[发明专利]一种基于脑电信号的麻醉深度的监测方法及系统

说明书

技术领域

本发明涉及医疗技术领域，特别涉及一种基于脑电信号的麻醉深度的监测方法及系统。

背景技术

麻醉是指借助于药物等方法而产生的全身或局部感觉的消失及记忆遗忘状态，它可以确保手术的顺利进行，麻醉过深或过浅都会对患者造成危害。因此，麻醉深度的监测尤为重要。而脑电可以直接反映出中枢神经系统的活动。因此脑电技术成为确定麻醉深度的最佳手段之一。目前基于脑电信号的麻醉深度监测方法主要包括频域分析、双谱指数、麻醉趋势和熵指数分析等。双谱指数(bispectral index scale,BIS)是目前使用最多的麻醉深度监测指标，它采用Beta比率、快慢波的相对同步性、爆发抑制率BSR和QUAZI四个指标，根据麻醉状态调整各个指数的权值，然后通过加权和得到BIS指数。研究发现，BIS明显依赖于麻醉药的使用，且敏感于病人的差异。此外，由于采用平均算法和去除存在较大伪迹干扰的数据段等处理过程，导致BIS参数的更新延迟。麻醉趋势(Narcotrend)利用Kugler多参数统计和，将麻醉脑电波分为A、B、C、D、E、F六大期，14小类。研究表明，麻醉趋势与双谱指数具有相似的临床表现，存在麻醉药和病人个体之间的差异。

近几年，非线性动力学方法开始被广泛的应用于脑电信号分析和麻醉深度监测的研究中。利用熵监测麻醉深度的方法就是其中的一种。近似熵是一种度量序列的复杂性和统计量化的规则，对脑电图的时域特征进行分析，其特点是具有较好的抗干扰和抗噪的能力。但是已有的近似熵等复杂性算法由于计算所需序列长度长或计算所需时间长的缺点无法实现实时监测。例如，中国专利申请2015100855324使用基于复杂度的非线性动力学方法对脑电信号进行处理，分别计算脑电信号的格子复杂度、边缘频率和爆发抑制比，并利用决策树算法拟合得到麻醉深度指数。但是这种方法需要专家给出的麻醉状态分类作为参考，其监测结果的准确性受到决策树训练好坏的影响。中国专利申请2007101248131提出了一种基于排序熵的麻醉深度监测方法，对脑电数据进行分段处理，并计算各数据段的排序熵，根据排序熵值的大小估计麻醉深度。中国专利申请2014800085154提出了一种通过使用倒谱技术测量麻醉深度的方法和设备，但它只考虑了脑电信号的频域信息。

因而现有技术还有待改进和提高。

发明内容

本发明要解决的技术问题在于，针对现有技术的不足，提供一种基于改进的消除趋势滑动平均方法的脑电信号的麻醉深度的监测方法及系统，已达到提高麻醉深度监测的实时性、鲁棒性和准确性的目的。

为了解决上述技术问题，本发明所采用的技术方案如下：

一种基于脑电信号的麻醉深度的监测方法，其包括：

采集患者的EEG信号，并对所述EEG信号进行预处理以得到无干扰EEG信号；

采用改进的消除趋势滑动平均算法计算所述无干扰EEG信号的波动函数，并根据所述波动函数计算所述麻醉深度指数。

所述基于脑电信号的麻醉深度的监测方法，其中，所述采集患者的EEG信号，并对所述EEG信号进行预处理以得到无干扰EEG信号具体为：

采集患者的EEG信息，并采用小波熵阈值法消除所述EEG信号的噪声干扰以得到无干扰EEG信号。

所述基于脑电信号的麻醉深度的监测方法，其中，所述采用改进的消除趋势滑动平均算法计算所述无干扰EEG信号的波动函数，并根据所述波动函数计算所述麻醉深度指数具体为：

设所述无干扰EEG信号为脑电信号时间序列，并获取所述脑电信号时间序列的均值；

根据所述均值确定所述脑电信号时间序列的累加序列，并采用后向滑动平均值法计算一固定窗口长度的趋势序列；

根据所述趋势序列计算所述脑电信号时间序列的消除趋势序列，并根据所述消除趋势序列计算所述窗口长度无干扰EEG信号的波动值；

根据所述波动值计算所述窗口长度无干扰EEG信号的波动函数，并根据所述波动函数计算所述麻醉深度指数。

所述基于脑电信号的麻醉深度的监测方法，其中，所述波动函数为：

其中，E_m为小波熵，s为窗口长度，L为正整数；表示波动值。

所述基于脑电信号的麻醉深度的监测方法，其中，所述麻醉深度指数为：

其中，所述为增益指数，F_MDMA(s)为波动函数。

一种基于脑电信号的麻醉深度的监测系统，其包括：

处理模块，用于采集患者的EEG信号，并对所述EEG信号进行预处理以得到无干扰EEG信号；