室颤波形分析及优化心肺复苏的决策算法研究

Ventricular fibrillation (VF) occurs during many cases of cardiac arrest and electrical defibrillation is still the only effective therapy for the termination of VF. For every minute that passes between collapse and defibrillation, survival rates decrease 10% if no cardiopulmonary resuscitation (CPR) is provided. However, unneccesary or reptitive high energy defibrillations are associated with decresed postresuscitation myocardial function. Optimizing the timing of defibrillation is of great importance in order to discriminate the patients should receive immediate defibrillation versus delayed shock attempts with alternate therapies such as CPR in priority during cardiac arrest. The VF waveform change over time and CPR, which exhibits predictable ability of defibrillation success, therefore has the potential to guide CPR. The purpose of VF waveform analysis is to obtain information about the state of the myocardium and the probability of successful defibrillation. However, the value of VF waveform analysis to guide CPR management is still under investigation. This project is aimed to develop an improved VF waveform analysis and decision algorithm with the combination of nonlinear decomposition and time-frequency analysis for the optimization of CPR. The algorithm will be validated by clinical trials for the improvement of resuscitation outcome by predicting the defibrillation results and optimizing the timing of defibrillation.

心室颤动（室颤）是发生心脏骤停的主要原因。而电击除颤则是终止室颤及恢复心脏自主循环的唯一有效手段。对室颤的治疗每延误1分钟，除颤成功率就会下降10%左右，而不成功或者不必要的高能量除颤又会增加心肌的损伤程度，从而降低复苏的概率。由于病人的发病机制和从室颤发生到首次除颤的时间均不相同，因此对每个病人实施心肺复苏治疗的具体方法也应有所不同。如何有效区分需要先行除颤还是先行胸外按压的病人，并为他们提供最佳的心肺复苏手段，是摆在我们面前的一项重大挑战。运用现代生物医学信号处理与分析方法对室颤波形进行分解与特征提取， 获取与心肌的电生理状态及除颤成功率密切相关的算法指标，是解决这个问题的有效途径。本研究提出了一种基于二维时间窗的室颤波形分析及心肺复苏优化决策算法，以实现为不同心脏骤停患者提供个性化及最优化的治疗方案，并通过临床实验验证该算法在优化心肺复苏中的指导作用。

电击除颤是终止室颤的唯一有效方法，现行的心肺复苏指南推荐每2分钟对室颤患者进行1次电击除颤。但由于不同患者的室颤发生时间以及实施心肺复苏的实际效果不同，对每个患者进行除颤治疗的方案也应有所不同。本项目拟通过对室颤波形的非线性分解及特征提取，寻找能够区分室颤的不同生理时相以及能够在实施心肺复苏的过程中对除颤成功率进行准确预测的参数指标和及对除颤时机优化的决策算法。项目的主要研究内容包括：通过动物实验研究不同生理时相的室颤波形的非线性特征和时频特性；研究肾上腺素剂的使用对这些特征及除颤成功率的影响；提出并验证基于二维时间窗的室颤分析方法及除颤时机优化的决策算法。.我们按照预定研究计划如期进行了项目研究。研究结果表明：（1）当心脏骤停的时间大于10分钟时，室颤信号的时频特征及其对肾上腺素的影响与骤停时间小于10分钟的动物之间具有显著差异。（2）对于高血压合并左心室肥大的动物进行心肺复苏时，虽然冠状动脉灌注压较对照组有显著提高，但室颤信号的特征和除颤成功率却无差异。（3）所设计的增强型自适应滤波算法和除颤结果预测方法可以有效提高心电信号的信噪比和除颤结果的预测能力。（4）运用基于二维时间窗的方法，结合室颤信号在一定时间窗的变化率，可以进一步提高对除颤结果的预测能力。而当运用恢复自主循环这个除颤成功标准时，对除颤结果的预测效果最佳。.研究结果的科学意义：（1）结合自适应滤波和室颤波形分析方法，可以有效减少按压中断时间和优化除颤时机，从而提高心肺复苏的成功率。（2）基于室颤波形分析的方法在预测除颤结果方面优于传统基于冠状动脉灌注压的方法。（3）对院外心脏骤停患者，建议临床采用恢复自主循环作为除颤成功的标准。

内容获取失败，请点击重试