基于波形特征提取與支持向量機分類的顱內壓增高預測研究
發(fā)布時間:2021-02-06 08:29
在神經內、外科,顱內壓增高是一種常見的危重病癥。顱內壓增高能夠導致腦灌注壓降低與腦血流減少,造成腦組織缺血缺氧,甚至可能造成腦組織移位并產生腦疝。當臨床醫(yī)護人員發(fā)現(xiàn)患者發(fā)生顱內壓增高之后才準備醫(yī)護處理時,由于存在發(fā)現(xiàn)不及時、病情進展迅速、藥物發(fā)揮作用時間較長等因素的影響,可能會錯失最佳治療時機,影響治療效果,導致較高的顱腦傷亡率。目前臨床監(jiān)護中尚缺乏有效的提前提示顱內壓增高的報警設備。一個有效的顱內壓增高預測方法能夠提前提醒醫(yī)護人員并使醫(yī)護人員有足夠的準備時間降低顱內壓,防止病情惡化,避免腦疝和死亡等危重癥狀的出現(xiàn)。鑒于顱內壓管理在預防繼發(fā)損傷和提高患者預后的重要性,一個基于計算機自動分析的顱內壓增高提前報警算法對于顱內壓監(jiān)護和醫(yī)護處理具有重要意義。隨著信號處理技術的發(fā)展,許多研究人員提出了基于信號處理的自動顱內壓增高預測方法。比較傳統(tǒng)的方法主要建立在設置固定閾值和信號的獨立性假設的基礎上。自從90年代開始,部分學者考慮到信號內部的自關聯(lián)性,對顱內壓信號建立了時間序列模型,例如自回歸模型。隨著機器學習理論在諸多領域得到成功的應用與發(fā)展,近年來機器學習方法也被運用到顱內壓趨勢分析的研究中...
【文章來源】:重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:132 頁
【學位級別】:博士
【部分圖文】:
Charbonnier等人提出的重癥監(jiān)護數(shù)據在線分割算法的分割效果示例圖
分為線性區(qū)域,例如快速上升期,平穩(wěn)上升期,平穩(wěn)期,快速下降期,平穩(wěn)下降期等等。該分割方法可以提前提示醫(yī)護人員患者的重癥監(jiān)護數(shù)據在短時間內的走勢信息,然而仍然不能精確的預測信號在后續(xù)一段時間內是否會突然升高。SWA算法的執(zhí)行過程簡略示意圖如圖 1.6 所示。
新的信號處理方法(例如小波分析和卡爾曼濾波)相結合以提高顱內的準確度[25]。該方法的預測時間跨度達 5 分鐘。作者還比較了該方法計學方法。實驗結果表明,統(tǒng)計學自回歸模型效果不佳,不能預測任。一般的人工神經網絡在時間跨度 3 分鐘時可以達到很好的預測效果網絡與小波結合的方法比單純的利用人工神經網絡方法更好;谛」ど窠浘W絡方法能夠考慮全局的信號特征,能夠學習信號的動力學特更好的效果。上述研究都是將信號視為時間序列并將一段時間內的信號均值作為然而,大量的研究表明顱內壓單波波形攜帶著與顱腦有關的重要信息均值的預測方法忽略了在每個心動周期內顱內壓信號的動力學特性,信號是一個非線性,非平穩(wěn)時間序列。很難對這個非線性,非平穩(wěn)過合適的數(shù)學模型。這些原因使得這些方法的效果并不理想,未能被臨顱內壓波形通常呈現(xiàn)出三個特征子峰[24],這里將這三個特征子峰依次P2和 P3。研究表明顱內壓的單波波峰布局與顱內壓的進展情況有關。 等人研究了 P1/P2值與 30 分鐘之后顱內壓是否升高的關聯(lián)性[26]。
【參考文獻】:
期刊論文
[1]特征選擇方法綜述[J]. 姚旭,王曉丹,張玉璽,權文. 控制與決策. 2012(02)
[2]一種基于圖的特征選擇方法[J]. 張齊,林媛媛,余國先. 計算機工程與應用. 2011(26)
[3]差分進化算法在電力系統(tǒng)中的應用研究進展[J]. 袁曉輝,蘇安俊,聶浩,張勇傳,袁艷斌. 華東電力. 2009(02)
[4]顱內壓監(jiān)測技術的進展[J]. 楊勇,楊義,王任直. 中國微侵襲神經外科雜志. 2008(06)
[5]差分進化算法研究進展[J]. 劉波,王凌,金以慧. 控制與決策. 2007(07)
[6]基于特征選擇的輕量級入侵檢測系統(tǒng)[J]. 陳友,程學旗,李洋,戴磊. 軟件學報. 2007(07)
[7]顱內壓變化引起的顱骨表面應變分析[J]. 岳獻芳,王立,周峰. 北京科技大學學報. 2006(12)
[8]高滲鹽水對腦水腫和顱內高壓治療作用的研究進展[J]. 蘇治國,張賽. 武警醫(yī)學院學報. 2006(06)
[9]側腦室引流在68例腦室出血患者中的應用及護理[J]. 劉宏雨. 中華護理雜志. 2005(07)
[10]顱內壓增高監(jiān)測及治療進展[J]. 徐姜定. 浙江臨床醫(yī)學. 2003(07)
碩士論文
[1]基于云計算的文本挖掘算法研究[D]. 劉智勇.電子科技大學 2011
[2]顱腦損傷后腦血流變化及自由基反應對預后的影響[D]. 李振舉.吉林大學 2007
本文編號:3020467
【文章來源】:重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:132 頁
【學位級別】:博士
【部分圖文】:
Charbonnier等人提出的重癥監(jiān)護數(shù)據在線分割算法的分割效果示例圖
分為線性區(qū)域,例如快速上升期,平穩(wěn)上升期,平穩(wěn)期,快速下降期,平穩(wěn)下降期等等。該分割方法可以提前提示醫(yī)護人員患者的重癥監(jiān)護數(shù)據在短時間內的走勢信息,然而仍然不能精確的預測信號在后續(xù)一段時間內是否會突然升高。SWA算法的執(zhí)行過程簡略示意圖如圖 1.6 所示。
新的信號處理方法(例如小波分析和卡爾曼濾波)相結合以提高顱內的準確度[25]。該方法的預測時間跨度達 5 分鐘。作者還比較了該方法計學方法。實驗結果表明,統(tǒng)計學自回歸模型效果不佳,不能預測任。一般的人工神經網絡在時間跨度 3 分鐘時可以達到很好的預測效果網絡與小波結合的方法比單純的利用人工神經網絡方法更好;谛」ど窠浘W絡方法能夠考慮全局的信號特征,能夠學習信號的動力學特更好的效果。上述研究都是將信號視為時間序列并將一段時間內的信號均值作為然而,大量的研究表明顱內壓單波波形攜帶著與顱腦有關的重要信息均值的預測方法忽略了在每個心動周期內顱內壓信號的動力學特性,信號是一個非線性,非平穩(wěn)時間序列。很難對這個非線性,非平穩(wěn)過合適的數(shù)學模型。這些原因使得這些方法的效果并不理想,未能被臨顱內壓波形通常呈現(xiàn)出三個特征子峰[24],這里將這三個特征子峰依次P2和 P3。研究表明顱內壓的單波波峰布局與顱內壓的進展情況有關。 等人研究了 P1/P2值與 30 分鐘之后顱內壓是否升高的關聯(lián)性[26]。
【參考文獻】:
期刊論文
[1]特征選擇方法綜述[J]. 姚旭,王曉丹,張玉璽,權文. 控制與決策. 2012(02)
[2]一種基于圖的特征選擇方法[J]. 張齊,林媛媛,余國先. 計算機工程與應用. 2011(26)
[3]差分進化算法在電力系統(tǒng)中的應用研究進展[J]. 袁曉輝,蘇安俊,聶浩,張勇傳,袁艷斌. 華東電力. 2009(02)
[4]顱內壓監(jiān)測技術的進展[J]. 楊勇,楊義,王任直. 中國微侵襲神經外科雜志. 2008(06)
[5]差分進化算法研究進展[J]. 劉波,王凌,金以慧. 控制與決策. 2007(07)
[6]基于特征選擇的輕量級入侵檢測系統(tǒng)[J]. 陳友,程學旗,李洋,戴磊. 軟件學報. 2007(07)
[7]顱內壓變化引起的顱骨表面應變分析[J]. 岳獻芳,王立,周峰. 北京科技大學學報. 2006(12)
[8]高滲鹽水對腦水腫和顱內高壓治療作用的研究進展[J]. 蘇治國,張賽. 武警醫(yī)學院學報. 2006(06)
[9]側腦室引流在68例腦室出血患者中的應用及護理[J]. 劉宏雨. 中華護理雜志. 2005(07)
[10]顱內壓增高監(jiān)測及治療進展[J]. 徐姜定. 浙江臨床醫(yī)學. 2003(07)
碩士論文
[1]基于云計算的文本挖掘算法研究[D]. 劉智勇.電子科技大學 2011
[2]顱腦損傷后腦血流變化及自由基反應對預后的影響[D]. 李振舉.吉林大學 2007
本文編號:3020467
本文鏈接:http://sikaile.net/yixuelunwen/shenjingyixue/3020467.html
最近更新
教材專著