[1]周静,吴效明.基于样本熵的睡眠呼吸暂停综合征脑电研究[J].中国医学物理学杂志,2016,33(7):722-725.[doi:10.3969/j.issn.1005-202X.2016.07.017]
 [J].Chinese Journal of Medical Physics,2016,33(7):722-725.[doi:10.3969/j.issn.1005-202X.2016.07.017]
点击复制

基于样本熵的睡眠呼吸暂停综合征脑电研究()
分享到:

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
33卷
期数:
2016年7期
页码:
722-725
栏目:
医学信号处理与医学仪器
出版日期:
2016-07-20

文章信息/Info

文章编号:
1005-202X(2016)07-0722-04
作者:
周静吴效明
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510640
关键词:
睡眠呼吸暂停综合征脑电图样本熵
分类号:
R318;TP391
DOI:
10.3969/j.issn.1005-202X.2016.07.017
文献标志码:
A
摘要:
目的:探讨睡眠呼吸暂停综合征(SAS)患者脑电的动力学特性,为SAS诊治提供依据。方法:基于脑电的非平 稳和非线性特性,采用样本熵(SampEn)对6名SAS患者和6名健康人的睡眠脑电进行分析,研究SAS组和对照组在清醒、 浅睡、深睡和快速眼动期(REM)的脑电变化及差异特性。结果:SAS患者和健康者睡眠脑电的样本熵变化有相同规律, 即随着睡眠加深,其样本熵值均逐渐减小,但到REM期时,样本熵值又上升至觉醒期水平;与此同时,SAS组的样本熵值 在各个睡眠阶段均低于健康组,两组间存在显著差异(P<0.01);ROC曲线下面积达到0.858。结论:SAS病理状态对大脑 神经活动影响显著,SAS组脑电样本熵值与对照组的显著差异为SAS研究及诊断提供新的方向和依据。

相似文献/References:

[1]苏克阳,曾景阳,谢文钦,等. 近似熵在脑电监测麻醉深度中的应用[J].中国医学物理学杂志,2019,36(1):117.[doi:DOI:10.3969/j.issn.1005-202X.2019.01.023]
 SU Keyang,ZENG Jingyang,XIE Wenqin,et al. Application of EEG approximate entropy in monitoring the depth of anesthesia[J].Chinese Journal of Medical Physics,2019,36(7):117.[doi:DOI:10.3969/j.issn.1005-202X.2019.01.023]
[2]赵彦富,随力,李月如.基于脑电图的脑疲劳检测研究进展[J].中国医学物理学杂志,2019,36(11):1312.[doi:DOI:10.3969/j.issn.1005-202X.2019.11.013]
 ZHAO Yanfu,SUI Li,LI Yueru.Progress on brain fatigue detection based on electroencephalogram[J].Chinese Journal of Medical Physics,2019,36(7):1312.[doi:DOI:10.3969/j.issn.1005-202X.2019.11.013]
[3]赵彦富,随力,李月如.基于脑电图的脑疲劳检测研究进展[J].中国医学物理学杂志,2019,36(11):1312.[doi:DOI:10.3969/j.issn.1005-202X.2019.11.013]
 ZHAO Yanfu,SUI Li,LI Yueru.Progress on brain fatigue detection based on electroencephalogram[J].Chinese Journal of Medical Physics,2019,36(7):1312.[doi:DOI:10.3969/j.issn.1005-202X.2019.11.013]
[4]刘亚,伍倚明,李承炜,等.基于ADS1299的穿戴式脑电检测装置设计[J].中国医学物理学杂志,2019,36(11):1317.[doi:DOI:10.3969/j.issn.1005-202X.2019.11.014]
 LIU Ya,WU Yiming,LI Chengwei,et al.Design of a wearable EEG detection device based on ADS1299[J].Chinese Journal of Medical Physics,2019,36(7):1317.[doi:DOI:10.3969/j.issn.1005-202X.2019.11.014]
[5]李嘉慧,刘建鹏,潘智林,等.精神分裂症患者认知功能损伤的神经生物学基础和电生理表现[J].中国医学物理学杂志,2020,37(1):115.[doi:DOI:10.3969/j.issn.1005-202X.2020.01.021]
 LI Jiahui,LIU Jianpeng,et al.Neurobiological bases and electrophysiological manifestations of cognitive impairments in patients with schizophrenia[J].Chinese Journal of Medical Physics,2020,37(7):115.[doi:DOI:10.3969/j.issn.1005-202X.2020.01.021]
[6]王耀辉,吕喆,张重阳,等.基于脑电信号样本熵的急性脑梗死患者溶栓效果评价[J].中国医学物理学杂志,2022,39(1):81.[doi:DOI:10.3969/j.issn.1005-202X.2022.01.014]
 WANG Yaohui,L?Zhe,ZHANG Chongyang,et al.Evaluation of thrombolysis in patients with acute cerebral infarction based on EEG sample entropy[J].Chinese Journal of Medical Physics,2022,39(7):81.[doi:DOI:10.3969/j.issn.1005-202X.2022.01.014]
[7]徐学涛,蒋晓宏,曾利明,等.脑电图联合MRI在新生儿缺氧缺血性脑病诊断及预后的应用[J].中国医学物理学杂志,2022,39(7):856.[doi:DOI:10.3969/j.issn.1005-202X.2022.07.011]
 XU Xuetao,JIANG Xiaohong,ZENG Liming,et al.Application of electroencephalography combined with MRI in the diagnosis and prognosis of neonatal hypoxic-ischemic encephalopathy[J].Chinese Journal of Medical Physics,2022,39(7):856.[doi:DOI:10.3969/j.issn.1005-202X.2022.07.011]
[8]陈明武,郑诗豪,杨波,等.CTP灌注参数联合脑电图对aSAH继发癫痫及预后的价值分析[J].中国医学物理学杂志,2023,40(2):182.[doi:DOI:10.3969/j.issn.1005-202X.2023.02.009]
 CHEN Mingwu,ZHENG Shihao,YANG Bo,et al.Predictive value of CTP parameters combined with electroencephalogram for epilepsy secondary to aSAH and the prognosis[J].Chinese Journal of Medical Physics,2023,40(7):182.[doi:DOI:10.3969/j.issn.1005-202X.2023.02.009]
[9]王耀,逯迈.经颅磁刺激和脑电联合作用时电磁场分布的仿真研究[J].中国医学物理学杂志,2023,40(3):369.[doi:DOI:10.3969/j.issn.1005-202X.2023.03.017]
 WANG Yao,LU Mai.Simulation study of electromagnetic field distribution when combining TMS with EEG[J].Chinese Journal of Medical Physics,2023,40(7):369.[doi:DOI:10.3969/j.issn.1005-202X.2023.03.017]
[10]于永强,刘健,孙仁诚,等.基于多特征多关系图卷积神经网络的癫痫脑电分类[J].中国医学物理学杂志,2023,40(5):595.[doi:DOI:10.3969/j.issn.1005-202X.2023.05.012]
 YU Yongqiang,LIU Jian,SUN Rencheng,et al.Classification of epileptic electroencephalogram signal using graph convolutional neural network with multiple features and multiple relations[J].Chinese Journal of Medical Physics,2023,40(7):595.[doi:DOI:10.3969/j.issn.1005-202X.2023.05.012]

备注/Memo

备注/Memo:
【收稿日期】2016-02-28 【基金项目】广东省公益研究与能力专项(2014A020212657);华南理 工大学中央高校面上项目(2015ZM179) 【作者简介】周静,博士,讲师,研究方向:医学信号检测与处理, E-mail:hellozj@scut.edu.cn
更新日期/Last Update: 2016-07-22