基本信息
编辑推荐
导语_点评_推荐词
内容简介
临床上，颅内压增高是导致病人病情恶化、预后不良或死亡的最常见原因之一。颅内压无创检测方法虽有研究，但尚未达到令人满意的程度，目前尚未见到系统讨论颅内压无创检测方法的书籍。本书基于作者在生物医学信号处理领域和虚拟生物医学仪器研究过程中所取得的研究成果，同时借鉴了大量的相关资料编著而成，全书系统地介绍了目前颅内压尤创检测方法及其实现。
本书是一本综合应用生物医学、信号处理、电子技术、虚拟仪器技术等相关学科原理与技术的著作，体现学科交叉在科学研究中的重要作用，适合相关专业的科研工作者和研究人员使用，亦可作为神经内、外科的医生和生物医学工程学科的教师和研究生研究相关课题的参考书。
本书是一本综合应用生物医学、信号处理、电子技术、虚拟仪器技术等相关学科原理与技术的著作，体现学科交叉在科学研究中的重要作用，适合相关专业的科研工作者和研究人员使用，亦可作为神经内、外科的医生和生物医学工程学科的教师和研究生研究相关课题的参考书。
作译者
季忠，男，江苏通州人，2003年毕业于重庆大学，获工学博士学位，2007—2008年在英国曼彻斯特大学做访问学者。现为重庆大学生物工程学院副教授，硕士生导师，主要从事生物医学信号处理以及医学检测和监护仪器的研灾与开发。在国内外期刊和会议上发表论文近50篇，出版专著1部，申请/获得国家专利3项。获国家科技进步奖2等奖1项，省部级1等奖1项。
目录
第1章 绪论
1.1 颅内压及其增高机理
1.1.1 颅内压
1.1.2 颅内压增高机理
1.1.3 颅内压增高的影响因素
1.2 颅内压检测方法综述
1.2.1 颅内压有创检测方法
1.2.2 颅内压无创检测方法
1.3 颅内压无创检测方法研究的目的和意义
本章参考文献
第2章 基于闪光视觉诱发电位的颅内压无创检测方法
2.1 闪光视觉诱发电位的电生理基础
2.1.1 神经元和突触
2.1.2 视觉诱发电位的临床解剖生理基础
2.1.3 颅内压增高对视觉诱发电位影响的临床表现
2.2 视觉诱发电位测量方法
2.2.1 基于叠加平均技术的视觉诱发电位测量
2.2.2 基于谱分析的视觉诱发电位测量
2.2.3 基于人工神经网络的视觉诱发电位测量
2.2.4 基于小波变换的视觉诱发电位测量
1.1 颅内压及其增高机理
1.1.1 颅内压
1.1.2 颅内压增高机理
1.1.3 颅内压增高的影响因素
1.2 颅内压检测方法综述
1.2.1 颅内压有创检测方法
1.2.2 颅内压无创检测方法
1.3 颅内压无创检测方法研究的目的和意义
本章参考文献
第2章 基于闪光视觉诱发电位的颅内压无创检测方法
2.1 闪光视觉诱发电位的电生理基础
2.1.1 神经元和突触
2.1.2 视觉诱发电位的临床解剖生理基础
2.1.3 颅内压增高对视觉诱发电位影响的临床表现
2.2 视觉诱发电位测量方法
2.2.1 基于叠加平均技术的视觉诱发电位测量
2.2.2 基于谱分析的视觉诱发电位测量
2.2.3 基于人工神经网络的视觉诱发电位测量
2.2.4 基于小波变换的视觉诱发电位测量
书摘
近年来发展起来的小波去噪技术、独立分量分析方法、神经网络以及自适应滤波器等，为视觉诱发电位的提取提供了多种可供选择的方案，但是由于视觉诱发电位提取中的实际情况，这些方法也存在一定的局限性。
2.2.2基于谱分析的视觉诱发电位测量
20世纪70年代和80年代间采用较多的方法是以各种滤波法结合自发脑电（EEG）的AR或ARMA模型，然后通过滤波等手段提取诱发电位信号。文献[23]、[24]介绍了“.AR模型”、“ARMA模型”、“Prony扩展谐波分解法”等在各类生物医学信号处理中的应用，涉及自发脑电、诱发脑电、心电及心律变异、胃电、肌电等，处理的目的是为了更好地提取信号相应的特征，并由此判断与这些信号相关联的器官或组织的正常与异常，从而实现临床上的有效应用。文献[25]采集了正常人的视觉诱发电位（VEP）与听觉诱发电位（AEP）信号，然后用一带宽为0.1～30Hz的带通滤波器加以预处理，采样率为128Hz，采用了10阶Prony谐波分解。
目前，高阶累量已经在非生物医学信号处理领域中得到了广泛的应用。近年来，高阶累量与高阶累量谱在生物医学信号中的应用也逐渐增多。文献[26]报道了将累量谱用于VEP的情况，其工作实质是研究在累量谱域上对于VEP信号的检测问题。
在没有或缺乏信号统计知识的情况下，可以采用自适应滤波的方法，或者在对信号和噪声的相关函数和功率谱作出估计后，采用后验维纳滤波方法。自适应滤波可以根据对信号估计的误差按一定的要求，通过一定的算法自动逐步调节滤波器系数，使处理结果逐步趋于最优，且计算量少、速度快，因而既有利于实时处理，又可跟踪信号统计特性随时间而变化的情况，因而自20世纪80年代中后期开始应用于诱发电位的提取，并随着实践不断发展。
2.2.2基于谱分析的视觉诱发电位测量
20世纪70年代和80年代间采用较多的方法是以各种滤波法结合自发脑电（EEG）的AR或ARMA模型，然后通过滤波等手段提取诱发电位信号。文献[23]、[24]介绍了“.AR模型”、“ARMA模型”、“Prony扩展谐波分解法”等在各类生物医学信号处理中的应用，涉及自发脑电、诱发脑电、心电及心律变异、胃电、肌电等，处理的目的是为了更好地提取信号相应的特征，并由此判断与这些信号相关联的器官或组织的正常与异常，从而实现临床上的有效应用。文献[25]采集了正常人的视觉诱发电位（VEP）与听觉诱发电位（AEP）信号，然后用一带宽为0.1～30Hz的带通滤波器加以预处理，采样率为128Hz，采用了10阶Prony谐波分解。
目前，高阶累量已经在非生物医学信号处理领域中得到了广泛的应用。近年来，高阶累量与高阶累量谱在生物医学信号中的应用也逐渐增多。文献[26]报道了将累量谱用于VEP的情况，其工作实质是研究在累量谱域上对于VEP信号的检测问题。
在没有或缺乏信号统计知识的情况下，可以采用自适应滤波的方法，或者在对信号和噪声的相关函数和功率谱作出估计后，采用后验维纳滤波方法。自适应滤波可以根据对信号估计的误差按一定的要求，通过一定的算法自动逐步调节滤波器系数，使处理结果逐步趋于最优，且计算量少、速度快，因而既有利于实时处理，又可跟踪信号统计特性随时间而变化的情况，因而自20世纪80年代中后期开始应用于诱发电位的提取，并随着实践不断发展。
【插图】
