跳到主要內容

臺灣博碩士論文加值系統

(34.204.180.223) 您好!臺灣時間:2021/08/01 16:01
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:林宜亭
研究生(外文):Yi-ting Lin
論文名稱:運用多尺度熵於聲帶手術住院病人術後麻醉身體平衡能力恢復之研究
論文名稱(外文):Postural balance ability analysis for inpatients after laryngeal microsurgery in anesthesia using multiscale entropy
指導教授:江行全江行全引用關係
指導教授(外文):Bernard C.,Jiang
學位類別:碩士
校院名稱:元智大學
系所名稱:工業工程與管理學系
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:113
中文關鍵詞:聲帶手術住院病人麻醉恢復複雜度壓力中心點經驗模態分解方法多尺度熵
外文關鍵詞:laryngeal microsurgery (LMS)inpatientsanesthesia recoverycomplexitycenter of pressure (COP)empirical mode decomposition (EMD)multiscale entropy (MSE)
相關次數:
  • 被引用被引用:4
  • 點閱點閱:580
  • 評分評分:
  • 下載下載:2
  • 收藏至我的研究室書目清單書目收藏:0
一般醫院讓病患離開恢復室的評估標準都以生理監測訊號為主,鮮少有身體活動能力相關指標,因此針對某醫學中心22位接受全身麻醉的聲帶手術住院病人,設計在麻醉前後之平衡能力實驗,測量及分析站立的壓力中心點訊號。本研究目的加入平衡能力指標,用以了解聲帶手術病人麻醉恢復所需時間,輔助院方了解聲帶手術麻醉術後恢復所需時間。複雜度是目前生理研究領域熱門的指標之一,麻醉前複雜度高,平衡控制能力與適應環境能力較好,麻醉後複雜度低,平衡控制能力與適應環境能力較弱。實驗所得訊號使用,可分為左右與前後方向訊號,使用經驗模態分解方法可獲得能量較大的高頻訊號,經由多尺度熵的複雜度概念分析及評估受測者麻醉術前及術後,身體平衡能力之差異,藉以了解全身麻醉受試者的麻醉藥物代謝快慢,以及平衡控制能力恢復與否。本研究將複雜度利用重複量數變異數分析,壓力中心點位移距離之不同觀點下來相互比較分析,結果發現接受聲帶手術病患進入恢復室後,生理指標已在正常範圍內,因此與複雜度沒有一致的變化。經重複量數變異數分析與壓力中心點位移距離的分析,平衡能力在麻醉45分鐘後,左右與前後方向皆未恢復至麻醉前,需休息至麻醉1至2小時後,才可以恢復至麻醉前狀態,且左右方向恢復較前後方向慢,因此本研究可作為輔助院方了解聲帶手術麻醉恢復所需要的時間,若聲帶手術病患能提早出院,可減少醫療資源以及增加病床的週轉率。
Instead of physical movement evaluations, the vital sign assessment is a common practice for the recovery room to decide on discharging postsurgical patients. An experiment on evaluating the pre- and post-anesthesia body balancing ability by measuring and analyzing the center of pressure (COP) signals was conducted on 22 volunteers receiving laryngeal microsurgery (LMS) from a medical center. This study investigated the anesthesia recovery time of post-LMS patients with postural balancing indicators to assost doctor to determine the time of discharging postsurgical patients. Complexity is an indicator for evaluating health condition. With complexity concept, before anesthesia, complexity is high and balancing control and environmental adaptability are better; after anesthesia, complexity is low and balancing control and environmental adaptability become weaker. Signals obtained from the experiment are divided into two groups: medio-lateral (ML); and anterior-posterior (AP). High-frequency signals with greater energy were obtained with the empirical mode decomposition (EMD). By analyzing the complexity and assessing the difference in balancing ability of subjects before and after anesthesia with multiscale entropy (MSE), the speed of anesthesia metabolism and balancing ability recovery in the subjects are understood. Results of the repeated-measure ANOVA on complexity and comparison of center of pressure (COP) shift distance show that (1) LMS patients have normal vital signs after entering the recovery room, indicating that vital sign and complexity changes are inconsistent; (2) neither the ML nor the AP balancing ability is recovered to the pre-anesthesia conditions 45 minutes after anesthesia, and (3) 1-2 hours is needed to recover to the pre-anesthesia conditions, and the ML balancing ability recovers more slowly than the AP balancing ability. As the results of this study can help doctors to better understand the anesthesia recovery time of LMS patients, this can save medical resources and increase bed utilization rate if LMS patients can be discharged from the hospital earlier.
目錄

目錄 iii
圖目錄 v
表目錄 vii
符號說明 viii
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 3
1.4 研究方法與流程 5
1.5 論文架構 6
第二章 文獻探討 9
2.1 麻醉手術簡介 9
2.1.1 麻醉方法 10
2.1.1.1 全身性麻醉(General Anesthesia) 10
2.1.1.2 區域性麻醉(Regional Anesthesia) 12
2.2 聲帶手術(Laryngeal micro-surgery, LMS)簡介 13
2.2.1 聲帶手術(LMS)使用的麻醉方法、麻醉藥物與麻醉劑量 14
2.2.2 聲帶手術(LMS)麻醉過程 21
2.3 麻醉恢復相關生理指標評估項目與文獻回顧 22
2.4 壓力中心點(Center of pressure, COP) 25
2.5 經驗模態分解方法(Empirical mode decomposition, EMD) 27
2.6 複雜度(Complexity) 29
2.7 複雜度求取方法 30
2.7.1 近似熵( Approximate entropy, ApEn)理論 33
2.7.2 樣本熵(Sample entropy, SampEn)理論 34
2.7.3 多尺度熵( Multiscale entropy, MSE)理論 36
2.8 小結 37
第三章 研究方法 39
3.1 研究流程 39
3.2 平衡能力實驗 – Step1 40
3.2.1 研究對象與器材 40
3.2.1.1 測力板(Force plant) 41
3.2.2 實驗流程 42
3.3 經驗模態分解法(EMD) – Step2 47
3.3.1 本質模態函數(Intrinsic mode functions, IMF) 49
3.3.2 轉移過程(Sifting process) 49
3.3.3 平衡能力實驗數據前處理 52
3.4 複雜度求取方法與步驟 – Step3 55
3.4.1 近似熵(Approximate entropy, ApEn) 55
3.4.1.1 近似熵(Approximate entropy, ApEn)參數 56
3.4.1.2 近似熵(Approximate entropy, ApEn)方法步驟與流程 57
3.4.2 樣本熵( Sample entropy, SampEn) 59
3.4.2.1 樣本熵( Sample entropy, SampEn)方法步驟與流程 59
3.4.3 多尺度熵( Multiscale entropy, MSE) 62
第四章 實驗數據分析與結果討論 65
4.1 實驗數據分析 65
4.1.1 參數設定 65
4.1.2 最佳參數設定 68
4.2 實驗數據分析與結果與討論 70
4.2.1 複雜度指標(Complexity index, CI)結果與分析 79
4.2.1.1 麻醉前、麻醉1小時後以及麻醉2小時後ML與AP之複雜度指標(CI)結果與分析 80
4.2.1.2 麻醉前、麻醉45分鐘後、麻醉1小時後以及麻醉2小時後ML與AP之複雜度指標(CI)結果與分析 85
4.2.1.3 小結 92
4.2.2 統計分析 94
4.2.2.1 第13位至第22位受試者,於麻醉前、麻醉45分鐘後、麻醉1小時後與麻醉2小時後的CI值統計分析 95
4.2.2.2 第1位至第22位受試者,於麻醉前、麻醉1小時後與麻醉2小時後的CI值統計分析 97
4.2.3 生理指標 99
4.2.4 壓力中心點(COP)位移分析 101
4.3 總結 106
第五章 結論與未來研究 108
5.1 結論 108
5.2 未來研究 109
參考文獻 110

圖目錄

圖1.1 研究方法流程圖 5
圖1.2 論文架構流程圖 7
圖2.1 麻醉品質維護五要素達平衡麻醉的狀態 10
圖2.2 (a)正常聲帶;(b)聲帶結節即聲帶長繭圖示,箭頭處為聲帶小結;(c)聲帶息肉圖示,箭頭處為聲帶息肉 14
圖2.3 麻醉過程的四個時期 21
圖2.4 COP示意圖 26
圖2.5 起始壓力中心點與左右搖擺x及前後搖擺y軸方向分量之關係 26
圖2.6 計算複雜度值的方法演變關係圖 32
圖2.7 利用MSE分析健康受試者的心電圖在不同比例下高斯分配 36
圖3.1 研究方法流程圖 39
圖3.2 CATSYS 2000神經功能測試系統的主要元件 41
圖3.3 COP移動軌跡圖 41
圖3.4 實驗步驟流程 45
圖3.5 聲帶手術(LMS)第22位受試者站立於測力板接受平衡能力實驗照片 47
圖3.6 EMD架構流程圖 49
圖3.7 (a)為原始訊號;(b)實線為原始資料,虛線為上下部份包絡線,粗實線為均値包絡線;(c)為原始資料與均値包絡線的差值 50
圖3.8 經由EMD可將原始訊號拆解為高頻至低頻的多個IMF與平均趨勢 53
圖3.9 (a) 原始數據COP移動軌跡圖;(b) 左右搖擺x (Medio-lateral, ML);(c) 前後搖擺y (Anterior-posterior, AP) 54
圖3.10 (a)原始數據COP移動軌跡圖;圖(b)原始數據經過EMD前處理的COP移動軌跡圖 55
圖3.11 求取ApEn的流程圖 57
圖3.12 求取SampEn的流程圖 60
圖3.13 MSE的多尺度概念圖 62
圖3.14 健康老年人與健康年輕人前後搖擺y之MSE分析結果 63
圖3.15 受試者於麻醉前、麻醉45分鐘後、麻醉1小時後與麻醉2小時後的MSE分析結果 64
圖4.1 平衡能力實驗數據處理流程圖 65
圖4.2 選取最佳參數組合流程圖 67
圖4.3 第1位受試者參數組合c=4、r=0.2、m=2的MSE分析結果 69
圖4.4 9位受試者於麻醉前、麻醉1小時後與麻醉2小時後在各尺度下ML與AP之複雜度變化 71
圖4.5 13位受試者於麻醉前、麻醉45分鐘後、麻醉1小時後與麻醉2小時後在各尺度下ML與AP之複雜度變化 75
圖4.6 每個尺度的複雜度值相加即是CI值 79
圖4.7 ML與AP於麻醉1小時後逐漸恢復之MSE分析結果 82
圖4.8 ML與AP於麻醉後2小時恢復之MSE分析結果 83
圖4.9 第3位受試者ML與AP之複雜度變化 84
圖4.10 第20位受試者ML之複雜度變化 87
圖4.11 第18位受試者ML與AP之複雜度變化 88
圖4.12 ML與AP於麻醉2小時後恢復之MSE分析結果 89
圖4.13 ML與AP於麻醉2小時後還未恢復之MSE分析結果 90
圖4.14 第10位受試者ML與AP之複雜度變化 91
圖4.15 第14位受試者ML與AP之複雜度變化 91
圖4.16 第1位至第9位受試者,ML與AP於麻醉前、麻醉1小時後與麻醉2小時後,在不同尺度下的CI值變化 92
圖4.17 第13位至第22位受試者,ML與AP於麻醉前、麻醉45分鐘後、麻醉1小時後與麻醉2小時後,在不同尺度下的CI值變化 92
圖4.18 第1位至第22位受試者,ML與AP於麻醉前、麻醉1小時後與麻醉2小時後,在不同尺度下的CI值變化 93
圖4.19 求取COP位移距離示意圖 102
圖4.20 第16位受試者ML與AP之複雜度變化 105
圖4.21 第16位受試者COP位移距離示意圖 106

表目錄


表2.1 全身麻醉種類 11
表2.2 區域麻醉種類 12
表2.3 本研究所使用的麻醉藥物列表與說明 19
表2.4 PAR Score 評估項目與評估內容 24
表4.1 參數說明 66
表4.2 參數建議值 66
表4.3 測試的參數組合 68
表4.4 利用Two-Sapmle t檢定ML與AP的最佳參數組合 69
表4.5 9位受試者ML於麻醉前、麻醉1小時後以及麻醉2小時後的CI值 81
表4.6 9位受試者AP於麻醉前、麻醉1小時後以及麻醉2小時後的CI值 81
表4.7 ML與AP於麻醉1小時後恢復之受試者 83
表4.8 ML與AP於麻醉2小時後恢復之受試者 84
表4.9 13位受試者ML於不同實驗時間的CI值 85
表4.10 13位受試者AP於不同實驗時間的CI值 86
表4.11 ML與AP於麻醉1小時後恢復之受試者 88
表4.12 ML與AP於麻醉2小時後恢復之受試者 89
表4.13 第13位至第22位,ML於麻醉前、麻醉45分鐘後、麻醉1小時後與麻醉2小時後的CI值事後檢定 96
表4.14 第13位至第22位,AP於麻醉前、麻醉45分鐘後、麻醉1小時後與麻醉2小時後的CI值事後檢定 97
表4.15 第1位至第22位,ML於麻醉前、麻醉1小時後與麻醉2小時後的CI值事後檢定 98
表4.16 第1位至第22位,AP於麻醉前、麻醉1小時後與麻醉2小時後的CI值事後檢定 98
表4.17 第1至第9位受試者,於麻醉前、麻醉1小時後與麻醉2小時後的生理指標變化 99
表4.18 第13至第22位受試者,於麻醉前、麻醉45分鐘後、麻醉1小時後與麻醉2小時後的生理指標變化 100
表4.19 第1位至第9位受試者,在麻醉前、麻醉1小時後以及麻醉2小時後的COP位移距離與標準差 102
表4.20 第13位至第22位受試者,在麻醉前、麻醉45分鐘後、麻醉1小時後以及麻醉2小時後的COP位移距離與標準差 103
表4.21 第16位受試者,在ML與AP複雜度變化,以及距離的變化 104
參考文獻

李有豐、黃皓君、張順益、黃鋼 (2004),「非韌性雙層雙跨含牆RC構架之擬動態試驗與結構反應之HHT分析」,建築學報,第47期,頁53-75。

吳東宇、蔡劌、尹嶺、賈寶森 (2005),「近似熵和複雜度分析在麻醉深度監測中的應用」,解放軍醫學雜誌,第30卷,第12期,頁1098-1099。

卓閔賢 (2007),「久站相關研究方法探討」,勞工安全衛生簡訊,第84期。台北:勞工安全衛生研究所。

林銀秋 (2006),「平衡機制相關參數之探討」,中華體育季刊,第20卷,第1期,頁48-54。

林承頡 (2004),「減壓手術對於腰脊髓腔狹窄病人在神經性和功能性恢復的效果」,碩士論文。台南:國立成功大學物理治療研究所,頁8。

范光龍、張毓堯、鄭金玉 (2007),「台灣沿海水位與氣溫波動特性之研究」,行政院國家科學委員會專題研究計畫。台北:國立臺灣大學海洋研究所,頁2-3。

范守仁 (2004),「人工智慧與自動化工程在臨床醫學的應用-麻醉期間病人的智慧型監控及醫療自動化」,碩士論文。台北:國立台灣大學資訊管理研究所,頁14-17。

翁筱郡、郭南榮、何宗儒、陳俊德 (2005),「衛星遙測海面溫度應用於黃鰭鮪漁場變動之研究」,航測及遙測學刊,第10卷,第2期,頁139-158。

陳文杰 (2006),「雜訊環境下經驗模態分解法於語音辨識之應用」,碩士論文。桃園:國立中央大學電機工程研究所,頁20-29。

陳冠融 (2007),「以經驗模態分解法消除二維影像之雷射光斑之可行性分析」,碩士論文。高雄:國立中山大學光電工程研究所,頁5-9。

陳柏村 (2006),「利用Approximate entropy與Complexity的理論來建立麻醉深度預測系統」,碩士論文。桃園:元智大學機械工程研究所,頁16-24。

陳素玉 (2006),「參數系統識別與希伯特-黃轉換應用於土壤動態特性之評估」,碩士論文。台南:國立成功大學土木工程研究所,頁22-29。

彭康麟 (2005),「非韌性雙層雙跨含牆RC構架之擬動態試驗與結構反應之HHT分析」,明新學報,第31期,頁171-181。

楊澤浤 (2008),「運用多尺度熵於不同刺激及老化影響下之穩定性研究」,碩士論文。桃園:元智大學工業工程與管理研究所,頁8-48。

萬柏坤、陳騫、綦宏志 (2005),「早老性癡呆的腦電複雜度與近似熵特徵分析」,北京生物醫學工程,第24卷,第2期,頁103-108。

蔡瑞、卞春華、寧新寶 (2007),「多尺度熵在心率變異信號複雜性分析中應用」,北京生物醫學工程,第26卷,第5期,頁544-547。

盧盈智 (2006),「鄉村與都市國小學童體型特徵、平衡能力與身體活動量之差異」,碩士論文。新竹:國立新竹教育大學體育研究所,頁9-14。

蕭善勻 (2008),「運用近似熵及自我迴歸實現比流器飽和偵測與修正」,碩士論文。台北:國立台北科技大學自動化科技研究所,頁13-19。

Bruhn, J., H. Röpcke, and A. Hoeft (2000), “Approximate entropy as an Electroencephalographic Measure of Anesthetic Drug Effect during Desflurane Anesthesia,” Anesthesiology, Vol. 92, No. 3, pp. 715-726.

Costa, M. and J. Healey (2003), “Multiscale entropy Analysis of Complex Heart Rate Dynamics: Discrimination of Age and Heart Failure Effects,” Computers in Cardiology, Vol. 30, pp. 705-708.

Costa, M., A. L. Goldberger, and C. K. Peng (2002), “Multiscale entropy Analysis of Complex Physiologic Time Series,” Physical Review Letters, Vol. 89, pp. 068102-1-068102-4.

Costa, M., A. L. Goldberger, and C. K. Peng (2005), “Multiscale entropy Analysis of Biological Signals,” Physical Review Letters E, Vol. 71, pp. 021906-1-021906-18.
Costa, M., J. M. Hausdorff, A. L. Goldberger, and C. K.
Peng (2003), “Multiscale entropy Analysis of Human Gait Dynamics,” Physica A, Vol. 330, pp. 53-60.

Echeverria, J., D Abásolo, R Hornero, P Espino, and M López (2007), “Reply to Comment on Analysis of Electroencephalograms in Alzheimer,s Disease Patients with Multiscale entropy,” Physiological Measurement, Vol. 28, pp. L3-L7.

Echeverria, J. C., J, A Crowe, M. S. Woolfson, and B. R. Hayes-Gill (2001), “Application of Empirical mode decomposition to Heart Rate Variability Analysis,” Medical and Biological Engineering and Computing, Vol. 39, pp. 471-479.

Figura, F., G. Cama, L. Capranica, L. Guidetti, and C. Pulejo (1991), “Assesment of Static Balance in Children,” Journal of Sport Medicine and Physical Fitness, Vol. 31, No. 2, pp. 235-242.

Ge, J. Y., P. Zhou, X. Zhao, and M. S. Wang (2007), “Sample entropy Analysis of Sleep EEG Under Different Stages,” IEEE International Conference on Complex Medical Engineering, Vol. 1, pp. 1499-1502.

Haitham, M. A. and A. V. Sahakian (2007), “Use of Sample entropy Approach to Study Heart Rate Variability in Obstructive Sleep Apnea Syndrome,” IEEE Transactions on Biomedical Engineering, Vol. 54, No. 10, pp. 1900-1904.

Huang, L. Y., F. C. Jul, E. K. Zhang, and J. Z. Cheng (2003), “Real-time Estimation of Depth of Anaesthesia Using the Mutual Information of Electroencephalograms,” Proceedings of the 1st International IEEE EMBS Conference on Neural Engineering, Vol. 1, pp. 328-331.

Lake, D. E., J. S. Richman, M. P. Griffin, and J. R. Moorman (2002), “Sample entropy Analysis of Neonatal Heart Rate Variability,” American Journal of Physiology - Regulatory, Integrative, and Comparative Physiology, Vol. 283, pp. 789-797.

Lempel, A. and J. Ziv (1976), “On the Complexity of Finite Sequences,” IEEE Transactions on Biomedical Theory, Vol. 22, No. 1, pp. 75-81.

Magnusson, M., H. Enbom, R. Johansson, and I. Pyykko (1990) “Significance of Pressor Input from the Human Feet in Anterior-posterior Postural Control,” Acta Oto- Laryngologica, Vol. 110, pp. 182-188.

Myles, P. S., J. O. Hunt, C. E. Nightingale, H. Fletcher, T. Beh, D. Tanil, A. Nagy, A. Rubinstein, and J. L. Ponsford (1999), “Development and Psychometric Testing of a Quality of Recovery Score After General Anesthesia and Surgery in Adults, ” Anesth Analg, Vol. 88, pp. 83-90.

Myles, P. S., B. Weitkamp, K. Jones, J. Melick, and S. Hensen (2000) “Validity and Reliability of a Postoperative Quality of Recovery Score: the QoR-40,” British Journal of Anaesthesia, Vol. 84, No. 1, pp. 11-15.

Myles, P. S., J. O. Hunt, H. Fletcher, R. Solly, D. Woodward, and S. Kelly (2001) “Relation Between Quality of Recovery in Hospital and Quality of Life at 3 Months After Cardiac Surgery,” Anesthesiology, Vol. 95, pp. 862-867.

Pincus, S. M. (1991), “Approximate entropy as a Measure of System Complexity,” Proceedings of the National Academy of Science of USA, Vol. 88, pp. 2297-2301.

Richman, J. S. and J. R. Moorman (2000), “Physiological Time-series Analysis Using Approximate entropy and Sample entropy,” American Journal of Physiology, Heart and Circulatory Physiology, Vol. 278, pp. 2039-2049.

Zhang X. S., R. J. Roy, and E. W. Jensen (2001), “EEG Complexity as a Measure of Depth of Anesthesia for Patients,” IEEE Transactions on Biomedical Engineering, Vol. 48, No. 12, pp. 1424-1433.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top