检索历史 清除

摘要意识障碍(Disordersofconsciousness,DOC)是由严重脑损伤导致的意识缺失脑状态。当前临床上DOC的评估以行为量表为主，评估人员的主观经验和患者的配合度直接影响评估结果。电生理技术能够为临床诊断提供客观的、可量化的数据，有助于提高DOC评估的准确率；当前神经调控技术已经应用于DOC的康复，其康复效果的精准快捷评估也是DOC临床上的主要难题，通过客观的、可量化的脑电指标评估神经调控效果，有利于优化调控参数和调整调控方式，提高DOC的康复结果。本论文针对DOC的状态评估和神经调控效果评估的难题，从静息态脑电(restingstateEEG,rsEEG)和经颅磁刺激-脑电(TMS-EEG)两种模态着手发展脑电分析方法，提取多维度脑电特征用于表征DOC不同层级不同维度的神经活动差异，为DOC研究提供了量化指标；集成多模态脑电提出了DOC脑电评估方案，包括特征获取的操作细节、数据预处理和多维度特征分析。主要的研究内容如下：<br>　　(1)DOC自发态脑活动的时频空多维度分析及最优特征选择。针对DOC的自发态脑活动分析维度单一，特征分析不明确的问题，发展时域复杂度、频域相对能量和空域连接性分析方法，提取DOC的rsEEG特征，采用机器学习方法筛选出识别不同状态DOC患者的最优特征，包括排序熵、gamma频段能量和额顶叶的排序互信息；临床验证了最优特征在DOC状态评估和脊髓电刺激调控效果评估的价值。研究确定了DOC患者自发态脑活动的关键特征，有助于提高评估准确率和优化神经调控方案。<br>　　(2)高效量化DOC患者的TMS-EEG的复杂度。针对DOC患者的TMS-EEG的时域特征量化分析问题，发展了一种TMS-EEG时域复杂度量化方法-快速扰动复杂度指数(thefastperturbationalcomplexityindex,PCIst)，有效地、快速地量化DOC患者TMS-EEG的复杂度。通过构建的DOC诊断和预后的机器学习模型，验证PCIst在DOC状态评估和恢复结果预测的能力。研究提供了高效、准确的TMS-EEG时域量化指标，有助于TMS-EEG的DOC临床应用推广。<br>　　(3)精准提取DOC患者TMS-EEG数据的时频特征。针对DOC患者的TMS-EEG的时频特征提取和分析问题，利用压榨小波变换(synchrosqueezingwavelettransform,SST)分析及获取瞬时突变信号的节律特征，发展了皮层固有频率指标，揭示不同状态DOC患者的固有频率差异性，发现了脊髓电刺激能够调节DOC患者的皮层固有频率。研究提供了TMS-EEG数据的时频特征提取和分析方法，有助于深入研究意识损伤和神经调控对皮层特性的影响。<br>　　(4)基于TMS-EEG的DOC患者的皮层网络连接性检测方法。针对DOC患者的TMS-EEG的空域特征量化分析问题，提出了TMS诱发皮层同步指标计算方法，用于表征皮层网络连接程度；比较和验证了不同DOC患者的皮层网络连接差异，有效评估了脑深部电刺激对DOC的神经调控效果。研究量化了DOC患者的皮层连接性，验证脑损伤导致皮层连接性降低，为DOC评估提供了重要生物标记。<br>　　(5)制定DOC患者的高效精准评估方案。针对rsEEG和TMS-EEG在DOC评估应用率低、门槛高、重复性差的问题，提出了高效、准确的脑电评估方案。优化了多模态脑电数据采集方案，制定科学规范的数据预处理流程，融合多特征提出了度量DOC患者意识水平的指标。研究为DOC患者评估提供了切实可行的解决方案。<br>　　本文通过提取DOC的rsEEG和TMS-EEG的时频空特征，制定DOC的脑电评估方案，一方面为DOC的诊疗难题提供解决方案；另一方面通过以DOC为研究模型，完善意识相关的神经电活动特征提取技术，促进意识的神经机制研究。