《全麻时监测临床病人神经活动状态的新方法.doc》由会员分享，可在线阅读，更多相关《全麻时监测临床病人神经活动状态的新方法.doc（13页珍藏版）》请在三一文库上搜索。
1、.全麻时监测临床病人神经活动状态的新方法作者：张连毅,郑崇勋作者单位：上海电机学院电气工程学院,上海 200240【摘要】 目的 探讨全麻时神经活动的状态，寻找对全麻时神经活动状态进行检测的新方法。方法 随机采集了临床外科全麻胸腹手术中18位病人的双通道（FP1Cz, FP2Cz）脑电数据，通过分析EEG 的Kolmogorov熵的变化趋势，进而判断全麻时病人神经活动的状态。结果 同一种麻醉措施作用下，大部分病人神经活动的状态是相同的，但也存在个体差异：同一种麻醉措施，有些病人大脑皮层前额叶区域的中枢神经系统呈现抑制状态，有些则呈现兴奋状态，还有些呈现癫痫状态。结论 同一种麻醉药品对不同被试者
2、其作用会有差别；通过分析全麻状态下脑电信号Kolmogorov熵的变化能够有效检测中枢神经活动的状态；Kolmogorov熵能成为临床麻醉监测的一种新工具。【关键词】 中枢神经系统;麻醉深度;全身麻醉;柯尔莫哥洛夫熵 A New Method for Monitoring the Status of Central Nervous System during General Anesthesia.ZHANG Lianyi, ZHENG Chongxun.Spae Medicine & Medical Engineering,2008,21(1):4044 Abstract: Objective
3、 To investigate the status of central nervous system (CNS) during general anesthesia using a new method of monitor. Methods Eighteen patients during general anesthesia were randomly chosen as the subjects. EEG signals of the patients were recorded as the subject was undergoing a surgical operation.
4、Status of CNS of the patients during general anesthesia was monitored through the changes of Kolmogorov entropy (KE) of the EEG signals. Results Under the same kind of anesthesia measures, though most patients CNS presented roughly the same status, but important differences were found in individual
5、cases. Some presented depressed CNS status, some presented excited CNS status and others presented epileptic status. Conclusion The same general anesthesia may have different effects on different subjects. KE can reflect the status of the prefrontal cortex during general anesthesia. KE may be a new
6、tool for monitoring the status of CNS during general anesthesia. Key words: central nervous system；depth of anesthesia；general anesthesia；Kolmogorov entropy Address reprint requests to:ZHANG Lianyi.Electric Engineering School,Shanghai Dianji University, Shanghai 200240, China 麻醉深度是用来说明不同麻醉药品作用及临床需要的
7、一个临床术语。当麻醉剂量能够产生使病人感到无痛感的效果并能保证手术正常进行时，即为适当麻醉。监测麻醉深度的基本方法有两种：主观法和客观法。主观法是由麻醉师通过观察病人对刺激的行为与受自主神经系统控制的反映来判断，显然，这完全依赖于麻醉师的经验。客观法则依赖麻醉深度监测仪的敏感性与正确性1。麻醉监测能够监测麻醉效果，确保一定的麻醉水平以防止病人术中清醒，并避免过量麻醉。精品. 脑电图(EEG)是一种无创、价格低廉、方便有效并广为临床上使用的检查手段。脑电监测药效可以有3种应用：作为在中枢神经系统起效的药物的定量手段；代谢性抑制效果的评估(如对于脑电爆发抑制的硫喷妥钠剂量控制)；中枢神经系统功能抑
8、制的评估(镇静或麻醉深度)。 有研究显示，根据对中枢神经系统(CNS)电活动的影响，全麻药品可以分成3类：中枢神经系统兴奋类、中枢神经系统抑制类、中枢神经系统癫痫类24。这些结论是通过活体脑微透析或其它传统方法得出的，现有的麻醉监测技术还无法完全由中枢神经系统电活动抑制或兴奋的程度进行实时麻醉监测。如何根据中枢神经系统电活动抑制或兴奋的程度进行进行麻醉深度实时监测，这一直是人们研究的一个重要课题。 脑电信号中包含了丰富的与意识及记忆相关的信息。由于脑电信号具有混沌特征，所以混沌理论将成为脑电信号动力学机制描述的重要理论基础5。Kolmogorov熵是刻画混沌特性的一个重要量度。本研究将全麻时的
9、神经行为和动力学机制相联系6，提出一种基于脑电的Kolmogorov熵对全麻时神经活动状态进行检测的新方法。 临床资料 选择我校第一附属医院2003年12月中下旬进行的全麻胸腹手术18例，其中男性10例，女性8例；年龄3070岁，平均（57.411.2）岁。选用异丙酚、芬太尼、异氟醚静吸复合麻醉，具体方法为：鲁米那100 mg，阿托品0.5 mg（伴高血压患者东莨菪碱0.3 mg）麻醉前30 min肌注。安定0.2 mgkg-1，芬太尼35 gkg-1，异丙酚22.5 mgkg-1，司可林12 mgkg-1静注诱导插管。接麻醉呼吸机控制呼吸（VT 10 mLkg-1，频率12次/min），吸入
10、1%3%，同时持续滴注异丙酚45 mg/(kgh)，间断静注卡肌宁0.5 mgkg-1来进行麻醉维持，必要时（如在劈开胸骨、腹部探查时）追加芬太尼2 gkg-1。手术结束前30 min不再追加静脉麻醉药，术毕前20 min左右停止吸异氟醚。术中监测血压、心率、EGG示波、SPO2及PETCO2。SPO2维持在98%以上，PETCO2在4.6 Pa5.3 kPa。所有手术均持续数小时，所有病人均否认术中知晓。 电极位置选择与脑电数据采集 全麻时监测临床病人神经活动状态的新方法从功能上看，中枢神经系统是复杂的，主要由许多输入回路、输出回路和反馈回路组成7。（大脑）皮层与基底神经节之间，是由运动神经
11、回路和一个联合（复杂）回路这两个截然不同的回路连接的8，而将尾部（caudate）与联合皮层区域的输入及基底神经节的最终输出连接起来的联合（复杂）回路在大脑皮层前额叶区域表现得尤为突出。最新的相关研究成果也表明大脑皮层、基底神经节与丘脑之间是由若干多输入回路连接起来的9。基于上述考虑，实验设计中决定将电极放置在大脑皮层前额叶区域。为了不妨碍外科手术的正常进行，只选用FP1与FP2两通道用来同步记录手术中的脑电数据。精品. 脑电图数据是在被试者手术时同步采集的。采用1020导联头皮电极系统，电极放置于头部FP1、FP2处，参考电极粘贴在Cz处，各电极经带宽为0.1670 Hz的模拟滤波器接入信号
12、放大器，各导联阻抗均小于5 k。实验仪器为美国CADWELL公司生产的32导Easy ，采样频率400 Hz。为了得到自发脑电信号数据，选用了带通为0.530 Hz的FIR滤波器。 Kolmogorov熵测定原理 Kolmogorov熵（KE）定义为系统动态过程信息的平均损失率。脑电信号能够反映脑活动的状态,可由其在一多维状态空间的投影来表示。设xi(i=1,N)是一个离散的脑电信号时间序列，可得到一个m维延迟矢量： X(n)=x(n), x(n+), x(n+2),xn+(m-1) (1) 其中，m称为嵌入维数，称为时间延迟量。根据遗传编程(genetic programming，G-P）算
13、法，其关联和Cm(e)可由下式计算得出： Cm(e,Nm)=2Nm(Nm-1)Ni=1Nj=i+1(e- xi-xj)(2) Nm=N-(M-1)(3) 这里，是Heaviside阶跃函数。当x0时(x)=0；当x0时(x)=1。e是重构相空间中两点(xi, xj)之间距离的给定值。如果该时间序列存在一个吸引子，则Cm(e,Nm)的值将会满足Cm(e,Nm)eD。其中，D称为关联维。关联维的定义如下： dm(Nm,e)=lnCm(e,Nm)lne(4) D=lime0limmdm(Nm,e)(5) 对充分小的e，dm不随嵌入维数m改变时，Kolmogorov熵（KE）定义为： KE=lime0
14、limm1lgCm(e)Cm+1(e)(6) KE反映了系统的无序程度。若系统呈现混沌特性，则KE大于零。当KE=0时，表示该信号是一个有序时间序列；当KE=时，说明该信号是一个完全随机序列；KE值越大，该信号的随机程度越高。 实际应用中，时间延迟量可由自协方差函数求出： c(t)=1NN-1n=1x(n+t)-xx(n)-x1NNn=1x(n)-x2(8) x=1NNn=1x(n)(9) 当自协方差函数降到1/e时10，令=t。 就脑神经活动状态而言，如果其神经电活动被刺激而兴奋，其神经电活动的去同步性增强，KE的值将会增加；如果其神经电活动被抑制，则神经电活动的同步性增强，KE的值将会减小
15、。所以，较大的KE值与脑神经活动的兴奋状态相对应，较小的KE值与脑神经活动的抑制状态相对应，而脑神经活动的癫痫状态则与时大时小、波动幅度较大的KE曲线相对应。精品. 数据分析与结果 为了保证病人处于全麻状态，选取麻醉诱导开始3545 min期间病人的脑电数据进行分析。考虑到术中手术器械对脑电数据的干扰，从该期间各病人的脑电数据中挑选干扰不显著的连续90 s的脑电数据进行分析。在开始逐段计算各被试者脑电信号的KE时，先取2 000个采样点为基本数据，累加数据段步进步长为400（1 s的采样数据）。各被试者FP1与FP2两通道几段脑电数据的连续KE变化曲线分别计算求得，然后再分别计算各被试者FP1
16、与FP2通道这90 s内的平均值，用KE表示。并且，令： Av=(KEFP1-Cz+KEFP2-Cz)/2(10) 在全部18例手术病人中，有15例（占83.3%）KE变化曲线比较平滑，幅值较小，其Av的中位数M=0.69（0.470.97）；2例（占11.1%）KE变化曲线比较复杂，时而平滑，时而剧烈，波动幅度有很大增加，其Av的中位数M=16.3（15.417.2）；1例（占5.6%）KE变化曲线比较平滑，但KE的幅值较大，Av=M=4.75。这说明同一种麻醉措施作用下，大部分病人神经活动的状态是相同的，但也存在个体差异。 为了详细说明上述3种不同临床表现的差异，从上述3种不同临床表现的被
17、试者中各随机选出一位有代表性的病例进行分析，具体情况如下：病人1，肾上腺肿瘤患者，男，51岁，体重97 kg；病人2，胰腺癌瘤患者，男，69岁，体重65 kg；病人3，胃癌患者，男，61岁，体重70 kg。 图1所示是病例1麻醉前正常状态下的KE变化曲线，图2和3分别为病例1和2在麻醉诱导开始0.5 min后的KE变化曲线，图4所示是病例3开始麻醉后0.520 min内的KE变化曲线。 图1中，FP1-Cz：KE=2.62；FP2-Cz：KE=2.76；图2中，FP1-Cz：KE=0.90；FP2-Cz：KE=1.17；图3中，FP1-Cz：KE=1.44；FP2-Cz：KE=7.71；图4中
18、，FP1-Cz：KE=1.44；FP2-Cz：KE=1.79。 比较图1与图2可知，麻醉诱导开始后KE变化曲线相对比较平滑，波动幅度也相对较小。由图3可看出，麻醉诱导开始后病例2的KE值迅速减小。在图4中，麻醉诱导开始后几分钟内，其两通道的KE值也迅速衰减。KE值越大，系统的随机程度越高。所以KE值的减小，表明信号的同步性增加。3例病例在麻醉诱导开始后其KE值都迅速衰减，说明大脑皮层前额叶区域的神经电活动在麻醉剂的作用下被强制性同步化。 3例病例在全麻状态下的KE变化曲线如图5图7所示。图5中，FP1-Cz：KE=15.29；FP2 图1 麻醉诱导开始前的KE变化曲线(病例1）精品. Fig.
19、 1 The change of KE before anesthesia induction (case 1) 图2 麻醉诱导开始0.5 min后KE变化曲线(病例1） Fig. 2 The change of KE after about 0.5 min of anesthesia induction（case 1）图3 麻醉诱导开始0.5 min后KE变化曲线（病例2） Fig. 3 The change of KE after about 0.5 min of anesthesia induction (case 2) 图4 麻醉诱导开始0.5 min后KE变化曲线（病例3） Fig.
20、 4 The change of KE after about 0.5 min of anesthesia induction (case 3) 图5 麻醉诱导开始35 min后KE变化曲线（病例1） Fig. 5 The change of KE after about 35 min of anesthesia induction (case 1) -Cz：KE=11.88；图6中，FP1-Cz：KE=0.52；FP2-Cz：KE=0.45；图7中，FP1-Cz：KE=4.71；FP2-Cz：KE=4.79。 比较图1、图2与图5可以发现，在全麻状态下（图5），病例1的KE变化曲线更加复杂，
21、其波动幅度也明显增加（FP1-Cz：KE的变化0.9015.29；FP2-Cz：KE的变化1.1711.88）。在全图6 麻醉诱导开始35 min后KE变化曲线（病例2） Fig. 6 The change of KE after about 35 min of anesthesia induction (case 2) 图7 麻醉诱导开始55 min后KE变化曲线（病例3） Fig. 7 The change of KE after about 55 min of anesthesia induction (case 3) 麻状态下，病例1的KE值时大时小，随时间的变化并不平滑。这表明大脑皮
22、层前额叶区域的神经电活动时而被激励，时而又被抑制，病例1大脑皮层前额叶区域的神经电活动在全麻状态下呈现癫痫状态。 比较图3与图6可以看出，病例2在全麻状态下（图6）的KE变化的曲线相当平滑，其幅值也很小（FP1-Cz：KE的变化1.440.52；FP2-Cz：KE的变化7.710.45）。这说明，在全麻状态下，病例2大脑皮层前额叶区域的神经电活动被有效抑制，其同步性增强。换句话说，病例2大脑皮层前额叶区域的神经电活动在全麻状态下呈抑制状态。 比较图4与图7可以发现，全麻状态下（图7）的KE变化的曲线比较平滑，但KE的幅值却明显增加（FP1-Cz：KE的变化1.444.71；FP2-Cz：KE的
23、变化1.794.79）。这说明，全麻状态下，病例3大脑皮层前额叶区域的神经电活动在手术刺激与麻醉剂共同作用下被有效激励，呈兴奋状态。 从上述脑电信号的KE分析中可以发现，在全麻状态下，神经电活动的状态存在3种形式：中枢神经系统兴奋、中枢神经系统抑制和中枢神经系统癫痫，这与已知的研究结果是一致的24；但是，同一种麻醉方法对不同病例而言，其对中枢神经系统的作用可能会有差别：同一种麻醉措施，有些病人大脑皮层前额叶区域的中枢神经系统的呈现抑制状态，有些则呈现兴奋状态，还有些呈现癫痫状态。这说明脑电信号的KE能够有效反映大脑皮层前额叶区域神经电活动的状态。精品. 从上述分析中，我们可以得出以下结果： 1
24、）同一种麻醉药品对不同病例其作用可能会有差别。在同一种麻醉药品作用下，有些病人大脑皮层前额叶区域的中枢神经系统呈现抑制状态，有些呈现兴奋状态，还有些呈现癫痫状态。全麻状态时，大脑皮层前额叶区域的中枢神经系统在同一种麻醉药品作用下有明显的个体差异性。 2）KE能够反映大脑皮层前额叶区域神经电活动的状态。在适当麻醉状态下，由脑电信号的KE熵所决定的大脑皮层前额叶区域神经电活动的状态与已知的研究结果是一致的。适当麻醉下神经电活动的状态存在3种形式：中枢神经系统兴奋、中枢神经系统抑制和中枢神经系统癫痫。 讨 论 比较图2图7中FP1-Cz通道与FP2-Cz通道中KE变化曲线的异同，可以发现，大脑皮层前
25、额叶区域对称通道中（FP1-Cz与FP2-Cz）神经电活动的KE变化曲线，存在一些微小的差别，这些差别可能是由大脑的不对称所引起的。 麻醉药品对中枢神经系统电活动的作用是非常复杂的。将中枢神经系统电活动分为兴奋、抑制、癫痫3类是无可非议的，但简单地将全麻药品也分成这3类却很困难。本文的研究结果表明，在同一全麻药品作用下，大脑皮层前额叶区域的中枢神经系统呈现明显的个体差异性。 在一般情况下，全麻术中的临床患者均有各自不同的生理、病理、用药特点，这些因素都会对其术中的脑电图产生影响。此外，还有许多其他因素影响麻醉中的EEG波形，这些因素包括麻醉及麻醉前用药（药物种类不同，剂量不同产生的脑电波型也不
26、一样），术中各种刺激，脑组织氧供情况，CO2浓度、体温、血糖、惊厥。因此，中枢神经系统呈现明显的个体差异是完全可以理解的。现有的麻醉深度评价方法目前尚无一能在各种条件下完全准确地显示麻醉深度。脑电功率谱分析只包括了频率和振幅，几乎未包括节律、同步、波形和谐波的有关信息；目前临床研究与应用最为广泛的双波谱分析（BIS）是应用相位锁定原理对原始脑电波进行处理的一种方法，虽然包括了更多的原始脑电信息，对来自傅立叶分析的信息也进行了更清楚的表达，但傅立叶分析是在线性基础上得出的，而脑电信息是一个非线性、非平稳的生物信号；非线性动力学中的近似熵、复杂度等方法，又由于方法本身的近似以及粗粒化的特点，忽略了
27、原始脑电信息中的许多细部信息。因此，现有的麻醉监测方法都各有各的局限性，这些因素影响了对全麻术中个人差异性的研究，也使得诸如术中知晓此类的问题一直困扰着临床麻醉师，而Kolmogorov熵则可在某种程度上弥补现有麻醉监测方法这方面的不足。因而，在临床麻醉深度监测的研究与应用中，Kolmogorov熵的麻醉深度监测有其存在和发展的美好前景。精品. 本文的研究结果表明，Kolmogorov熵可能会成为临床麻醉监测的一种新工具。【参考文献】 1 Kaul HL, Bharti N. Monitoring depth of anesthesia J. Indian J Anaesth,2002, 46
28、(4):323332.2 Shichino T, Murakawa M. Effects of xenon on acetylcholine release in the rat cerebal cortex in vivo J. British Journal of Anaesthesia,2002, 88(6): 866888.3 Mori K. Anesthesia and Brain Functions M. Amsterdam: Ezcerpta Medica, 1984:1524.4 Mori K, Winters WD. Neural background of sleep an
29、d anesthesia J. Int Anesth Clin,1975, 13(1): 67108.5 Sarbadhikari SN, Charabarty K. Chaos in the brain: a short review alluding to epilepsy, depression, exercise and lateralization J. Medical Engineering & Physics, 2001, 23(7): 447457.6 ZHANG Lianyi, ZHENG Chongxun. The study on Kolmogorov entropy o
30、f EEG for monitoring depth of anesthesia of ratJ. Journal of Xian Jiaotong University,2005, 39(2)：218220.7 Abhijit C, Peter OB. Fatigue and basal ganglia J. Journal of the Neurological Sciences,2000, 179(12): 3442.8 DeLong M, Georgopoulos AP. Motor Functions of the Basal Ganglia M. Bethesda: America
31、n Physiological Society, 1981:10171061.9 Alexander GE, Crutcher MD. Functional architecture of basal ganglia circuits: neural substrates of parallel processingJ. Trends Neurosci,1990, 13(7): 266271.10 Kantz H, Schreiber T. Nonlinear Time Series Analysis. Cambridge M. England: Cambridge University Press, 1997:7075.如有侵权请联系告知删除，感谢你们的配合！精品