首页 > 文献资料
-
基于复杂度的心率变异性分析研究进展
一、引言心率变异性(heart rate variability,HRV)分析是一种敏感的无创伤性的评价心脏自主神经系统(autonomic nervous system,ANS)功能的定量方法[1].以往HRV分析多用标准差、直方图及频谱法等线性分析方法,虽可反映总体的心率变异度,但掩盖了瞬时心搏变化.
-
心电散点图鉴别期前收缩的临床观察
心电散点图是将两次心脏搏动的周期长度用散点的方式表现在二维坐标系中，采用非线性分析方法，以散点图的形态和分布特征予以反映心脏正常或异常的电生理现象，在诊断心律失常等方面具有独特的优势［1］。2005～2012年，我们观察了心电散点图在鉴别期前收缩中的作用。现报告如下。
-
OSASH睡眠脑电信息的非线性动力学分析方法
阻塞性睡眠呼吸暂停低通气综合征(OSAHS)的特征是低氧血症,睡眠结构紊乱,其危害大,发病率高,与心、脑血管病发病有关,积极的治疗可以降低心血管病死亡率.诊断的"金标准"是多导睡眠监测(PSG),目前PSG分析EEG沿用传统的线性分析方法,导致大量信息丢失,只能对OSAHS睡眠进行简单分期,而不能对整夜睡眠结构进行量化分析.通过对OSAHS患者PSG的EEG信号非线性动力学领域复杂性测定,评估OSAHS患者睡眠紊乱与呼吸道解剖及生理状态间的关系,预测其病理变化,从而达到对OSAHS进行早期干预的目的.
-
熵指数在麻醉监测中的应用
熵指数用非线性分析方法分析脑电图信号，量化麻醉深度，随着麻醉深度逐渐增加，熵值由高变低。根据不同计算原理有Kolmogorov熵、近似熵、频谱熵、希尔伯特黄熵等。熵指数与BIS有很好的相关性，可有效监测麻醉深度，预测意识状态、切皮反应等，在麻醉监测中有较好指导意义。大脑是一个复杂的非线性动力学系统，用BIS等一些线性模型很难反映大脑系统非线性活动复杂性，因此需要一种非线性分析方法对脑电图信号进行解读。熵指数就是用非线性模型反映系统复杂性的一种脑电信号监测指标。本文就熵指数相关概念、临床应用及局限性作一综述。
