意识水平评估对于意识障碍(Disorder of Consciousness,DOC)患者的临床促醒具有重要意义,而脑电(Electroencephalogram,EEG)数据的量化分析能够为临床意识水平评估提供有效的客观依据,目前临床上缺少针对意识障碍评估的脑电数据分析平台...
详细信息
意识水平评估对于意识障碍(Disorder of Consciousness,DOC)患者的临床促醒具有重要意义,而脑电(Electroencephalogram,EEG)数据的量化分析能够为临床意识水平评估提供有效的客观依据,目前临床上缺少针对意识障碍评估的脑电数据分析平台,使得先进的EEG数据分析方法和结果的临床转化十分困难。本文设计了一款基于Web的EEG数据分析系统,嵌入了EEG分析算法,并基于该系统为DOC患者的意识水平评估提供计算机辅助方法。首先,设计基于Web的EEG数据分析系统架构。本文从临床医生对EEG数据分析的需求角度出发,完成系统的功能设计。系统功能主要分为用户模块(包含用户的注册、登录、管理等功能)和数据模块(包含数据上传、分析、可视化等功能)。完成前端、前后端通信、后端、数据分析的技术选型和可行性分析。提出数据分析系统的功能模块架构、MVC和MVVM模式结合的开发模式架构以及技术栈分层架构。其次,搭建基于Web的EEG数据分析系统。使用Vue框架和j Query库在保证界面易用性的同时实现前端交互界面快速搭建。前后端通信使用Ajax技术实现数据传输的轻量化以提高系统的响应速度。后端服务在Node JS环境下基于Express框架搭建,实现后端服务对高并发的支持。基于Python语言编写预处理、功率谱分析、脑网络分析等EEG分析算法并嵌入到系统中。整个系统的数据传输格式统一为JSON数据格式,方便系统的数据解析。最后,基于上述系统实现DOC患者EEG数据的分析。本文采集最小意识状态患者、无反应觉醒综合征患者和健康人的静息态EEG。利用EEG分析软件平台实现了对DOC患者意识水平的脑电特征提取,包括EEG数据的预处理、功率谱特征提取、模块化多层脑网络的时空特征提取、以及多样本之间特征对比分析。分别根据功率谱特征和脑网络特征训练了基于支持向量机的两种评估模型,比较不同特征组合的训练结果。结果表明,基于脑网络组合特征的优化评估模型能够更准确地评估DOC患者的意识状态,为医生提供DOC评估的参考依据。本文提出的DOC脑电数据分析系统,可实现集医护人员需求与科研工作者需求为一体的意识水平评估与科研平台,提供了数据上传、分析和可视化功能,有助于推动基于神经影像数据的计算机辅助分析技术在DOC临床评估上的快速转化。
暂无评论