意识改变状态下的熵与复杂度度量

神经生理信号中复杂度的量化已使用不同方法进行研究，特别是来自信息论或动力系统理论的方法。这些研究揭示了其对不同意识状态的依赖，尤其是觉醒状态的特征在于脑信号具有更大的复杂度，这或许是由于大脑需要处理多样的感知运动信息。因此这些框架在量化认知状态的尝试中非常有用。我们着手分析在不同意识状态（觉醒、睡眠阶段和癫痫发作）下受试者的不同类型的信号，包括头皮和颅内脑电图（EEG）以及脑磁图（MEG）。信号使用统计方法（排列熵）和确定性方法（排列 Lempel-Ziv 复杂度）进行分析。结果以复杂度对熵的图表呈现，显示当受试者处于完全警觉状态时信号的熵和复杂度值往往最大，而在意识或觉察丧失的状态中下降。这些结果对所有三种记录类型都是稳健的。我们提出，使用复杂度框架研究认知结构将揭示与意识改变状态以及正常和病理状况相关的脑动力学机制方面。