黄，Jeng-Rung;樊寿珍;梅萨姆·阿博德（Maysam F.Abbod）。;任国光;吴正福;谢建成 通过人工神经网络在脑电图信号中应用多元经验模式分解和样本熵来解释麻醉深度。 （英语） Zbl 1360.92064号 熵 15，第9期，3325-3339（2013）. 小结：脑电图（EEG）信号可以表达人类的意识活动，因此可以指示麻醉的深度。另一方面，脑电双频谱指数（BIS）常被用作评估麻醉深度的指标。本研究旨在使用先进的信号处理方法分析脑电图信号，并将其与商业产品（即IntelliVue MP60 BIS模块）的现有BIS指标进行比较。采用多变量经验模式分解（MEMD）算法对脑电信号进行滤波。两个MEMD分量（IMF2+IMF3）的组合用于表示原始EEG。然后，利用样本熵算法计算患者脑电信号的复杂度。此外，以BIS指数为金标准，采用线性回归和人工神经网络（ANN）方法对样本熵进行建模。与线性回归相比，人工神经网络可以产生更好的目标值。相关系数为（0.790\pm 0.069），MAE为（8.448\pm 1.887）。综上所述，使用ANN和MEMD的样本熵值的接收机工作特性（ROC）曲线下面积为（0.969\pm 0.028），而不使用滤波器的样本熵的AUC为（0.733\pm 0.123）。这意味着MEMD方法可以滤除脑电波中的噪声，使EEG的样本熵与麻醉深度密切相关。因此，得出的指标可以作为医生的参考，以降低手术风险。 引用于1文件 MSC公司： 92 C55 生物医学成像和信号处理 94甲17 信息的度量，熵 关键词：样本熵;脑电图;麻醉深度;多元经验模式分解;人工神经网络;接收机工作特性曲线 PDF格式BibTeX公司 XML格式引用 \textit{J.-R.Huang}等人，熵15，No.9，3325-3339（2013；Zbl 1360.92064） 全文： 内政部 参考文献： [1] 内政部：10.1097/ACO.0b013e3283326986·doi:10.1097/ACO.0b013e3283326986 [2] DOI:10.1016/j.autneu.2009.01.05·doi:10.1016/j.autneu.2009.01.05 [3] DOI:10.1097/EJA.0b013e32831c8644·doi:10.1097/EJA.0b013e32831c8644 [4] 内政部：10.1016/j.tvjl.2011.02.023·doi:10.1016/j.tvjl.2011.02.023 [5] 内政部：10.1203/PDR.0b013e31822d748b·doi:10.1203/PDR.0b013e31822d748b [6] 内政部：10.1186/1743-8977-5-4·doi:10.186/1743-8977-5-4 [7] 内政部：10.1007/s10877-008-9111-6·doi:10.1007/s10877-008-9111-6 [8] DOI:10.1016/j.clinph.2005.06.011·doi:10.1016/j.clinph.2005.06.011 [9] 内政部：10.1093/bja/aen356·doi:10.1093/bja/aen356 [10] Clanet，《后颅窝手术结束时对盐水喷洒的意外熵反应：少数病例报告》，《麻醉学学报》。贝尔格。62第87页–（2011年） [11] 数字对象标识码：10.1111/j.1365-2044.2010.06344.x·doi:10.1111/j.1365-2044.2010.06344.x [12] 内政部：10.2174/092986608784284246443·doi:10.2174/09298660878484246443 [13] DOI:10.1016/j.eswa.2007年12月65日·doi:10.1016/j.eswa.2007.12.065 [14] DOI:10.1016/j.medengphy.2009.06.004·doi:10.1016/j.medengphy.2009.06.004 [15] DOI:10.1016/j.medengphy.2009.05.002·doi:10.1016/j.medengphy.2009.05.002 [16] 内政部：10.1063/1.3081406·Zbl 1311.37067号 ·doi:10.1063/1.3081406 [17] DOI:10.1016/j.physa.2006.10.077·doi:10.1016/j.physa.2006.10.077 [18] DOI:10.10109/TNSRE.2007.914468·doi:10.1109/TNSRE.2007.914468 [19] DOI:10.1098/rspa.1998.0193·Zbl 0945.62093号 ·doi:10.1098/rspa.1998.0193 [20] 内政部：10.1142/S1793536910000604·doi:10.1142/S1793536910000604 [21] 内政部：10.1142/S1793536909000047·doi:10.1142/S1793536909000047 [22] 内政部：10.1098/rspa.2009.0502·Zbl 1191.94049号 ·doi:10.1098/rspa.2009.0502 [23] 内政部：10.1109/TSP.2011.2106779·Zbl 1392.94583号 ·doi:10.1010/TSP.2011.2106779 [24] 林，《神经模糊系统：智能系统的神经模糊协同作用》，第205页–（1996） [25] DOI:10.1016/j.biopych.2009.04.027·doi:10.1016/j.biopych.2009.04.027 [26] DOI:10.1373/clinchem.2007.096529·doi:10.1373/clinchem.2007.096529 [27] 内政部：10.1002/sim.2929·数字对象标识代码：10.1002/sim.2929 [28] 内政部：10.1142/S1793536910000422·doi:10.1142/S1793536910000422 [29] DOI:10.1016/j.sigpro.2011.01.018·doi:10.1016/j.sigpro.2011.01.018 [30] 内政部：10.1109/TSP.2010.2097254·Zbl 1392.94210号 ·doi:10.1109/TSP.2010.2097254 [31] 内政部：10.1007/s10439-006-9175-8·doi:10.1007/s10439-006-9175-8 [33] 内政部：10.1034/j.1399-6576.2001.045007834.x·文件编号：10.1034/j.1399-6576.2001.045007834.x 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。