由于兒童的大腦發(fā)育不完全,麻醉藥物引起的神經(jīng)振蕩變化與成人不同,所以面向成人的麻醉深度算法與監(jiān)測(cè)儀器無(wú)法應(yīng)用于兒童的全麻手術(shù)監(jiān)測(cè)。對(duì)不同年齡患者在全麻手術(shù)中的腦電（electroencephalography,EEG）信號(hào)進(jìn)行分析,定量刻畫麻醉藥物對(duì)不同發(fā)育階段大腦的神經(jīng)活動(dòng)變化的影響,對(duì)于研究有效穩(wěn)定的麻醉深度算法具有重要價(jià)值。本文以臨床獲取的數(shù)據(jù)為基礎(chǔ),對(duì)不同年齡患者在丙泊酚-七氟醚聯(lián)合麻醉下的腦電特征進(jìn)行年齡依賴性研究。首先,本文介紹了不同年齡患者EEG信號(hào)的采集和預(yù)處理過(guò)程,并將預(yù)處理后的數(shù)據(jù)按照年齡分為6組。本研究通過(guò)對(duì)不同年齡組功率譜和時(shí)頻譜分析發(fā)現(xiàn),嬰兒腦電能量較低,且隨著年齡增長(zhǎng)到10個(gè)月后出現(xiàn)明顯的緩慢振蕩和alpha振蕩,其中緩慢振蕩的腦電能量在0-1歲年齡組中最大,alpha頻段的腦電能量在3-6歲年齡組最大,并且0.1-45Hz頻段的總能量在嬰兒期至3-6歲,隨年齡的增長(zhǎng)而減少,此后隨著年齡增長(zhǎng)而減小。這一發(fā)現(xiàn)反映了突觸的修剪和細(xì)化過(guò)程,表明腦電頻譜特征可以反映大腦的發(fā)育程度。其次,本文基于相位幅度耦合以及小波雙一致對(duì)EEG信號(hào)進(jìn)行分析。針對(duì)相位幅度耦合,本文統(tǒng)... 

【文章來(lái)源】：燕山大學(xué)河北省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

一位患者原始EEG波形

第2章不同年齡段麻醉數(shù)據(jù)獲取和頻譜特征分析-11-2.3腦電數(shù)據(jù)預(yù)處理腦電采集設(shè)備采集到的EEG信號(hào)中一般會(huì)混有很多噪聲，其中包括生理噪聲和非生理噪聲。生理噪聲包括眼電噪聲、肌電噪聲，呼吸噪聲等，非生理噪聲包括工頻噪聲、人為因素噪聲。為保證本文算法分析結(jié)果的準(zhǔn)確性，需獲取質(zhì)量較高的EEG信號(hào)，為此，有必要對(duì)原始的腦電信號(hào)進(jìn)行預(yù)處理，來(lái)有效去除腦電信號(hào)中的噪聲、偽跡等干擾。圖2-1一位患者原始EEG波形本文預(yù)處理的過(guò)程主要借助MATLAB軟件環(huán)境中的EEGLAB工具箱[40]實(shí)現(xiàn)，為兼顧信號(hào)干擾去除效果與信號(hào)完整性兩方面要求，需對(duì)預(yù)處理步驟進(jìn)行合理規(guī)劃。本研究以一位患者EEG數(shù)據(jù)為例，描述預(yù)處理步驟及效果。如圖2-1所示為改患者原始EEG信號(hào)波形圖。預(yù)處理步驟如下所示：圖2-2去除大幅度噪聲后EEG波形(1)去除大振幅噪聲，在剛開始進(jìn)行數(shù)據(jù)采集時(shí)患者并未接受麻醉，患者頭部會(huì)來(lái)回移動(dòng)，甚至兒童患者會(huì)用手去撫摸電極貼片，并且在患者意識(shí)恢復(fù)清醒時(shí)也會(huì)觸碰電極貼片，都會(huì)造成EEG數(shù)據(jù)出現(xiàn)大幅度噪聲。在數(shù)據(jù)急劇變化的時(shí)間點(diǎn)也易出現(xiàn)回環(huán)噪聲，并且由于BIS監(jiān)護(hù)儀在EEG信號(hào)中有標(biāo)記點(diǎn)，在標(biāo)記點(diǎn)處也會(huì)出現(xiàn)大幅度噪聲。所以這些情況造成的大噪聲應(yīng)該首先被去掉。大振幅噪聲的去除方法就是從視覺(jué)上人為剔除其所在的時(shí)間段數(shù)據(jù)。具體操作為將采集數(shù)據(jù)導(dǎo)入EEGLAB

燕山大學(xué)工程碩士學(xué)位論文-12-工具箱中，并利用plot.m函數(shù)將每個(gè)患者數(shù)據(jù)畫出來(lái)，時(shí)間窗100，從視覺(jué)角度選中噪聲處，電極刪除就將該段大噪聲數(shù)據(jù)刪除。去除大幅度噪聲后EEG數(shù)據(jù)波形如圖2-2所示。(2)去除工頻干擾，日常使用的交流電會(huì)對(duì)周邊環(huán)境輻射50Hz及其狹窄鄰域的電磁干擾，該電磁波嚴(yán)重降低EEG的信噪比，故去工頻是腦電信號(hào)預(yù)處理過(guò)程中的一個(gè)關(guān)鍵步驟。本文選用自適應(yīng)陷波濾波器實(shí)現(xiàn)對(duì)50Hz及其狹窄鄰域內(nèi)信號(hào)能量的有效削弱，其結(jié)構(gòu)如圖2-3所示。圖2-3自適應(yīng)濾波器結(jié)構(gòu)(3)采用線性相位有限脈沖響應(yīng)(FIR)濾波器來(lái)去除高頻(>45Hz)信號(hào)。FIR濾波器對(duì)長(zhǎng)度為N的輸入序列x(n)的響應(yīng)為：10()()()Nkynxkhnk(2-1)式中，h(n)——濾波器的單位脈響應(yīng)。上述公式(2-1)可以理解為一個(gè)信號(hào)序列輸入到一個(gè)乘法器序列中與抽頭系數(shù)h(n)做乘法，然后再求和的過(guò)程。FIR濾波器可以在保證信號(hào)任意幅頻特性的同時(shí)具有嚴(yán)格的線性相頻特性，不存在相位及幅度失真。同時(shí)其單位抽樣響應(yīng)是有限長(zhǎng)的，因而FIR濾波器是穩(wěn)定的系統(tǒng)。所以本研究利用FIR濾波器來(lái)去除高頻信號(hào)。(4)利用eegfilt.m函數(shù)(EEGLAB工具箱)減少腦電信號(hào)低頻分量(<0.1Hz)，其原理是使用雙向最小二乘法或窗函數(shù)法FIR濾波器對(duì)經(jīng)過(guò)高通濾波數(shù)據(jù)再次濾波，從而減少基線漂移的影響。(5)利用基于小波變換的噪聲去除方法去除在覺(jué)醒和意識(shí)恢復(fù)過(guò)程中存在的眼電信號(hào)和肌電信號(hào)。首先應(yīng)用正交小波基對(duì)信號(hào)進(jìn)行4層小波分解，對(duì)每個(gè)子帶的噪聲方差進(jìn)行估計(jì)，然后計(jì)算高頻系數(shù)的中值從而得到相關(guān)閾值，再利用軟閾值函

【參考文獻(xiàn)】：
期刊論文
[1]七氟醚吸入麻醉對(duì)不同年齡患兒血流動(dòng)力學(xué)的影響[J]. 李立晶,張建敏,趙欣,王芳,胡璟,高佳.  北京醫(yī)學(xué). 2019(08)
[2]基于Renyi排序熵的小兒麻醉深度監(jiān)測(cè)研究[J]. 劉彥濤,李曉宇,梁振虎.  生物醫(yī)學(xué)工程與臨床. 2017(05)
[3]基于Mallat算法的小波分解重構(gòu)的心電信號(hào)處理[J]. 鐘麗輝,魏貫軍.  電子設(shè)計(jì)工程. 2012(02)
[4]心率變異性Poincare散點(diǎn)圖分析與BIS對(duì)麻醉深度監(jiān)測(cè)的相關(guān)性研究[J]. 李佩,申岱,賈曉寧,諸葛萬(wàn)銀.  臨床麻醉學(xué)雜志. 2011(02)
[5]麻醉深度監(jiān)測(cè)現(xiàn)狀[J]. 羅寶蓉,王保國(guó).  國(guó)際麻醉學(xué)與復(fù)蘇雜志. 2007(06)

博士論文
[1]麻醉狀態(tài)下神經(jīng)振蕩分析方法研究[D]. 李段.燕山大學(xué) 2012
[2]EEG熵算法及麻醉狀態(tài)監(jiān)測(cè)應(yīng)用研究[D]. 梁振虎.燕山大學(xué) 2012

碩士論文
[1]宏-介觀尺度下麻醉的腦電同步及腦網(wǎng)絡(luò)分析[D]. 金星.燕山大學(xué) 2019



本文編號(hào)：3010390