脑电生物反馈联合酒石酸唑吡坦片治疗急性缺血性卒中后睡眠障碍临床观察

目的:观察脑电生物反馈联合酒石酸唑吡坦片治疗急性缺血性卒中后睡眠障碍的临床疗效。方法:选取2022年2月1日至2023年8月31日福建省老年医院神经内科收治的急性缺血性卒中后睡眠障碍患者77例作为研究对象进行回顾性调查。根据治疗方案分为对照组(n=42)和观察组(n=35),对照组采用酒石酸唑吡坦片口服治疗,观察组采用脑电生物反馈联合酒石酸唑吡坦片治疗。2组均治疗2周,比较2组干预前后匹兹堡睡眠质量指数(PSQI)评分及睡眠时间、觉醒次数及觉醒时间,并评定临床疗效。结果:治疗后2组PSQI评分、睡眠时间、觉醒次数及觉醒时间均较本组治疗前改善(P<0.05),且观察组治疗后改善优于对照组(P<0.05);观察组总有效率高于对照组(P<0.05)。结论:脑电生物反馈联合酒石酸唑吡坦片显著改善急性缺血性卒中后睡眠质量,疗效肯定。

利培酮联合脑电生物反馈对精神分裂症患者认知功能、日常行为能力及睡眠脑电活动的影响观察

目的:观察利培酮联合脑电生物反馈治疗精神分裂症的临床疗效,以及对患者认知功能、日常行为能力及睡眠脑电活动的影响。方法:选择本院收治的80例精神分裂症患者为研究对象,按治疗方式不同分为对照组和研究组,每组各40例。对照组予以利培酮治疗,研究组予以利培酮联合脑电生物反馈法治疗。记录两组患者治疗前、治疗6周后临床症状评定[简明精神病量表(BPRS)]、日常行为能力和社会能力[日常生活能力量表(ADL)、社会功能评定量表(SSPI)]、认知功能[简单视觉空间记忆测验(BVMT-R)]及睡眠脑电活动[多导睡眠监测(PSG)]。结果:治疗6周后,两组患者BPRS、ADL、睡眠N1期水平均低于治疗前,且研究组低于对照组(P<0.05);两组患者SSPI、BVMT-R、TST、SE、睡眠N3期水平高于治疗前,除BVMT-R(2)、SE外,研究组均高于对照组(P<0.05)。结论:利培酮联合脑电生物反馈治疗可以帮助精神分裂症患者改善症状,调节患者睡眠质量,有一定临床推广应用价值。

基于脑电多视图混合神经网络的时空半监督睡眠分期

睡眠分期是评价睡眠质量的必要基础,现阶段的工作大部分采用全监督学习和单一维度视图信息进行,这不仅需要技师进行大量的睡眠数据标注,还可能因特征提取不充分而导致分期准确率受限的问题.利用半监督学习策略,实现对脑电无标注数据的学习.提出一种多视图混合神经网络,首先用多通道视图时频域机制分别提取时域信号特征和空域信号特征,实现多视图特征提取;再通过注意力机制加强对显著性特征的提取;最后将上述混合特征融合并分类.在三个公开数据集和一个私有数据集中与全监督学习进行了对比评估,半监督学习取得平均准确率为81.0%,卡帕值为73.2%.结果表明,本文模型可以与全监督学习的睡眠分期模型相媲美,同时显著减少技师标注数据的工作量.

阻滞性抑郁症的睡眠脑电图特征

目的 探索阻滞性抑郁症的睡眠脑电图特征。方法 对 8例阻滞性抑郁症、10例非阻滞性抑郁症和 10例正常对照者检测睡眠脑电图。结果 阻滞性抑郁症的REM密度 (2 17± 4 2 6 )比非阻滞性抑郁症的 (188± 111)倾向为高 (P >0 0 5 ) ,比正常对照组的 (12 4± 18 5 )显著为高 (P <0 0 5 )。

多导睡眠图特征提取研究

多导睡眠图是睡眠过程监护和睡眠生理研究的重要工具。本文在6例整夜睡眠监护实验的基础上提出了利用脑电复杂性及多导睡眠图功率谱特征的方法客观反映睡眠的进程,为睡眠的自动分阶分析及睡眠质量的评估研究打下了基础。尤其是脑电复杂性测度与睡眠深度的关系研究对于睡眠生理的研究具有理论意义。

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。

睡眠脑电时间序列的非线性样本熵研究

比较了样本熵与近似熵算法的区别,通过对构造的一个由随机信号和确定性信号组成的混合系统进行分析可以看出在公差阈值小于0.2时,样本熵比近似熵更适合于时间序列信号的复杂度分析。然后,对采集的整夜睡眠脑电信号,用样本熵作为睡眠脑电数据的特征值,分析了睡眠过程不同阶段的实验数据。结果表明,不同睡眠时期样本熵有差别,随睡眠深度的加深,样本熵值变小。因此,样本熵可以很好地区分不同睡眠时期并作为睡眠自动分期的一个重要的非线性特征参数。

基于支持向量机的睡眠结构分期研究

为了提高睡眠结构分期的准确度,克服分类时样本不足对分类的影响,使用MIT-BIH数据库整晚睡眠脑电数据作为研究样本,提取了时域、频域和非线性共16个参数作为分类特征,用支持向量机的一对一多类分类方法,采用顺序最小优化算法,以径向基函数作为核函数对样本分类。分类结果与专家的分类标注对比,分类准确率达到92%以上。支持向量机可作为睡眠分期的一种实用算法。

精神焦虑性抑郁症的睡眠脑电图特征

目的探索精神焦虑性抑郁症的睡眠脑电图特征。方法对7例精神焦虑性抑郁症、11例非精神焦虑性抑郁症和10例正常对照者检测睡眠脑电图。结果(1)非精神焦虑组的醒起时间比对照组显著为长[(12.0±8.4)min比(3.1±2.8)min,P<0.05]。(2)非精神焦虑组的快速眼球运动(REM)活动量、强度和密度比对照组显著为高[分别为(107.8±51.0)比(71.8±17.9);(32.5±17.3)%比(19.4±3.7)%;(178.0±64.5)%比(123.8±18.5)%,P<0.05]。(3)精神焦虑组的REM密度比对照组显著为高[(236.6±108.6)%比(123.8±18.5)%,P<0.05],REM活动量和强度则倾向为高[分别为(92.0±30.6)比(71.8±17.9);(27.5±7.8)%比(19.4±3.7)%,P>0.05]。结论(1)非精神焦虑性抑郁症的醒起时间比正常人为长。(2)非焦虑性抑郁症的REM睡眠压力比正常人为高。(3)焦虑性抑郁症的REM睡眠压力倾向比正常人为高。

基于条件概率的短时睡眠状态实时估计

目的根据脑电信号的特征,提出基于条件概率的睡眠状态实时估计方法,为睡眠监测提供反映睡眠状态连续变化的客观评价依据。方法在白天短时睡眠过程中,同步采集了4导与睡眠相关的脑电信号（C3-A2,C4-A1,O1-A2,O2-A1）,对每5秒记录数据进行傅里叶变换,分别计算了8~13 Hz和2~7 Hz的脑电节律能量占空比特征参数。主要方法包含了学习和测试两个阶段：在学习阶段,根据训练数据获得脑电特征参数的概率密度分布;在测试阶段,根据当前特征,得到各睡眠分期的条件概率,并计算获得睡眠状态的估计值。结果分析和测试了12名受试者的短时睡眠数据。通过与睡眠分期的人工判读结果相比较,睡眠状态估计值呈现了睡眠深度的连续变化。觉醒期的显著性差异为2.94,睡眠一期和二期分别为1.78和1.62,分析结果符合实际规律。结论本文所定义的睡眠状态估计值蕴含了睡眠分期的特征,较好地反映了睡眠阶段在持续和过渡期间的连续变化过程,能够为白天短时睡眠状态分析提供实时监测和分析的客观评价依据。

基于单路脑电的睡眠分期判别方法研究

睡眠是一种重要的生理现象,对睡眠进行合理分期,是研究睡眠质量、诊断睡眠疾病的基础。脑电是睡眠过程中最显著和直观的信号,也是研究睡眠的重要且有力的工具。本研究提取了多种脑电相关特征作为识别睡眠脑电信号的指标,并采用多元逐步回归分析法进行特征筛选,通过线性分类及支持向量机(SVM)算法实现了脑电睡眠分期的自动判别。实际测试结果表明,基于单路脑电的睡眠分期判别方法的平均正确率为78.85%,说明该方法较为准确。

基于一维卷积神经网络的儿童睡眠分期

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关,由于儿童睡眠障碍的早期症状不明显,需要进行长期监测,因此急需找到一种适用于儿童睡眠监测,且能够提前预防和诊断此类疾病的方法.多导睡眠图(Polysomnography,PSG)是临床指南推荐的睡眠障碍基本检测方法,通过观察PSG各睡眠期间的变化和规律,对睡眠质量评估和睡眠障碍识别具有基础作用.本文对儿童睡眠分期进行了研究,利用多导睡眠图记录的单通道脑电信号,在Alexnet的基础上,用一维卷积代替二维卷积,提出一种1D-CNN结构,由5个卷积层、3个池化层和3个全连接层组成,并在1D-CNN中添加了批量归一化层(Batch normalization layer),保持卷积核的大小保持不变.针对数据集少的情况,采用了重叠的方法对数据集进行了扩充.实验结果表明,该模型儿童睡眠分期的准确率为84.3%.通过北京市儿童医院的PSG数据获得的归一化混淆矩阵,可以看出,Wake、N2、N3和REM期睡眠的分类性能很好.对于N1期睡眠,存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况,因此以后的工作应重点提升N1期睡眠的准确性.总体而言,对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期,本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期.在未来的工作中,仍需要研究开发更适合于儿童的睡眠分期策略,在更大数据量的基础上进行实验.

浅析社区中医健康管理对防治睡眠障碍的优势

由于各种因素的影响,睡眠障碍的发病率呈逐年上升趋势。社区中医健康管理可帮助患者建立健康的睡眠习惯,减少西药的使用,促进改善患者的睡眠障碍。中医健康管理体现中医“治病必求于本”的防治原则,激发人体的自稳态功能,实现阴阳调和,恢复正常生理功能。本文分析了睡眠障碍的发生机制,探讨了健康管理防治睡眠障碍的特征,论述了社区中医健康管理对防治睡眠障碍的特点:中医养生调摄指导、中西医结合非药物治疗干预、中医药调理,同时简述了难治性睡眠障碍患者的管理。

癫伴慢波睡眠期持续棘慢波患儿的临床特征及预后

目的探讨癫伴慢波睡眠期持续棘慢波(CSWS)患儿的临床表现、EEG特征、治疗反应及预后。方法对16例CSWS患儿的临床及EEG资料进行分析,并随访治疗效果及预后。结果本组16例患儿起病年龄3岁8个月～8岁4个月。16例均有癫发作,患儿均有睡眠中局限运动性发作;清醒期发作形式包括不典型失神发作(8/16例)、局限运动性发作(8/16例)、失张力发作(4/16例)、肌阵挛发作(4/16例)及全面强直-阵挛发作(1/16例)。16例均有神经心理损伤及运动倒退。5例为早产,2例有癫家族史,1例诊断为异型苯丙酮尿症。16例患儿EEG均存在睡眠期电持续状态(ESES)现象。8例患儿MRI存在异常,包括大脑皮质发育异常、脑萎缩各2例,先天性胼胝体发育不良、双侧壳核后部异常信号各1例。抗癫药物(AEDs)可减少部分患儿(4/16例)的发作,但对神经心理损伤及运动倒退无效。16例均静脉应用甲泼尼龙冲击治疗,13例癫发作控制,12例神经心理损伤及运动倒退情况明显好转。复查EEG,多数患儿(14/16例)ESES明显改善。随访所有患儿,其中3例4～6岁患儿仍有临床发作,余均无临床发作。8例ESES有复发,并出现认知及运动倒退,其中6例再次予甲泼尼龙冲击治疗,4例临床及EEG均明显好转。至随访时患儿智力均较健康同龄儿低下。结论 CSWS是一种少见的年龄依赖性的儿童癫,临床均有癫发作、神经心理损伤及运动倒退,EEG存在ESES现象。AEDs可减少临床发作,但对神经心理损伤及运动倒退改善不明显。甲泼尼龙冲击治疗可明显改善神经心理损伤、运动倒退情况及EEG的ESES现象。EEG及癫发作转归良好,但常遗留神经心理损伤及运动倒退。

脑电仿生电刺激对缺血性脑卒中失眠症患者睡眠质量的影响

目的:探讨脑电仿生电刺激对缺血性脑卒中失眠症患者睡眠质量的影响。方法:2018年1月到2019年12月选择在新疆医科大学第六附属医院诊治的缺血性脑卒中失眠症患者120例,根据随机数字表法分为研究组与对照组各60例。对照组给予常规药物治疗,研究组在对照组治疗的基础上给予脑电仿生电刺激治疗,治疗观察4 w,评定患者睡眠质量变化情况。结果:两组治疗后的匹斯堡睡眠质量指数量表(Pittsburgh Sleep Quality Index,PSQI)评分都显著低于治疗前(P<0.05),研究组评分也显著低于对照组(P<0.05)。治疗后研究组的总有效率为98.3%,显著高于对照组的85.0%(P<0.05)。研究组治疗后的左右椎动脉血流速度都显著高于治疗前(P<0.05),也显著高于对照组(P<0.05)。治疗后两组的Berg平衡量表(Berg balance scale,BBS)与巴氏(Barthel)评分显著高于治疗前(P<0.05),研究组评分也显著高于对照组(P<0.05)。结论:脑电仿生电刺激在缺血性脑卒中失眠症患者中的应用能改善睡眠质量,提高恢复平衡与日常生活功能,改善脑血流速度,从而提高治疗效果。

持续气道正压治疗对阻塞性睡眠呼吸暂停综合征脑电频谱的影响

目的 通过对有效持续气道正压 (CPAP)治疗前和治疗中阻塞性睡眠呼吸暂停综合征(OSAS)患者的睡眠脑电功率谱进行分析 ,了解CPAP治疗对大脑电活动的影响。方法 2 6例OSAS患者均经多导睡眠图 (PSG)监测确诊。通过快速傅立叶转换 ,计算C3 /A2 导联脑电图的边缘频率 (SEF)、中心频率 (MPF)、α、β、δ、θ指数 ,比较治疗前和CPAP治疗中睡眠结构以及上述参数的变化。 结果 经CPAP治疗可以显著降低睡眠中的睡眠呼吸紊乱指数和改善睡眠结构。慢波睡眠的缺乏比率由 19/ 2 6降为 10 / 2 6 (P =0 0 2 5 )。快速动眼睡眠 (REM)次数由 1 81± 0 2 5增至 2 6 5± 0 17(P =0 0 2 3) ;慢性睡眠占总睡眠时间 (TST)的比率由 (2 9± 1 1) %增至 (6 0± 1 2 ) % ,(P =0 0 43)。REM占TST的比率由(12 0± 1 7) %增至 (2 1 1± 1 6 ) % (P =0 0 0 1) ;Ⅰ、Ⅱ期睡眠占TST的比率由 (85 1± 2 1) %降至 (73 0± 1 9) % ,(P =0 0 ) ;入睡后清醒次数由 (12 2± 1 3)次降为 (9 4± 1 0 )次 (P =0 0 33)。Ⅰ、Ⅱ期浅睡眠次数由 (4 6 4± 4 2 )次降为 (36 7± 2 4)次 ,Ⅰ、Ⅱ期睡眠次数比较差异无显著性 (P =0 0 5 1)。总睡眠期、Ⅰ、Ⅱ期、REM睡眠的平均SEF分别从 (14 4± 0 4)Hz、(15 4± 0 4)Hz、(13

睡眠脑电的去趋势互相关分析

睡眠质量关系着身体健康与和工作效率,睡眠分期结果是衡量睡眠质量的重要指标和诊治睡眠障碍性疾病的重要途径。本文采用基于去趋势互相关分析(DCCA)的方法,从MIT-BIH Polysomnographic Database中随机抽取了样本信号,来进行清醒期和非快速眼动(NREM)睡眠Ⅰ期的分期研究。结果表明,清醒期的DCCA指数的平均值小于NREM睡眠Ⅰ期的DCCA指数的平均值。此方法研究睡眠脑电图,对改善睡眠质量或者诊治睡眠障碍性疾病有很大的意义。