脑电图检查在脑卒中诊疗过程中的应用研究进展 .pdf

脑电图检查在脑卒中诊疗过程中的应用研究进展

【摘要】脑电图检查为一种便捷、非侵性技术，对脑功能异常高度敏感，目前

已广泛应用于癫痫等多种神经系统疾病的诊疗过程中，在脑卒中领域的应用研究

也有数十年历史。近年来，随着相关研究的不断深和人工智能技术的快速发展，

脑电图检查在脑卒中的早期诊断、病情监测和预后评估方面展现出新的潜力和价

值。本文现围绕近5年来脑电图检查在脑卒中诊断和病情评估、疗效评估及预后

评估中的应用研究进展进行综述，并展望其在未来脑卒中管理中的潜在应用价值,

以期为提高脑卒中的诊断准确性、优化治疗方案和改善患者预后提供参考依据。

【关键词】脑卒中；脑电图；人工智能

脑卒中是神经系统疾病中最常见且危害最重者，截至2020年年末，中国约

有1780万成年人罹患过脑卒中，230万人因此死亡，且75%的幸存者遗留神经功

能障碍［1］。美国心脏协会在2021年指出，早期诊断是改善脑卒中预后的关键［2］。

传统上诊断脑卒中主要依靠CT、MRI等影像学检查，其中CT能够快速检测出血

或梗死的早期信号，并可识别异常血管；MRI则能揭示病变及其远端区域的异常，

对急性梗死的检测极为灵敏和特异，但这些检查存在检测流程复杂、可及性低和

成本昂贵等缺陷［3-6］。脑电图检查是一种便捷、非侵性的实时监测头皮表面

微电流的技术，对脑代谢异常、脑缺血缺氧和神经功能异常等较为敏感，目前已

被广泛应用于神经系统疾病的诊断、疗效评估及预后判断中［7-8］。同时，脑电

图检查在脑卒中领域的应用研究目前也已有深的探索，例如已经明确在脑卒中

发生后的早期阶段，脑电图检查能够捕捉到脑电活动的细微变化，为其诊断和病

情评估提供重要信息。Ferreira等［9］通过动物实验发现脑缺血性改变会导致a

波段功率和5波段功率显著增加；Ha。等［10］通过分析脑电图信号发现在微观状

态下脑卒中患者的神经动力学会在康复治疗后得到补偿和重组，且信号中的某些

动态参数可评估患者的神经功能；Block等［11］则通过人工智能汇总、识别连续

收集到的脑电图信号及其他临床资料中的特征与变化，发现该方法可以更快地检

测到脑缺血的早期迹象。然而，尽管脑电图检查在量化脑卒中前后神经活动方面

提供了重要补充，但在提取稳定特征用于脑卒中诊断及揭示脑卒中内在病理机制

等方面仍存在局限，故尚未成为其主要的检查手段［12］。不过，随着研究的不断

深及机器学习模型、深度学习模型等人工智能技术的快速发展，脑电图信号分

析的准确性、可靠性得到了显著提升，有望为脑卒中的早期诊断和深理解其病

理机制提供了新的视角与方法。本文现围绕近5年来脑电图检查在脑卒中诊断和

病情评估、疗效评估及预后评估中的应用新进展进行综述，以期为临床医生和研

究人员提供一些关于脑电图检查在脑卒中诊疗中潜在价值的见解，并探索其在未

来脑卒中精准医疗中的可能扮演的角色。

一、脑电图信号在脑卒中诊疗过程中的处理

脑电图可直接反映大脑皮层电活动，但其在脑卒中诊疗中需借助先进的信号

处理技术提取关键指标。脑电图信号处理过程包括采集、预处理、特征提取和分

类。脑电图信号采集需遵循国际10-20系统，灵活设置通道；预处理旨在消除噪

声，提高信噪比；特征提取则主要关注频率谱、时域、时频和小波变换等指标；

分类则是利用支持向量机、神经网络等方法区分大脑状态C13-16］o通过上述这

些对脑电图信号的处理，从而提取出关键指标用于脑卒中分析。据Lanzone等［1

7］统计，在脑卒中研究中主要关注的脑电图关键指标包括功率谱衍生指标如功率

谱密度、5/a值、50/00值，连通性指标如相干性、锁相值，对称性指标如

脑对称指数、部分定向脑对称指数，其他指标如频谱指数等，并以此结合其他临

床资料来辅助医生对脑卒中的诊断、疗效评估和预后评估。

上述脑电图关键指标是评估大脑不同区域相互作用及其功能状态的重要工

具，其计算原理分别为：(1)功率谱衍生指标：通过分析不同频率下的功率分

布来识别脑电活动模式，其中功率谱密度反映信号功率随频率的变化，而5/a

值等比值通过比较不同频率带功率以揭示特定脑电模式［18］。(2)连通性指标：