目的:探索对丙泊酚药物浓度和意识状态改变敏感的脑功能特征。方法:选择拟行胸腹部手术治疗的男性患者6例，对所有患者使用靶控输注设备进行丙泊酚输注，初始药物浓度设置为1.0 mg/L，然后每6 min增加0.2 mg/L，直到患者达到无意识状态。同时，采集患者的脑电信号。将采集的脑电信号进行预处理并提取脑功能特征。构建药物浓度相同、意识状态不同和意识状态相同、药物浓度相同两个数据集，并使用线性判别分析（linear discriminant analysis, LDA）、逻辑回归（logistic regression, LR）和支持向量机（support vector machine, SVM）3种机器学习算法模型在不同的数据集上进行分类分析。结果:特征筛选结果显示功率谱-δ-顶区、排列熵（permutation entropy, PE）-δ-颞区和相位滞后指数（phase lag index, PLI）-α-顶区到顶区为对意识状态改变敏感的特征，使用这3个特征在LDA、LR和SVM机器学习算法模型上得到的意识状态分类正确率分别为（82±5）%、（83±5）%和（84±4）%；功率谱-β-额区、功率谱-β-颞区和功率谱-β-顶区对药物浓度改变敏感，使用这3个特征在LDA、LR和SVM机器学习算法模型上得到的药物浓度分类正确率分别为（77±4）%、（76±4）%和（80±4）%。功率谱-δ-顶区在药物浓度变化时没有明显变化（ P>0.05），而在意识状态从有意识到无意识明显升高（ P<0.001）；PE-δ-颞区和功率谱-β-额区在从低药物浓度到高药物浓度和从有意识到无意识时均明显降低（ P<0.001）；PLI-α-顶区到顶区在低药物浓度状态下明显高于其在高药物浓度状态下（ P<0.001），但是其在意识状态变化时并没有明显变化（ P>0.05）；功率谱-β-颞区和功率谱-β-顶区在意识状态变化时均没有出现明显变化（ P>0.05），但是功率谱-β-颞区从低药物浓度到高药物浓度时明显升高（ P<0.001），而功率谱-β-顶区从低药物浓度到高药物浓度时明显降低（ P<0.05）。 结论:功率谱-δ-顶区可以很好地表征意识水平的变化同时避免药物浓度的影响，在精确监测麻醉深度上具有潜力。

目的:使用置信学习识别并检测丙泊酚麻醉临界状态下与意识波动相关的脑功能特征，并用其进行意识状态分类。方法:选择2019年10月至2020年10月在西安交通大学第一附属医院行胸腹部手术的患者29例，年龄18~45岁，BMI 18~26 kg/m 2，ASA分级Ⅰ、Ⅱ级，无神经和精神类疾病或病史。所有患者靶控输注丙泊酚，初始药物浓度设置为1.0 mg/L，并以0.2 mg/L的阶梯增加直到患者失去意识，每次药物浓度增加均以6 min为间隔。同时，给予患者听音按键任务获取其意识状态，并采集患者的脑电图（electroencephalography, EEG）。对采集的EEG进行预处理，依据声音刺激将其分为长为5 s的数据段，基于患者对每个声音刺激反应与否给予每个数据段一个标签（有意识或无意识），将患者在有意识和无意识交替出现的意识状态波动阶段定义为临界状态。提取每个数据段的包括脑电信号功率普特性、信号复杂度、脑区间功能连通性和脑网络特性的110个脑功能特征。使用前向选择方法进行特征筛选。使用置信学习对训练集进行清洗，采用线性判别分析（linear discriminant analysis, LDA）、逻辑回归（logistic regression, LR）和支持向量机（support vector machine, SVM) 3种分类器模型分别计算置信学习前后的意识状态分类正确率。 结果:被置信学习清洗的标签大多位于意识波动的临界状态阶段。置信学习前LDA、LR和SVM分类器模型对意识状态的分类正确率分别为（85.3±3.7）%、（85.3±3.9）%和（85.3±3.8）%，置信学习后的分类正确率分别为（93.5±2.0）%、（92.9±1.8）%和（93.3±1.0）%，相比于置信学习前平均增长了7.93%。原本显示为无意识状态（对声音刺激无反应）而被置信学习重新标记为有意识状态的数据段上的α占比-顶后区、PLI-δ-额顶和聚类系数-δ这三类特征与稳定无意识数据段差异有统计学意义（ P<0.001），而与稳定有意识数据段差异无统计学意义（ P>0.05）。尽管快慢波-α-额区、排列熵-θ-额区、排列熵-θ-中央和α占比-额区上在不确定意识与稳定有意识状态和稳定无意识状态差异均有统计学意义（ P< 0.001），但和稳定的无意识相比，这些数据明显更加接近于稳定的有意识状态。 结论:使用置信学习可以有效提高临界状态下不同意识水平的分类结果，为更精确的术中意识监测提供方法学支持。

目的:为提高生命探测雷达对人体心跳、呼吸等生命信号提取、分离的准确性和实时性,提出一种基于优化变分模态分解(variational mode decomposition,VMD)的人体生命信号分离与重构方法.方法:首先,采用粒子群优化算法对VMD的参数进行优化,并将人体生命信号分解为一系列的本征模态函数(intrinsic mode function,IMF);其次,计算每个IMF的排列熵,根据排列熵阈值去除噪声,将剩余分量重构形成人体生命信号;最后,为验证提出的方法的性能,与无限脉冲响应(infinite impulse response,IIR)滤波、VMD和完全噪声辅助聚合经验模态分解(complete ensemble empirical mode decomposition with adaptive nosie,CEEMDAN)3种方法进行比较.结果:在不同噪声水平下,提出的方法在信噪比和均方根误差2项评价指标上均优于IIR滤波方法、VMD方法和CEEMDAN方法,在计算耗时上优于CEEMDAN方法.结论:提出的方法在有效滤除噪声的同时实现了对心跳、呼吸等生命信号的快速分离与重构,在烧烫伤患者、传染病患者、新生儿等特殊人群的非接触生命体征检测及灾后掩埋伤员搜救等领域具有很好的应用前景.

目的 提出一种基于三波长的脑组织氧监测数学模型.方法 结合完全集合经验模态分解与自适应噪声(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和排列熵(Permutation Entropy,PE),对脑氧信号进行处理,同时用信噪比矫正PE值区间的选择,以自适应滤波提高脑血氧降噪.结果 本文采集了3例志愿者数据并将其和现有市场设备进行对比,结果表明,与经验模态分解算法、集合经验模态分解算法相比,本文提出的CEEMDAN算法与对比设备的均方根误差均小于1.7,3组数据的皮尔逊相关系数分别为0.885、0.899、0.883,整体相关性较高(P<0.01);在降氧实验中,该算法可有效监测脑氧值变化趋势,具有较好的实用价值.结论 该算法可有效去除基线漂移、低频噪声以及高频噪声,解决模态混叠和残余噪声问题,并提高滤波的准确性,进一步提高重构信号的信噪比,提升系统的有效性和稳定性.

目的 探讨脑功能连接及非线性动力学分析在发作控制的婴儿痉挛症(infantile spasm,IS)患儿脑功能评估中的作用.方法 回顾性选择2019年1月-2023年1月安徽省儿童医院神经科就诊且发作控制的14例IS患儿为IS组,选择同期性别、年龄匹配的12例健康体检儿童为健康对照组.分析2组患儿的脑电图数据,比较其脑网络特征,同时计算非线性动力学指标,包括近似熵、样本熵、排列熵、LZ复杂度.结果 功能连接显示,与健康对照组比较,IS组网络连接强度增大,其中Fp2与F8两通道之间的连接强度组间比较差异有统计学意义(P＜0.05).网络稳定性分析发现,在不同长度时间窗口下,IS组网络稳定性均高于健康对照组(P＜0.05).非线性动力学分析显示,IS组Fz电极上样本熵小于健康对照组(P＜0.05).结论 少数预后良好的IS患儿仍存在脑网络及样本熵异常,推测脑电定量分析指标可成为评价IS患儿脑功能状态的神经生物学标志物.

目的 睡眠呼吸暂停综合征(sleep apnea syndrome,SAS)是由于睡眠时上气道通气不畅或堵塞引起的呼吸暂停或低通气,严重影响人类健康和生活.目前的检测方法是多导睡眠仪,检测过程较为复杂,影响患者正常睡眠.为此本文提出了一种针对血氧饱和度信号的引入交叉变异的全局混沌人工蜂群(cross global chaos artificial bee colony,CGCABC)算法优化支持向量机(support vector machine,SVM)的SAS检测方法.方法 从数据集ISRUC-SLEEP中提取 25 名SAS患者整晚 8h的脉搏血氧饱和度数据,经预处理后对每段数据计算 5 种非线性特征,包括近似熵、模糊熵、信息熵、排列熵和样本熵.比较发病片段信号特征和未发病片段信号特征之间的差异,使用CGCABC算法优化的SVM模型进行分类检测,并与人工蜂群(artificial bee colony,ABC)算法、粒子群(particle swarm optimization,PSO)算法、麻雀搜索(sparrow search,SS)算法优化SVM模型的检测结果进行对比.结果 使用CGCABC算法优化的SVM模型在准确率、特异度、敏感度以及收敛时间上均有较好的效果,优于ABC算法、PSO算法和SS算法优化SVM模型的检测.结论 本文提出的方法对SAS这一疾病的识别和检测具有重要价值,在医疗领域上具有广泛的应用前景.

目的 分析《中华人民共和国卫生部药品标准——中药成方制剂》治疗风温中成药的组方规律.方法 筛选中药成方制剂中治疗风温的方剂,将处方资料输入中医传承辅助系统(V2.5),运用该软件中的关联规则、复杂系统熵聚类核心组合、无监督熵层次聚类新方分析等数据挖掘方法,分析中成药治疗风温的常用药物、药物组合和处方用药规律.结果 《中药成方制剂》共纳入中成药92首,涉及中药127味,降序排列方中药物使用频次,提炼新处方核心药物组合共8个,取得新方4个.结论 《中药成方制剂》治疗风温常以清热、辛凉透表为原则,随证治以化痰止咳平喘、平肝熄风开窍等药.利用中医传承辅助系统有助于阐明《中药成方制剂》治疗风温的组方规律.

目的 基于中医传承辅助系统,分析张简斋治疗内伤咳嗽方剂的组方规律.方法 筛选《张简斋医案》中治疗内伤咳嗽的方剂,将处方信息录入中医传承辅助系统(V2.5),采用该软件集成的关联规则分析、复杂系统熵聚类核心组合分析及无监督的熵层次聚类新处方分析等数据挖掘技术,分析张简斋治疗内伤咳嗽的临床用药经验.结果 筛选方剂共86首,中药共计140味,降序排列方中药物使用频次,提取新处方核心药物组合共10个,演化新处方5个.结论 利用中医传承辅助系统可以阐明张简斋治疗内伤咳嗽的组方规律.

目的 基于中医传承辅助系统,分析中国中医药数据库中疫病外周方剂的组方规律.方法 筛选治疗疫病的外用方剂,将处方信息录入中医传承辅助系统(V2.5),采用该软件集成的关联规则分析、复杂系统熵聚类核心组合分析及无监督的熵层次聚类新处方分析等数据挖掘技术,分析治疗疫病外用方剂的常用药物、药对和用药规律.结果 共纳入方剂151首,涉及中药383味,降序排列方中药物使用频次,提取新处方核心药物组合共12个,演化新处方6个.结论 总结了中国中医药数据库中治疗疫病外用方剂的用药规律,为疫病外用新药的研发奠定了基础.

目的 利用数据挖掘方法分析治疗疫病内服方剂的用药规律,为现代传染病的防治提供参考与借鉴.方法 筛选中国中医药数据库中治疗疫病的内服方剂,将处方信息录入“中医传承辅助系统(V2.5)”,采用该软件集成的关联规则分析、复杂系统熵聚类核心组合分析及无监督的熵层次聚类新处方分析等数据挖掘技术,分析治疗疫病内服方剂的常用药物、药对和组方规律.结果 共纳入方剂1161首,涉及中药577味,降序排列方中药物使用频次,提取新处方核心药物组合共12个,演化新处方6个.结论 疫病的治疗以祛邪扶正为原则,祛邪常用清热泻火、疏肝理气、化痰燥湿、活血化瘀、祛风解表、泻下通腑药,扶正常用健脾益气、滋阴补血药.