专利名称：一种基于非线性与复杂性多重指标的昏迷程度评价方法
技术领域：
本发明涉及信号处理技术领域，尤其涉及一种在昏迷状态下的脑电信号(EEG)的特征提取和信息融合技术。
背景技术：
昏迷是意识障碍的最严重阶段，是大脑皮层和皮层下神经结构发生高度抑制的一种状态。临床上表现为意识清晰度极度降低，对外界刺激无反应，程度较轻者防御反射及生命体征可以存在，严重者消失。昏迷既可由中枢神经系统病变引起(占70%)，又可以是全身性疾病的后果，如急性感染性疾病、内分泌及代谢障碍、心血管疾病、中毒及电击、中暑、高原病等均可引起昏迷。对于昏迷程度分级，目前应用最广的是格拉斯哥昏迷指数(GCS，Glasgow Coma Scale)。此指数是由格拉斯哥大学的两位神经外科教授Graham Teasdale与Bryan J. Jennett在1974年所发表。通过医护人员对患者作若干的语言及肢体测试，以患者的应答结果作为分级的基础。但是传统的GCS、G0S评分体系需要患者的主动应答，易受到患者、医护人员的主观、客观因素干扰，缺乏稳定性和准确性。脑电信号(EEG)反映脑细胞群自发而有节律的电活动，一般用波幅、频率和相位等特征来描述。脑电数字化分析已广泛应用于大脑皮层功能的临床监测，比如癫痫、脑外伤、 脑血管疾病、麻醉深度、睡眠深度监测等，以及部分精神科疾病如精神分裂症、老年痴呆症的辅助诊断中。但应用于昏迷患者的昏迷深度的监测仍处于探索和试验阶段。根据现有脑神经生理学EEG产生机制的研究，EEG信号起源于一个高度的非线性系统，不仅在中枢神经系统每个分层发现许多的反馈环路，而且单个神经元自身也表现出高度非线性因素。在神经细胞膜上可以观察到混沌行为，神经放电转化遵循分叉规律，而混沌和分叉行为属于非线性科学的范畴。因此EEG信号是大量神经细胞的非线性耦合，是一个高度非线性多单元连接的复合体，EEG活动具有确定性混沌特性，大脑是复杂、自组织的非线性动力学系统。在分析脑电信号时，复杂性度量和非线性方法相较于传统的时频域分析方法，有着独特的优势。因此，在昏迷状态监测中，该项目计划使用复杂性及非线性分析方法，提取脑电信号中的复杂度、李亚普诺夫指数、近似熵和相关维数等多种指标，并结合临床的GCS、 GOS评分系统，以期更为准确和客观地反映脑电活动和昏迷状态之间的关系。
发明内容
本发明的目的是针对现有技术的不足，提供一种基于非线性与复杂性多重指标的昏迷程度评价方法。本发明的目的是通过以下技术方案来实现的一种基于非线性与复杂性多重指标的昏迷程度评价方法，该方法包括以下步骤
(1)采集EEG信号；(2)信号预处理采用PCA方法进行眼电伪迹的去除，在患者完成眼动和眨眼任务时记录EEG和EOG信号，再计算出这些信号的主成分，作为眼动伪迹的主成分，然后从混合信号中去除该成分，得到校正后的信号；
(3)提取信号特征以每256个样本点计算一次特征值，分别提取近似熵、复杂度、李亚普诺夫指数以及相关维数作为脑电信号的特征参数；
(4)昏迷状态指数融合根据步骤(3)得到的特征参数序列，分别计算其两两间的序列相关性；将每一种特征参数按从清醒到脑死亡状态归一化为0至100的数字划分， 具体规则如下清醒状态=100，脑死亡状态=0，其余中间状态的初始值按照一次函数进行线性拟合；各特征序列的相关性系数，按其相关性大小(取绝对值)确定其权值
权利要求
1.一种基于非线性与复杂性多重指标的昏迷程度评价方法，其特征在于，该方法包括以下步骤(1)采集EEG信号；(2)信号预处理采用PCA方法进行眼电伪迹的去除，在患者完成眼动和眨眼任务时记录EEG和EOG信号，再计算出这些信号的主成分，作为眼动伪迹的主成分，然后从混合信号中去除该成分，得到校正后的信号；(3)提取信号特征以每256个样本点计算一次特征值，分别提取近似熵、复杂度、李亚普诺夫指数以及相关维数作为脑电信号的特征参数；(4)昏迷状态指数融合根据步骤(3)得到的特征参数序列，分别计算其两两间的序列相关性；将每一种特征参数按从清醒到脑死亡状态归一化为0至100的数字划分， 具体规则如下清醒状态=100，脑死亡状态=0，其余中间状态的初始值按照一次函数进行线性拟合；各特征序列的相关性系数，按其相关性大小(取绝对值)确定其权值ρ其中，勾= 传碎，即该特征所占大脑状态指数的权重系数；初始相关性系数由清醒状态下脑电信号确定，待临床试验数据库建立后，以数据库样本为指导调整权重系数；然后将4种特征参数按照权重系数计算= 石，得出最后的昏迷状态指数CSI，这里°分别代表4种特征参数。
2.根据权利要求1所述基于非线性与复杂性多重指标的昏迷程度评价方法，其特征在于，所述步骤(4)中，所述临床试验数据库通过以下子步骤建立(A)临床病例样本采集采集不同年龄、不同性别、不同致昏迷原因的患者病例，用相同的脑电信号采集方法，记录下患者相关信息以及脑电信号；(B)建立对照数据库根据步骤(A)的脑电信号，分别计算其特征融合系数，最后建立并完善数据库，确立不同年龄段、不同性别、不同致昏迷原因患者各自的融合系数。
全文摘要
本发明公开了一种基于非线性与复杂性多重指标的昏迷程度评价方法，监测患者昏迷时的大脑状态，可以实现连续的昏迷深度监测和昏迷阶段分级及预警。此方法通过对昏迷脑电信号采用非线性动力学分析方法提取复杂度、李氏指数、近似熵和相关维数等多种复杂性指标，结合传统的GOS、GCS评分系统，得到综合的昏迷状态指数。再通过临床实验得到各参数间的相关性系数，并以临床效果为基础建立昏迷状态分级数据库，确定参数融合系数，最终建立完善的意识状态分级评价指数，指导昏迷病人的救治以及把握预后。
文档编号A61B5/0476GK102178514SQ201110118509
公开日2011年9月14日 申请日期2011年5月9日 优先权日2011年5月9日
发明者倪振强, 孟濬, 王磊, 陈啸 申请人:浙江大学