信号处理方法分析脑血流自动调节功能.ppt

信号处理方法分析脑血流自动调节功能 内容 研究意义 大脑 脑组织几乎没有能量储备 大脑依靠连续不断血液循环来提供氧和葡萄糖等营养物质来维持正常的功能和结构的完整性 大脑的重量约占人体体重的2 但是却要消耗人体25 的氧和15 20 的供血 安静平躺的情况下 大脑对缺血十分敏感 当大脑的供血不足或中断时 由于没有氧 葡萄糖和其他营养物质 在3 5分钟后脑细胞就开始软化甚至死亡 为保护脑组织不受缺血的影响 大脑就需要一种能够保证相对稳定的供血机能 这就是脑血流调节机能 具有正常的自动调节能力对于脑机体是至关重要的 但是 当发生脑卒中 高血压 脑外伤 脑肿瘤等严重的脑损伤时会使脑血流自动调节功能下降 目前在临床上虽然可以控制动脉血压 但由于不了解每一个体的脑血流自动调节状态 无法实时的调整脑灌注压 也就无法保证脑血流量的恒定 因此 如果能及时 准确的评价患者的脑血流自动调节能力 对脑血管疾病的诊断及治疗有重要的指导意义 研究意义 研究意义 大脑自动调节功能可以简单的描述成在当灌注压 CPP 变化时大脑维持脑血流在恒定的范围的机制 CBF CPP CVRCBF CPP 8 l r4 相关知识介绍 1 肌源性学说2 代谢学说3 神经源性学说4 内皮细胞源学说 脑血流自动调节功能的生理机制还没有完全的被解释 目前主要有4种学说以解释脑血流自动调节功能的生理机制 数据采集 连续血压测量仪 多谱勒超声测量脑血流速度 TCD 分析dCA的数据 1 外界模拟ABP改变 束带法 通过使受试者周期的呼吸引起ABP周期波动等 自发ABP改变 休息状态的ABP改变 方法介绍 静态脑血流自动调节分析 研究血压变化引起的血流变化脑血流自动调节能力 在没有考虑时间因素条件下 脑血流 动脉血压 静态脑血流自动调节 自动调节的上限 当动脉灌注压升高到维持脑血流量恒定的最高值时 脑血管阻力增高到最大限度 如果动脉灌注压超过该点时 脑血流则呈线性增高 脑血管阻力反而降低 维持脑血流恒定的最高灌注压值 即为脑血流自动调节的上限 脑血流自动调节上限 是机体保护脑组织免受因灌注压过高而使脑血流增高的最大耐受能力 若超过自动调节的上限 则可立即导致脑的过渡灌注 从而引起脑水肿和颅内压增高等症状 自动调节的下限 若动脉灌注压降低到维持脑血流恒定的最低值时 脑血流量固定不变 脑血管阻力达到最低 此值即为脑血流自动调节的下限 若动脉灌注压下降至低于自动调节的下限时 脑血流则呈线性减少 动脉灌注压降低到出现脑缺血症状时 此灌注压值即为机体的最低耐受压 脑血流动态自动调节 dCA 动脉血压 脑血流速度 传统动态分析方法 1 TiecksmodelTiecks1995年提出一个简单的二阶微分方程公式去描述脑血压和脑血流的关系 它是第一个试图去量化大脑自动调节的动态特性 dP MABP iABP iABP CCP 4 1 x2 x2 x1 2D x2 f T 4 2 x1 x1 dP x2 f T 4 3 MCAv iMCAv 1 dP K x2 4 4 matlab仿真结果 在这个数学模型中 定义脑自动调节指数ARI 从上图底到上依次定ARI 0 9 9个等级 9代表脑血流调节的最佳状态 0代表自动调节机能完全消失 通过下肢束带法实际测得的曲线与之比较 利用最小二乘方法选择最符合的曲线 即为受试者实际的自动调节指数 在算法中T D K分别表示时间常量 衰减因子 动态自动调节因数 由于算法是最先被引入的方法 较为经典 被各国研究者广泛应用 但是Tiecks模型完全根据数学公式 引入T D K分别表示时间 衰减因子 动态调节因数三个参数 并没有考虑脑血流自动调节的生理机制 同时由于该算法需要外界干扰血压和可重复性较差 所以不是 金 标准 2 Transferfunctionanalysis 利用脑血流自动调节的高频滤波特性 同步记录平均动脉压和脑血流速度的自然波动曲线 利用谱分析的方法来评价自动调节功能 把脑血流速度和动脉血压的时域自发曲线经离散傅立叶变换获得频域的动脉血压 脑血流速度功率谱和交叉谱 分析得出脑血流速度和动脉血压相位移 f V f 是ABP和CBFV的FFT频域转换 通过频域转换表明脑血流动态自动调节与频率相关 三个频率范围可能有不同的特性 1 低频部分 0 2HZ 有高相关系数 较大幅值和较小相位3 中间频率 0 07 0 2HZ 增加的相关系数 0 5HZ 增加的幅值 减小的相位 ABP自相关谱 ABP CBFV互相关谱 平方相关系数 传递函数 传递函数幅值是由传递函数实部和虚部求得相位 3 Physiologicalmodels 生理模型是一种使用生理参数 ABP CBF ICP和CPP等 生理系统的数学表示法 这种模型被用于研究系统的生理和病理机制 下面是Ursino s的描述血流控制系统特征的一种非线性电子电路模型 通过电子原器件模拟脑血流循环动力学系统 使用Ursino s提供的参数变量 模型能够仿真出相应的ICP和CBFV在生理和病理条件下任意的ABP变化 比起上面描述的模型 这个模型考虑了较全面的一系列脑血流调节系统参数 但是这种模型也是在部分理想假设的生理条件下 图Ursino s模型 4 linearadaptivefiltermodel 在频率0 04HZ 0 2HZ范围ABP和CBFV有较高相关系数表现更强线性关系 使用线性自适应滤波器有 算法简单参数相对较少的特点可以快速跟踪CBFV变换 量化脑血流较强抗干扰能力等优点并且易应用到临床中 传统LMS算法自适应滤波器n时刻输入信号矢量 M是自适应滤波器的阶数 加权向量 滤波器输出 d n 为系统的期望响应信号 以e n 值控制权向量使得y n 逼近d n 权系数的修改算法 步骤 系统辩识 5 nonlinearadaptivefiltermodel 由于多方面的原因 Volterra级数模型是非线性系统最广泛采用的模型 非线性系统的Volterra级数展开是非递归级数组成的 针对二阶级数和N阶滤波器 VolterraLMS算法 输入信号和权系数 输出信号 均方误差 MSE 目标函数的估计 采用LMS算法使目标函数最小化 一阶和二阶项采用不同的收敛因子 线性自适应滤波器 MSE 6 3391非线性自适应滤波器 MSE 2 2875 异常信号检测与处理 步骤 1 选窗约1s采样点502 求pressureandvelocitycross correlation相关系数a1velocity i andvelocity i 1 auto correlat