文献类型：期刊文章

作　　者：丁正敏[1] 熊冬生[1] 陈宇珂[2] 张兴安[3] 窦建洪[3] 谌雅雨[3]

DING Zhengmin1, XIONG Dongsheng1, CHEN Yuke2, ZHANG Xing＇an3, DOU Jianhong3, CHEN Yayu3(1. Department of Biomedical Engineering, School of Material Science and Engineering, South China University of Technology, Guangzhou 510006, China; 2. Department of Equipment, General Hospital of Guangzhou Military Command of PLA, Guangzhou 510010, China; 3. Department of Anesthesia, General Hospital of Guangzhou Military Command of PLA, Guangzhou 510010, Chin)

机构地区：[1]华南理工大学材料科学与工程学院生物医学工程系,广东广州510006 [2]广州军区总医院设备科,广东广州510010 [3]广州军区总医院麻醉科,广东广州510010

出　　处：《中国医学物理学杂志》

基　　金：广东省科技计划项目(2013B090500113)

年　　份：2018

卷　　号：35

期　　号：2

起止页码：243-248

语　　种：中文

收录情况：CSCD、CSCD_E2017_2018、JST、ZGKJHX、普通刊

摘　　要：目的:通过研究全麻手术病人的脑电信号特征,从分类准确率、算法难易程度、计算时间等方面讨论样本熵和小波熵算法在麻醉深度监测中的应用。方法:基于脑电信号的非线性和不稳定性,采用两种非线性动力学分析方法(样本熵和小波熵)对30例全麻手术病人的脑电信号进行特征提取,并对每位病人清醒状态、轻度麻醉状态和中度麻醉状态下的脑电信号的样本熵和小波熵进行差异分析。结果:不同麻醉状态下的脑电信号的样本熵和小波熵均有明显差异。相同脑电信号的样本熵的变化阈值较小波熵的变化阈值大。结论:样本熵和小波熵算法均可以作为麻醉深度监测的有效指标。从分类准确率、算法难易程度和计算时间等方面考虑,使用样本熵算法的效果优于小波熵算法。

关 键 词：麻醉深度 脑电 样本熵  小波熵  

分 类 号：R318.6[生物医学工程类]