简介:目的:通过对志愿者观看3D影片之后的脑电信号进行主成分分析,选取最能代表立体视觉疲劳度的主成分,运用BP神经网络对疲劳等级进行建模,提高对疲劳度等级的预测准确度。方法:采集15名志愿者观看五部不同3D影片前后的脑电信号,先对脑电信号进行疲劳度分级并选取特征通道;再对特征通道的脑电信号进行主成分分析选取影响最大的特征主成分,利用BP神经网络进行建模,根据建立的模型对立体视觉引起的疲劳等级进行预测,将预测结果与已知的疲劳等级进行对比。结果:根据文献中的疲劳等级将实验结果分成三个等级;据累计贡献率超过90%选取的前四个主成分建立的预测模型,准确度达95.4%。结论:运用主成分分析和BP神经网络的方法对立体视觉疲劳度进行预测,预测准确度较高,与直接根据脑电特征参数建立模型的方式相比简便和准确,这一方法对立体视觉引起的疲劳度分级及预测提供了新的思路。
简介:目的探索Cookgas和Fastrach插管型喉罩联合光索在预测重度困难气道管理中的应用,为临床处理重度困难气道管理的问题提供依据。方法本院选择于2016年1月至2016年12月接受治疗的预测重度困难气道患者104例作为观察对象,按数字表法分为Cookgas插管型喉罩联合光索组(CILA组)和Fastrach插管型喉罩联合光索组(FT-LMA组),每组52例,并对两组患者的临床资料、手术之前的困难气道评估及声门的暴露情况进行分析。结果两组一般临床资料(年龄、性别、体重及身高)相比的差异没有统计学意义(t=1.562,P=0.092;χ^2=1.448,P=0.104;t=1.520,P=0.081;t=1.604,P=0.095)。CILA组的张口度明显小于FT-LMA组,并且差异具有统计学意义(t=3.935,P=0.002);CILA组的Mallampti分级Ⅲ级之上的例数明显多于FT-LMA组,并且差异具有统计学意义(χ^2=4.852,P=0.004);CILA组的预测困难面罩通气例数明显多于FT-LMA组,并且差异具有统计学意义(χ^2=4.276,P=0.001)。CILA组4级声门的暴露例数显著低于FT-LMA组,且差异有统计学意义(χ^2=4.921,p=0.003)。结论应用CILA和FT-LMA在预测重度困难气道管理中具有高效安全的功效,CILA插管的成功率更高,操作更为便捷,具有较高的临床应用价值。