目的：本研究旨在比較一種新的腦電參數(shù)-腦電非線性指數(shù)（ENI）與BIS在丙泊酚靶控輸注時預測鎮(zhèn)靜深度的能力。方法:選擇30例18～60歲，ASA Ⅰ～Ⅱ級，擬行擇期普外科手術(shù)患者。每一患者同時監(jiān)測ENI和BIS。麻醉誘導給予丙泊酚靶控輸注，直至患者意識消失后給予芬太尼和羅庫溴銨行氣管插管。麻醉誘導過程中每30秒進行一次鎮(zhèn)靜評分（采用改良OAA/S評分），并記錄ENI和BIS值以及平均動脈壓（MAP）和心率（HR）。結(jié)果:ENI和BIS與鎮(zhèn)靜評分的相關(guān)性比MAP和HR高（r=0.90、0.93 vs r=0.77、0.27）。鎮(zhèn)靜過程（改良OAA/S評分）中ENI和BIS有很好的相關(guān)性(R2=0.828)。ENI和BIS預測鎮(zhèn)靜深度的能力優(yōu)于MAP和HR。結(jié)論：ENI可提供與BIS相似的反映鎮(zhèn)靜深度的信息，能準確預測不同的鎮(zhèn)靜深度。
臨床上，手指開合動作測試是神經(jīng)內(nèi)科對帕金森?。≒D）患者運動能力的一個常用檢測項目，它主要從動作幅度、速度和規(guī)律性三個方面評價患者的手部精細運動能力。本文旨在關(guān)注PD患者手指開合動作規(guī)律性的量化評估，用慣性傳感器單元采集測試對象在手指開合過程中食指和拇指的運動信號，計算近似熵（ApEn）和樣本熵（SampEn）兩個非線性動態(tài)指標，然后對計算結(jié)果進行統(tǒng)計分析。試驗結(jié)果表明，兩個指標不僅在病例組和對照組之間有較大差異，而且與臨床醫(yī)生給出的統(tǒng)一帕金森病評分量表（UPDRS）對應項評分有較高的相關(guān)性，說明兩個指標均能夠在一定程度上反映帕金森病患者手指重復性動作的受損程度，可以作為臨床上對帕金森病患者運動能力評估的一種可靠方法。
音樂誘發(fā)下的情感狀態(tài)評估結(jié)果可為輔助音樂治療提供理論支持與幫助。情感狀態(tài)評估的關(guān)鍵是情感腦電的特征提取，故本文針對情感腦電特征提取算法的性能優(yōu)化問題開展研究。采用 Koelstra 等提出的分析人類情緒狀態(tài)的多模態(tài)標準數(shù)據(jù)庫 DEAP，提取 8 種正負情緒代表各個腦區(qū)的 14 個通道腦電數(shù)據(jù)，基于小波分解重構(gòu) δ、θ、α、β 四種節(jié)律波；在分析比較小波特征（小波系數(shù)能量和小波熵）、近似熵和 Hurst 指數(shù)三種腦電特征情感識別效果的基礎(chǔ)上，提出一種基于主成分分析（PCA）融合小波特征、近似熵和 Hurst 指數(shù)的腦電特征提取算法。本算法保留累積貢獻率大于 85% 的主成分，并選擇特征根差異較大的特征參數(shù)，基于支持向量機實現(xiàn)情感狀態(tài)評估。結(jié)果表明，使用單一小波特征（小波系數(shù)能量和小波熵）、近似熵和 Hurst 指數(shù)特征量，情感識別的正確率均值分別是 73.15%、50.00% 和 45.54%，而改進算法識別準確率均值在 85% 左右?；诟倪M算法情感識別的分類準確率比傳統(tǒng)方法至少能提升 12%，可為情感腦電特征提取以及輔助音樂治療提供幫助。
本研究旨在客觀比較頸部肌肉疲勞評價算法的差異性，找出更加有效的頸部肌肉疲勞評價算法，為伏案姿勢下頸部肌肉疲勞提供人因工程定量評價方法。本文利用無線生理儀采集了 15 名受試者使用記憶枕伏案 12 min 的頸部胸鎖乳突肌的表面肌電信號，使用平均功率頻率、譜矩比、離散小波變換、模糊近似熵以及復雜度 5 個算法計算出相應的肌肉疲勞指標；并使用最小二乘法對肌肉疲勞指標進行線性回歸得出確定系數(shù) R2 與斜率 k；確定系數(shù) R2 可評價各種算法的抗干擾性；對斜率 k 進行柯爾莫哥洛夫—斯米洛夫檢驗得到最大垂直距離 Lmax，Lmax 可評價各種算法對疲勞程度的區(qū)分能力。統(tǒng)計結(jié)果表明，在抗干擾方面，模糊近似熵在不同高度的記憶枕下都具有最大的 R2，且模糊近似熵與平均功率頻率、離散小波變換的差異具有統(tǒng)計學意義（P < 0.05）；在區(qū)分疲勞程度方面，模糊近似熵仍具有最大的 Lmax，最大值達 0.496 7。本文研究結(jié)果表明，模糊近似熵無論是在抗干擾性還是疲勞程度的區(qū)分能力上都優(yōu)于其他算法，因此在進行頸部肌肉疲勞評價時，我們建議可將模糊近似熵作為一個較好的評價指標。