基于稀疏偏最小二乘的麻醉意识状态功能连接研究

麻醉意识状态监测是神经科学基础研究及临床应用中的重要问题,受到广泛关注。本研究为寻找临床麻醉意识状态监测指标,共采集14位全麻手术患者在三种意识状态(清醒、中度麻醉、深度麻醉)下各5 min静息态脑电数据,对比采用稀疏偏最小二乘(SPLS)和传统的同步似然(SL)方法计算脑功能连接,通过连接特征来区分麻醉前后三种意识状态。通过全脑网络分析,本文SPLS方法与传统SL方法得到的不同意识状态下的网络参数变化趋势一致,并且采用SPLS方法所得结果的差异具有统计学意义(P0.05)。对SPLS方法得到的连接特征运用支持向量机进行分类,分类准确率为87.93%,较使用SL方法得到的连接特征分类准确率高出7.69%。本文研究结果显示,基于SPLS方法进行功能连接分析在区分三种意识状态方面有更好的性能,或可为临床麻醉监测提供一种新思路。