探索希尔伯特基于体征信号麻醉深度评价策略

论文导读：似熵和样本熵均能通过实时浅析脑电信号的复杂度来判断病患的麻醉深度和意识程度,但样本熵在性能和敏感度上要优于近似熵。脑电信号的多尺度熵是衡量在不同尺度上脑电信号的复杂度的指标,但是其在实时浅析历程中受到信号采样频率和数据长度的限制。由此,提出了自适应多尺度重采样熵作为术中麻醉深度评价指标,它通过自适应地转
摘要：麻醉是临床手术中不可或缺的关键环节,如何保证病人在手术历程中安全和无痛苦是麻醉工作的核心不足。在复杂多变的手术历程中,为了确保麻醉安全,麻醉医生必须长时间注意力高度集中地全面性地观察记录病患各种生理特点,并根据自身经验进行浅析和判别病患术中的麻醉深度。然而,由医生的主观判断来评估麻醉深度,容易出现因为所获信息与个人经验的不足、身体的疲累与环境的干扰、潜在的因素和病患个体性差别而造成的误判。随着生物医学工程与现代信息处理技术的深入交互和进展,针对各种体征信号的测量和浅析设备在很大程度上减轻了麻醉医生的工作负担。本论文针对病患的各种生理体征信号在手术历程中麻醉和清醒状态下的差别性,将信号处理策略和传统医学策略相结合,提出了全身麻醉手术历程中的麻醉深度浅析的新指标、新策略,并开发一个能够综合显示信息的实时术中全身麻醉深度浅析系统,用于提升临床麻醉监测与评价的准确性,减少人为因素的诊断失误,推动麻醉监测与评价技术临床运用的进展,保障病患在手术历程中的麻醉安全和术后的快速良好恢复。本论文的主要探讨工作如下：(1)针对术中心电信号在手术历程中受到基线漂移、运动伪迹和工频噪声的干扰不足,通过对现有形态学滤波器数据进行改善以及以均方根误差作为选取形态学中结构元素长度的参数,提出了一种基于形态学的约束适应QRS波群滤波算法。同时提出了一种基于EMD和形态学的心电信号滤波算法。将EMD所得固有方式函数经形态学滤波并进行最小均方根误差对应长度的特点提取,该算法能有效地去除心电信号中基线漂移、运动伪迹和减弱工频干扰。(2)针对术中脑电信号在手术准备阶段受到眼动的干扰不足,提出了基于MEMD和样本熵的眼电干扰滤波算法。算法通过浅析对低频眼电信号高度敏感的样本熵值,得出包含眼电干扰的脑电信号样本熵值均小于0.5。在此基础上,比较浅析EMD、EEMD、CEEMD和MEMD在分解信号固有方式函数上的性能。(3)针对心率变异性在特定条件下麻醉深度诊断中失效的不足,提出了基于HHT的血流变异性麻醉深度评价指标。血流变异性是在检测手段和浅析处理方面都优于心率变异性的一项生理变化参数。当心率变异性在受到特定麻醉药物作用以及手术电刀的影响下,血流变异性可作为术中病患麻醉深度和意识程度的评价指标。基于HHT的边际谱浅析,通过比较血流变异性和心率变异性的副交感神经和交感神经频谱分布变化情况,经临床数据证明,血流变异性是一个能够在心率变异性受到干扰时替代其作为诊断病人的麻醉状态的生理指标。(4)针对脑电信号的非线性特点,提出了基于脑电信号浅析的样本熵和多尺度熵作为麻醉深度评价指标。近似熵和样本熵均能通过实时浅析脑电信号的复杂度来判断病患的麻醉深度和意识程度,但样本熵在性能和敏感度上要优于近似熵。脑电信号的多尺度熵是衡量在不同尺度上脑电信号的复杂度的指标,但是其在实时浅析历程中受到信号采样频率和数据长度的限制。由此,提出了自适应多尺度重采样熵作为术中麻醉深度评价指标,它通过自适应地转变有限数量信号的采样率来有效地细化的信号分解尺度,以而建立脑电信号在不同尺度上复杂度分布与术中麻醉深度之间的联系。(5)针对麻醉历程中体征信号浅析和麻醉深度评价指标探讨,利用Borland C++Builder6.0开发了具有实时采集多个体征信号并用多种策略浅析病患麻醉深度的系统平台。关键词：麻醉深度论文经验方式分解论文希尔伯特黄变换论文样本熵论文多尺度熵论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-7
Abstract7-12
第1章 绪论12-22

1.1 课题的探讨作用12-13

1.2 麻醉深度评价与监测策略概述13-20

1.2.1 临床麻醉深度的探讨背景14

1.2.2 麻醉深度评价策略的进展14-16

1.2.3 麻醉深度监测策略16-19

1.2.4 有着的不足19-20

1.3 探讨目的20

1.4 论文内容安排20-22

第2章 体征信号特点与浅析策略22-46

2.1 关键体征信号22-27

2.

1.1 脑电信号22-25

2.

1.2 心电信号25-27

2.2 信号处理浅析策略27-44

2.1 数学形态学27-29

2.2 经验方式分解和希尔伯特黄变换29-39

2.3 近似熵、样本熵和多尺度熵39-44

2.3 本章小结44-46

第3章 体征信号滤波算法探讨46-65

3.1 基于形态学的心电信号滤波算法47-55

3.

1.1 形态学滤波算法的改善47-48

3.

1.2 基于形态学的约束适应QRS提取算法48-51

3.

1.3 基于形态学和EMD的心电信号滤波算法51-55

3.2 基于经验方式分解的脑电信号滤波算法55-63
3.

2.1 EMD、EEMD、CEEMD和MEMD策略的比较57-60

3.

2.2 基于MEMD和样本熵的眼电信号滤波算法60-63

3.3 本章小结63-65
第4章 麻醉深度评价策略探讨65-99

4.1 心率变异性65-71

4.

1.1 人体自主神经系统介绍65-66

4.

1.2 心率变异性66-68

4.

1.3 心率变异性的浅析策略68-71

4.2 基于HHT的血流变异性麻醉深度评价策略71-84
4.

2.1 血流变异性72-73

4.

2.2 基于HHT的血流变异性麻醉深度评价指标73-74

4.

2.3 临床数据浅析74-83

4.

2.4 结论83-84

4.3 基于脑电信号多尺度熵的麻醉深度评价策略84-97
4.

3.1 近似熵、样本熵和多尺度熵在麻醉监测中的运用85-88

4.

3.2 多尺度自适应重采样熵88-97

4.4 本章小结97-99
第5章 麻醉深度浅析系统99-109

5.1 临床数据采集历程99-100

5.2 系统设计100-101

5.3 系统描述101-105

5.

3.1 主界面101-102

5.

3.2 在线浅析102-103

5.

3.3 离线浅析103-104

5.3.4 手术信息录入1论文导读：04-1055.4临床数据浅析结果105-1085.5本章小结108-109第6章总结与展望109-1126.1全文的主要工作和革新点109-1116.2下一步的工作111-112致谢112-113参考文献113-123作者在攻读博士学位期间发表的学术论文和其它相关探讨成果123上一页12
04-105

5.4 临床数据浅析结果105-108

5.5 本章小结108-109

第6章 总结与展望109-112

6.1 全文的主要工作和革新点109-111

6.2 下一步的工作111-112

致谢112-113
参考文献113-123
作者在攻读博士学位期间发表的学术论文和其它相关探讨成果123