《表2 CA的分析方法：脑血流自动调节:从理论到临床转化及检查流程的标准化》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《脑血流自动调节:从理论到临床转化及检查流程的标准化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

致谢:此表经刘嘉研究员（中国科学院深圳先进技术研究院）、罗孟宗教授（台湾中央大学生物科技与工程中心）审阅

传递函数分析（transfer function analysis，TFA）是评估频域的方法，用于分析逐波的血压和脑血流之间的关系[26-28，30，35]。简言之，通过分析输入信号血压和输出信号脑血流之间的即时变化，量化CA[30]。该分析方法的参数是3个:增益（或振幅），相位差，一致性函数（简称一致性）。有效的CA使增益衰减，因此，低增益代表CA存在，而高增益提示CA的有效性减弱。CA存在时血压和血流之间的相位差是正值，当CA能力下降时，则伴随着相位差消失，转化为时域，相位差为0（血压和血流振荡之间无时间延迟）代表CA消失[30，36]。一致性描述的是血压和血流之间的线性关系，一致性高提示呈线性关系，而一致性接近0提示无线性关系。不同频段内各个参数的值和意义不同，需要进行区分，低频振荡（也称为M波）可能反映了交感神经张力的变化，这是由平均ABP的自发变化引起的，而极低频振荡（也称为B波）似乎反映了颅内压的自发振荡，并由其他机制触发。CA的分析方法见表2。