一種基于腦電的麻醉深度監測方法技術

本發明專利技術公開了一種基于腦電的麻醉深度監測方法，包括如下步驟：11)對需要麻醉手術的人員，采集整個手術過程中患者的腦電信號，并在間隔時間內對麻醉的狀態根據實際需要進行標定；12)對采集的腦電信號，去除腦電信號中的偽跡和噪音；13)對步驟12)獲得的無干擾的腦電信號計算頻域指標、復雜度和爆發抑制指標；14)根據步驟13)的指標參數，將信號分為清醒、淺麻、中麻、深麻和過深麻醉五類；15)將步驟13)的指標參數進行分配權重，將指標進行整合成Ai指數，根據Ai指數進行麻醉深度的判斷；所述Ai指數為；indexi為步驟13)中的指標參數，wi為指標參數的權重，本發明專利技術根據它們在不同時期變化的明顯程度給予不同的權重值，使得得到的Ai值更加合理。

【技術實現步驟摘要】

本專利技術涉及基于腦電信號的麻醉深度監測方法，尤其涉及一種基于腦電的麻醉深 度監測方法。 技術背景 在臨床手術過程中，患者處于合適的麻醉深度是手術順利進行的前提。如果患者 麻醉過淺，可能會造成術中知曉、體動、產生記憶等事件的發生，嚴重的還會使患者產生痛 苦的記憶，造成心理障礙。如果麻醉過深，不僅增加了用藥成本，延長了患者蘇醒時間，降低 了手術室的周轉效率，而且可能會對患者產生嚴重的副作用。所以，麻醉監測是手術過程中 的一項重要工作。臨床常用的麻醉監測指標有心率、血壓、脈搏、出汗、流淚、瞳孔放大等，但 是已有大量的文獻指出這些方法是不可靠的，麻醉監測水平還有待進一步提高。 Aspect 公司推出的 BIS (RampiI. A Primer for EEG Signal Processing in Anesthesia，1998.比較詳細的介紹了其算法）是最早且目前使用最多的商用麻醉監測儀。 它采用Beta比率、雙譜synchfastslow、BSR和QUAZI四個指標，根據麻醉狀態調整各個指 標的權重，然后通過加權求和得到BIS指數。德國席勒公司推出的Narcotrend是另一款在 臨床廣泛使用的監測儀。它借鑒了睡眠腦電波分期的方法，將麻醉腦電波分為A、B、C、D、E、 F六大期，14小類，分值與麻醉狀態的對應圖見如圖2。 由于BIS和Narcotrend的算法沒有完全公開，這也使部分研宄對它們的效果提出 了質疑。 近年來，越來越多的非線性動力學方法開始應用于腦電信號的分析。其中應用最 多的就是熵指數或復雜度指數，包括譜熵、近似熵、樣本熵、LZ復雜度等。有研宄表明，近似 熵、樣本熵、LZ復雜度對麻醉深度變化有很好的敏感性和特異性。 經檢索發現，中國專利申請03137747. 5使用非線性動力學方法來對腦電信號進 行處理，主要采用關聯位數、復雜度和近似熵的綜合來給出一個非線性指標，用于實時麻醉 監測。
技術實現思路
針對上述技術缺陷，本專利技術提出，具體流程見 圖1。 為了解決上述技術問題，本專利技術的技術方案如下： ，包括如下步驟： 11)對需要麻醉手術的人員，采集整個手術過程中患者的腦電信號，并在間隔時間 內對麻醉的狀態根據實際需要進行標定； 12)對采集的腦電信號，去除腦電信號中的偽跡和噪音； 13)對步驟12)獲得的無干擾的腦電信號計算頻域指標、復雜度和爆發抑制指標； 14)根據步驟13)的指標參數，將信號分為清醒、淺麻、中麻、深麻和過深麻醉五 類； 15)將步驟13)的指標參數進行分配權重，將指標進行整合成Ai指數，根據Ai指 數進行麻醉深度的判斷；所述Ai指數為【主權項】1. ，其特征在于，包括如下步驟： 11) 對需要麻醉手術的人員，采集整個手術過程中患者的腦電信號，并在間隔時間內對 麻醉的狀態根據實際需要進行標定； 12) 對采集的腦電信號，去除腦電信號中的偽跡和噪音； 13) 對步驟12)獲得的無干擾的腦電信號計算頻域指標、復雜度和爆發抑制指標； 14) 根據步驟13)的指標參數，將信號分為清醒、淺麻、中麻、深麻和過深麻醉五類； 15) 將步驟13)的指標參數進行分配權重，將指標進行整合成Ai指數，根據Ai指數進 行麻醉深度的判斷；所述Ai指數為indeXi為步驟13)中的指標參數，wi為指標 ? 參數的權重。2. 根據權利要求1所述的，其特征在于，所述步驟 11)中將標定的種類為清醒、淺麻、中麻、深麻、過深麻醉。3. 根據權利要求1所述的，其特征在于，采用截止 頻率2Hz的FIR高通和截止頻率47Hz的低通濾波器去除高頻和低頻噪音，再有針對地識別 出眨眼、肌電、電子設備干擾進行去除。4. 根據權利要求1所述的，其特征在于，所述頻域 指標包括Beta比率，所述Beta比率計算包括如下步驟：采用pwelch方法，先將數據按2秒 鐘一段，相鄰兩段重疊50 %，分成N段，每段長M，然后計算每段信號的功率譜，以各段的平 均功率譜作為整段信號的功率譜估計，設具體公式如下：其中xt為每一小段的腦電信號數據，h為頻 ， 率；Beta比率=log(P3。-47Hz/P ll-20Hz) °5. 根據權利要求1所述的，其特征在于，所述頻域 指標包括各頻帶功率比，所述各頻帶功率比=p相應的頻帶av47Hz。6. 根據權利要求1所述的，其特征在于，所述復雜 度指標為樣本熵，其計算方法包括如下步驟： 61)確定模式維數m和相似容量r; 62) 將腦電信號映射到m維相空間，形成點集{bj，i= 1，2,. . .，N-m+1，其中， bi (X i，Xi+i，? ? ?，Xi+m-i)， 63) 計算bgbj間的距離，j^i 其中，num是集合中元素個數；67)求得樣本摘，SampEn(m,r,N) =-In(Am (r)/Bm (r))。7. 根據權利要求1所述的，其特征在于，所述爆發 抑制指標計算方法包括：當腦電信號的振幅在±5yV以內，且持續時間超過0. 5秒時，認為 這是一段抑制信號，爆發抑制比的計算如下：8. 根據權利要求1所述的，其特征在于，利用決策 樹分類器，將信號分為清醒、淺麻、中麻、深麻和過深麻醉五類，所述分類器是由C4. 5型決 策樹方法生成，其自變量是步驟13)中計算的指標，因變量是步驟11)中對信號進行標定。【專利摘要】本專利技術公開了，包括如下步驟：11)對需要麻醉手術的人員，采集整個手術過程中患者的腦電信號，并在間隔時間內對麻醉的狀態根據實際需要進行標定；12)對采集的腦電信號，去除腦電信號中的偽跡和噪音；13)對步驟12)獲得的無干擾的腦電信號計算頻域指標、復雜度和爆發抑制指標；14)根據步驟13)的指標參數，將信號分為清醒、淺麻、中麻、深麻和過深麻醉五類；15)將步驟13)的指標參數進行分配權重，將指標進行整合成Ai指數，根據Ai指數進行麻醉深度的判斷；所述Ai指數為；indexi為步驟13)中的指標參數，wi為指標參數的權重，本專利技術根據它們在不同時期變化的明顯程度給予不同的權重值，使得得到的Ai值更加合理。【IPC分類】A61B5-0476, A61B5-16【公開號】CN104545949【申請號】CN201410514282【專利技術人】珠淮, 劉軍 【申請人】浙江普可醫療科技有限公司【公開日】2015年4月29日【申請日】2014年9月29日本文檔來自技高網...

【技術保護點】
一種基于腦電的麻醉深度監測方法，其特征在于，包括如下步驟：11)對需要麻醉手術的人員，采集整個手術過程中患者的腦電信號，并在間隔時間內對麻醉的狀態根據實際需要進行標定；12)對采集的腦電信號，去除腦電信號中的偽跡和噪音；13)對步驟12)獲得的無干擾的腦電信號計算頻域指標、復雜度和爆發抑制指標；14)根據步驟13)的指標參數，將信號分為清醒、淺麻、中麻、深麻和過深麻醉五類；15)將步驟13)的指標參數進行分配權重，將指標進行整合成Ai指數，根據Ai指數進行麻醉深度的判斷；所述Ai指數為indexi為步驟13)中的指標參數，wi為指標參數的權重。

【技術特征摘要】

【專利技術屬性】
技術研發人員：珠淮，劉軍，
申請(專利權)人：浙江普可醫療科技有限公司，
類型：發明
國別省市：浙江;33