[发明专利]一种基于非线性与复杂性多重指标的昏迷程度评价方法

说明书

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、GOS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                                                ，其中，，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，得出最后的昏迷状态指数CSI，这里分别代表4种特征参数。

进一步地，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（1）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。

本发明的有益效果是：对昏迷患者实施全程监护，最终得出的评判结果（0-100的昏迷状态指数，无标度数值）准确、客观，可实时监测患者的昏迷程度，且不需要患者的主动应答，受病人、医护人员的主观因素影响较小。便于医护人员根据患者的真实所处状态采取相应的治疗措施，以及预后康复的参考。

附图说明