李泽熙1,2,尹琦1,2,康富豪1,2,叶继伦1,2,3,张旭2,3,于辉1
目的 提出一种基于三波长的脑组织氧监测数学模型。方法 结合完全集合经验模态分解与自适应噪声(Complete
Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和排列熵(Permutation Entropy,PE),对脑氧
信号进行处理,同时用信噪比矫正PE值区间的选择,以自适应滤波提高脑血氧降噪。结果 本文采集了3例志愿者数据并将
其和现有市场设备进行对比,结果表明,与经验模态分解算法、集合经验模态分解算法相比,本文提出的CEEMDAN算法
与对比设备的均方根误差均小于1.7,3组数据的皮尔逊相关系数分别为0.885、0.899、0.883,整体相关性较高(P<0.01);
在降氧实验中,该算法可有效监测脑氧值变化趋势,具有较好的实用价值。结论 该算法可有效去除基线漂移、低频噪声以
及高频噪声,解决模态混叠和残余噪声问题,并提高滤波的准确性,进一步提高重构信号的信噪比,提升系统的有效性和
稳定性。