材料和方法
主题和数据采集
麻醉方案
工件过滤
在本研究中,我们使用了六级离散小波变换,使用Sym8小波,将其应用于长度为10 s的脑电图数据。 以前的工作表明,Sym8更好地逼近脑电图波形,从而在应用滤波器后保留了脑电图波形。 22 最佳阈值选择是小波去噪方法成功的核心。 基于小波系数的去噪阈值估计算法已有多种,如数据自适应小波阈值法、块阈值法和贝叶斯方法。 21 在本研究中,我们使用贝叶斯块阈值,因为先前的工作表明,该方法优于经典的数据自适应方法。 23 在贝叶斯方法中,基于小波系数计算分布,该分布捕获了小波展开的稀疏性。 然后应用合适的贝叶斯规则估计小波系数的后验分布。 23 阈值的标准取决于贝叶斯公式和假定的先验分布,其细节已在前面描述过。 22,24–26 在使用步骤2中描述的贝叶斯估计方法进行滤波后,将保留的高于阈值的信息用于重建新的脑电图序列 通过 逆离散小波变换。 获得了大约25–50、12–25、6–12、3–6、1.5–3和0.5–1.5 Hz频带的脑电图数据。 本研究中删除了0–3 Hz的慢频带,因为心脏、肌肉和眼睛的电活动产生的伪影通常位于该频带(BIS VISTA 27 , (第458页) ). 25 Hz以上频带的脑电图数据通常包含大量肌电图伪影 28 并在进一步分析之前被丢弃。 因此,使用3至25Hz频带内的脑电图数据计算以下部分中的AE和PE值。