导读:本文包含了振幅整合脑电论文开题报告文献综述及选题提纲参考文献，主要关键词:癫痫发作,癫痫持续状态,PPV
振幅整合脑电论文文献综述
T.Mesa,Schmidt,K.Acevedo,P.Toso,A.Toso[1]（2019）在《新生儿发作监测:振幅整合脑电还是连续常规脑电？》一文中研究指出比较双通道振幅整合脑电图(aEEG)和同时连续常规脑电图(cEEG)之间在检测足月新生儿癫痫发作中的敏感性。2013年8月至2014年11月期间,足月新生儿在出生后第一周入住智利天主教大学新生儿重症监护病房(NICU),癫痫发作的风险因素被前瞻性地纳入此盲法观察队列。该研究获得了伦理委员会的批准和父母的知情同意。aEEG和cEEG同时安装并记录至少24小时。同时收集生物人口学数据。脑电数据由熟练的(本文来源于《第八届CAAE国际癫痫论坛论文汇编》期刊2019-10-18）
庄桂英,瞿柳红[2]（2019）在《振幅整合脑图监测判断新生儿急性胆红素脑病早期脑损伤及预后的价值分析》一文中研究指出目的探讨振幅整合脑图(aEEG)监测判断新生儿急性胆红素脑病(ABE)早期脑损伤和预后的价值。方法选取50例ABE患儿为研究对象,对患儿进行aEEG监测和脑干听觉诱发电位(BAEP)检查,随访观察患儿生长发育情况,记录患儿预后。通过对ABE患儿aEEG监测结果与BAEP检查结果的关系以及ABE患儿aEEG监测结果与患儿预后的关系进行Spearman秩相关分析,绘制aEEG监测结果判断ABE患儿脑损伤严重程度和预后的ROC曲线,分析根据aEEG监测结果判断ABE患儿脑损伤严重程度和预后的价值。结果 ABE患儿aEEG监测的背景活动情况(轻度或重度异常)与BAEP检查结果(轻度、中度或重度异常)呈正相关(r=0.842);aEEG监测的睡眠—觉醒周期(SWC,成熟、不成熟或无SWC)与BAEP检查结果(轻度、中度或重度异常)呈正相关(r=0.596)。ABE患儿的aEEG监测的背景活动情况(轻度或重度异常)与患儿预后(正常发育、发育迟缓或死亡)正相关(r=0.428),aEEG监测的SWC(成熟、不成熟或无SWC)与患儿预后(正常发育、发育迟缓或死亡)正相关(r=0.565)。以aEEG监测的背景活动情况判断患儿脑损伤严重程度的AUC为0.596,敏感度为1.000,特异度为0.391;以aEEG监测的SWC判断患儿脑损伤严重程度的AUC为0.861,敏感度为0.950,特异度为0.735。以aEEG监测的背景活动情况判断患儿预后的AUC为0.601,敏感度为0.917,特异度为0.447;以aEEG监测的SWC判断患儿预后的AUC为0.640,敏感度为0.917,特异度为0.574。结论进行aEEG检测,根据背景活动情况以及SWC有助于对ABE患儿脑损伤的严重程度进行比较准确的评估;但根据aEEG监测结果判断患儿预后具有一定的局限性。(本文来源于《内科》期刊2019年04期）
叶蕾,宋磊,杨秀[3]（2019）在《脑电双频指数和振幅整合脑电图在昏迷儿童近期预后中的评价》一文中研究指出目的研究脑电双频指数(BIS)和振幅整合脑电图(aEEG)在昏迷儿童近期预后评价中的应用价值。方法选择2016年6月至2018年3月儿科重症监护病房(PICU)收治的昏迷儿童60例,均伴不同程度的脑损伤,入院后接受BIS监测与床旁aEEG记录。3个月后分别采用时间分辨免疫荧光法、放射免疫法测定血清β内啡肽(β-EP)、神经元特异性烯醇化酶(NSE)水平及记录儿童脑功能等级评分(PCPC)评估近期预后情况。结果随着BIS平均值的降低,aEEG异常程度加重,患儿血清β-EP、NSE水平逐渐升高(P<0.01);Pearson相关性分析显示BIS平均值与血清β-EP、NSE水平负相关,aEEG异常程度与血清β-EP、NSE水平正相关(P<0.05)。随着BIS平均值的降低,aEEG异常程度更严重,患儿PCPC评分分级逐渐升高(P<0.05);Pearson相关性分析显示BIS平均值与PCPC评分分级负相关,aEEG异常程度与PCPC评分分级正相关(P<0.05)。BIS、aEEG对昏迷儿童近期预后均有预测能力,受试者工作特征曲线(ROC)下面积分别为0.909、0.860;以BIS平均值取45、aEEG轻度异常为临界值,BIS、aEEG预测昏迷儿童近期预后不良的敏感度分别为72.73%、81.82%,特异度分别为85.71%、91.84%。结论 BIS平均值、aEEG异常程度与昏迷儿童近期预后密切相关,BIS、aEEG均可用于预测患儿早期预后,aEEG的预测能力优于BIS。(本文来源于《中国临床研究》期刊2019年06期）
余增渊,孙慧清,李明超,远孟梦[4]（2017）在《振幅整合脑图对新生儿急性胆红素脑病早期脑损伤及预后的价值》一文中研究指出目的探讨振幅整合脑电图(aEEG)预测新生儿急性胆红素脑病早期脑损伤程度及判断预后的价值。方法选择河南省儿童医院新生儿重症监护室2014-01—2016-01收治的24例急性胆红素脑病患儿,行aEEG脑功能监护,将脑功能监测结果与脑干听觉诱发电位(BAEP)以及临床随访结果进行相关分析。结果 24例患儿aEEG波形背景识别:连续正常电压7例,不连续电压15例,爆发抑制2例,癫痫性活动10例,单次惊厥5例,反复惊厥1例,癫痢持续状态4例;睡眠觉醒周期(SWC)记录:成熟5例,不成熟15例,4例无。aEEG异常程度分类:轻度异常17例;重度异常7例。6月龄随访时,13例aEEG恢复正常,5例轻度异常,4例重度异常,2例死亡。BAEP监测结果:轻度异常4例,中度异常9例,重度异常11例,急性期aEEG与BAEP异常程度呈正相关。6月龄随访测发育商(DQ),急性期aEEG轻度异常及重度异常患儿预后比较差异有统计学意义(χ2=13.008,P<0.001);SWC不同患儿预后比较差异有统计学意义(χ2=14.400,P=0.006),aEEG异常程度、SWC与近期预后等级相关分析提示存在相关性(r=0.734、0.525,P<0.01)。结论 aEEG有助于早期识别急性胆红素脑损伤程度并判断预后,为早期干预提供可靠依据。(本文来源于《中国实用神经疾病杂志》期刊2017年23期）
王愈[5]（2015）在《新生儿振幅整合脑电自动识别研究》一文中研究指出新生儿的脑功能异常会给患儿带来较高的死亡风险和神经发育不良的严重后果。振幅整合脑电图(amplitude-integrated electroencephalography, aEEG)技术作为一种简洁高效的脑功能监测手段为新生儿脑功能状态监测提供了有力的支持。与核磁共振、CT类脑监测技术相比,aEEG有着明显的成本优势,且适合床边长期脑功能监测。但aEEG信号的分析工作需要医务工作者投入大量时间和精力,若能找到一个高效的aEEG信号自动识别方法,则可以帮助医生减轻工作负担,对该技术发展和推广有积极意义。论文的主要工作是探寻aEEG信号的自动识别方法,提出了一种新的aEEG信号联合特征提取方法和一个基于随机森林模型的aEEG信号自动识别方案。首先,在国际通用幅值特征的基础上,考虑aEEG信号基本特点、振幅分布和信号复杂度,提取了基本特征、直方图特征和分段特征叁组特征；观察了分组特征单独作用和共同作用时对aEEG信号的刻画能力,特征效度计算实验表明,叁组特征在刻画aEEG信号时均有自己的独特贡献,且叁组特征联合工作时可达到更佳的效果,据此提出了由基本特征、直方图特征和分段特征构成的联合特征。其次,对比了线性判别模型、逻辑斯谛回归模型、支持向量机和随机森林等分类器对aEEG信号的识别效果,提出了基于随机森林模型的aEEG信号自动识别框架。通过分类器参数调优、非平衡数据样本权重调优、特征有效性验证、特征选择和分类器效果对比等一系列实验,获得了分类器的最佳参数配置,计算了特征效度以验证特征的有效性,对常用分类器的分类效果进行了横向对比；为克服数据分布不均给分类结果带来的误差影响,引入样本权重以提高模型的鲁棒性,在训练与分类的过程中,分类器基于该权重调整分类树参数和分类结果的判定依据。一系列实验结果证明,论文提出的基于随机森林模型的aEEG信号自动识别方案取得了最佳分类效果,该方案能有效实现对aEEG信号的自动判读,综合分类性能指标FI-Score达到95.26%,分类结果可作为医生诊断的辅助依据。(本文来源于《华东师范大学》期刊2015-05-01）
吕玉丹,刘畅,王赞,孟红梅,崔俐[6]（2014）在《脑电趋势图——彩色密度谱阵列(CDSA)及振幅整合脑电图(aEEG)在识别痫样发作中的准确性研究》一文中研究指出目的癫痫持续状态或频繁的亚临床癫痫发作是NICU中常见的且可能被低估的并发症,早期识别、早期终止临床及电发作,可减少对神经元的损伤,改善预后。但常规EEG的判读抽象、复杂、主观性强,未经专业训练的普通医务人员对EEG识别和分析的结果是不可信赖的,故本研究将简化的脑电图-趋势图应用于癫痫发作的识别中,探讨其临床应用价值。方法我们选择30条连续24小时记录的脑电图数据(20条包含有痫样发作、10条正常对照),3名经培训的电生理医师采用CDSA、a EEG阅图方法对30条脑电图(本文来源于《第四届CAAE脑电图与神经电生理大会论文摘要集》期刊2014-10-23）
叶大田,李慧,彭诚[7]（2014）在《振幅整合脑电图在正常睡眠脑电分期中的应用》一文中研究指出该文提出了振幅整合脑电图用于正常年轻人睡眠脑电分期的方法。记录了13例正常年轻人约8小时睡眠脑电数据,分为训练组(6例)和测试组(7例)。计算训练组每一例的振幅整合脑电图(aEEG);提取aEEG的上边带曲线作为其特征曲线;提取不同分期的aEEG上边带中位数和四分位距特征;将这些特征进行综合统计分析,得出aEEG在不同睡眠期的边界和波动范围的数值指标;利用此指标对训练组和测试组的脑电数据进行睡眠自动分期。测试组和训练组的分期结果与ZEO系统结果有较好的一致性,证明了aEEG的一组特征值作为睡眠分期决策指标的可行性。(本文来源于《清华大学学报(自然科学版)》期刊2014年08期）
施忆赟,程国强,邵肖梅,王志中,李雷[8]（2012）在《国产振幅整合脑功能监护仪的性能研究》一文中研究指出采用国产数字化振幅整合脑功能监护仪(CFM 3000)和国外类似产品LECTROMED CFM 5330(LEC-TROMED UK LTD)对20例正常新生儿和8例脑损伤患儿进行同步监测;采用CFM 3000及常规脑电图(EEG)对32例确诊和疑似惊厥患儿同时给予检查。CFM 3000(国产)和LECTROMED CFM 5330(英国)描记的振幅整合脑电图(aEEG)图形类似,20例正常新生儿连续性电活动、睡眠-觉醒周期检出率、宽带和窄带下界、上界电压和时程均值均无统计学差异;8例脑损伤新生儿aEEG图形也无显着性差异。32例惊厥或疑似惊厥新生儿癫痫样波形的检出率与常规EEG比较无统计学差异,Kappa一致性检验Kappa系数为0.552,P为0.001。结果表明:CFM 3000能够反应脑功能变化,性能可靠、稳定。(本文来源于《生物医学工程学杂志》期刊2012年01期）
冀雅彬,潘速跃,吴永明,姬仲,李婷[9]（2011）在《振幅整合脑电图和脑电波段功率对于家兔脑梗死的评估作用》一文中研究指出目的观察振幅整合脑电图(amplitude-integrated electroencephalography,aEEG)及脑电波段功率(bandpower,BP)对于家兔脑梗死病情发展的评估作用,为临床评估脑梗死的发展趋势筛选一种客观的方法。方法在NicoletOne Monitor脑功能监护仪全程监护下,用线栓法复制家兔大脑中动脉栓塞(middle cerebral artery occlusion,MCAo)模型,3h后再灌注,在24h、48h进行神经行为学评分,48h取脑行2,3,5-氯化叁苯四氮唑染色,计算脑梗死体积和水肿体积。结果造模后48h的脑梗死体积与aEEG带宽、上界、下界和绝对波段功率β的降幅呈正相关(r=0.692,P=0.010;r=0.691,P=0.010;r=0.730,P=0.010;r=0.524,P=0.037);造模后48h的脑水肿体积与aEEG带宽、上界和下界降幅呈正相关(r=0.744,P=0.002;r=0.762,P=0.002;r=0.691,P=0.006);24h、48h的神经行为学评分与各EEG指标均无相关性统计学意义。结论 aEEG对于脑梗死和水肿的体积有较大的敏感性,而脑电波段功率不敏感,aEEG下界降幅和带宽降幅分别对于脑梗死早期的梗死和水肿程度有一定评估预测作用。(本文来源于《中国神经精神疾病杂志》期刊2011年08期）
李雷[10]（2011）在《信息处理辅助临床诊断的应用研究》一文中研究指出医学科学技术的蓬勃发展为人类带来了海量的医学信息。对医学信息的进一步处理(如特征提取、科学计算可视化等)可以进一步定量或定性地描述人体的生理特征,有助于建立新的诊断标准,甚至实现自动化的计算机辅助诊断。本文探讨信息处理技术辅助临床诊断的应用,研究内容包括两个子课题:基于非线性动力学信号分析方法的振幅整合脑电图新指标在新生儿脑功能监测与评估中的应用,以及基于虚拟(超)现实的可视化技术在人体胃肠道息肉诊断中的应用( 863项目资助课题)。振幅整合脑电图是一种成熟的长期连续监测脑功能的方法,临床上广泛地应用于成人重症监护、新生儿脑功能监测等领域。不同于标准导联脑电图,振幅整合脑电图反映的是脑电背景活动中振幅从最大值到最小值的变化过程,可以以较少的数据量连续稳定地监测、记录主要的脑功能活动。目前对振幅整合脑电图的研究和临床应用主要集中在对整合振幅的观察。本文首次将近似熵应用于新生儿振幅整合脑电图的分析,考察新生儿振幅整合脑电的不规则度;建立了基于3Sigma准则的定量分析新生儿振幅整合脑电的新指标,取得了突破性的结果,为临床诊断提供了有力的支持。在此基础上进一步提出了基于BP神经网络的分类算法,更提高了所提出新指标的有效性。1 77例新生儿振幅整合脑电的统计实验结果表明,相比于现有的整合振幅观察法,本文所提出的新指标在识别异常足月儿和早产儿的振幅整合脑电的特异性不降低的基础上,敏感性提高约10%;基于BP神经网络的分类算法识别异常足月儿和早产儿的振幅整合脑电的敏感性分别提高约30%和12%。由于采集大量临床数据需要耗费很长的时间,本人同时额外地参加了863项目的相关研究工作,并取得了一些成果。胃肠道肿瘤是西方国家常见的肿瘤疾病,有着较高的致死率。对胃肠道息肉的早期检测与处理可以大大降低胃肠道肿瘤的发病率和死亡率。作为无创的检测方法,基于虚拟现实技术的可视化方法(如虚拟内窥镜、虚拟外翻等)能够模拟并丰富传统的检测方法,同时可以避免侵入式检测所引发的各种风险。其日益显着的临床价值使之成为国内外的研究热点。本文在该领域的研究包括叁个部分:⑴设计了叁个指标(息肉失真率、采样丢失率、检测盲区率)以定量分析虚拟变形算法的有效性,并评估各种算法的优劣;⑵针对现有的人体结肠虚拟拉直算法的不足,提出了基于改进电场模型和基于重力场模型的两种结肠虚拟拉直方法(特别是后者的息肉失真率、采样丢失率、虚拟内窥盲区率分别降低了18.70%、75.65%、12.12%),有助于虚拟展平、虚拟外翻等算法的实施并提高检测的敏感性;⑶原创性地提出并分别使用有限单元法和电场模型实现了人体胃肠道的虚拟充气方法,模拟气压作用于空腔外壁,突破了真实充气的种种限制,保持了内壁结构的形态基本不发生变化的前提下可对管道状或非管道状的空腔脏器,甚至是对非封闭的曲面进行充气。通过虚拟充气可使空腔结构变得充盈,增大了虚拟内窥的视野,相对规则的形状有助于提高虚拟展平、虚拟外翻的可视化效果。(本文来源于《上海交通大学》期刊2011-04-01）
振幅整合脑电论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的探讨振幅整合脑图(aEEG)监测判断新生儿急性胆红素脑病(ABE)早期脑损伤和预后的价值。方法选取50例ABE患儿为研究对象,对患儿进行aEEG监测和脑干听觉诱发电位(BAEP)检查,随访观察患儿生长发育情况,记录患儿预后。通过对ABE患儿aEEG监测结果与BAEP检查结果的关系以及ABE患儿aEEG监测结果与患儿预后的关系进行Spearman秩相关分析,绘制aEEG监测结果判断ABE患儿脑损伤严重程度和预后的ROC曲线,分析根据aEEG监测结果判断ABE患儿脑损伤严重程度和预后的价值。结果 ABE患儿aEEG监测的背景活动情况(轻度或重度异常)与BAEP检查结果(轻度、中度或重度异常)呈正相关(r=0.842);aEEG监测的睡眠—觉醒周期(SWC,成熟、不成熟或无SWC)与BAEP检查结果(轻度、中度或重度异常)呈正相关(r=0.596)。ABE患儿的aEEG监测的背景活动情况(轻度或重度异常)与患儿预后(正常发育、发育迟缓或死亡)正相关(r=0.428),aEEG监测的SWC(成熟、不成熟或无SWC)与患儿预后(正常发育、发育迟缓或死亡)正相关(r=0.565)。以aEEG监测的背景活动情况判断患儿脑损伤严重程度的AUC为0.596,敏感度为1.000,特异度为0.391;以aEEG监测的SWC判断患儿脑损伤严重程度的AUC为0.861,敏感度为0.950,特异度为0.735。以aEEG监测的背景活动情况判断患儿预后的AUC为0.601,敏感度为0.917,特异度为0.447;以aEEG监测的SWC判断患儿预后的AUC为0.640,敏感度为0.917,特异度为0.574。结论进行aEEG检测,根据背景活动情况以及SWC有助于对ABE患儿脑损伤的严重程度进行比较准确的评估;但根据aEEG监测结果判断患儿预后具有一定的局限性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
振幅整合脑电论文参考文献
[1].T.Mesa,Schmidt,K.Acevedo,P.Toso,A.Toso.新生儿发作监测:振幅整合脑电还是连续常规脑电？[C].第八届CAAE国际癫痫论坛论文汇编.2019
[2].庄桂英,瞿柳红.振幅整合脑图监测判断新生儿急性胆红素脑病早期脑损伤及预后的价值分析[J].内科.2019
[3].叶蕾,宋磊,杨秀.脑电双频指数和振幅整合脑电图在昏迷儿童近期预后中的评价[J].中国临床研究.2019
[4].余增渊,孙慧清,李明超,远孟梦.振幅整合脑图对新生儿急性胆红素脑病早期脑损伤及预后的价值[J].中国实用神经疾病杂志.2017
[5].王愈.新生儿振幅整合脑电自动识别研究[D].华东师范大学.2015
[6].吕玉丹,刘畅,王赞,孟红梅,崔俐.脑电趋势图——彩色密度谱阵列(CDSA)及振幅整合脑电图(aEEG)在识别痫样发作中的准确性研究[C].第四届CAAE脑电图与神经电生理大会论文摘要集.2014
[7].叶大田,李慧,彭诚.振幅整合脑电图在正常睡眠脑电分期中的应用[J].清华大学学报(自然科学版).2014
[8].施忆赟,程国强,邵肖梅,王志中,李雷.国产振幅整合脑功能监护仪的性能研究[J].生物医学工程学杂志.2012
[9].冀雅彬,潘速跃,吴永明,姬仲,李婷.振幅整合脑电图和脑电波段功率对于家兔脑梗死的评估作用[J].中国神经精神疾病杂志.2011
[10].李雷.信息处理辅助临床诊断的应用研究[D].上海交通大学.2011