[發(fā)明專利]一種適用不同年齡患者的麻醉狀態(tài)評估系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 202011359534.5
• 申請日: 2020-11-27
• 公開（公告）號: CN112493995B
• 公開（公告）日: 2022-03-11
• 發(fā)明（設(shè)計）人: 梁振虎;王博;王欣
• 申請（專利權(quán)）人: 燕山大學
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/372
• 代理公司: 北京孚睿灣知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11474
• 代理人: 王冬杰

1.一種適用不同年齡患者的麻醉狀態(tài)評估系統(tǒng)，其特征在于，其包括：腦電信號采集模塊、前端信號處理模塊、參數(shù)計算模塊和麻醉深度評估模塊；

所述腦電信號采集模塊：用于采集不同年齡段患者樣本的前額雙通道腦電信號，并分別截取每位患者于清醒期、麻醉期和恢復(fù)期這三個時期內(nèi)的腦電信號；

所述前端信號處理模塊：用于對所述腦電信號進行帶通濾波，并對所述腦電信號進行分段處理，計算整體腦電均值和各數(shù)據(jù)段均值，比較每個數(shù)據(jù)段的均值與所述整體腦電均值，若偏差超過30％，則刪除該數(shù)據(jù)段；再比較每個數(shù)據(jù)段和與其相鄰的數(shù)據(jù)段之間的均值，若偏差超過50％，則刪除該數(shù)據(jù)段；

所述參數(shù)計算模塊：用于計算各數(shù)據(jù)段的雙尺度熵，并取平均值，得到每位患者于清醒期、麻醉期和恢復(fù)期三個狀態(tài)的特征值，計算各數(shù)據(jù)段的雙尺度熵的方法包括：

假設(shè)得到的時間序列為x(n)＝x_i，i＝1.......，N，N為數(shù)據(jù)長度；

將x_i(j＝1，2...，N)映射到c個類別，標記為1到c；

使用正態(tài)累積分布(NCDF)將x映射到y(tǒng)＝{y₁，y₂，...，y_N}，區(qū)間為[0,1]；再用線性算法給每個y_j賦從0到c的整數(shù)，表示第j個分類時間序列；

創(chuàng)建具有m維和d時間延遲的嵌入向量

每一個都被映射到排序模式其中信號有m個成員，并且每個成員是1到c的整數(shù)之一，能分配給每個時間序列的可能的排序模式數(shù)量為c^m；

對于c^m中每種可能的排序模式，相對頻率計算如下：

雙尺度熵計算如下:

所述麻醉深度評估模塊：用于將每位患者于清醒期、麻醉期和恢復(fù)期三個狀態(tài)的特征值作為輸入值，以RBF為核函數(shù)，進行模式識別SVM三分類，所獲得的分類結(jié)果即為麻醉深度的檢測結(jié)果。

2.根據(jù)權(quán)利要求1所述的適用不同年齡患者的麻醉狀態(tài)評估系統(tǒng)，其特征在于，在所述腦電信號采集模塊中截取每位患者于清醒期、麻醉期和恢復(fù)期的腦電信號，長度各為2min。

3.根據(jù)權(quán)利要求2所述的適用不同年齡患者的麻醉狀態(tài)評估系統(tǒng)，其特征在于，在所述前端信號處理模塊中，對所述腦電信號進行分段處理包括：以12s長度為一段，每個數(shù)據(jù)段與上一段數(shù)據(jù)的重疊率為75％，將時長為2min的所述腦電信號數(shù)據(jù)分為13段。

4.根據(jù)權(quán)利要求1所述的適用不同年齡患者的麻醉狀態(tài)評估系統(tǒng)，其特征在于，在所述前端信號處理模塊中，對所述腦電信號進行帶通濾波，利用陷波去除50Hz工頻干擾，再濾波得到0.1-45Hz信號，最后數(shù)據(jù)由128Hz降采樣到100Hz。

5.根據(jù)權(quán)利要求1所述的適用不同年齡患者的麻醉狀態(tài)評估系統(tǒng)，其特征在于，在所述前端信號處理模塊中，比較每個數(shù)據(jù)段的均值與所述整體腦電均值，若偏差超過30％，則刪除該數(shù)據(jù)段，并重新回到對所述腦電信號進行分段處理的步驟；若偏差小于30％，則進行下一步。

6.根據(jù)權(quán)利要求1所述的適用不同年齡患者的麻醉狀態(tài)評估系統(tǒng)，其特征在于，在所述前端信號處理模塊中，比較每個數(shù)據(jù)段和與其相鄰的數(shù)據(jù)段之間的均值，若偏差超過50％，則刪除該數(shù)據(jù)段，并重新回到對所述腦電信號進行分段處理的步驟；若偏差小于50％，則進行下一步。

7.根據(jù)權(quán)利要求1所述的適用不同年齡患者的麻醉狀態(tài)評估系統(tǒng)，其特征在于，所述麻醉深度評估模塊中，根據(jù)SVM二分類模型構(gòu)造三分類模型OVO-SVMs，三分類問題被劃分為三個基于SVM的二分類問題，將三種狀態(tài)兩兩劃分，得到三種情況{C1(a,b),C2(a,c),C3(b,c)}，測試時，對結(jié)果進行投票，a＝b＝c＝0；

C1，若a win,則a＝a+1；此外,b＝b+1；

C2，若a win,則a＝a+1；此外，c＝c+1；

C3，若b win,則b＝b+1；此外,c＝c+1；

結(jié)果是a,b和c中的最大值。