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

有效

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

本發(fā)明提供一種適用不同年齡患者的麻醉狀態(tài)評(píng)估系統(tǒng)及方法，屬于神經(jīng)信號(hào)分析領(lǐng)域。該評(píng)估系統(tǒng)包括：利用腦電信號(hào)采集模塊采集進(jìn)行全身麻醉的患者在不同麻醉狀態(tài)下的腦電信號(hào)；利用前端信號(hào)處理模塊對(duì)腦電信號(hào)進(jìn)行分段，并進(jìn)行預(yù)處理以去除干擾；利用參數(shù)計(jì)算模塊計(jì)算各數(shù)據(jù)段的雙尺度熵，得到特征值；利用麻醉深度評(píng)估模塊，將每位患者的特征值作為輸入值，以BRF為核函數(shù)，進(jìn)行模式識(shí)別SVM三分類，所獲得的分類結(jié)果即為麻醉深度的檢測(cè)結(jié)果。本發(fā)明可以對(duì)人的麻醉特征指標(biāo)進(jìn)行準(zhǔn)確的提取，并采用三分類算法，能夠更精確的判斷不同年齡患者的麻醉狀態(tài)。

技術(shù)領(lǐng)域

本發(fā)明涉及神經(jīng)信號(hào)分析領(lǐng)域，尤其涉及一種適用不同年齡患者的麻醉狀態(tài)評(píng)估系統(tǒng)及方法。

背景技術(shù)

老年人的麻醉狀態(tài)難以評(píng)估導(dǎo)致的術(shù)中麻醉過深與術(shù)后認(rèn)知障礙等問題一直是神經(jīng)科學(xué)領(lǐng)域的難題。在醫(yī)院廣泛使用的腦電雙頻指數(shù)能準(zhǔn)確監(jiān)測(cè)成年人的麻醉狀態(tài)，但在60歲以上的老年人身上卻頻頻出現(xiàn)問題，因此如何準(zhǔn)確的評(píng)估老年人的麻醉狀態(tài)具有十分重要的醫(yī)療與科學(xué)意義。

研究表明，年齡越高的人對(duì)麻醉藥物的敏感度越高，在老年患者中達(dá)到相同麻醉狀態(tài)所需的麻醉劑量可以是年輕患者所需麻醉劑量的一半。老年患者較低的麻醉需求是由于年齡增長(zhǎng)引起的心腦血管、呼吸、肝和腎等身體技能的下降。盡管這些因素肯定起作用，但麻醉作用的主要部位是中樞神經(jīng)系統(tǒng)。現(xiàn)階段，通常通過分析熱動(dòng)力學(xué)指標(biāo)的變化，從而進(jìn)行麻醉狀態(tài)的判定，比如排序熵，近似熵，復(fù)雜度等，用來進(jìn)行神經(jīng)系統(tǒng)分析和腦狀態(tài)監(jiān)測(cè)。然而這些方法都只考慮了時(shí)間序列上的信號(hào)排序，而忽略了信號(hào)在各點(diǎn)的幅值，丟失了大量有效的神經(jīng)信號(hào)信息，從而使計(jì)算結(jié)果不準(zhǔn)確，與神經(jīng)信號(hào)真實(shí)信息存在偏差。

經(jīng)上述分析可知，現(xiàn)有的方法無法準(zhǔn)確的將不同年齡的人用同一麻醉指標(biāo)進(jìn)行麻醉狀態(tài)評(píng)估，鑒于此，特提出本申請(qǐng)。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種適用不同年齡患者的麻醉狀態(tài)評(píng)估系統(tǒng)及方法。本發(fā)明從時(shí)間序列和幅值兩個(gè)尺度進(jìn)行加權(quán)計(jì)算，能夠獲得神經(jīng)信號(hào)中的真實(shí)信息，可以對(duì)人的麻醉特征指標(biāo)進(jìn)行準(zhǔn)確的提取，并采用三分類算法，能夠更精確的判斷不同年齡患者的麻醉狀態(tài)。

為了實(shí)現(xiàn)本發(fā)明的上述目的，特采用以下技術(shù)方案：

一種適用不同年齡患者的麻醉狀態(tài)評(píng)估系統(tǒng)，其包括：腦電信號(hào)采集模塊、前端信號(hào)處理模塊、參數(shù)計(jì)算模塊和麻醉深度評(píng)估模塊；

所述腦電信號(hào)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(hào)，并分別截取每位患者于清醒期、麻醉期和恢復(fù)期這三個(gè)時(shí)期內(nèi)的腦電信號(hào)；

所述前端信號(hào)處理模塊：用于對(duì)所述腦電信號(hào)進(jìn)行帶通濾波，并對(duì)所述腦電信號(hào)進(jìn)行分段處理，計(jì)算整體腦電均值和各數(shù)據(jù)段均值，比較每個(gè)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(gè)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(jì)算模塊：用于計(jì)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(gè)狀態(tài)的特征值；

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

進(jìn)一步地，在本發(fā)明較佳的實(shí)施例中，在所述腦電信號(hào)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(hào)，長(zhǎng)度各為2min。

進(jìn)一步地，在本發(fā)明較佳的實(shí)施例中，在所述前端信號(hào)處理模塊中，對(duì)所述腦電信號(hào)進(jìn)行分段處理包括：以12s長(zhǎng)度為一段，每個(gè)數(shù)據(jù)段與上一段數(shù)據(jù)的重疊率為75％，將時(shí)長(zhǎng)為2min的所述腦電信號(hào)數(shù)據(jù)分為13段。

進(jìn)一步地，在本發(fā)明較佳的實(shí)施例中，在所述前端信號(hào)處理模塊中，對(duì)所述腦電信號(hào)進(jìn)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(hào)，最后數(shù)據(jù)由128Hz降采樣到100Hz。