面向轉(zhuǎn)化醫(yī)學(xué)的非線性信號(hào)分析及其應(yīng)用研究.pdf

1、重大疾病的預(yù)防和治療是人類面臨的共同挑戰(zhàn)，許多疾病的防治尚未獲得令人滿意的結(jié)果。近年來，以將現(xiàn)代生物技術(shù)與臨床醫(yī)療全面結(jié)合，將基礎(chǔ)研究成果通過臨床研究轉(zhuǎn)化為臨床防治手段為主要內(nèi)容的“轉(zhuǎn)化醫(yī)學(xué)”已經(jīng)成為全球備受關(guān)注的新領(lǐng)域，其目標(biāo)是從實(shí)證醫(yī)學(xué)中發(fā)現(xiàn)的臨床問題出發(fā)，透過各領(lǐng)域的合作尋求解決方案，開發(fā)和應(yīng)用新的技術(shù)，進(jìn)一步促進(jìn)藥物或治療方法的研發(fā)及制造，甚至疾病或嚴(yán)重并發(fā)癥的預(yù)防，最終提升整體社群健康。
　　 基于轉(zhuǎn)化醫(yī)學(xué)的新思維，按

2、照轉(zhuǎn)化醫(yī)學(xué)的研究過程和方式，以提出臨床問題或發(fā)現(xiàn)臨床患者所展現(xiàn)的疾病特征為出發(fā)點(diǎn)，發(fā)展新的理論和技術(shù)路線，然后通過臨床試驗(yàn)對新的理論和技術(shù)進(jìn)行驗(yàn)證和評估。因此，研究路線是:面向轉(zhuǎn)化醫(yī)學(xué)，從臨床實(shí)際問題出發(fā)，以非侵入方式獲得生理信號(hào)定量監(jiān)測結(jié)果，以非線性理論及分析方法(集成經(jīng)驗(yàn)?zāi)B(tài)分解(Ensemble Empirical ModeDecoposition，EEMD)和人工神經(jīng)網(wǎng)絡(luò)）為出發(fā)點(diǎn)，對常見慢性疾病如糖尿病、心血管病、步態(tài)老齡化發(fā)

3、展能描述人體系統(tǒng)時(shí)變特征的動(dòng)態(tài)生物指標(biāo)，提供傳統(tǒng)方法無法獲取的信息;對突發(fā)性重大疾病或疾病晚期（如腦死亡、惡性腫瘤）及日常身體營養(yǎng)與健康狀況發(fā)展智能預(yù)測分類診斷系統(tǒng)模型，對疾病進(jìn)行預(yù)防、預(yù)警、早期診斷、分型、監(jiān)護(hù)等。主要工作如下:
　　 (1)針對Ⅱ型糖尿病加速大腦衰老和認(rèn)知功能下降的臨床問題，以研究老年Ⅱ型糖尿病患者高血糖、血糖波動(dòng)、大腦衰老、認(rèn)知功能下降等各方面的交互關(guān)系為目標(biāo)，基于集成經(jīng)驗(yàn)?zāi)B(tài)分解方法，提出了一種多尺度連續(xù)

4、血糖變異度分析算法，從而發(fā)展了多尺度連續(xù)血糖變異度這一動(dòng)態(tài)生物指標(biāo)。臨床試驗(yàn)結(jié)果表明，Ⅱ型糖尿病在多個(gè)時(shí)間尺度上改變血糖的調(diào)節(jié)，高頻節(jié)律的血糖變異度與大腦萎縮、自主神經(jīng)系統(tǒng)失調(diào)、認(rèn)知功能下降等顯著性相關(guān)，低頻節(jié)律的血糖變異度與糖尿病持續(xù)時(shí)間、記憶力下降、抑郁、睡眠質(zhì)量下降等顯著性相關(guān)。傳統(tǒng)的血糖變異度分析方法以及Ⅱ型糖尿病監(jiān)護(hù)標(biāo)志無法得到這些結(jié)果。
　　 (2)針對心房顫動(dòng)病人在導(dǎo)管消融除顫手術(shù)過程中遭受巨大痛苦但術(shù)后復(fù)發(fā)率較高

5、的臨床問題，以預(yù)測患者是否適合導(dǎo)管消融手術(shù)以提高手術(shù)的成功率為目標(biāo)，首先以非侵入的方式獲得體表心電信號(hào)，基于主成分分析方法提出了 QRST波消減算法，得到房顫信號(hào)，然后結(jié)合EEMD技術(shù)提出了非侵入式心房顫動(dòng)速率提取算法，從而發(fā)展了非侵入式心房顫動(dòng)周期長度這一動(dòng)態(tài)生物指標(biāo)。臨床試驗(yàn)結(jié)果表明，心房顫動(dòng)速率過快可能導(dǎo)致導(dǎo)致術(shù)后病情復(fù)發(fā)，心房顫動(dòng)平均周期超過152ms的患者更適合進(jìn)行導(dǎo)管消融手術(shù)。與常用的基于傅里葉變換的主頻率分析方法相比，該算

6、法具有自適應(yīng)和準(zhǔn)確度高的優(yōu)點(diǎn)。
　　 (3)針對步伐不穩(wěn)是導(dǎo)致老年人摔倒的一個(gè)重要因素的老齡化問題，以量化評估老年人在不同行走狀態(tài)下的步伐穩(wěn)定性以預(yù)防摔倒為目標(biāo)，提出了基于EEMD技術(shù)的步伐穩(wěn)定性量化分析算法，得到了步伐穩(wěn)定性指數(shù)(Step StabilityIndex，SSI)這一動(dòng)態(tài)生物指標(biāo)。試驗(yàn)結(jié)果表明，有障礙物時(shí)老年人的SSI值比正常行走時(shí)顯著性降低，沒有摔倒病史的老年人其SSI值明顯高于有摔倒病史的老年人。SSI與醫(yī)學(xué)

7、上常用的步伐和平衡性測量方法有顯著相關(guān)性，但具有簡單，省時(shí)，省力，安全，自適應(yīng)等優(yōu)點(diǎn)。
　　 (4)針對臨床上的某些突發(fā)性疾?。ㄈ珙^部嚴(yán)重創(chuàng)傷昏迷的病人），惡性腫瘤的早期診斷或者大樣本人群的日常營養(yǎng)與保健等，臨床上對這些病癥的診斷、分型、預(yù)測等需要耗費(fèi)大量的人力物力資源的問題，以建立人工智能生理信號(hào)分類與診斷系統(tǒng)模型為目標(biāo)，基于人工神經(jīng)網(wǎng)絡(luò)提出了一套集成人工神經(jīng)網(wǎng)絡(luò)智能模型系統(tǒng)。為了解決人工神經(jīng)網(wǎng)絡(luò)模型以“黑盒子”的方式進(jìn)行信息