基于腦電信號的嚴重意識障礙患者意識狀態(tài)分類研究.pdf

1、嚴重意識障礙狀態(tài)包括植物狀態(tài)(vegetative state，VS)和最小意識狀態(tài)(minimally conscious state，MCS)。對MCS和VS的診斷和預后評估是當前臨床上在嚴重意識障礙患者的治療中亟需解決的難題之一。目前臨床上對意識障礙患者的意識狀態(tài)評估主要依靠行為意識量表來完成，但基于行為意識量表的判別誤診率較高。因此，國內外開始探索如何應用新技術新方法來評估患者的意識狀態(tài)，如腦電分析(EEG)、功能核磁共振成像(

2、fMRI)、正電子發(fā)射斷層掃描技術(PET)等。fMRI和PET技術雖然空間分辨率較高，定位準確，但是其時間分辨率低、無法床邊檢查、且檢查費用較高，從而選擇一種低成本、可床邊檢測、時間分辨率高的新技術實現(xiàn)對患者意識狀態(tài)的評估具有重大的應用價值。而腦電具有時間分辨率高、成本低、易獲取、可在床邊檢測、無輻射性等多種優(yōu)點。因此，應用腦電方法對嚴重意識障礙患者進行意識狀態(tài)判別在臨床上具有重要的意義。
　　人類大腦是一個復雜的混沌系統(tǒng)，具有

3、非線性動力學的特點。腦電信號的非線性動力學特性能夠準確地反映出大腦各種功能活動狀態(tài)的變化，本文主要應用腦電信號的非線性動力學分析方法，實現(xiàn)對嚴重意識障礙患者的意識狀態(tài)的輔助判別。本文的主要研究工作及結果如下：
　?。?）腦電信號基礎知識：介紹了腦電信號的組成和特點、腦電信號的預處理、特征提取和模式分類方法。
　?。?）腦電信號的采集和預處理：設計了腦電信號采集方案，針對嚴重意識障礙患者的特殊性，即采集過程中易受患者眼動等信號

4、干擾，應用盲源分離方法去除眼電偽跡。實驗數(shù)據(jù)表明盲源分離算法能夠成功分離眼電，去眼電偽跡效果明顯。
　?。?）嚴重意識障礙患者意識狀態(tài)分類的研究：采用非線性動力學分析方法分別計算MCS患者和VS患者腦電信號的近似熵、樣本熵、排列熵、復雜度LZC和C0五種特征參數(shù)，并對兩類患者進行對比分析；首次提出了一種基于SVM的意識狀態(tài)分類方法，對33例嚴重意識障礙患者進行分類研究。分類結果表明，聯(lián)合選擇近似熵、樣本熵、排列熵和復雜度LZC每一

5、特征參數(shù)16導聯(lián)的均值作為特征輸入進行 SVM分類器的訓練和分類識別的效果最理想，其分類的準確率達到93.9％。
　?。?）嚴重意識障礙患者的腦損傷部位判別的研究：在有效地實現(xiàn)了對嚴重意識障礙患者的意識狀態(tài)進行判別和診斷的基礎上，本文以腦電信號的低頻段(δ+θ)與高頻段(α+β)的功率譜比值以及近似熵作為特征參數(shù)，創(chuàng)新性地提出了一種基于對稱導聯(lián)的EEG分析方法，對25例嚴重意識障礙患者腦損傷部位的判別進行探索性研究。結果表明，基于