熵在麻醉深度监测中的应用（仅供参考）.doc

窗体顶端熵在麻醉深度监测中的应用（仅供参考）摘要:麻醉深度监测是全身麻醉中的重要组成部分,其发展阶段经历了边缘频率分析、双频谱分析(BIS)、听觉诱发电位(AEP)、熵等.熵最初是在热动力学中提出的,用来描述微观粒子无序性或混乱性的程度,而大脑的电活动也是一种混沌状态,具有无序性和不可预测性的特点,将熵用于脑电信号分析,能准确、可靠的反映麻醉深度.关键词:熵 麻醉深度监测麻醉界的先驱者在发明全麻的同时,也开始了麻醉深度监测的研究.以往的麻醉工作者主要通过血压、心率、瞳孔对光反射等间接的反映麻醉深度变化.随着脑电分析技术的发展和微机的应用,双频指数、听觉诱发电位、熵等成为评定麻醉深度的主要指标,其中熵在现今麻醉深度监测领域倍受关注.熵概念的发展1.1热力学熵热力学第一定律所描述的是理想状态下孤立系统的能量守恒定律.然而这种理想状态在现实中是不存在的,能量转化过程中都不可避免的将有能量损失.为了解决这一问题,开尔文和克劳修斯提出了热力学第二定律,并将熵作为不可用能的量度,熵愈大,不可用能愈大.不可用能是由构成宏观状态的微观粒子间相互碰撞产生的,微观粒子相互间碰撞的概率越大,产生的不可用能就越大,即熵越大,因此,Boltzmann将熵与系统的微观状态联系起来,他认为在一定的宏观状态下,熵是微观粒子无序性或混乱性的量度.1.2 信息熵宏观系统是由多种微观系统组成的,微观系统组成宏观系统的方式有多种可能性.可供选择的可能性越多,系统状态的不确定性越大,而系统状态的不确定性与系统所包含的信息量有关,信息量越大不确定性越小.1948年,C.E.Shannon把Boltzmann关于熵的概念引入信息论中,用熵来量度事件的不确定性.1.3 脑电动力熵 【1】 JW Sleigh等【1】认为用熵分析时需考虑以下几点:熵描述的是一概率,所要分析的系统必须有足够数量相互作用的子系统组成,才能进行统计分析;熵是一个描述微观状态精确分布的数学表达式;存在类似温度等促使粒子间相互作用的物理和化学过程.脑电图电极所监测的神经元数目大约106个,每个神经元都有一定电位,并可向邻近神经元进行电能传递.与热动力学中温度降低类似,全麻药通过降低神经元之间的兴奋-抑制相对平衡来降低大脑皮质活性,因此熵可以用来分析大脑皮质电活动.2 麻醉深度监测的发展史全麻过程中麻醉药是通过大脑神经系统发挥作用,然而过去只能凭借心血管和呼吸系统参数进行麻醉深度评估,近年来脑电图在监测麻醉过程中药效和镇静深度中的作用引起人们的广泛关注.研究者们试图将复杂的脑电信号浓缩为一个简单的参数,以便进行直观的分析.Schwilden H【2】和Schwender D【3】等曾用边缘频率和中频对脑电图的功率谱进行分析,但这些参数受伪迹干扰较大,且难以解释某些药物的浓度-效应关系,所以在临床上未得到广泛应用.通过傅立叶变换把一定时相内不规则的原始脑电图信号进行定量分析,演变出的数字化脑电参数称为脑电双频指数(BIS), 它包括了频率、振幅、位相三种特性的脑电图定量分析指标,对脑电图的线性部分(频率和比率)和非线性部分(位相和谐波)进行分析,能够灵敏的反映麻醉深度.随着麻醉深度监测技术的发展,听觉诱发电位(AEP)成为人们研究的热点【4】.因为麻醉过程中听觉是最先丧失的感觉器官,也是麻醉恢复过程中第一个功能恢复的感官知觉,通过声音刺激测得的脑部AEP,敏感性较BIS高.AEP包括三个部分:脑干听觉诱发电位(BAEP)、中潜伏期听觉诱发电位(MLAEP)和长潜伏期听觉诱发电位(LLAEP),MLAEP主要用于麻醉深度监测.然而脑电信号起源于一个高度的非线性系统,是由大量神经元电信号耦合而成的高度非线性的复合体,具有确定的混沌特性.非线性分析方法更适于研究认知过程中大脑功能活动的变化规律并准确地描述EEG信号中所包含的复杂信息.因此,国内外学者引用非线性熵【1】分析处理复杂的脑电信号,现常用的有近似熵和频谱熵.2.1 近似熵(Approximate Entropy , ApEn) 近似熵是由Pincus 在1991年提出的一种度量序列的复杂性和统计量化的规则【5】,ApEn是对脑电图的时域特征进行分析, 用一种有效的统计方式边缘概率的分布来区分各种过程,凭借已获得的脑电图来预测未来脑电图变化情况.2.1.1 ApEn的计算法则【6】:下面结合算法步骤来说明近似熵的定义.其中,参数m是比较序列的长度, 即窗口长度, r 是一个有效的阈值.(1) 设原始数据为u ( 1) , u ( 2) , , u ( N )共N 个点.(2) 按序号连续顺序组成一组m 维矢量: 从X(1) 到X ( N - m + 1) , 其中:X ( i) = u ( i) , u ( i + 1) . . . u ( i + m - 1) ( i = 1N - m + 1) .这些矢量代表着从第i 个点开始连续的m个u 的值.(3) 定义矢量X ( i) 和X ( j) 间的距离d X ( i) , X( j) 为两者对应元素中差值最大的一个, 即:d X ( i) , X( j) = max(| u ( i + k) - u ( j + k) | ) , 记作Nm ( i) .其中k = 0 m - 1 ; i , j = 1 N - m + 1 , j i .(4) 给定阈值r , 对每个i N - m + 1 的值, 统计d X ( i) , X ( j) 小于r 的数目及此数目与距离总数N - m + 1 的比值, 记作:Cmr ( i) = Nm ( i) / ( N - m + 1)(5) 先将Cmr ( i) 取自然对数, 再求其对所有i 的平均值, 记作m ( r) .即(6) 增加维数, 变成m + 1 , 重复步骤( 2) (5) , 得Cr m+1 ( i) 和m + 1 ( r) .A pEn ( m , r) .当N 为有限值时, 按上述步骤得出的是序列长度,为N 时ApEn 的估计值.记作:A pEn ( m , r , N)= m ( r) - m + 1 ( r) .2.1.2 ApEn的特点:(1) 仅需要比较短的数据点就能估计出比较稳定的统计值.所需的数据点大致在1005000 点, 一般在1000点左右.(2) 有较好的抗干扰和抗噪的能力.(3) 适用于随机信号、确定性信号及随机成分和确定性成分的混合信号.(4) 较适合用来分析生物信号.但是ApEn需确定三个参数来计算熵值,相对计算量较大.2.2 Shannon熵Shannon熵【7】是对脑电图的频率谱进行分析,在已测得的脑电振幅值的基础上预测脑电图活动趋势.但是, Shannon 熵未对脑电图的所有振幅进行标化,熵值因不同个体脑电信号强弱不同而有所差异,从而限制了在临床上的应用.2.3频谱熵(spectral entropy)频谱熵(spectral entropy)是在Shannon熵的基础上,结合时域和频域分析的熵.频谱熵可以明确区分特定频域对计算熵值的影响.状态熵(state entropy,SE)和反应熵(response entropy,RE)是其中的两个参数,SE反映脑电主要频域(0.8-32Hz)的作用;RE反映脑电和额肌肌电活动的共同作用,频域在0.8-47Hz之间.SE和RE可以区分有意识和无意识状态,还可通过(额)肌电活动反映镇静程度和疼痛反应【8】,体现了麻醉深度监测中应用多种方法进行综合分析的趋势(如脑电分析结合肌电).频谱熵的计算法则【9】Datex-Ohmeda 商家在Shannon熵的基础上来阐述频谱熵的概念,将Shannon熵用于信号的功率谱分析时,就得到了频谱熵,计算公式如下:首先计算各个频域的功率谱,然后以功率谱的总和进行标准化,得出Q(f) 是标化的功率谱. 将标准化的功率谱进行Shannon函数转换 转换后进行相加求和,再求平均数,取值范围是0-13 熵和BIS的比较BIS的特点:运算法则不公开;讯号来源为原始脑电波;参与运算的成分有快速傅立叶转换、时域分析、频域分析、位相分析和谐波分析;反应时间为15-60秒且只有一个参数.有文献报道BIS是将病人测试者的脑电图与参考数据库作对比,该参考数据库是以正常人的标准麻醉模式为基础的,对大部分人,BIS可较好的反映镇静情况,然而那些存在脑损伤,接受非标准麻醉及在统计范畴之外的病人,监测结果就有可能失真.个案报道某些患者在BIS值很低时术中存在知晓,值较高时患者反而入睡【10、11】.近10年来BIS作为麻醉深度监测指标已广泛应用于试验研究和临床工作【12】,然而Puri【13】 在应用中发现BIS值差异较大, Schmidlin 等【14】也得出此相似的结论,他们发现一定的麻醉深度下BIS指数常处于清醒的界值范围内. 温度变化是影响BIS值的重要因素.亚低温可影响信号质量,延迟信息加工过程,进而影响监测数值.Mathew 等【15】研究证实体温每下降1度,BIS值下降1.12个单位.此外,肌松可降低BIS值【16】.熵描述的是大脑电信号的无序和不可预测性的特点,与BIS相比更能反映大脑的实际电活动,其特点有:运算法则公开;讯号来源为原始脑电波和前额肌电图;参与运算的成分有快速傅立叶转换、时域分析、频域分析、香农函数等;有两个参数RE和SE;反应时间RE为2秒,SE为15-60秒.肌松药对熵有否影响尚存在异议,有人认为肌松药对熵值的影响较小,而Liu等【17】的临床试验表明使用肌松药阿曲库铵组与安慰剂组相比RE值有显著性差异(P0.0001),SE值无明显差别,其他影响因素文献尚未报道.4临床应用4.1麻醉深度监测中的应用神经电生理证实麻醉深度监测指标如BIS、近似熵、频谱熵等参数能完整反映麻醉诱导、维持以及苏醒的过程, 防止因麻醉过浅导致病人术中知晓【18、19】或麻醉过深造成苏醒延迟【20】.Anne Vakkuri等【21】在丙泊酚-笑气-阿芬太尼联合麻醉中发现,与对照组相比,频谱熵监测组患者的自主呼吸恢复时间(7.07min,4.74 min)和睁眼时间(6.08min,10.8min)均明显缩短,丙泊酚用量明显减少(P0.001).频谱熵中RE参数监测脑电和额肌肌电两部分的信号,频率范围是0.8-47Hz,其中32-47 Hz代表额肌肌电图频率范围,浅麻醉和轻度镇静情况下,额肌电活动是存在的.如果麻醉减浅,手术刺激会引起额肌肌电活动的快速升高,因此RE可较早的反映苏醒的恢复.Vakkuri等【22】发现手术结束后,RE 值变化明显,分别比SE和BIS早11秒和12.4s,这与计算法则三者所采用的时间窗不同有关,RE在0.8-32 Hz的频率范围内,时间窗最长为,约15.36s,32-47 Hz频率范围内时间窗最短,约1.92s,而SE的时间窗范围是15-60s,BIS 最短的时间窗为15s【23】.而Roy Soto 等【24】对未使用肌松药患者所进行的试验中发现RE的显著升高比SE和BIS早约4分钟,RE和SE之间的明显差异说明了脑电图未发生变化之前,额肌肌张力已有明显增强,他认为未使用肌松药的病人,RE是监测意识恢复的可靠指标,而在使用肌松药的患者,选择SE和BIS更准确些,4.2 脑损伤监测中的应用BIS 与脑代谢率降低有紧密的联系;临床报道BIS是围术期心跳骤停后复苏的有效指标;另外,最近的临床研究发现BIS可及时的发现围术期脑中风.Neus Fabregas等【25】用BIS对25名严重脑外伤患者的恢复过程进行了监测,发现意识恢复者与未恢复者相比,最大BIS值和平均BIS值均有显著差别(P0.05),最大BIS值大于52.25的患者意识恢复的概率超过50%,大于69恢复的概率超过90%,该方法优于传统的GCS评分法.麻醉深度监测还能及时反映大脑缺血情况.大脑血流量减少超过一半,脑电活动显著降低【26】.Ma