导读:本文包含了纺锤波论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:纺锤,睡眠,脑电图,在线,间期,颅脑,节律。
纺锤波论文文献综述
邵岩,陈洁,孙洪强[1]（2019）在《睡眠纺锤波与认知功能关系的研究进展》一文中研究指出睡眠纺锤波(Sleep spindles, SS)是2期非快动眼睡眠的特征脑电波,与感觉信号传递、突触可塑性、记忆巩固、智力发育等有关。精神分裂症、焦虑障碍、阻塞性睡眠呼吸暂停综合征、帕金森病等神经精神疾病会伴随不同程度的认知损害。SS作为认知损害的潜在生理学机制具有实际临床应用价值,通过改变SS活动指数可改善患者的认知功能和预后。目前国内外关于SS和认知功能关系的研究尚处于探索阶段,已有的研究仅仅得出相关关系,且只有轻度至中度的效应值。另外,研究存在样本量小,缺乏长期随访的局限性。未来需要进一步研究SS的精准测量方法,SS与其他脑电波相互作用并影响记忆系统的途径,SS和记忆巩固过程相关的特异指标,SS改变突触可塑性的分子细胞学机制,健康人SS与认知功能的关系推广到患病群体的方法等。综上,SS作为潜在的生物标记物,在注意、学习和记忆、视空间、执行功能等认知领域中扮演着重要的角色。未来有望开发和应用针对SS的非药物干预技术,如经颅磁刺激、慢振荡的经颅直流/交流电刺激、声波扰动等,改善患者的认知损害和总体预后,提高患者的生活质量。本文主要探讨SS与常见的神经精神疾病认知损害的关系,希望对研究和临床治疗提供帮助。(本文来源于《中国睡眠研究会第十一届全国学术年会论文汇编》期刊2019-10-25）
殷全喜,谢颂世,韩志娟[2]（2019）在《睡眠纺锤波的异常改变:文献综述》一文中研究指出睡眠纺锤波是正常人浅-中度睡眠脑电图的一种表现,随着睡眠深浅的变化而改变。睡眠纺锤波可以作为检测中枢神经机能正常与否的一个指标,对评估大脑发育与脑功能有重要意义。现就睡眠纺锤波的分型、和疾病的关系以及异常发生机制进行综述。(本文来源于《现代电生理学杂志》期刊2019年03期）
邱涛[3]（2018）在《睡眠纺锤波自动检测的优化与应用》一文中研究指出睡眠纺锤波是在特定频段11-16Hz,特定睡眠阶段(无快速眼动睡眠阶段)可以显着观察到的振荡波形。传统上,睡眠纺锤波的检测依赖于医疗专家的主观视觉检测,但这种视觉检测非常费时,并且在受试者自身和个体间存在较大变化时缺乏足够的鲁棒性。随着对睡眠纺锤波检测需求的增加,以及睡眠相关数字记录数据库资源的增多,对自动化睡眠纺锤波检测器的需要也在变得迫切。与专家视觉检测相比,自动化的睡眠纺锤波检测器速度更快,可重复性更高,也更系统化。但是,自动化睡眠纺锤波检测算法也具有一些不足,显示出对纺锤波特征变化的弱鲁棒性以及对专家打分的黄金标准的较差跟随。论文的主要工作是通过在统一数据库上使用8种测试指标,进行实验检测了九种当前主流的自动化纺锤波检测算法,分析了其性能以及可能的原因。结果显示出自动化检测算法对不同的受试者具有较大的性能波动,并且有些算法对个别的测试指标也表现出较大的脆弱性。由于自动化检测算法主要在信号分解和纺锤波判别步骤上的不同而区分彼此,因此,预处理步骤能否消除算法间的性能差别就具有了研究必要。论文使用双基追踪去噪预处理原始EEG信号,试图检测能否由此降低算法在不同受试者和不同测试指标上的性能波动性,改善个别算法对个别指标追随的短板。除了进行了预处理步骤的检测工作,论文通过将多目标进化算法与双基追踪去噪方法结合,找寻自动化睡眠纺锤波检测算法的最优解集。DREAMS数据库中的8名受试者记录数据被应用来进行测试,测试结果通过8项指标与两名专家给出的黄金标准进行分析。论文通过基于双基追踪去噪预处理原始脑电信号,和多目标进化算法寻求最优解集,该方法易于导入到睡眠记录仪和健康监测仪器中,工程上易于实现,具有一定的实用价值。(本文来源于《南京邮电大学》期刊2018-11-14）
于云莉,闫勇利,冯占辉,史梦婷,卢弘娟[4]（2016）在《颞叶癫痫患者发作间期放电昼夜节律与纺锤波变化的研究》一文中研究指出目的探讨颞叶癫痫(TLE)患者发作间期痫样放电(IED)的昼夜节律及纺锤波变化的特点。方法将研究对象分为正常对照组30例和确诊的TLE患者研究组50例,对所有研究对象进行了全夜自然睡眠监测,对IED进行分析和统计,并比较TLE组和对照组纺锤波的数量、波幅、和平均持续时间的变化。结果 1.TLE患者的IED的次数在NREM1+2期,(本文来源于《第五届CAAE脑电图与神经电生理大会会刊》期刊2016-10-21）
边云,王智雄,梁伟业,马泊涛,韩笑乐[5]（2016）在《精神分裂症患者Ⅱ期睡眠纺锤波密度的meta分析》一文中研究指出目的:系统评价精神分裂症患者Ⅱ期睡眠纺锤波密度的特征性改变。方法:使用关键词"schizophrenia"和"spindles"(或"sleep")在MEDLINE,Embase,Springer,Psych INFO和谷歌学术中检索相关的英文文献,中文文献在万方数据库、维普中文期刊数据库、中国生物医学文献数据库、中国期刊网中以"精神分裂症"和"纺锤波"(或"睡眠")为关键词进行检索。使用文献质量评价量表(NOS)评价纳入研究的文献质量。纺锤波密度的meta分析由Stata13.0软件完成。结果:纳入的10篇文献NOS分值在4~8之间,90%为高质量文献,精神分裂症患者与健康对照相比,纺锤波密度明显减少(标准化均数差值:-1.22;95%CI:-1.53~-0.91),差异有统计学意义(Z=7.62,P<0.001)。亚组分析显示未用药组和用药组精神分裂症患者的睡眠纺锤波密度均与对照组相比差异有统计学意义(Z=2.70、11.19,P<0.001),但两组之间的异质性具有统计学差异(P=0.004)。结论:Ⅱ期睡眠纺锤波密度减少可能是精神分裂症的特征性改变,抗精神病药物可能起到一定的影响。(本文来源于《中国心理卫生杂志》期刊2016年05期）
谭大坤[6]（2015）在《基于深度学习的睡眠纺锤波检测》一文中研究指出睡眠纺锤波是睡眠进入第二阶段的重要标志,也是异于正常睡眠波少有的几个瞬态事件之一,标准睡眠划分系统定义睡眠纺锤波为在12Hz到14Hz之间的神经元活动。专家肉眼手动检测纺锤波一直代表着业内的黄金准则,但其缺点也十分明显,除了该方法非常耗时耗力,由于受个人因素的影响,专家之间的一致性很低。另一方面,深度学习在解决模式分类中十分有挑战的问题,虽然还处于发展的初期,但它的发展已经对机器学习和人工智能系统产生了深远影响,特别体现在语音识别和机器视觉方面。本文研究了使用深度学习解决纺锤波识别的问题,通过使用众包方法获得训练样本,并且样本来自于不同被试的睡眠脑电信号,作为首次使用深度学习的方法分类纺锤波,除了比较深度体系的方法优于传统方法外,还比较了多种深度学习体系在分类纺锤波上的性能。实验一使用众包方法获取训练样本,该方法优于黄金准则且被证实是可行和可靠的,同时说明了纺锤波容易和α波混淆。实验二对2秒长的脑电信号(ElectroEncephalogram,EEG)进行功率谱密度(Power Spectrum Density,PSD)变换使其作为分类器的输入。基于PSD的四种带宽特性,首先比较了深度置信网(Deep Belief Network,DBN)和其余3种分类器的F1-score性能,结果表明DBN比传统的方法普遍高出3%左右,也优于支持向量机;然后又比较了基于原始PSD和基于特征后PSD的分类性能,前者高于后者10%以上;最后考察了DBN用于在线识别纺锤波的可能性,其结果可以和专家相媲美。实验叁,比较研究了多层感知机(Multi Layer Perception,MLP)、堆积去噪声自编码(Stacked Denoising Auto-Encoders,SDA)和深度置信网(Deep Belief Network,DBN)叁种不同深度学习体系的分类性能,虽然DBN比MLP有很大优势,但在分类纺锤波中,DBN劣于MLP。当采用SDA时,其性能比MLP提高1%。因此,相比较MLP和DBN而言,SDA更适合应用于纺锤波的检测和识别。本论文采用的众包方法是一种新的数据采集方式,并且数据集的质量影响着分类器的性能,这种方法还待进一步的研究,深度学习还需要用在更多的被试样本上才能真正的进入临床检测和数据挖掘领域。另外,深度学习模型作为一种新的体系在检测睡眠纺锤波方面具有优秀的F1-score性能,并且具有自我学习纺锤波内在特性的潜在优势。然而,除了MLP、DBN和SDA,是否有其他有理论依据且更为有效的深度模型学习算法,比如RNN、LSTM,另一方面,从实验叁可以看出探索新的特征提取模型也是值得深入研究的内容。另外,本文的深度学习体系都是基于最小批处理的随机梯度优化算法,采用theano编码体系和Nvidia的Cuda并行体系,寻求新的并行方法、提高并行的速度和效率也是研究的重点。(本文来源于《西安电子科技大学》期刊2015-12-01）
石倩蓉[7]（2015）在《基于大众外包方法的纺锤波检测可行性分析》一文中研究指出睡眠纺锤波(Spindle)是非快速眼动睡眠(NREM)N2阶段的标志,它的频率范围为11~16Hz,产生时间大于0.5秒,振幅先增大后减小,形状类似于梭子。纺锤波在人的记忆和智力的机制研究中,以及在一些精神类疾病的临床诊断上都有重要作用。到目前为止,纺锤波自动检测算法层出不穷,而基于肉眼观测的手动划分一直以来都是准确率最高的方法,同时专家的肉眼手动划分被称为纺锤波检测的金标准,但是专家一般需要经过专业培训而且很难找到,所以本文通过大众外包的方法获得了大量非专家标记的纺锤波数据集,然后得到非专家组的标准,并将其与专家组的金标准进行对比,来看看是否可以通过非专家组的标准来代替专家组的金标准。在进行本文的实验之前,我们需要采集并选取一些实验所用的睡眠脑电数据。在采集脑电数据之前,需要被试填写一些量表来对被试近期的情绪、睡眠以及其他情况进行简要评估,所以开发了在线睡眠研究问卷调查系统。该系统代替了传统的纸质问卷调查,一方面使得作用范围更广、速度更快,另一方面可以节省很大的人力、财力、物力和时间,而且可以将调查的数据全部存储于计算机中,以便随时使用。由于一个人一晚上的睡眠脑电数据量很大,而且本研究是通过大众外包的方法来标记纺锤波的,所以参与标记纺锤波的被试会很多,因此最终需要处理的数据量会很大。如果采用MATLAB离线方式来标记纺锤波的话,后期数据统计和数据处理都会比较繁琐,所以开发了基于WEB的在线检测纺锤波系统。那么只需要被试身边有一台电脑就可以在线标记纺锤波,然后将标记的结果存储到远程数据库。对专家组和非专家组通过在线检测纺锤波系统标记的数据集进行分析,可以得到以下结论:对于专家组来说,组阈值T-group为0.3和重迭阈值T-overlap为0.45时,此时专家组金标准是最优的。所有的专家与专家组金标准比较,其平均表现为0.84007±0.023(均值±方差),这表明每位专家与专家组金标准具有较好的一致性。对于非专家组来说,组阈值T-group为0.35和重迭阈值T-overlap为0.3时,非专家组标准是最优的。所有的非专家与非专家组标准进行比较,其平均表现为0.7246±0.1008(均值±方差),显然与专家组的平均表现相比,非专家组平均表现的均值变小,方差变大。这说明非专家之间的一致性不如专家的高。非专家组标准与专家组金标准比较的F1值为0.7557,也就是说虽然非专家之间的一致性没有专家之间的高,但是非专家组标准与专家组金标准的差别程度还是可以接受的,即由非专家组标准代替专家组标准可行的。同时还将非专家组标准和RMS自动检测算法进行对比,发现非专家组标准是优于RMS自动算法的。(本文来源于《西安电子科技大学》期刊2015-12-01）
乌焕菊[8]（2015）在《纺锤波自动检测算法平台的构建及其在智力研究中的应用》一文中研究指出睡眠不仅仅是一个休息状态,它是大脑和机体自我修复的一种方式,对大脑记忆重构以及体内激素都有调节作用。所以睡眠及其机制研究一直是项重要的学术研究。睡眠的调节作用大多与节律有关。睡眠节律中的纺锤波是一种重要的节律,也是近年来研究的热点。睡眠纺锤波在临床上也十分重要,例如在一些疾病(精神分裂症、自闭症、癫痫、智障、睡眠障碍和神经退化疾病等)中会发现纺锤波密度的变化。因为睡眠纺锤波是由大脑一些区域的相互作用产生的(包括丘脑网状核、丘脑神经元、海马和皮质),在清醒阶段,这些回路同时又和学习、行为觉醒以及感觉门控有关,所以纺锤波的特性会影响这些回路并且可以作为诊断的生物标记。纺锤波检测是纺锤波研究中的重中之重。传统的检测纺锤波方法是人眼检测,一直以来这种方法是纺锤波检测的“金标准”,然而,实验记录的脑电信号通常是巨大的,这种人眼检测成为了睡眠研究中非常枯燥和繁重的工作,非常耗时,为此人们研究了各种时频分析方法用来检测纺锤波。本文中实现了前人在文章中发表过的四种纺锤波自动检测算法,包括基于RMS、功率谱二阶导、匹配追踪(MP)和AR模型四种算法,并将检测结果与“金标准”进行比对,分析算法性能,比较优缺点。实验结果表明:RMS算法检测结果综合性能比较好,时间最短,召回率(平均72%以上个别达到100%以上)和准确率(平均达到64%以上,个别达到100%)较高,功率谱二阶导自动检测算法的召回率(平均达到80%以上)最高,但因为假阳性(FT)偏高,导致准确率低,而MP算法最耗时,AR模型自动检测的各项指标比较平均。在算法的稳定性上,RMS算法的各项方差最小,最稳定,MP算法各项方差值最大,最不稳定。综合四种算法的比较,最终选择RMS进行纺锤波检测,并对纺锤波特征(密度,数量,幅值等)进行计算最后与智力做相关。实验包括两项内容,第一项是脑电采集,第二项是智力采集。40名健康被试完成以上两项实验。智力结果统计表明被试的智力水平范围在97-128之间,纺锤波计算结果表明个体之间纺锤波个数标准差较大,密度标准差较小。在校准后,Fz电极纺锤波数量与全IQ显着相关(p=0.011),F4电极纺锤波数量和操作IQ显着相关(p=0.012),Fp1、Fp2、F3、F4、Fz电极密度与操作IQ值显着相关(p<0.012),各电极纺锤波数量和密度均与言语IQ值不相关,而纺锤波的幅值基本与所有IQ值均不相关。研究结果基本可前人的研究相一致。本文的研究结果为实验室对脑电、影像和行为叁者之间的研究奠定了一定的平台基础并提供了理论依据。(本文来源于《西安电子科技大学》期刊2015-12-01）
耿梅,孙文豹,王翠欣,李倩[9]（2012）在《极度纺锤波与婴幼儿智能障碍的相关性研究》一文中研究指出纺锤波是睡眠脑电图的重要标志之一,极度纺锤波是一种波幅>200mV,持续时间3～5s,分布广泛的一组意义未明的脑电图波形。曾有文献报道其与智力低下有密切关系[1]。本文对33例婴幼儿的睡眠脑电图中存在极度纺锤波的变化进行分析并探讨其意义,并与CT结果和临床表现进行对照。1资料与方法1.1一般资料选择2000至2010年经哈励逊国际和平医院和衡水市第二人民医院脑电图描记可见极度纺锤波的异常脑电图33例(研究组),其中男21例,女12例;年龄3个月～5岁,其中3～6个月11例,7～12个月13例,1～3岁6例,4～5岁3例;癫痫8例,脑性瘫痪14例,抽动者6例,热性惊厥5例。(本文来源于《河北医药》期刊2012年14期）
景芸芸,徐晓霞,康晓刚,蒋斌,江文[10]（2012）在《睡眠纺锤波在植物状态病人预后判别中的价值研究》一文中研究指出目的:探讨脑电图睡眠纺锤波在植物状态病人预后判别中的价值。方法:在长程脑电监测下观察植物状态病人的睡眠纺锤波,与其意识恢复进行相关性分析,并预测患者意识恢复的敏感性、特异性及准确性。结果:28例患者中,12例有纺锤波,其中9例意识恢复;16例无纺锤波患者中,14例未恢复意识。纺锤波的有无与患者意识恢复有相关性,P值<0.01。脑电图睡眠纺锤波对植物状态患者意识恢复判断的敏感性(83.25%)、特异性(81.82%)、准确性(82.14%)。结论:脑电图睡眠纺锤波可较准确预测植物状态患者的意识恢复能力,可作为临床评估植物状态患者意识恢复能力的辅助方法。(本文来源于《现代生物医学进展》期刊2012年11期）
纺锤波论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
睡眠纺锤波是正常人浅-中度睡眠脑电图的一种表现,随着睡眠深浅的变化而改变。睡眠纺锤波可以作为检测中枢神经机能正常与否的一个指标,对评估大脑发育与脑功能有重要意义。现就睡眠纺锤波的分型、和疾病的关系以及异常发生机制进行综述。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
纺锤波论文参考文献
[1].邵岩,陈洁,孙洪强.睡眠纺锤波与认知功能关系的研究进展[C].中国睡眠研究会第十一届全国学术年会论文汇编.2019
[2].殷全喜,谢颂世,韩志娟.睡眠纺锤波的异常改变:文献综述[J].现代电生理学杂志.2019
[3].邱涛.睡眠纺锤波自动检测的优化与应用[D].南京邮电大学.2018
[4].于云莉,闫勇利,冯占辉,史梦婷,卢弘娟.颞叶癫痫患者发作间期放电昼夜节律与纺锤波变化的研究[C].第五届CAAE脑电图与神经电生理大会会刊.2016
[5].边云,王智雄,梁伟业,马泊涛,韩笑乐.精神分裂症患者Ⅱ期睡眠纺锤波密度的meta分析[J].中国心理卫生杂志.2016
[6].谭大坤.基于深度学习的睡眠纺锤波检测[D].西安电子科技大学.2015
[7].石倩蓉.基于大众外包方法的纺锤波检测可行性分析[D].西安电子科技大学.2015
[8].乌焕菊.纺锤波自动检测算法平台的构建及其在智力研究中的应用[D].西安电子科技大学.2015
[9].耿梅,孙文豹,王翠欣,李倩.极度纺锤波与婴幼儿智能障碍的相关性研究[J].河北医药.2012
[10].景芸芸,徐晓霞,康晓刚,蒋斌,江文.睡眠纺锤波在植物状态病人预后判别中的价值研究[J].现代生物医学进展.2012
论文知识图
