吴帆 1,2 , 姜忠义 1,2 , 毕卉 1,2 , 张军 3 , 李世通 4 , 邹凌 1,2
  • 1. 常州大学 信息科学与工程学院(江苏常州 213164);
  • 2. 常州市生物医学信息技术重点实验室(江苏常州 213164);
  • 3. 复旦大学附属肿瘤医院 麻醉科(上海 200032);
  • 4. 复旦大学附属华山医院 麻醉科(上海 200040);
导出 下载 收藏 扫码 引用

麻醉意识状态监测是神经科学基础研究及临床应用中的重要问题,受到广泛关注。本研究为寻找临床麻醉意识状态监测指标,共采集 14 位全麻手术患者在三种意识状态(清醒、中度麻醉、深度麻醉)下各 5 min 静息态脑电数据,对比采用稀疏偏最小二乘(SPLS)和传统的同步似然(SL)方法计算脑功能连接,通过连接特征来区分麻醉前后三种意识状态。通过全脑网络分析,本文 SPLS 方法与传统 SL 方法得到的不同意识状态下的网络参数变化趋势一致,并且采用 SPLS 方法所得结果的差异具有统计学意义(P<0.05)。对 SPLS 方法得到的连接特征运用支持向量机进行分类,分类准确率为 87.93%,较使用 SL 方法得到的连接特征分类准确率高出 7.69%。本文研究结果显示,基于 SPLS 方法进行功能连接分析在区分三种意识状态方面有更好的性能,或可为临床麻醉监测提供一种新思路。

引用本文: 吴帆, 姜忠义, 毕卉, 张军, 李世通, 邹凌. 基于稀疏偏最小二乘的麻醉意识状态功能连接研究. 生物医学工程学杂志, 2020, 37(3): 419-426. doi: 10.7507/1001-5515.201904052 复制

  • 上一篇

    基于加权 K-阶传播数的情绪脑网络分类研究
  • 下一篇

    具体与抽象图形对 N200 和 P300 电位的影响研究