-
题名定量脑电图特征在慢性意识障碍预后评价中的应用研究
被引量：9
- 1
-
-
作者
钟源
何佩
冯珍
-
机构
南昌大学第一附属医院康复医学科
-
出处
《中国康复医学杂志》
CAS
CSCD
北大核心
2023年第11期1493-1498,共6页
-
基金
国家自然科学基金项目(82160437)
江西省重点研发计划重点项目(20202BBG72002)
江西省科学技术厅临床应用研究培育计划项目(20212BAG70023)。
-
文摘
目的:探讨定量脑电图(quantitative electroencephalogram,QEEG)特征对慢性意识障碍患者意识转归的预测价值。方法:纳入脑损伤后28天于南昌大学第一附属医院康复医学科接受住院治疗的植物状态/无反应觉醒综合征(vegetative state/unresponsive arousal syndrome,VS/UWS)或最小意识状态(minimally conscious state,MCS)患者。在研究开始时收集患者的临床资料、定量脑电图特征,对患者进行为期4周的随访,通过对比入院第21—28天与入院当天的昏迷恢复量表(修订版)(Coma Recovery Scale-Revised,CRS-R)评估结果,将患者分为意识改善组和意识未改善组。变量与意识改善的相关性采用单因素和多因素Logistic回归分析,变量对意识改善的预测效能采用受试者工作特征曲线分析。结果:42例患者意识改善(46%),48例患者意识未改善(54%),单因素分析显示入院时CRS-R评分、入院时意识状态、RAV分级、α相对频带能量、频谱熵是意识改善的相关因素,差异有显著性意义(P<0.05),多因素Logistic回归分析显示仅有CRS-R评分、RAV分级以及α相对频带能量为慢性意识障碍患者意识改善的相关因素,α相对频带能量、RAV分级、CRS-R评分预测意识改善的曲线下面积(area under the curve,AUC)分别为0.851、0.648、0.767。结论:α相对频带能量、RAV分级与慢性意识障碍预后密切相关。
-
关键词
定量脑电图特征
慢性意识障碍
意识转归
预后评价
-
Keywords
quantitative EEG
prolong disorders of consciousness
consciousness conversion
evaluation of prognostic
-
分类号
R651
[医药卫生—外科学]
R493
[医药卫生—康复医学]
-
-
题名集成分类器对脑卒中患者脑电的分类
- 2
-
-
作者
王方
张雪英
胡风云
李凤莲
-
机构
太原理工大学信息与计算机学院
山西省人民医院神经内科
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第24期276-282,共7页
-
基金
山西省重点研发计划(社会发展)项目(201803D31045)
吴阶平医学基金(320675016129)
+1 种基金
山西省自然科学基金(201801D121138)
山西省回国留学人员科研资助项目(201925)。
-
文摘
脑卒中患者意识障碍的检查和检测耗时耗力且非连续,采集脑卒中患者的脑电信号,以研究有意识障碍与无意识障碍的脑卒中患者的自动分类。对脑卒中患者的脑电图提取多达9种定量脑电特征,构建脑网络,将这些脑网络的连通性特征输入到分类器中,实现对脑卒中患者是否有意识障碍的分类。为解决非平衡数据集分类时严重偏向多数类的问题,设计集成支持向量机分类器。实验结果显示基于现有分类器的脑卒中意识障碍的分类正确率在70%左右,敏感度在40%以下;而基于集成支持向量机分类器的分类准确性可达96.79%,同时敏感度和特异性分别为95.45%和100%。实验结果表明集成支持向量机分类器对非平衡数据集的脑电分类准确率显著提升,并促进脑卒中患者意识障碍的自动识别。
-
关键词
脑卒中
集成分类器
定量脑电图特征
脑网络
意识障碍
机器学习
-
Keywords
stroke patients
ensemble classifier
quantitative EEG
brain network
disorders of consciousness
machine learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
