对比研究脑电小波指数和脑电双频指数监测丙泊酚镇静深度的准确性

目的研究丙泊酚镇静时脑电双频指数(BIS)与脑电小波指数(WLI)之间的相关性、一致性;以及BIS、WLI对意识消失预测概率的比较。方法 20例择期行无痛人工流产手术的病人,连续监测BIS、WLI。由微量泵靶控输注丙泊酚,用双盲法记录OAA/S评分分别为5、4、3、2(LOC)、1时以及术后患者意识恢复(ROC)等时间点的BIS、WLI的值。结果 BIS、WLI均值在意识恢复阶段均明显高于意识消失阶段。BIS、WLI与OAA/S评分的相关系数分别为:0.921、0.947,BIS与WLI的相关系数是0.942。BIS、WLI对意识消失的Pk值分别为:0.94、0.95,两个指标的Pk值比较无统计学意义。结论 BIS与WLI之间具有良好的相关性和一致性,同时它们与OAA/S评分之间也存在良好的相关性,均可反映丙泊酚镇静时患者意识消失-恢复的变化,同样可以作为监测丙泊酚镇静深度的重要指标。

图像的小波指数降噪法及其应用

在图像降噪处理中,采用小波阈值降噪法会产生马赛克现象,造成降噪后图像失真。为此,提出了小波指数降噪法,即利用指数降噪因子除小波系数。降噪因子大于1,且随小波系数绝对值的增大而减小。实验表明,该算法在保持较高信噪比的条件下,减轻了马赛克现象。

小波指数用于麻醉深度监测的研究

目的研究在靶控联合输注丙泊酚和雷米芬太尼时小波指数(wavelet index,WLI)监测麻醉深度的可行性。方法选择30例行腹腔镜胆囊切除或妇科腹腔镜手术的全麻患者。全麻诱导采用血浆浓度靶控输注丙泊酚,从1.5μg/ml开始,达到浓度后1min增加0.5μg/ml,最终达到4.0μg/ml,于切皮前5min开始靶控输注雷米芬太尼4.0ng/ml,至开始缝皮时停止靶控输注丙泊酚和雷米芬太尼。患者麻醉全程同时监测WLI和BIS值。结果随着诱导过程中靶控丙泊酚血浆浓度的增加,WLI和BIS值均呈下降趋势(P<0.05),丙泊酚血浆靶浓度为0、1.5、4.0μg/ml时,WLI较BIS值明显升高(P<0.01)。缝皮停药后WLI和BIS值均呈上升趋势(P<0.05),与BIS值比较,停药后1～6minWLI明显升高(P<0.01)。意识消失时WLI(57.8±6.7)和BIS值(57.7±5.7)差异无统计学意义。意识恢复时WLI(82.4±5.9)明显高于BIS值(76.3±5.5)(P<0.01)。经Bland-Altman一致性分析,WLI和BIS在诱导和苏醒期间一致性在可接受范围内(偏差为-4.2,2SD为11.7%和-24.7%)。结论在靶控输注丙泊酚和雷米芬太尼进行全麻时,WLI具有和BIS相似的麻醉深度监测作用。

小波指数用于腰-硬联合麻醉下右美托咪定镇静深度监测的有效性

目的评价小波指数(Wavelet index,WLi)监测腰-硬联合麻醉下右美托咪定镇静深度的有效性。方法选取择期在腰-硬联合麻醉下行下肢骨科手术的患者60例,男42例,女18例,年龄18～60岁,ASAⅠ或Ⅱ级。术中使用BIS和WLi监测右美托咪定的镇静深度。选择L_(2-3)或L_(3-4)行腰-硬联合麻醉,将麻醉平面固定在T_(10)—S_5。平面固定后开始静脉输注右美托咪定,先给予负荷剂量0.75μg/kg,10min恒速输注完,之后给予维持剂量0.5μg·kg^(-1)·h^(-1),直至手术结束前约15min停药。记录麻醉平面固定后输注右美托咪定前BIS、WLi、警觉/镇静评分(OAA/S评分)作为基础值。从输注右美托咪定开始直至输注结束,每5分钟记录一次BIS、WLi值,每次记录完成后即刻评估OAA/S评分。结果BIS、WLi均与OAA/S评分呈正相关,且具有较好的相关性。BIS与OAA/S评分的相关系数是0.871,WLi与OAA/S评分的相关系数是0.839。WLi与BIS的相关系数为0.783(P<0.05)。BIS、WLi对OAA/S评分的预测概率Pk值分别为0.874和0.857,均大于0.5(P <0.05)。OAA/S评分≤2分时,BIS的最佳截断值为56.5,敏感度是97.8%,特异度是89.2%。WLi的最佳截断值为55.8,敏感度是95.6%,特异度是85%。结论WLi能准确地监测腰硬联合麻醉下右美托咪定的镇静深度,其准确性和BIS相当。

全麻诱导期脑电双频指数与小波指数监测麻醉深度的对比观察

目的对比观察脑电双频谱指数(bispectral index,BIS)和小波指数(wavelet index,WLI)在全身麻醉诱导期的数值变化,评价WLI在监测麻醉深度的数值变化特点。方法 ASAⅠ或Ⅱ级患者32例,同时监测BIS和WLI。将基础值设在丙泊酚静注前即刻(0 min)。诱导开始按丙泊酚2 mg/kg持续静脉推注30 s,4 min时依次静注芬太尼3μg/kg、丙泊酚1 mg/kg和维库溴铵0.1 mg/kg,8 min时行气管插管,直到10 min观察结束。记录0,0.5,1,1.5 min和2-10 min(间隔1 min)各时间点的HR、SBP、DBP、SpO2、BIS和WLI。结果各时间点HR、SBP、DBP和SpO2差异无统计学意义(P>0.05)。BIS、WLI分别从1 min、1.5 min开始比基础值降低(P<0.05)。BIS在3 min时首先记录到低值(48.4±8.3),WLI在4 min时记录到低值(55.8±10.5)。BIS在9,10 min(气管插管后1、2 min)比7 min(气管插管前1 min)增高(P<0.05)。WLI值高于BIS值,且在1,1.5,2,3,4,7,8 min时比较有显著差异(P<0.01)。经Bland-Altman一致性分析,BIS与WLI一致性在可接受范围(偏差为-9.2,2SD为3.5%和-21.0%)。结论 WLI和BIS具有相似的麻醉深度监测作用。在相同麻醉诱导条件下,BIS数值下降快于WLI,而WLI反映麻醉深度的数值高于BIS。

基于脑电小波指数的人工智能给药系统的临床应用

目的评估基于脑电小波指数的人工智能给药系统在临床中应用的可行性和安全性。方法入选择期行腹腔镜结直肠癌根治术患者52例,以随机数字表法分为人工智能给药组(IT组)和手动调节组(CT组)。IT组在麻醉诱导和维持阶段均由人工智能给药系统基于脑电小波指数自动调节瑞芬太尼和丙泊酚输注速率。CT组在麻醉诱导和维持阶段均采用恒速泵来手动调节瑞芬太尼和丙泊酚输注速率。2组均设定目标镇静指数(WLi)、镇痛指数(PTi)为40~60。记录患者术中瑞芬太尼和丙泊酚用药剂量、干预调节的次数;记录患者诱导前(T_(0))、诱导后(T_(1))、手术开始即刻(T_(2))、手术开始后1 h(T_(3))、手术结束时(T_(4))的心率(HR)、平均动脉压(MAP)、血压差(ΔP);记录术中给予血管活性药物的剂量、麻醉结束后拔管时间、术后麻醉恢复室(PACU)停留时间、不同血压水平持续时间占总手术时长的百分比、术中不良事件和术后7 d内的并发症。结果与CT组相比,IT组术中丙泊酚的用量及干预调节次数明显降低(P<0.05);IT组术中低血压总占比及血管活性药物使用剂量明显低于CT组(P<0.05);2组术中不良事件发生率及术后7 d内并发症发生率差异无统计学意义(P>0.05)。结论基于脑电小波指数的人工智能给药系统可以减少术中丙泊酚的用量,降低术中低血压的发生率,减轻麻醉医师的工作负担,且不增加并发症的发生率,可安全用于腹腔镜结直肠癌根治术的患者。

LS-SVM与小波指数阈值结合的振动信号降噪

为了能够更好的保持液压泵轴承振动信号的峰形,解决软阈值函数存在的恒定偏差和硬阈值函数存在间断点的问题,引进了一种最小二乘支持向量机(LS-SVM)与小波指数阈值结合的振动信号降噪方法。首先对液压泵的机械轴承振动信号进行小波阈值分解,进而采用LS-SVM方法将小波系数分为与噪声相关的及与噪声无关的小波系数,采用小波指数阈值函数将与噪声相关的小波系数滤除,将处理后的信号重组,提取微弱的振动信号特征。不仅实现了振动信号的降噪,也利于轴承的故障诊断。

小波指数用于全身麻醉患者术中麻醉深度监测的可行性

目的评价小波指数（WLI）在全身麻醉（全麻）术中的应用价值。方法选择2009年3至10月在宣武医院行全麻择期手术患者53例，入室后连接脑电双频谱指数（BIS）、WLI和肌松监测仪，记录入室10min（T1）、诱导开始即刻（T2）、给予丙泊酚后OAA／S评分分别为5（T3）、4（T4）、3（T5）、2（T6）、1（T7）时、给予维库溴胺后四个成串刺激（TOF）值分别为100（T8）、75（T9）、50（T10）、25（T11）、0（T12）时、插管即刻（T13）、插管后1min（T14）、3min（T15）、5min（T16）、手术开始前（T17）、手术开始时（T18）、手术开始后1min（T19）、3min（T20）、5min（T21）、缝皮时（T22）、术毕（T23）、拔管时（T24）、 拔管后1min（T25）、5min（T26）、出室前（T27）的BIS、WLI和TOF值。结果麻醉诱导期与恢复期（T10～T13，T22～T27）WLI高于BIS（P〈0．05）。经Bland—Altman一致性分析，WLI和BIS在进行麻醉深度监测时一致性在可接受范围内（偏差为-2．99，2SD为21．56％和-29．97％）。OAAVS评分与BIS和WLI相关系数分别为rBIS=0．884，rWLI=0．757（P=0．000）。结论WLI用于全麻患者术中麻醉深度的监测具有可行性。

小波算法脑电监测下的麻醉管理对老年患者全麻术后恢复质量的影响

目的:探讨小波算法脑电监测下的麻醉管理对老年患者术后恢复质量的影响。方法:选择2022年1月至4月在南京医科大学附属常州市第二人民医院行择期手术的60例患者,年龄60~83岁,美国麻醉医师协会(ASA)分级Ⅰ或Ⅱ级。随机数字表法将患者分为常规麻醉组(C组)和小波指数(WLI)监测组(W组)。两组患者均采用丙泊酚、舒芬太尼、罗库溴铵静脉快速诱导,术中泵注丙泊酚、瑞芬太尼及吸入七氟烷静吸复合式麻醉维持,间断追加顺式阿曲库铵。C组麻醉医师根据生命体征调整麻醉药物进行术中麻醉管理,并且WLI呈隐蔽状态。W组麻醉医师通过调整静脉麻醉药物的泵注速度或吸入麻醉药物的浓度将WLI维持在35~70之间。记录患者术中收缩压(SBP)、舒张压(DBP)、平均动脉压(MAP)、心率(HR)、血管活性药物用量,术后恢复室(PACU)内拔管时间、VAS评分、改良的Aldrete评分、PACU停留时间,术后24 h内有无恶心呕吐(PONV)。Brice问卷调查评估患者是否存在术中知晓,CAM量表评估患者是否存在术后谵妄(POD),MMSE量表评估患者是否存在术后认知功能障碍(POCD)。结果:两组患者性别、年龄、身高、体质量、体质量指数(BMI)、术前收缩压、舒张压、心率、MMSE评分、ASA分级、受教育程度、手术类型、手术时间、麻醉时间差异均无统计学意义(均P>0.05)。W组患者SBP<90 mmHg、SBP>160 mmHg、MAP≥100 mmHg的发生概率明显低于C组(均P<0.05),两组患者DBP<50 mmHg、MAP<65 mmHg、HR<45次·min^(-1)发生概率的差异均无统计学意义(均P>0.05);W组患者术中麻黄碱用量明显少于C组,差异有统计学意义(P<0.05),两组患者间羟胺及阿托品的术中用量差异无统计学意义(均P>0.05);W组术后在PACU 30 min时改良的Aldrete评分明显高于C组(P<0.05),但两组患者在出室时改良Aldrete评分差异无统计学意义(P>0.05);两组拔管时间、PACU停留时间、VAS评分差异均无统计学意义(均P>0.05);W组术后住院期间POD的发生率为3.6%,明显低于C组的23.1%(P<0.05),W组术后住院时间明显少于C组(P<0.05),两组患者术后24 h PONV及术后住院POCD发生率的差异均无统计学意义(均P>0.05)。结论:小波算法脑电监测下的麻醉管理或可提高老年患者全身麻醉术后的恢复质量。

基于指数小波分形特征的SAR图像特定目标检测

提出一种SAR图像特定尺寸、方向目标检测方法.根据指数小波对SAR目标边缘的选择性强化特性,对SAR图像进行方向指数小波滤波.基于滤波后的目标特性,定义指数小波分形特征(EWF).该特征依据SAR成像过程中目标尺寸、方向等先验性信息,实现对SAR图像特定目标检测.指数小波分形特征与传统的目标检测特征不同,它对目标尺寸、方向、背景对比度同时具有敏感性.基于MSTAR数据库的检测实验结果说明了EWF特征对尺寸、方向性SAR目标检测的有效性.

基于指数小波阈值与PSO-DP-LSSVM的发动机轴承故障诊断

针对小波软、硬阈值函数存在恒定偏差和不连续性的缺点,以及最小二乘支持向量机核函数参数选择困难等问题,提出了一种基于指数小波阈值与PSO-DP-LSSVM的发动机轴承故障诊断方法。利用指数小波阈值函数对原信号进行分解并重组,提取降噪后各个分量的能量特征;采用自适应的DP算法丰富PSO算法的解空间,并采用动态的参数控制,使其更容易获得最优解;将能量特征输入参数已定的LSSVM中,对信息进行训练和预测。结果表明:该方法能快速有效地对故障轴承信号进行自适应的故障诊断及分类。

小波变换在身份证图像降噪中的应用研究

针对非理想身份证图像中存在的斑点噪声,利用小波变换降噪的特点,将身份证图像进行小波分解,然后分别采用硬阈值、软阈值和小波指数函数三种方法进行降噪处理。结果表明小波指数方法是较优降噪方法,可以有效地降低原图像的斑点噪声并保留图像细节。

基于小波多分辨分析技术的纸页匀度表征

将小波多分辨分析技术与纸页匀度表征进行结合提出一种新的纸页匀度指数———小波匀度指数 (WIn)。实验表明 ,WIn 对纸页定量图像中的絮团形状、絮团大小及絮团分布是非常敏感的 。

冠心病心电信号ST段的波形形态分类

ECG波形形态改变是心脏病诊断的重要依据。一个非正常的ST段改变对心肌缺血诊断来说尤其重要。因此ECG的长时段记录是必要的,而ST段形态的改变是短暂的。心脏病专家从大量的数据中找出短暂的ST段改变,工作量巨大而困难。根据波形的特征提出多项式拟合和波形模板匹配分类算法。算法包括三个部分ST特征点检测、ST段波形改变的Lipschitz指数判断、ST段分类。算法通过ECG信号欧洲ST段数据库进行验证,从分析结果中可以知道ST段波形改变的时间和改变的类型。

基于静态小波变换的雷达信号特征点检测方法

提出了一种基于静态小波变换的特征点检测方法,该方法能够精确定位特征点的位置,并且对输入信号的平移不敏感。利用静态小波变换系数的梯度和幅值构造一个准则函数,初步确定候选特征点出现的位置,再根据小波模极大值随尺度变化的李氏指数规律确认特征点。仿真试验证明,该算法能够在多种噪声干扰下有效检测出特征点。

广西地形分布与前汛期降水时空变化关系

采用广西88个测站1959-2006年4-6月月平均降水资料,运用小波分析、EOF、REOF、新型区域旱涝指数等方法,研究了广西前汛期不同区域降水的长期变化特征。结果表明:(1)广西前汛期降水异常可分为8个地形空间分布型:桂东南、桂东北、桂东、桂西、桂西南、桂西北、桂南及桂中;(2)各异常区代表站降水的时间演变特征、不同年代盛行的主要周期均有所差异,但大部分区都存在2～4 a的短周期和12～14 a的长周期变化;(3)上世纪60年代全区性大涝大旱,70年代除桂西、桂西北外的其它地区平均气候态均以湿润状态为主,而80年代除桂西南、桂南外其它区以干旱状态为主要特征,进入90年代后出现局地敏感气候区。

右美托咪定与丙泊酚复合舒芬太尼用于宫腔镜诊刮术麻醉的临床效果比较

目的比较右美托咪定与丙泊酚复合舒芬太尼用于宫腔镜诊刮术麻醉的临床效果及安全性。方法选取2019年6—12月北京市平谷区医院妇科进行宫腔镜诊刮术的84例患者,采用随机数字表法分为右美托咪定复合舒太尼组(D组)和丙泊酚复合舒芬太尼组(P组),每组42例。D组术前10 min静脉泵入右美托咪定负荷量1μg/kg,后以0.2~0.6μg/(kg·h)维持;P组术前2 min静脉缓慢推注丙泊酚负荷量1.5 mg/kg,后以4~6 mg/(kg·h)维持。所有患者于术前5 min静注推注舒芬太尼0.15μg/kg,分别于麻醉前(T_(0))、扩宫颈时(T_(1))、刮宫时(T_(2))、术毕时(T_(3))和意识恢复时(T_(4))5个时点记录患者小波指数(wavelet index,WLi)、镇痛指数(pain threshold index,PTi)、平均动脉压(mean arterial pressure,MAP)、HR和SpO_(2);记录术中及术后不良反应、术后意识恢复时间及术后宫缩痛等情况。结果与P组比较,D组在T_(1)~T_(4)时点的WLi、PTi、MAP和SpO_(2)显著升高,HR显著下降,差异均有统计学意义(P<0.05);D组术中注射痛、呼吸抑制发生率明显低于P组(0.0%比64.3%,0.0%比16.7%),体动发生率明显高于P组(19.0%比2.4%),追加丙泊酚的比例明显高于P组(19.0%比2.4%),提下颌或面罩加压给氧的比例明显低于P组(0.0%比16.7%),差异均有统计学意义(P<0.05);两组恶心呕吐发生率和术后宫缩痛评分比较,差异无统计学意义(P>0.05)。D组意识恢复时间明显短于P组[2.0(1.0,3.0)s比84.5(32.8,122.5)s],差异有统计学意义(P<0.05)。结论右美托咪定复合舒芬太尼用于宫腔镜诊刮术麻醉具有循环稳定,无注射痛、无呼吸抑制及意识恢复快等优点,但体动情况多见,需要进一步研究。

利用改进分形特征对SAR图像目标检测方法的研究

改进分形特征是用指数小波在一个尺度上对检测图像滤波,针对特定大小目标用能量关系函数求得各像素点的分形特征。该文研究了利用改进分形特征对SAR图像进行目标检测的方法,分别使用改进特征与扩展分形特征对单一背景和复杂背景条件下的SAR图像进行目标检测,结果表明:改进分形特征能够在这两种背景条件下以更低虚警率检测出全部特定大小的目标,目标空间可分辨性好、位置指示准确;但在复杂背景条件下的检测虚警率比单一背景下的检测虚警率有所上升。

利用方向性粗糙度特征对SAR图像目标检测的研究

从反映纹理信息的粗糙度特征出发,深入研究利用方向性粗糙度特征对SAR图像进行目标检测的方法。方向性粗糙度特征是用指数小波在一个尺度上对检测图像滤波,对特定大小目标用能量关系函数求得各像素点在一个方向上的分形特征。针对MSTAR数据和ADTS数据的SAR图像,确定了用该方法检测目标时的最优参数。分别用方向性粗糙度特征和恒虚警率(CFAR)方法对上述两种不同波段的SAR图像进行目标检测,检测结果表明:方向性粗糙度特征能以更低虚警率检测出全部特定大小的目标,而且目标空间可分辨性好、位置指示准确。

基于水平集的SAR图像建筑物区域检测

根据合成孔径雷达(SAR)图像建筑物成像的特点,采用基于水平集的分割方法对SAR图像建筑物区域进行检测。结合基于指数小波提取的SAR图像梯度边缘信息,以及基于变差函数提取的SAR纹理特征,建立能量函数模型,进行曲线演化分割从而提取目标。实验结果表明,与基于灰度信息的模型相比,该模型可以准确、快速地检测出大场景SAR图像中的建筑物区域。