The development of the anesthesia monitoring score of Poincare analysis using deep learning.

使用深度学习进行庞加莱分析麻醉监测评分的开发。

基本信息

批准号：
19K09385
负责人：
林和子
金额：
$ 2.75万
依托单位：
Meiji University of Integrative Medicine
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

ポアンカレプロット解析は、信号の二次状態空間における履歴効果から秩序性を検討する複雑系システムの挙動把握法である。この解析法を脳波に応用して、複雑系システムである脳神経活動の履歴効果からその秩序性を定量解析することで、統一的な麻酔深度測定法を確立する研究を施行してきた。麻酔効果が深まるにつれて、脳神経ネットワーク活動の履歴が浅くなり複雑性が喪失し、過去の信号履歴が今現在の信号に対し主に線形に作用して系がより線形系に近づく。それが、ポアンカレプロット解析において、麻酔効果として反映される。研究開始以来、このポワンカレプロット解析の課題、つまり、筋電図による干渉や、高齢者における適応、更に、作用機序の異なる薬物に関する検討を行ってきた。本年度は、特に、脳神経動態の複雑性定量化が、どのように２次元状態空間上のポワンカレプロット解析に反映されうるかを文献から検討した。麻酔領域においても、近年そのような複雑性分析の試みが始まっている。複雑さは、Shinerらによると３種に分類できる。タイプ1 複雑性は、主に時間的ランダム性を反映し、タイプ3 複雑性は、空間的構造の複雑性、つまり空間的ネットワーク結合性, 組織化を定量化する。そして、タイプ2 複雑性は、時空間両次元の複雑性を示す。脳は空間と時間の両面から麻酔や意識と関連した情報処理を行うので、脳の挙動は、このタイプ2 複雑性で測るのが適切であろう。時空間両次元の複雑性（complexity）を示すタイプ2 複雑性は、完全規則性と、最大ランダム性の両方で低く、中間でピークに達するような複雑性とランダム性の逆U字型を示すことが報告されており、このタイプ２型の複雑性指標が、意識を反映する麻酔モニターとなり得る可能性がある。タイプ２型の複雑性指標とポワンカレプロット解析の関係を模索したい。

Poincaré图分析是一种理解复杂系统行为的方法，这些系统从信号次要状态空间中的历史效应中进行了顺序。通过将此分析方法应用于脑电图，我们进行了研究，以建立一种统一的方法，通过定量分析其从颅神经活动的历史效应（一个复杂的系统）来测量麻醉深度。随着麻醉效果的加深，神经网络活动的历史变浅，复杂性丧失，过去的信号历史主要作用于当前信号，使系统更接近线性系统。这反映在庞加莱图分析中是一种麻醉作用。自从研究开始以来，我们一直在研究该点图分析所涉及的问题，即由肌肉造影，老年人的适应性以及具有不同作用机理的药物引起的干扰。今年，我们从文献中特别研究了如何在二维状态空间的指针图分析中反映颅神经动力学的定量。近年来，在麻醉领域也开始了分析复杂性的尝试。根据Shiner等人的说法，复杂性可以分为三种类型。类型1的复杂性主要反映时间随机性，而3型复杂性量化了空间结构的复杂性，即空间网络连接，组织。然后类型2的复杂性表示两个时空维度的复杂性。由于大脑处理与空间和时间上麻醉和意识有关的信息，因此使用此类型2的复杂性来测量大脑行为是适当的。据报道，在两个时空维度上都表现出复杂性的2型复杂性据报道表现出低复杂性和逆U形复杂性，中间峰值在中间，并且这种类型2的复杂性指标可能是反映意识性的麻醉显示器。我想探索2型复杂性指标与PointAuret图分析之间的关系。