脑电波监测麻醉深度的非线性方法研究

《脑电波监测麻醉深度的非线性方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、江苏大学硕士学位论文摘要近年来通过不断地研究和实验，采用脑电波(简写为EEG)监测麻醉深度的方法有了长足的发展。传统的分析脑电波的方法有时域分析，频域分析，时频域分析和双波谱分析等等，这些方法都是基于脑电是平稳的、确定的随机信号这一假设。然而，大脑的电活动(即脑电波)模式是非常复杂的，带有明显的非线性和动力学的特性，基于此，在刻划脑电波的动力学复杂性方面，采用非线性动力学理论肯定优于传统的线性分析。通过对脑电波时间序列关联维数、最大李雅谱诺夫指数、复杂性测度、熵等非线性动力学理论的学习，本文主要采用了两种非线性分析方法实现脑电波对麻醉深度的监测：一是以Lem．

2、ziv算法为基础的Kaspar和schuster定义的复杂性测度C(n)，采用c(n)的原因是它适合于度量高维非线性系统时空序列模式的变化，且具有算法易于理解和实现等优点，是一种有效的分析脑电波的工具：另～个是最近发展起来的一种度量序列复杂性的统计方法一近似熵(ApEn)，无论对于确定的混沌还是随机过程，都能通过近似熵量化该系统的复杂性。通过对不同实验对象、不同导联、不同时间的脑电波进行分析，事实证明，这两种方法能有效的提取脑电波的非线性动力学特征，是较好的监测麻醉深度的方法。关键词：脑电波，麻醉深度，复杂性测度，近似熵，非线性动力学江苏大学硕士学位论文ABS

3、TRACTIntherecentyears，anincreasingresearche娲rthasbeendirectedtodeVelopingareliablemethodtodeterminethedepthofa11esthesiafromelecⅡDencephalo鲈aph(abbLEEG)measurements．TheclassicalapproachestoanalysisandinterpretationoftheEEQaretoemploythesesignalprocessingmethodssuchasmetime-domain，疗e

4、quency·domain，time，疗equencydomainandbispectraIdomainetc．HoweVer，eIectricalactiVityofthebrain(EEG)exhibitssignmcantcomplexbehaviorwithstrongnonlineara11ddynamicalpmpenies，consideringthis，nonlineardyn柚icstheorymaybeabetter印proachmantmditionallinearmetllodsincharacterizingoftheEEG1iesi

5、nitsdynamicscomplexity．Under也enonlineardyn锄icstheoriesofEEGtimeseriesoncoHelationdimension(D2)，ma)(imumLyapunoVexponents，complex埘andentropy’wehaveinVestigatedtwonewtechniquestomeaSurethedeepde铲eeofanesmesiabyEEGmeaSuremems：Oneis山ecomplexitymeaSureC(n)definedbyKasparandschusterbaSedo

6、ntheLem—ZiVarithmetic，whichcanactasanaItemativetoolforEEGaIlalysis，since“iswellsuitedforcharacterizingthedeVelopmentofspatio—temporalactivitypattemsinhi曲dimensionalitynonlinearsystems，Moreover，theconceptofC(n)issimplerto眦derstandanditscomputationiseasiertoimplement；Theotheristheappr

7、oximateentropy(abbLApEn)，arecemlydevelopedfamilyofstatistics，thatcanclassi母complexsystemsbothdeteHninisticchaoticaIldstochaSticprocesses．Asproved，t11rou曲thcEEGanaIysisofdi艉rentobjects，di艉rentcharulelsa11ddi虢renttime，thet、vomethodsextracttheessentialinformationofthenonlinearoftheEEGd

8、ynamicswhichproVide