、被试数量、分类器、评估指标及被试内或跨被试等划分协议，因此不能据此判断临床泛化能力或 BCI 在线解码价值。 复现时应重点核对频段划分与滤波流程、熵估计参数、数据长度要求，以及诊断和分类评估的数据划分与对照。实验协议、消融及统计信息尚未验证；算法实现与代码可用性也尚未验证。本文提供的是 EEG 多频率复杂性量化方法，而非已验证的 BCI 系统性能提升。