阿尔茨海默病患者的多导睡眠图研究

目的：探讨阿尔茨海默病患者（Alzheimer diseased．AD）睡眠参数改变的生物学特点。方法：应用多道睡眠图对35例阿尔茨海默病患者进行睡眠描记，分析相关睡眠参数，并与30例正常人比较。结果：阿尔茨海默病患者潜伏期延长（38．44min）、总睡眠时间减少（259．71min）、中途醒转次数增多（7．55次）、睡眠效率低（58．06％）、快眼动（REM）睡眠潜伏期缩短（62．36min）、REM睡眠时间（32．42min）和REM活动度（67．91单位）减少（P〈0．05～0．01）。结论：阿尔茨海默病患者不但有睡眠量的减少，而且伴有睡眠质的改变，其中REM睡眠潜伏期、REM睡眠时间和REM活动度是评价脑功能恢复的客观指标。     

慢性失眠症临床与多导睡眠图研究

我们对36例慢性失眠症进行了临床调查,心理分析和多导睡眠图检查,对其中31例患者进行了MMPI测定,24例患者进行了EPQ测定。经分析我们认为:1.本组失眠症可分为三类:(1)持续性精神生理性失眠;(2)主观性失眠;(3)伴有情绪障碍的失眠。2.慢性失眠者多表现为悲观、抑郁、易怒、情绪不稳定。     

基于BP网络的睡眠分阶方法及睡眠质量评估研究

我们利用不同睡眠期脑电复杂性特征与睡眠深度的关系及多道睡眠图功率谱特征,基于3层BP网络进行了睡眠自动分阶的研究,并提出了能部分反映睡眠质量的睡眠时间、浅睡时间、深睡时间、REM时间、觉睡比、醒转次数等参数。通过6例全睡眠监护实验说明,该方法可为睡眠质量的评价提供途径。     

多导睡眠图对卒中后睡眠障碍的评价意义

睡眠障碍是脑卒中（Stroke）后患者常见并发症,它不仅影响病人的躯体康复和心身健康,而且会加重高血压、糖尿病等常见脑卒中危险因素的程度,甚至诱发脑梗死或脑出血的再发。应用多导睡眠图（polysomnogram,PSG）对脑卒中后并发睡眠障碍患者进行夜间睡眠监测,能够更加客观地反应患者睡眠质量,有效地纠正睡眠障碍,促进患者功能恢复。     

多导睡眠图

多导睡眠图（polysomnogram，PSG）是指通过记录全夜睡眠过程中的脑电、肌电、呼吸、血氧等生理信号，经处理分析后得出有关睡眠结构、呼吸事件、血氧饱和度、鼾声、体位和心电图动态变化具体数据，为睡眠呼吸障碍疾患的诊断提供客观依据的一种物理监测技术。     

睡眠图是冠以“多导”好，还是“多项”好

有作者质询本刊：他们的文章中“多导睡眠图”一词往往放改为“多项睡眠图”,并指出一些较为权威的专著和文章用的也是“多导睡眠图”,何故？     

失眠症者睡眠的主观评估和多导睡眠图对比分析

目的：探讨失眠症患者对睡眠评估的心理特征。方法：应用多导睡眠图对５０例失眠症患者进行整夜睡眠描记,次日早晨起床后询问夜间睡眠情况,并与２２名正常人进行对比分析。结果：与对照组比较、失眠症组睡眠潜伏期长,睡眠时间减少,睡眠效率低（Ｐ〈０．０１）;失眠症主观评估的睡眠潜伏期,总睡眠时间和睡眠效率与多导睡眠图结果比较具有显著不一致（Ｐ〈０．０５￣０．０１）。结论：失眠症组不但睡眠质量低于正常人,而且有着     

多导睡眠图在儿童鼾症鉴别诊断中的应用研究

目的探讨多导睡眠图在儿童鼾症中的鉴别诊断价值。方法运用多导睡眠图整夜7～8h监测睡眠打鼾的儿童共48例。结果有21例呼吸暂停/低通气指数(AHI)<1,16例AHI≥1且<5,11例AHI≥5,后两组与AHI<1组比较平均SaO2、最低SaO2、最长脱饱和时间及SaO2<95%的时间均有统计学意义(P<0.01),而鼾声指数及总打鼾次数的比较无统计学意义(P>0.05)。结论多导睡眠图是区分儿童鼾症中睡眠呼吸暂停综合征与良性鼾症的良好方法,AHI≥1的标准适合儿童睡眠呼吸暂停综合征的诊断。     

应用多导睡眠图评价针灸治疗失眠症的效果

目的:观察通过针灸治疗对失眠症患者的多导睡眠图影响。方法:采用8通道多导睡眠图进行规范检测,比较50例失眠患者针灸治疗前后多导睡眠图的差异。结果:经针灸治疗后,失眠患者总睡眠时间增加,睡眠结构中深睡眠所占比例增加,觉醒次数减少,患者自我感觉睡眠质量提高。结论:针灸治疗能改善睡眠,多导睡眠图能一定程度的地评价睡眠质量。     

成年阻塞性睡眠呼吸暂停患者多导睡眠图及临床特征分析性差异

目的:分析成年男性阻塞性睡眠呼吸暂停(OSA)患者多导睡眠图及临床特征,明确年龄对OSA严重程度的影响。方法:回顾性研究包括836名成年男性OSA患者,按年龄分为三组:青年组312人(平均年龄37.07岁),中年组359人(平均年龄52.14岁),老年组165人(平均年龄69.43岁)。分析其多导睡眠图和临床特征,并进行相关性分析。结果:中年组和老年组呼吸暂停低通气指数(AHI)、阻塞性呼吸暂停指数(OAI)、AHI-NREM和AHI-REM均无显著统计学意义(P>0.05),但均低于青年组(P<0.01);中年组和老年组的最低血氧饱和度(SaO2)均高于青年组;中枢性呼吸暂停指数(CAI)随年龄增长而升高(P<0.05)。在睡眠结构方面,老年组总睡眠时间、非快速眼动(NREM)睡眠时间和快速眼动期(REM)睡眠时间均缩短,睡眠效率亦低于青年组(P<0.01),但睡眠潜伏期和入睡后觉醒时间(WASO)明显延长(P<0.01)。年龄与以下各项均呈现显著的相关性:AHI(P<0.01),OAI(P<0.01),CAI(P<0.01),最低SaO2(P<0.01)。多重回归分析表明年龄作为独立变量分别与AHI,OAI,CAI具有相关性。结论:在成年OSA患者中,年龄与OSA严重程度具有显著的相关性,表现为OSA随年龄增长而降低。本研究为研究年龄与OSA严重程度的关系提供了新的证据。     

不同睡眠期脑电图复杂性研究

ＥＥＧ代表了大脑神经元活动的一种电信号，它一直是研究人在不同睡眠阶段大脑活动的重要工具。本文在国际睡眠分期标准的基础上，利用Ｌｅｍｐｅｌ－Ｚｉｖ所定义的随机序列的“复杂性”对不同睡眠期的ＥＥＧ时间序列了分析和研究。结果显示，随被试睡眠深度的增加，各道ＥＥＧ的复杂度减少。而在ＲＥＭ期，ＥＥＧ的复杂度又回升到接近清醒、闭眼休息时的程度。这个规律不受是位置的影响。对结果的分析可以看到，复杂度能成为反映民     

时窗复杂度序列在睡眠脑电分期中的应用

运用时窗复杂度序列来分析睡眠脑电，减少了非平稳性及状态空间的不均匀性造成的脑状态信息的丢失，在一定程度上克服了复杂度自身的局限，有助于不同睡眠期状态特征的提取。另外采用独立分量分析（ICA），小波变换等方法对脑电进行预处理，实验表明它们能有效地去除脑电中的一些生理干扰，有利于提高复杂度算法在睡眠分期应用中的精确度。     

基于特征编码和卷积神经网络的注意力状态检测

列车运行安全与列车驾驶员的注意力状态密切相关,为了快速准确检测驾驶员的注意力状态,提出一种基于特征编码和卷积神经网络(FECNN)的注意力状态检测方法。对从Kaggle数据集上下载的5名参与者的脑电图数据,用快速独立成分分析(FastICA)和小波滤波方法进行去噪,从中提取微分熵(DE)特征,并进行最大最小归一化;然后将DE特征编码成对应的矩阵,转化为对应的彩色图,标上对应的状态类别。将数据预处理后的彩色图作为卷积神经网络的输入,通过对模型参数的不断优化,得到分类精度较好的注意力状态检测模型。对提取DE特征和没有提取DE特征的10个样本进行实验,平均检测精度分别为95.10%±2.88%和93.12%±3.38%,高于传统的DNN模型和LeNet-5模型,并且模型更具有稳定性。所提出的FECNN模型,可为注意力状态检测提供一种新的思路,在驾驶员疲劳检测系统的开发方面具有一定的应用价值。     

基于关联维数的神经元动作电位特征提取与分类研究

神经元动作电位模式分类是动作电位序列分析和解码的基础.由于神经元动作电位信号波形隐藏着动作电位的特征信息,而关联维数是度量波形不规则程度的一种手段,因此基于神经元动作电位信号的波形差异,提出一种基于关联维数对神经元动作电位进行特征提取的新方法.首先,对采集到的神经元动作电位信号进行相空间重构;然后,在重构的相空间中,以关联维数作为对非同源动作电位信号的特征进行描述;最终,结合K均值算法,对神经元动作电位实现无监督模式分类.仿真和真实数据实验结果表明:该方法分类的准确率较高,且稳定性较好,仿真数据分类错分率基本稳定在4.9％以内,真实数据的分类能较大程度地贴近人工分类的结果,因此用来代替人工分类具有一定的可行性.     

脑电信号的小波特征提取及半监督识别方法的研究

特征提取和特征分类是脑机接口中模式识别过程中两个关键的环节。首先,针对脑电信号的非平稳特性,提出基于小波变换系数、系数均值及小波熵相结合的特征提取方法,该方法在特征中加入了脑电信号的能量信息。实验证明,通过该方法获取的P300信号特征量能够更好地表达脑电信号中的瞬变成分,进一步提高了识别率;其次,在模式识别方面,改进了基于自训练半监督的支持向量机算法和基于自训练半监督的K均值聚类算法。在BCI2003竞赛数据集上的实验表明,相比于传统的BP神经网络,两种改进的分类算法在获得了更高的识别率的同时,能够将特征量维数降低一个数量级,明显提高了训练收敛速度,有效增加了基于脑电信号的实时BCI系统的可实现性。     

脑机接口中鉴别公共矢量特征提取方法研究

鉴别公共矢量(DCV)是一种针对人脸识别中小样本采样问题而提出的有效监督方法。在脑机接口(BCI)中采集的脑电信号,其样本数是远远小于样本空间维数的,也就是通常所谓的小样本采样问题。直接在数据上采用Fisher线性判别分析(LDA)特征提取则会由于类内离散矩阵的奇异性导致计算上的误差。本文采用DCV方法,借鉴了公共矢量的理论,用全部数据的类内离散矩阵获取公共矢量,然后对公共矢量应用特征值分解求取投影向量;用核鉴别公共矢量(KDCV)方法针对不同核函数做了分析比较。实验中,采用BCI竞赛一数据集、竞赛二数据集IV以及一组真实数据分别做了测试,结果分别达到93%、77%和97%。实验表明,该特征提取方法能很好地将想象数据分类。     

Depressant effect of androgens on the cat brain electrical activity and its antagonism by ruthenium red

Electroencephalographic synchronization and a fall in the multiunit activity was observed in the mesencephalic reticular formation, ventromedial hypothalamus and dorsal hippocampus following intravenous administration of some 5α and 5β-reduced testosterone derivatives. The most potent compounds were androsterone and androstanediol which have the 3α-hydroxy-5α ring A configuration. Steroids with 5β reduction, i.e. 5β-dihydrotestosterone, etiocholanolone and epi-etiocholanolone, at high doses produced the inhibitory effect. Testosterone and its closer 5α metabolites (5α-dihydrotestosterone and 5α-androstanedione) were ineffective. The depressive effect of androsterone on neurones was antagonized by the intraventricular injection of ruthenium red. On the other hand, the convulsant effect of ruthenium red was prevented or diminished by the action of androsterone.These findings support the hypothesis that testosterone metabolites reduced either at 5α or 5β position can act in the brain at a membrane level and raise the possibility that testosterone may be a prehormone in the regulation of excitability in some brain functions.     

心电信号多周期融合特征提取和分类研究

多数现存的心电信号（ECG）分割方法是针对一个心电周期内重要的特征波段而言的，这样的分割方法不能全面反映疾病的综合特征和全貌，特征提取和分类因此受到了影响。为此，提出基于多心电周期融合特征提取研究。文中用不同的ECG分割方法和样本定义得到5个以ARMA系数为特征的向量集，对MIT-BIH数据库中的正常窦性心律（NSR）和心室早期收缩（PVC）分别进行基于Fisher准则和二次判别函数的分类测试。结果表明，基于多心电周期的特征提取能明显地改进分类效果。     

Dual-pass Feature Extraction on Human Vessel Images

We present a novel algorithm for the extraction of cavity features on images of human vessels. Fat deposits in the inner wall of such structure introduce artifacts, and regions in the images captured invalidating the usual assumption of an elliptical model which makes the process of extracting the central passage effectively more difficult. Our approach was designed to cope with these challenges and extract the required image features in a fully automated, accurate, and efficient way using two stages: the first allows to determine a bounding segmentation mask to prevent major leakages from pixels of the cavity area by using a circular region fill that operates as a paint brush followed by Principal Component Analysis with auto correction; the second allows to extract a precise cavity enclosure using a micro-dilation filter and an edge-walking scheme. The accuracy of the algorithm has been tested using 30 computed tomography angiography scans of the lower part of the body containing different degrees of inner wall distortion. The results were compared to manual annotations from a specialist resulting in sensitivity around 98 %, false positive rate around 8 %, and positive predictive value around 93 %. The average execution time was 24 and 18 ms on two types of commodity hardware over sections of 15 cm of length (approx. 1 ms per contour) which makes it more than suitable for use in interactive software applications. Reproducibility tests were also carried out with synthetic images showing no variation for the computed diameters against the theoretical measure.