一种基于融合特征的慢性意识障碍自动评估方法

作者：弓愉昇; 王文华; 潘敏; 张瑞^*

来源：西北大学学报（自然科学版）, 2023, 53(03): 367-376.

DOI：10.16152/j.cnki.xdxbzr.2023-03-006

• 慢性意识障碍
• 脑电信号
• 睡眠分期
• 特征融合
• BP神经网络

慢性意识障碍(prolonged disorders of consciousness, PDOC)是一种由严重脑损伤导致个体意识丧失状态持续时间超过28 d的神经系统疾病，其主要包括植物状态(vegetative state, VS)和微意识状态(minimally conscious state, MCS),而MCS可进一步细分为MCS-和MCS+。PDOC的准确评估能够辅助医生制定合理的康复治疗方案，促进患者意识神经网络的恢复与重建。临床上，关于意识状态评估的主要方式为行为量表、神经影像学检查等，但这些检查方法只能获取某一时刻信息，并无法通过连续监测患者的生理病理状态来进行更为准确和完备的评估。脑电图(electroencephalogram, EEG)能够实时记录反映患者意识状态的生理病理电活动，且睡眠脑电活动与PDOC患者的意识状态紧密联系。基于此，从夜间EEG为主的多源数据出发，提出一种基于融合特征的慢性意识障碍自动评估方法。首先，对PDOC-EEG进行数据增广、滤波、去噪等预处理；其次，利用时域、频域和非线性分析方法分别提取用于刻画PDOC-EEG病理表现的特征。在此过程中，设计了具有频带功率权重的通道相干性和刻画频带相关性的分散程度两个新特征。进一步，结合眼电图(electro-oculogram, EOG)与肌电图(electromyogram, EMG)数据，提取了一种新的基于多源数据的睡眠分期时长占比特征；最后，将所提取的多个特征进行融合并分别结合随机森林和神经网络分类器实现PDOC的自动评估。该文采用俄罗斯联邦重症监护与康复临床研究中心PDOC患者数据集对所提方法进行验证。数值实验结果表明，所提方法对PDOC自动评估的准确率、灵敏度分别达到94.2%和94.1%。

• 单位
  西北大学