在sevoflurane全身麻醉期间EEG频率特征的变化:通过变化模式分解特征提取

科学领域:

• 神经科学是一个神经科学.
• 信号处理 信号处理
• 医疗信息学 医疗信息学

背景情况:

• 全身麻醉涉及大脑活动的复杂变化,通常使用电脑电图 (EEG) 进行监测.
• 变化模式分解 (VMD) 是一种信号处理技术,用于从时间序列数据中提取内在模式函数 (IMF).
• 在麻醉期间分析EEG可以提供关于麻醉状态的深度和出现的见解.

研究的目的:

• 应用变量模式分解 (VMD) 分析脑电图 (EEG) 信号在全身麻醉恢复期间.
• 开发和使用一个应用程序,EEG模式分解器,用于将EEG分解为IMF并可视化希尔伯特光谱图.
• 为了识别和描述特定IMF的变化,对应于从全身麻醉中出现的情况.

主要方法:

• 来自10名成人患者的EEG数据被记录下来,这些患者使用双光谱指数监视器接受了sevoflurane麻醉.
• 使用EEG模式分解器应用程序通过VMD将EEG信号分解为内在模式函数 (IMF).
• 在30分钟的复苏期内,分析了IMF的中心频率,与双谱指数变化相关联.

主要成果:

• 在康复期间,双光谱指数从47.1增加到97.4显著增加.
• 国际货币基金组织-1的中心频率从0.4赫兹显著下降到0.2赫兹.
• 观察到IMF-2到IMF-6的中心频率显著增加,这表明在麻醉后出现EEG组件的动态变化.

结论:

• 在全身麻醉期间,VMD是分析EEG信号的宝贵工具,可以提取特征频率变化.
• 确定的IMF变化为监测麻醉后出现的情况提供了可视化的标记.
• 这种方法为了解麻醉剂的神经生理效应提供了一种新的方法.