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(cè)研究.pdf

1、在神經(jīng)內(nèi)、外科,顱內(nèi)壓增高是一種常見(jiàn)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(zhǎng)等因素的影響,可能會(huì)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(cè)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(dòng)分析的顱內(nèi)壓增高提前報(bào)警算法對(duì)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(hào)處理技術(shù)的發(fā)展,許多研究人員提出了基于信號(hào)處理的自動(dòng)顱內(nèi)壓增高預(yù)測(cè)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(hào)的獨(dú)立性假設(shè)的基礎(chǔ)上。自從90年代開(kāi)始,部分學(xué)者考慮到信號(hào)內(nèi)部的自關(guān)聯(lián)性,對(duì)顱內(nèi)壓信號(hào)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(lái)機(jī)器學(xué)習(xí)方法也被運(yùn)用到顱內(nèi)壓趨勢(shì)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(jí)信號(hào)處理方法結(jié)合起來(lái)對(duì)顱內(nèi)壓信號(hào)趨勢(shì)進(jìn)行預(yù)測(cè),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(hào)視為時(shí)間序列并將一段時(shí)間內(nèi)的信號(hào)均值作為預(yù)測(cè)變量,忽略了每個(gè)心動(dòng)周期內(nèi)信號(hào)的動(dòng)力學(xué)特性;而且顱內(nèi)壓波動(dòng)是一個(gè)非線性和非平穩(wěn)過(guò)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(shí)。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(dòng)的機(jī)理,預(yù)測(cè)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(hào)的趨勢(shì)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(dòng)調(diào)節(jié)能力。鑒于顱內(nèi)壓?jiǎn)尾úㄐ翁卣髋c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(duì)顱內(nèi)壓增高提前5分鐘進(jìn)行預(yù)測(cè)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(hào)逐拍分割為單波信號(hào);②設(shè)計(jì)一個(gè)波峰識(shí)別算法識(shí)別單

5、波信號(hào)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?jiǎn)尾úㄐ翁卣髦笜?biāo)作為分類系統(tǒng)的輸入變量,系統(tǒng)的分類結(jié)果即對(duì)應(yīng)著顱內(nèi)壓增高/顱內(nèi)壓未增高。具體地說(shuō),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(dòng)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(duì)波形特征進(jìn)行分類。對(duì)優(yōu)化特征向量的分類結(jié)果即對(duì)

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(hào)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(hào)同步記錄的其他信號(hào)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(hào)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(cè)。在沒(méi)有同步記錄的其他信號(hào)的情況下該算法可

7、以實(shí)現(xiàn)連續(xù)顱內(nèi)壓信號(hào)的單波波形分割。②提出一個(gè)新的顱內(nèi)壓?jiǎn)尾úㄐ翁卣魈崛∷惴?。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(duì)該特征進(jìn)行分類,最終識(shí)別顱內(nèi)壓?jiǎn)尾úㄐ沃械娜齻€(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(cè)系統(tǒng)。對(duì)于給定的信號(hào),本系統(tǒng)在顱內(nèi)壓增高發(fā)生之前5分鐘判斷該信號(hào)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(yáng)性預(yù)測(cè)值的均值作為決策函數(shù))評(píng)估指標(biāo)組合對(duì)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(duì)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(cè)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(cè)顱內(nèi)壓變化值的方式實(shí)現(xiàn)對(duì)顱內(nèi)壓增高的預(yù)測(cè)。對(duì)于給定的信號(hào),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(hào)被區(qū)分為增高前段時(shí)即意味著5分鐘以后將會(huì)產(chǎn)生顱內(nèi)壓增高。當(dāng)某段信號(hào)被區(qū)分為平穩(wěn)段時(shí)意味著5分鐘以后將不會(huì)產(chǎn)生顱內(nèi)壓增高。通過(guò)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(lái)。通過(guò)檢測(cè)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(kāi)展波形特征與顱腦病理情況的相關(guān)性開(kāi)辟了一個(gè)新的研究途徑。最后,本文利用臨床數(shù)據(jù)對(duì)上述方案進(jìn)行了驗(yàn)證。首先手工標(biāo)定顱內(nèi)壓信號(hào)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