EEG信号复杂度与信息量分析方法及其在亚低温治疗心脏停搏脑损伤监测中的应用

EEG信号复杂度与信息量分析方法及其在亚低温治疗心脏停搏脑损伤监测中的应用

论文摘要

据统计,全球每年有许多病人死于心脏停搏,而心脏停搏引起的脑部缺血缺氧往往导致不同程度的脑损伤。临床研究证明,亚低温治疗法在提高心脏停搏脑损伤病人的神经恢复程度方面有着显著的效果。近几年来,研究人员一直致力于寻找一种有效的EEG信号处理方法,使它能够在心脏停搏脑损伤发生后的6小时内预测到亚低温治疗法对缺血缺氧性脑损伤患者的脑保护效果。本文提出使用C0复杂度分析方法和近几年来常用的信息量分析方法来分析常温治疗与亚低温治疗下心脏停搏脑损伤大鼠的EEG信号,并分析大鼠EEG信号的信息量和C0复杂度与大鼠在发生心脏停搏脑损伤后第72小时的神经缺损评分之间的线性相关性,分析结果表明:(1)在大鼠缺血缺氧性脑损伤实验的过程中,由于EEG信号的复杂度降低甚至消失,其对应的信息量和C0复杂度也很低;在对大鼠施加心肺复苏术直至自发循环后,EEG信号的信息量和C0复杂度也开始逐渐恢复。这说明EEG信号的信息量和C0复杂度可以反映出大鼠心脏停搏后缺血缺氧性脑损伤的程度。(2)在实验的第72小时,亚低温治疗组大鼠的死亡率(16.7%)远低于常温治疗组(50.0%);同时,亚低温治疗组存活大鼠的神经缺损评分(60.6±9.7)普遍高于常温治疗组(53.0±1.0),从而证明了亚低温治疗对心脏停搏脑损伤的脑保护作用。(3)心脏停搏脑损伤发生后第4小时大鼠EEG信号的信息量和C0复杂度与其在第72小时的神经缺损评分有着良好的相关性(信息量:Pearson > 0.85,C0复杂度:Pearson > 0.85),该统计结果表明,EEG信号的信息量和C0复杂度具有早期(4小时)预测心脏停搏脑损伤的长期(72小时)神经恢复程度的能力。(4)常温治疗组与亚低温治疗组大鼠EEG信号的信息量从实验开始的6小时内无显著差别(P > 0.05),而亚低温治疗组大鼠EEG信号的C0复杂度从实验开始的第4小时明显高于常温治疗组(P≤0.05)。该统计结果表明,与信息量分析法相比,C0复杂度有着早期(4小时)区别常温治疗法与亚低温治疗法对心脏停搏脑损伤的脑保护效果的优势。作者在这篇论文中的主要工作是采用信息量和C0复杂度分析方法,用于亚低温治疗法对心脏停搏脑损伤的脑保护效果的研究。研究结果表明,C0复杂度分析方法对早期(4小时)预测亚低温治疗下的心脏停搏脑损伤病人的神经恢复状态的临床应用方面的研究,有着较为深远的意义。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景
  • 1.2 EEG信号
  • 1.3 EEG信号分析方法的研究进展与现状
  • 1.3.1 时域分析法
  • 1.3.2 频域分析法
  • 1.3.3 时频分析法
  • 1.3.4 非线性动力学分析法
  • 1.4 EEG信号用于预测亚低温治疗的脑保护效果的研究进展
  • 1.5 研究目的和意义
  • 1.6 主要研究内容
  • 第二章 实验设计与信号采集
  • 2.1 实验设计
  • 2.1.1 实验材料
  • 2.1.2 实验步骤
  • 2.2 信号采集与预处理
  • 2.2.1 信号采集
  • 2.2.2 平滑滤波
  • 2.2.3 去除漂移
  • 2.2.4 预处理结果
  • 第三章 信息量分析
  • 3.1 信息量分析方法综述
  • 3.2 小波变换
  • 3.2.1 连续小波变换
  • 3.2.2 离散小波变换
  • 3.3 信息量
  • 3.3.1 Shannon熵
  • 3.3.2 信息量的定义
  • 3.3.3 信息量的应用
  • 3.3.4 信息量分析方法所存在的不足
  • 第四章 复杂度分析
  • 4.1 复杂度分析方法综述
  • 4.1.1 复杂度分析方法研究进展
  • 4.1.2 Lempel-Ziv复杂度
  • 4.1.3 C0 复杂度
  • 4.1.4 小结
  • 4.2 C0 复杂度
  • 4.2.1 C0 复杂度的定义
  • 4.2.2 C0 复杂度的性质
  • 4.2.3 C0 复杂度的应用
  • 第五章 实验数据分析
  • 5.1 实验数据
  • 5.1.1 原始EEG信号
  • 5.1.2 神经缺损评分结果
  • 5.1.3 信息量分析EEG信号
  • 5.1.4 C0 复杂度分析EEG信号
  • 5.2 信息量与C0 复杂度的统计分析
  • 5.2.1 t检验
  • 5.2.2 Pearson相关系数
  • 5.2.3 信息量统计分析
  • 5.2.4 C0 复杂度统计分析
  • 5.3 本章小结
  • 第六章 总结与展望
  • 6.1 总结与回顾
  • 6.1.1 使用信息量分析EEG信号
  • 6.1.2 使用C0 复杂度分析EEG信号
  • 6.2 创新点
  • 6.3 研究展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间已发表或录用的论文
  • 相关论文文献

    • [1].EEG功率信息显示特征对认知负荷的影响[J]. 中国安全科学学报 2020(02)
    • [2].性别对合成语音新闻传播效果的影响研究——基于行为与EEG效果测定[J]. 现代传播(中国传媒大学学报) 2020(06)
    • [3].乒乓球运动员在经验相关图形识别中的神经效率:一项EEG研究[J]. 首都体育学院学报 2017(01)
    • [4].精神分裂症患者工作记忆EEG功能网络属性分析[J]. 计算机工程与应用 2017(12)
    • [5].基于EEG的酒精依赖对脑功能的影响[J]. 北京生物医学工程 2015(06)
    • [6].趣味性听觉材料对驾驶疲劳的作用:来自EEG的证据[J]. 心理与行为研究 2020(04)
    • [7].小儿手足口病并发脑炎的EEG诊断及对预后分析[J]. 中国实用神经疾病杂志 2011(01)
    • [8].23例小儿脑炎与脑电图(EEG)临床分析[J]. 中国医药导报 2008(16)
    • [9].V–EEG检查对癫痫患者痫性放电总检出率的影响[J]. 深圳中西医结合杂志 2020(04)
    • [10].生理性精神疲劳EEG信号分析技术[J]. 上海电机学院学报 2010(02)
    • [11].精神障碍研究中机器学习的应用——基于EEG的特征提取[J]. 科学技术创新 2020(08)
    • [12].基于EEG脑机接口的研究现状及在康复中的应用[J]. 北京生物医学工程 2017(03)
    • [13].基于EEG的康复机器人脑-计算机接口技术研究[J]. 河北工业科技 2009(04)
    • [14].视频EEG剥夺睡眠诱发试验对癫痫的诊断价值[J]. 齐鲁医学杂志 2008(01)
    • [15].一种新型EEG视觉诱发电位闪光刺激器的设计[J]. 广东工业大学学报 2010(03)
    • [16].面向癫痫EEG自适应识别的迁移径向基神经网络[J]. 计算机科学与探索 2016(12)
    • [17].刺激呈现方式对普通大学生和运动员EEG的影响[J]. 武汉体育学院学报 2012(11)
    • [18].EEG注意力监测技术在教学中的应用研究[J]. 贵州师范学院学报 2018(09)
    • [19].基于EEG的脑力疲劳特征研究[J]. 北京航空航天大学学报 2016(07)
    • [20].难治性癫痫致病灶术前定位EEG联合fMRI检查的临床研究[J]. 中国实用神经疾病杂志 2015(10)
    • [21].不同类型音乐对悲伤情绪舒缓作用的EEG研究[J]. 心理学探新 2012(04)
    • [22].观看3D影像时的会聚角与脑电EEG重心频率的相关性研究[J]. 光电子技术 2014(02)
    • [23].EEG信号动态演化过程的研究[J]. 计算机工程 2013(09)
    • [24].基于EEG的音乐舒缓紧张情绪的研究[J]. 长春理工大学学报(自然科学版) 2019(01)
    • [25].感知音乐音质的EEG探究[J]. 心理学探新 2012(01)
    • [26].基于EEG的情感识别[J]. 科技视界 2017(03)
    • [27].基于非线性动力学的EEG信号分析方法研究[J]. 辽宁省交通高等专科学校学报 2014(06)
    • [28].基于EEG的有限空间检修工脑疲劳特性研究[J]. 中国安全生产科学技术 2020(06)
    • [29].基于眼动和EEG对篮球罚球思维调控特征的分析[J]. 天津体育学院学报 2014(04)
    • [30].病程10a以上癫痫患者的EEG表现及分析[J]. 山东医药 2010(23)

    标签:;  ;  ;  ;  ;  ;  ;  

    EEG信号复杂度与信息量分析方法及其在亚低温治疗心脏停搏脑损伤监测中的应用
    下载Doc文档

    猜你喜欢