颅内压(IntracranialPressure，ICP)的研究在临床上有着十分重要的意义。内外多种原因会导致颅内压变化，而心博、呼吸、以及神经调节等的影响也会使颅内压出现波动。本文的研究在动物实验的基础上建立了颅内压动力学集中参数模型和黑箱模型，仿真了实验中颅内压增高下各种颅内压波形的变化情况；借助现代信号处理的方法研究了各种病理情况下颅内压信号以及对颅内状态判断的提示。本文主要工作和结果如下： 1．在动物实验的基础上建立了反映颅内压动力学变化的集中参数模型，模型中包含了脑血管床、脑脊液的生成和吸收、颅脑顺应性等模块以及这些模块之间的相互作用，利用实测动脉血压和实测动物注水量为输入较好地模拟了实验动物颅内压波形在各种实验条件下的变化。 2．为研究腰区脑脊液压(LCP)在颅内动力学中的作用，模型中加入LCP模块。以实测LCP和系统动脉血压为输入，重现了颅内压的一系列变化过程。秩和检验显示模拟的颅内压波形和实验测得的无显著性差异。仿真模型中控制参数的变化和实验动物的生理变化相吻合。 3．采用黑箱模型，传递函数刻画颅内各系统，以实测的系统动脉血压、腰区脑脊液压和部分颅内压数据为输入，经历颅内响应，获得较好的全部颅内压仿真波形。这表明颅内压动力学过程中，颅内压和腰区脑脊液压之间相互联系、相互作用。 4．颅内压富含大量生理信息。采用现代信号处理的方法初步研究了颅内压信号，并揭示了颅内信号的改变与颅内状态的变化之问的关系。用小波包变换在整个频段内对颅内压信号进行分解，考察了每一个频段上颅内压信号的能量分布。结果显示在一定频段上颅内压信号的能量分布出现波动，而这种波动和颅内状态恶化相关。 随后采用BP人工神经网络的方法，以小波包分解的能量分布为输入数据，通过BP神经网络对颅内压信号进行分组，结果基本和颅内状态一致。这可为从内压波形有效判断颅内状态提供依据。 最后对颅内压信号进行非线性分析显示，随着颅内状态的恶化，颅内压信号逐渐表现出非线性，二者之间存在一定的联系。 本文工作特色和成果 1．目前颅内压动力学模型中考虑腰区脑脊液影响的研究鲜见报道，本工作根据颅腔和脊髓腔的相连通性，在颅内压的集中参数模型中包含了腰区脑脊液压模块，并通过腰区脑脊液压很好预测了颅内压波形。 2．在颅内动力学黑箱模型中，所需实测的颅内压数据极少，就可获得较好的全部颅内压仿真波形。在无需开颅实测颅内压，只需穿刺所得的腰区脑脊液压和其它无创检测的生理数据获得颅内压信息的研究方向上前进了一步． 3．用现代信号处理方法的方法(小波包、BP人工神经网络和非线性分析)，分析了颅内压信号，为临床监护和判断颅内状态提供一定依据。