基于波形特征提取與支持向量機(jī)分類的顱內(nèi)壓增高預(yù)測研究.pdf

1、在神經(jīng)內(nèi)、外科,顱內(nèi)壓增高是一種常見的危重病癥。顱內(nèi)壓增高能夠?qū)е履X灌注壓降低與腦血流減少,造成腦組織缺血缺氧,甚至可能造成腦組織移位并產(chǎn)生腦疝。當(dāng)臨床醫(yī)護(hù)人員發(fā)現(xiàn)患者發(fā)生顱內(nèi)壓增高之后才準(zhǔn)備醫(yī)護(hù)處理時(shí),由于存在發(fā)現(xiàn)不及時(shí)、病情進(jìn)展迅速、藥物發(fā)揮作用時(shí)間較長等因素的影響,可能會錯(cuò)失最佳治療時(shí)機(jī),影響治療效果,導(dǎo)致較高的顱腦傷亡率。目前臨床監(jiān)護(hù)中尚缺乏有效的提前提示顱內(nèi)壓增高的報(bào)警設(shè)備。一個(gè)有效的顱內(nèi)壓增高預(yù)測方法能夠提前提醒醫(yī)護(hù)人員并使

2、醫(yī)護(hù)人員有足夠的準(zhǔn)備時(shí)間降低顱內(nèi)壓,防止病情惡化,避免腦疝和死亡等危重癥狀的出現(xiàn)。鑒于顱內(nèi)壓管理在預(yù)防繼發(fā)損傷和提高患者預(yù)后的重要性,一個(gè)基于計(jì)算機(jī)自動分析的顱內(nèi)壓增高提前報(bào)警算法對于顱內(nèi)壓監(jiān)護(hù)和醫(yī)護(hù)處理具有重要意義。隨著信號處理技術(shù)的發(fā)展,許多研究人員提出了基于信號處理的自動顱內(nèi)壓增高預(yù)測方法。比較傳統(tǒng)的方法主要建立在設(shè)置固定閾值和信號的獨(dú)立性假設(shè)的基礎(chǔ)上。自從90年代開始,部分學(xué)者考慮到信號內(nèi)部的自關(guān)聯(lián)性,對顱內(nèi)壓信號建立了時(shí)間序列

3、模型,例如自回歸模型。隨著機(jī)器學(xué)習(xí)理論在諸多領(lǐng)域得到成功的應(yīng)用與發(fā)展,近年來機(jī)器學(xué)習(xí)方法也被運(yùn)用到顱內(nèi)壓趨勢分析的研究中,例如人工神經(jīng)網(wǎng)絡(luò)等。還有學(xué)者將多種高級信號處理方法結(jié)合起來對顱內(nèi)壓信號趨勢進(jìn)行預(yù)測,例如小波分析,卡爾曼濾波和近似熵等方法。上述研究都將顱內(nèi)壓信號視為時(shí)間序列并將一段時(shí)間內(nèi)的信號均值作為預(yù)測變量,忽略了每個(gè)心動周期內(nèi)信號的動力學(xué)特性;而且顱內(nèi)壓波動是一個(gè)非線性和非平穩(wěn)過程,科學(xué)界仍然缺乏關(guān)于顱腦調(diào)節(jié)機(jī)制的基本知識。這

4、使得上述模型與方法不能準(zhǔn)確的反應(yīng)顱內(nèi)壓波動的機(jī)理,預(yù)測效果不夠理想,未能被臨床采用。然而,大量研究表明顱內(nèi)壓的單波波形特征與顱內(nèi)壓信號的趨勢有關(guān),同時(shí)這些波形特征也能夠反應(yīng)重要的顱內(nèi)生理病理信息,如腦順應(yīng)性與腦血流自動調(diào)節(jié)能力。鑒于顱內(nèi)壓單波波形特征與顱腦生理病理情況的高度相關(guān)性,本文提出一個(gè)新的對顱內(nèi)壓增高提前5分鐘進(jìn)行預(yù)測的方案。該方案的實(shí)施步驟如下:①設(shè)計(jì)一個(gè)逐拍分割算法將顱內(nèi)壓信號逐拍分割為單波信號;②設(shè)計(jì)一個(gè)波峰識別算法識別單

5、波信號的特征子峰并提取波形特征指標(biāo);③構(gòu)建一個(gè)基于支持向量機(jī)的二類分類系統(tǒng),將顱內(nèi)壓單波波形特征指標(biāo)作為分類系統(tǒng)的輸入變量,系統(tǒng)的分類結(jié)果即對應(yīng)著顱內(nèi)壓增高/顱內(nèi)壓未增高。具體地說,該分類系統(tǒng)首先利用一個(gè)具有全局搜索能力的優(yōu)化特征選擇算法,差分進(jìn)化算法,自動選擇最優(yōu)的指標(biāo)組合作為特征向量,利用Wrapper方案進(jìn)行優(yōu)化特征指標(biāo)選擇;然后將優(yōu)化的特征向量作為輸入變量,采用支持向量機(jī)作為分類器對波形特征進(jìn)行分類。對優(yōu)化特征向量的分類結(jié)果即對

6、應(yīng)著顱內(nèi)壓增高/顱內(nèi)壓未增高。本論文的主要研究成果如下:①提出一個(gè)新的顱內(nèi)壓信號逐拍分割算法。在當(dāng)前的臨床和科研工作中,主要利用與顱內(nèi)壓信號同步記錄的其他信號的特征點(diǎn)分割顱內(nèi)壓的單波波形,這種方法在很多情形下不適用。本研究借鑒經(jīng)典的圖像匹配算法—形狀上下文的思想實(shí)現(xiàn)了適合一維生理準(zhǔn)周期信號的描述算子—波形上下文;本算法利用波形上下文提取給定點(diǎn)的波形特征,然后利用模板匹配法實(shí)現(xiàn)每個(gè)單波起搏點(diǎn)的檢測。在沒有同步記錄的其他信號的情況下該算法可

7、以實(shí)現(xiàn)連續(xù)顱內(nèi)壓信號的單波波形分割。②提出一個(gè)新的顱內(nèi)壓單波波形特征提取算法。該算法利用波形上下文提取單波波形的形態(tài)特征,然后利用分類器—支持向量機(jī)對該特征進(jìn)行分類,最終識別顱內(nèi)壓單波波形中的三個(gè)特征子峰以及峰峰值,潛伏期和收縮期斜率等波形特征指標(biāo)。③提出一個(gè)基于特征選擇與支持向量機(jī)分類的顱內(nèi)壓增高預(yù)測系統(tǒng)。對于給定的信號,本系統(tǒng)在顱內(nèi)壓增高發(fā)生之前5分鐘判斷該信號是否為增高前段(顱內(nèi)壓增高)/平穩(wěn)段(顱內(nèi)壓未增高)。該系統(tǒng)首先利用差分

8、進(jìn)化算法選擇特征指標(biāo)組合,利用Wrapper方案(差分進(jìn)化算法進(jìn)行特征選擇,支持向量機(jī)作為分類器,敏感度與陽性預(yù)測值的均值作為決策函數(shù))評估指標(biāo)組合對分類的有效性并確定最優(yōu)指標(biāo)組合,然后將該指標(biāo)組合輸入支持向量機(jī)進(jìn)行分類。分類器輸出分類結(jié)果即對應(yīng)著顱內(nèi)壓增高/顱內(nèi)壓未增高。④本文提出的顱內(nèi)壓增高預(yù)測系統(tǒng)的一個(gè)重要特點(diǎn)是采用分類的方式,而非預(yù)測顱內(nèi)壓變化值的方式實(shí)現(xiàn)對顱內(nèi)壓增高的預(yù)測。對于給定的信號,本系統(tǒng)將之區(qū)分為增高前段和平穩(wěn)段。當(dāng)某

9、段信號被區(qū)分為增高前段時(shí)即意味著5分鐘以后將會產(chǎn)生顱內(nèi)壓增高。當(dāng)某段信號被區(qū)分為平穩(wěn)段時(shí)意味著5分鐘以后將不會產(chǎn)生顱內(nèi)壓增高。通過這種分類的方式,將波形特征與顱內(nèi)壓增高直接聯(lián)系起來。通過檢測波形特征的變化判斷是否將要發(fā)生顱內(nèi)壓增高,同時(shí)也為開展波形特征與顱腦病理情況的相關(guān)性開辟了一個(gè)新的研究途徑。最后,本文利用臨床數(shù)據(jù)對上述方案進(jìn)行了驗(yàn)證。首先手工標(biāo)定顱內(nèi)壓信號的每個(gè)單波的起搏點(diǎn)和三個(gè)特征子峰,利用單波分割算法與單波波形特征提取算法分別