论文部分内容阅读
背景和目的：脑血管疾病(Cerebrovascular Diseases，CVD)是影响人类健康和影响人类生存质量的常见病和多发病之一，经颅超声多普勒超声(Transcranial Doppler，TCD)作为诊断脑血管疾病的方法，可以作为一种普查CVD的手段推广。TCD可以较早发现颅内动脉血管狭窄和血管的病理变化，作为进一步开展血管造影和介入治疗的依据。但是TCD检查由于自身缺点，目前颅内血管的狭窄还不能量化诊断，诊断多停留在依赖检查者的操作经验和临床经验上，不利于TCD诊断颅内动脉血管狭窄的统一和推广。许多学者已经进行了各种方法的狭窄量化研究，但是目前还未找到一种确实可行的理论和方法。基于此目的，本研究也在寻求TCD量化诊断血管狭窄的方法，为今后能够用TCD诊断颅内动脉血管狭窄提供基础研究的理论依据。因为颈内动脉的TCD的频谱变化与颅内动脉的频谱基本相同，可以作为研究颅内动脉的开始，本研究从动物的颈内动脉狭窄的模型着手，利用混沌理论，研究TCD动脉狭窄模型的混沌现象，并且使混沌现象及混沌的程度数字化，使今后TCD量化诊断颅内血管狭窄成为可能。
方法：使用新西兰兔(N=18)作为动物模型，在右侧颈内动脉用线扎法制作局部血管狭窄模型，根据狭窄程度分为30±5％的轻度狭窄组、55±5％的中度狭窄组和85±5％的重度狭窄组，对不同狭窄程度的兔分别用TCD 4MHz的超声探头采集建模前的健侧颈部血管和建模后狭窄侧颈部血管的多普勒信号，将此信号输入计算机，分别计算健侧和狭窄侧的及Kolmogorov熵、Lyapunov指数和关联维数。
结果：18只实验兔的左侧(健侧)颈内动脉和右侧(狭窄侧)颈内动脉血流频谱信号去噪后的时间序列数据，计算结果：(1)分别计算出血流信号的Kolmogorov熵，狭窄侧与健侧的Kolmogorov熵有显著差异(P＜0.001)。正常血管血流信号的Kolmogorov熵为0，表明血流状态呈非混沌状态；而狭窄侧的血流信号Kolmogorov熵是正的有限数，表明血流状态呈混沌状态，并且狭窄程度越大，Kolmogorov熵的值越大；各狭窄组之间有显著性差异(P＜0.05)；而健侧的Kolmogorov熵经过统计学分析无显著性差异(P＞0.05)。 (2)分别计算出血流信号的Lyapunov指数，狭窄侧与健侧的Lyapunov指数有明显的不同(P＜0.001)。正常血管血流信号的Lyapunov指数为负值，表明血流状态呈非混沌状态；而狭窄侧的血流信号Lyapunov指数是正的有限数，表明血流状态呈混沌状态，并且狭窄程度越大，Lyapunov指数的值越大；各狭窄组之间有显著性差异(P＜0.05)；而健侧的Lyapunov指数经过统计学分析无显著性差异(P＞0.05)。 (3)分别计算出血流信号的关联维数，狭窄侧与健侧的关联维数有明显的不同(P＜0.001)。正常血管血流信号的关联维数为0，表明血流状态呈非混沌状态；而狭窄侧的血流信号关联维数是正的有限数，表明血流状态呈混沌状态，并且狭窄程度越大，关联维数的值越大；各狭窄组之间有显著性差异(P＜0.05)；而健侧的关联维数经过统计学分析无显著性差异(P＞0.05)。
结论：我们通过建立兔颈内动脉不同程度的狭窄模型，将TCD检测到的多普勒频谱图，分析其混沌时间序列，利用Kolmogorov熵、Lyapunov指数及关联维数的计算，研究正常血管和狭窄血管的情况，得出正常血管血液流动呈有序(非混沌)状态，狭窄血管内血液流动呈无序(混沌)状态，并且程度越重，Kolmogorov熵、Lyapunov指数及关联维数值越大，说明狭窄程度越重，混沌状态越明显，混沌值越大。由此可以推测，颅内动脉狭窄也同样可以用计算混沌值的方法加以量化，为今后量化诊断颅内血管狭窄提供试验和理论依据。