Signal processing methods for cerebral autoregulation
Notice bibliographique
Résumé
Cerebral autoregulation describes the clinically observed phenomenon that cerebral blood flow remains relatively constant in healthy human subjects despite large systemic changes in blood pressure, dissolved blood gas concentrations, heart rate and other systemic variables. Cerebral autoregulation is known to be impaired post ischaemic stroke, after severe head injury, in patients suffering from autonomic dysfunction and under the action of various drugs. Cerebral auto-regulation is a dynamic, multivariate phenomenon. Sensitive techniques are required to monitor cerebral auto-regulation in a clinical setting. This thesis presents 4 related signal processing studies of cerebral autoregulation. The first study shows how consideration of changes in blood gas concentrations simultaneously with changes in blood pressure can improve the accuracy of an existing frequency domain technique for monitoring cerebral autoregulation from spontaneous fluctuations in blood pressure and a transcranial doppler measure of cerebral blood flow velocity. The second study shows how the continuous wavelet transform can be used to investigate coupling between blood pressure and near infrared spectroscopy measures of cerebral haemodynamics in patients with autonomic failure. This introduces time information into the frequency based assessment, however neglects the contribution of blood gas concentrations. The third study shows how this limitation can be resolved by introducing a new time-varying multivariate system identification algorithm based around the dual tree undecimated wavelet transform. All frequency and time-frequency domain methods of monitoring cerebral autoregulation assume linear coupling between the variables under consideration. The fourth study therefore considers nonlinear techniques of monitoring cerebral autoregulation, and illustrates some of the difficulties inherent in this form of analysis. The general approach taken in this thesis is to formulate a simple system model; usually in the form of an ODE or a stochastic process. The form of the model is adapted to encapsulate a hypothesis about features of cerebral autoregulation, particularly those features that may be difficult to recover using existing methods of analysis. The performance of the proposed method of analysis is then evaluated under these conditions. After this testing, the techniques are then applied to data provided by the Laboratory of Human Cerebrovascular Physiology in Alberta, Canada, and the National Hospital for Neurology and Neurosurgery in London, UK.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».