致谢 | 第5-6页 |
摘要 | 第6-8页 |
Abstract | 第8-9页 |
第一章 绪论 | 第12-21页 |
1.1 引言 | 第12-13页 |
1.2 脑电分析方法的研究现状 | 第13-18页 |
1.2.1 时域分析方法 | 第13-14页 |
1.2.2 频域分析方法 | 第14页 |
1.2.3 时/频域分析方法 | 第14-15页 |
1.2.4 非线性分析 | 第15-18页 |
1.3 本文主要内容 | 第18-21页 |
第二章 麻醉药对大脑的影响及麻醉深度的临床判别方法 | 第21-29页 |
2.1 脑电的产生及其特点 | 第21-23页 |
2.1.1 脑电信号的产生 | 第21-22页 |
2.1.2 脑电信号的分类 | 第22页 |
2.1.3 脑电信号的特点 | 第22-23页 |
2.2 麻醉药对大脑的影响 | 第23-25页 |
2.2.1 麻醉 | 第23-25页 |
2.2.2 麻醉药的脑作用机制 | 第25页 |
2.3. 麻醉深度的判别方法 | 第25-28页 |
2.3.1 基于临床体征的判别方法 | 第26页 |
2.3.2 基于电生理信号的判别方法 | 第26-28页 |
2.4 本章小结 | 第28-29页 |
第三章 格子复杂性及时间序列的符号化方法 | 第29-36页 |
3.1 引言 | 第29页 |
3.2 Lempel-Ziv复杂性 | 第29-30页 |
3.3 格子复杂性 | 第30-34页 |
3.4 时间序列的符号化方法 | 第34-35页 |
3.5 本章小结 | 第35-36页 |
第四章 格子复杂性用于麻醉意识深度量化效果的探讨 | 第36-50页 |
4.1 引言 | 第36页 |
4.2 脑电信号采集及预处理 | 第36-37页 |
4.2.1 临床数据来源 | 第36-37页 |
4.2.2 脑电信号采集与信号预处理 | 第37页 |
4.2.3 麻醉分类与评分量表 | 第37页 |
4.3 算法的评价方法 | 第37-39页 |
4.3.1 预测概率评估 | 第38页 |
4.3.2 相关性评估 | 第38-39页 |
4.4 参数选取 | 第39-43页 |
4.4.1 滑动窗选取 | 第39页 |
4.4.2 细粒化指数选取 | 第39-40页 |
4.4.3 诱导期和恢复期脑电信号格子复杂性分析 | 第40-43页 |
4.5 实验结果与讨论 | 第43-44页 |
4.5.1 脑电LC及LZ复杂性与BIS的相关性 | 第43-44页 |
4.5.2 脑电LC及LZ复杂性对MOAA/S评分的预测概率 | 第44页 |
4.6 LC对麻醉意识深度的量化效果探讨 | 第44-49页 |
4.6.1 指标选取及算法流程 | 第44-47页 |
4.6.2 实验结果 | 第47-49页 |
4.7 本章小结 | 第49-50页 |
第五章 格子复杂性用于麻醉过程中伤害性刺激识别的探讨 | 第50-61页 |
5.1 引言 | 第50页 |
5.2 疼痛监测方法 | 第50-52页 |
5.3 状态熵和反应熵用于疼痛监测 | 第52-55页 |
5.4 LC用于麻醉过程中伤害性刺激的识别及与谱熵的比较 | 第55-60页 |
5.5 本章小结 | 第60-61页 |
第六章 总结与展望 | 第61-63页 |
参考文献 | 第63-71页 |
硕士期间所取得的科研成果 | 第71页 |