背景:脊柱外科手术中可能出现医源性脊髓损伤,如果有术中脊髓监护技术能够提示脊髓损伤精确位置与模式,将有利于尽快检测并移除伤害源,从而减少或避免脊髓损伤的发生。体感诱发电位在临床中用于辅助脊髓疾病的检测和术中脊髓功能的监护。但以往的术中脊髓监护主要依据体感诱发电位潜伏期和幅值的变化检验体感传导通路完整性,诱发电位中许多有用信息没有被充分利用;而时频分析方法可以将诱发电位中许多微小成分展现在时频空间中,能够有效提取体感诱发电位的细节信息。有研究报道了支持向量机方法能够利用体感诱发电位的时频分布模式,实现颈椎C4、C5、C6节段脊髓损伤位置的精确识别。但随着纳入研究的脊髓损伤节段的增加,体感诱发电位的时频成分会出现严重的线性不可分问题,难以实现脊髓损伤位置与模式的精确诊断。因此优化体感诱发电位时频成分分析技术,建立适用于全脊椎范围的脊髓损伤位置与模式精确诊断方法,是具有一定的理论基础,并且具有临床应用价值的研究方向。方法:本文使用大鼠脊髓损伤模型的下肢体感诱发电位数据对脊髓损伤位置与模式进行诊断;涉及脊髓损伤位点包括以下各独立节段:颈椎C5、C6、胸椎T1-T4、T7-T13、胸椎L1-L6;每个位置都分别采集了挫伤、牵拉两种模式脊髓损伤后的1000次体感诱发电位数据。使用200次重复叠加、10-250Hz带通滤波对体感诱发电位进行降噪;之后使用匹配追踪算法进行时频分解,得到的时频成分可以用潜伏期、频率、能量进行描述。本文针对大鼠体感诱发电位时频成分分布规律,设计了基于k中心点聚类的时频特征提取方法。该方法将时频空间划分为不同子区域,并将各子区域视为不同的时频特征。也设计了适用于该特征提取方法的噪声成分识别方案:将成分数量少于当前组成分总数量1.4%的特征视为噪声并删除;将每个时频特征中潜伏期、频率、能量各方向离群点对应成分视为噪声并删除。引入了基于朴素贝叶斯原理的体感诱发电位时频成分分类方法,能够利用前序研究忽略的特征内时频成分的数量特征。将包括k中心点聚类、时频成分去噪、朴素贝叶斯分类的时频成分分析新方法应用于颈椎、胸椎、腰椎脊髓损伤位置的精确诊断,以及挫伤、牵拉脊髓损伤模式的识别。确定了与脊髓损伤位置或模式信息相关的稳定时频特征。结果:在体感传导通路完整性检测的实验中,时频分析新方法获得了 90.5%的准确度,远高于现有研究使用的支持向量机方法69.5%的准确度。将该方法应用于大鼠脊髓损伤模型的下肢体感诱发电位数据,颈椎C5、C6位置识别准确率为86.1%;上胸椎、中胸椎、下胸椎的位置识别准确率为79.2%,上腰椎、下腰椎的位置识别准确率为81.8%。在脊髓损伤模式分类任务中,各单独节段数据的平均识别准确率为89.9%,全脊椎节段的平均准确率为78.6%。提取到了与脊髓损伤位置或模式相关的稳定时频特征,这些特征都主要集中在潜伏期20-35ms的时频区域;在该区域,脊髓损伤位置或模式的改变主要影响时频成分的频率与能量参数。在其他时频区域,潜伏期、频率、能量三个参数均受到脊髓损伤位置或模式的影响。结论:本研究引入的基于朴素贝叶斯原理的体感诱发电位时频分析新方法对脊髓损伤有较高的识别能力,其检测效果明显优于现有的支持向量机方法。新方法对脊髓损伤位置的精确诊断获得了较高的准确率,证明位于脊椎不同位置的脊髓损伤会导致体感诱发电位出现不同的时频分布模式,并且该分布规律能够用于脊髓损伤位置的精确诊断。此外新方法不仅在单一脊椎节段的脊髓损伤模式各分类任务中都获得了较高的准确率,在全脊椎范围也具有一定的脊髓损伤模式诊断能力。证明了体感诱发电位时频成分的分布规律能够用于脊髓损伤模式的检测。尽管全脊椎范围的脊髓损伤位置变化会影响时频成分的分布,但仍然存在一部分与脊髓损伤模式相关的稳定时频特征,使得全脊椎范围的脊髓损伤模式精确诊断得以实现。