CN104545949A - 一种基于脑电的麻醉深度监测方法 - Google Patents
一种基于脑电的麻醉深度监测方法 Download PDFInfo
- Publication number
- CN104545949A CN104545949A CN201410514282.7A CN201410514282A CN104545949A CN 104545949 A CN104545949 A CN 104545949A CN 201410514282 A CN201410514282 A CN 201410514282A CN 104545949 A CN104545949 A CN 104545949A
- Authority
- CN
- China
- Prior art keywords
- index
- anesthesia
- monitoring method
- fiber crops
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4821—Determining level or depth of anaesthesia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Abstract
本发明公开了一种基于脑电的麻醉深度监测方法,包括如下步骤:11)对需要麻醉手术的人员,采集整个手术过程中患者的脑电信号,并在间隔时间内对麻醉的状态根据实际需要进行标定;12)对采集的脑电信号,去除脑电信号中的伪迹和噪音;13)对步骤12)获得的无干扰的脑电信号计算频域指标、复杂度和爆发抑制指标;14)根据步骤13)的指标参数,将信号分为清醒、浅麻、中麻、深麻和过深麻醉五类;15)将步骤13)的指标参数进行分配权重,将指标进行整合成Ai指数,根据Ai指数进行麻醉深度的判断;所述Ai指数为;indexi为步骤13)中的指标参数,wi为指标参数的权重,本发明根据它们在不同时期变化的明显程度给予不同的权重值,使得得到的Ai值更加合理。
Description
技术领域
本发明涉及基于脑电信号的麻醉深度监测方法,尤其涉及一种基于脑电的麻醉深度监测方法。
技术背景
在临床手术过程中,患者处于合适的麻醉深度是手术顺利进行的前提。如果患者麻醉过浅,可能会造成术中知晓、体动、产生记忆等事件的发生,严重的还会使患者产生痛苦的记忆,造成心理障碍。如果麻醉过深,不仅增加了用药成本,延长了患者苏醒时间,降低了手术室的周转效率,而且可能会对患者产生严重的副作用。所以,麻醉监测是手术过程中的一项重要工作。临床常用的麻醉监测指标有心率、血压、脉搏、出汗、流泪、瞳孔放大等,但是已有大量的文献指出这些方法是不可靠的,麻醉监测水平还有待进一步提高。
Aspect公司推出的BIS(Rampil.A Primer for EEG Signal Processing inAnesthesia,1998.比较详细的介绍了其算法)是最早且目前使用最多的商用麻醉监测仪。它采用Beta比率、双谱synchfastslow、BSR和QUAZI四个指标,根据麻醉状态调整各个指标的权重,然后通过加权求和得到BIS指数。德国席勒公司推出的Narcotrend是另一款在临床广泛使用的监测仪。它借鉴了睡眠脑电波分期的方法,将麻醉脑电波分为A、B、C、D、E、F六大期,14小类,分值与麻醉状态的对应图见如图2。
由于BIS和Narcotrend的算法没有完全公开,这也使部分研究对它们的效果提出了质疑。
近年来,越来越多的非线性动力学方法开始应用于脑电信号的分析。其中应用最多的就是熵指数或复杂度指数,包括谱熵、近似熵、样本熵、LZ复杂度等。有研究表明,近似熵、样本熵、LZ复杂度对麻醉深度变化有很好的敏感性和特异性。
经检索发现,中国专利申请03137747.5使用非线性动力学方法来对脑电信号进行处理,主要采用关联位数、复杂度和近似熵的综合来给出一个非线性指标,用于实时麻醉监测。
发明内容
针对上述技术缺陷,本发明提出一种基于脑电的麻醉深度监测方法,具体流程见图1。
为了解决上述技术问题,本发明的技术方案如下:
一种基于脑电的麻醉深度监测方法,包括如下步骤:
11)对需要麻醉手术的人员,采集整个手术过程中患者的脑电信号,并在间隔时间内对麻醉的状态根据实际需要进行标定;
12)对采集的脑电信号,去除脑电信号中的伪迹和噪音;
13)对步骤12)获得的无干扰的脑电信号计算频域指标、复杂度和爆发抑制指标;
14)根据步骤13)的指标参数,将信号分为清醒、浅麻、中麻、深麻和过深麻醉五类;
15)将步骤13)的指标参数进行分配权重,将指标进行整合成Ai指数,根据Ai指数进行麻醉深度的判断;所述Ai指数为
indexi为步骤13)中的指标参数,wi为指标参数的权重。
进一步的,所述步骤11)中将标定的种类为清醒、浅麻、中麻、深麻、过深麻醉。
进一步的,采用截止频率2Hz的FIR高通和截止频率47Hz的低通滤波器去除高频和低频噪音,再有针对地识别出眨眼、肌电、电子设备干扰进行去除。
进一步的,所述频域指标包括Beta比率,所述Beta比率计算包括如下步骤:采用pwelch方法,先将数据按2秒钟一段,相邻两段重叠50%,分成N段,每段长M,然后计算每段信号的功率谱,以各段的平均功率谱作为整段信号的功率谱估计,设具体公式如下:
Beta比率=log(P30-47Hz/P11-20Hz)。
进一步的,所述频域指标包括各频带功率比,所述各频带功率比=P相应的频带/P1-47Hz。
进一步的,所述复杂度指标为样本熵,其计算方法包括如下步骤:
61)确定模式维数m和相似容量r;
62)将脑电信号映射到m维相空间,形成点集{bi},i=1,2,...,N-m+1,其中,
bi=(xi,xi+1,...,xi+m-1);
63)计算bi与bj间的距离,
64)令 j=1,2,...,N-m且j≠i其中,num是集合中元素个数;
65)令
66)令
其中b′i表示m+1维相空间中的点
67)求得样本熵,SampEn(m,r,N)=-ln(Am(r)/Bm(r))。
进一步的,所述爆发抑制指标计算方法包括:当脑电信号的振幅在±5μV以内,且持续时间超过0.5秒时,认为这是一段抑制信号,爆发抑制比的计算如下:
进一步的,利用决策树分类器,将信号分为清醒、浅麻、中麻、深麻和过深麻醉五类,所述分类器是由C4.5型决策树方法生成,其自变量是步骤13)中计算的指标,因变量是步骤11)中对信号进行的标定。
本发明的有益效果在于:一般的丙泊酚麻醉脑电变化规律如图3所示:随着麻醉深度的加深,复杂度逐渐降低;频率先升高后降低。从图3中可以看到,在清醒到麻醉Ⅰ期时,复杂度的下降速度明显,而在麻醉Ⅱ期以后,随着麻醉的加深,频率的变化比复杂度明显。在专利03137747.5中采用了复杂度指标而忽视了传统的频域方法,这样其实损失了相当多的频域信息。本发明综合考虑了这两方面的信息,根据它们在不同时期变化的明显程度给予不同的权重值,使得得到的Ai值更加合理。
附图说明
图1是本发明方法的流程图;
图2是Narcotrend分值与麻醉状态的对应图;
图3是麻醉状态与脑电信号频率、复杂度的关系图;
图4是本发明采集脑电数据的导联位置图;
图5是Ai指数与麻醉状态的对应图;
图6是本发明采用的决策树分类器。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的说明。
图1是本发明的工作流程图。本实施例中患者需满足如下条件:
1.年龄18岁以上;
2.无精神疾病;
3.非颅面部手术;
4.采用的主要麻醉药物为丙泊酚。
一般的丙泊酚麻醉脑电变化规律如图3所示:
随着麻醉深度的加深,复杂度逐渐降低,频率先升高后降低。从图3中可以看到,在清醒到浅麻时,复杂度的下降速度明显,而在中度麻醉期以后,随着麻醉的加深,频率的变化比复杂度明显。
步骤一:首先是采集脑电信号,一般选在医院的手术室,采用专门的心电或脑电电极,配合脑电采集设备来获取脑电信号,电极的位置采集的位置大致如图4所示,并由医生每隔5分钟根据当时的患者的血压、心率等生理指标标定一次,标定的种类有清醒、浅麻、中麻、深麻、过深麻醉。
步骤二,去除脑电信号中的伪迹和噪声。脑电信号由于非常微弱,且非常容易受到眼电、肌电、工频干扰、电子设备等的干扰,去除伪迹和噪声是一个非常重要的步骤。如果不去除这些干扰,会导致许多错误的分析结果。在本发明的算法中,先将原始信号进行滤波,去除高频和低频的干扰。滤波器选择了100阶的FIR凯泽窗滤波器,通带频率为2-47Hz。然后将信号分段,每段1秒钟,并对每一段信号进行判定。如果判定为干扰则将该段信号去除。
步骤三,利用30秒内无干扰的脑电信号计算指标。频域指标有Beta比率、各频带(δ、θ、α、β1、β2)功率比、平均频率等,复杂度指标为样本熵。设采样率为fs,{xt}是一段脑电信号:
计算频域指标:先进行功率谱估计,采用的是pwelch方法,先将数据按2秒钟一段,相邻两段重叠50%,分成N段,每段长M。然后计算每段信号的功率谱,以各段的平均功率谱作为整段信号的功率谱估计。设具体公式如下:
其中是xt每一小段的数据,fi为频率
Beta比率=log(P30-47Hz/P11-20Hz)
平均频率=∫1≤f≤47f×P(f)df
各频带功率比=P相应的频带/P1-47Hz
计算样本熵:
第一步:确定模式维数m=3和相似容量r为0.2倍的信号标准差
第二步:将信号映射到m维相空间,形成点集{bi},i=1,2,...,N-m+1,其中,
bi=(xi,xi+1,...,xi+m-1)
第三步:计算bi与bj间的距离,
第四步:令
其中,num是求集合中元素个数的函数
第五步:
第六步:令
其中b′i表示m+1维相空间中的点
第七步:求得样本熵,SampEn(m,r,N)=-ln(Am(r)/Bm(r))
爆发抑制比的计算采用的是能量法,当能量小于给定的阈值时,则认为是抑制信号。本例中,当脑电信号的振幅在±5μV以内,且持续时间超过0.5秒时,认为这是一段抑制信号。爆发抑制比的计算如下:
步骤四:采用的是决策树分类器,将信号分为清醒、浅麻、中麻、深麻和过深麻醉五类。分类器是由C4.5型决策树方法,利用采集的脑电数据库训练出的。自变量是步骤三中计算的指标,因变量是临床麻醉医生根据实际需要的标定。一般决策树方法都会产生过拟合现象,不利于方法的推广,需要对训练出的决策树进行剪枝。剪枝总体的原则是:1.决策树要尽可能的简单,这样有利于其推广;2.决策树一定要符合生理知识。本例中,最终形成的决策树如图5,Th1、Th2、Th3、Th4、Th5分别是决策树算法在各个节点处计算出的阈值。
步骤五:采用的是线性加权的方法,将指标整合为Ai指数,计算公式如下:
其中Wi为指标indexi的权重。不同指标在不同的麻醉状态下的权重都不一样。根据图3在清醒到浅麻期复杂度的变化最明显,因此权重最大。同样深麻期频率指标的权重变得最大。Ai数值和麻醉状态的大致关系如图6。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员,在不脱离本发明构思的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明保护范围内。
Claims (8)
1.一种基于脑电的麻醉深度监测方法,其特征在于,包括如下步骤:
11)对需要麻醉手术的人员,采集整个手术过程中患者的脑电信号,并在间隔时间内对麻醉的状态根据实际需要进行标定;
12)对采集的脑电信号,去除脑电信号中的伪迹和噪音;
13)对步骤12)获得的无干扰的脑电信号计算频域指标、复杂度和爆发抑制指标;
14)根据步骤13)的指标参数,将信号分为清醒、浅麻、中麻、深麻和过深麻醉五类;
15)将步骤13)的指标参数进行分配权重,将指标进行整合成Ai指数,根据Ai指数进行麻醉深度的判断;所述Ai指数为
indexi为步骤13)中的指标参数,wi为指标参数的权重。
2.根据权利要求1所述的一种基于脑电的麻醉深度监测方法,其特征在于,所述步骤11)中将标定的种类为清醒、浅麻、中麻、深麻、过深麻醉。
3.根据权利要求1所述的一种基于脑电的麻醉深度监测方法,其特征在于,采用截止频率2Hz的FIR高通和截止频率47Hz的低通滤波器去除高频和低频噪音,再有针对地识别出眨眼、肌电、电子设备干扰进行去除。
4.根据权利要求1所述的一种基于脑电的麻醉深度监测方法,其特征在于,所述频域指标包括Beta比率,所述Beta比率计算包括如下步骤:采用pwelch方法,先将数据按2秒钟一段,相邻两段重叠50%,分成N段,每段长M,然后计算每段信号的功率谱,以各段的平均功率谱作为整段信号的功率谱估计,设具体公式如下:
Beta比率=log(P30-47Hz/P11-20Hz)。
5.根据权利要求1所述的一种基于脑电的麻醉深度监测方法,其特征在于,所述频域指标包括各频带功率比,所述各频带功率比=P相应的频带/P1-47Hz。
6.根据权利要求1所述的一种基于脑电的麻醉深度监测方法,其特征在于,所述复杂度指标为样本熵,其计算方法包括如下步骤:
61)确定模式维数m和相似容量r;
62)将脑电信号映射到m维相空间,形成点集{bi},i=1,2,...,N-m+1,其中,
bi=(xi,xi+1,...,xi+m-1);
63)计算bi与bj间的距离,
64)令 且j≠i
其中,num是集合中元素个数;
65)令
66)令
其中表示m+1维相空间中的点
67)求得样本熵,SampEn(m,r,N)=-ln(Am(r)/Bm(r))。
7.根据权利要求1所述的一种基于脑电的麻醉深度监测方法,其特征在于,所述爆发抑制指标计算方法包括:当脑电信号的振幅在±5μV以内,且持续时间超过0.5秒时,认为这是一段抑制信号,爆发抑制比的计算如下:
8.根据权利要求1所述的一种基于脑电的麻醉深度监测方法,其特征在于,利用决策树分类器,将信号分为清醒、浅麻、中麻、深麻和过深麻醉五类,所述分类器是由C4.5型决策树方法生成,其自变量是步骤13)中计算的指标,因变量是步骤11)中对信号进行标定。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710076293.5A CN106943118A (zh) | 2014-09-29 | 2014-09-29 | 一种脑电信号监测处理方法 |
CN201410514282.7A CN104545949A (zh) | 2014-09-29 | 2014-09-29 | 一种基于脑电的麻醉深度监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410514282.7A CN104545949A (zh) | 2014-09-29 | 2014-09-29 | 一种基于脑电的麻醉深度监测方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710076293.5A Division CN106943118A (zh) | 2014-09-29 | 2014-09-29 | 一种脑电信号监测处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104545949A true CN104545949A (zh) | 2015-04-29 |
Family
ID=53063801
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710076293.5A Pending CN106943118A (zh) | 2014-09-29 | 2014-09-29 | 一种脑电信号监测处理方法 |
CN201410514282.7A Pending CN104545949A (zh) | 2014-09-29 | 2014-09-29 | 一种基于脑电的麻醉深度监测方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710076293.5A Pending CN106943118A (zh) | 2014-09-29 | 2014-09-29 | 一种脑电信号监测处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN106943118A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105193409A (zh) * | 2015-08-07 | 2015-12-30 | 深圳大学 | 一种脑电抑制水平评估方法及系统 |
CN106175754A (zh) * | 2016-09-21 | 2016-12-07 | 广州视源电子科技股份有限公司 | 睡眠状态分析中清醒状态检测装置 |
CN107595247A (zh) * | 2017-08-29 | 2018-01-19 | 深圳市德力凯医疗设备股份有限公司 | 一种基于脑电信号的麻醉深度的监测方法及系统 |
CN107847172A (zh) * | 2015-07-17 | 2018-03-27 | 昆腾医疗公司 | 用于评估觉醒、镇静和全身麻醉期间的意识、疼痛和伤害感受的水平的设备和方法 |
CN107920951A (zh) * | 2015-06-12 | 2018-04-17 | 株式会社美迪安纳 | 自动心肺复苏装置 |
CN108717535A (zh) * | 2018-05-25 | 2018-10-30 | 山东大学 | 一种基于混合特征和长短时记忆网络的麻醉深度估计方法 |
CN108836320A (zh) * | 2018-04-02 | 2018-11-20 | 东北电力大学 | 一种基于嗅觉脑电波进行感官物质分类的方法 |
CN108904941A (zh) * | 2018-06-12 | 2018-11-30 | 深圳市人民医院 | 一种智能手术麻醉管理系统 |
CN109009089A (zh) * | 2018-05-08 | 2018-12-18 | 南京伟思医疗科技股份有限公司 | 一种适用于新生儿的脑电信号爆发抑制检测方法 |
CN109498003A (zh) * | 2019-01-04 | 2019-03-22 | 深圳市舟洁信息咨询服务有限公司 | 监测麻醉深度的装置 |
CN109567823A (zh) * | 2018-11-13 | 2019-04-05 | 西安交通大学 | 一种基于近红外光谱技术的麻醉深度监测系统及方法 |
WO2019127556A1 (zh) * | 2017-12-29 | 2019-07-04 | 深圳迈瑞生物医疗电子股份有限公司 | 麻醉阶段识别与麻醉深度计算方法及装置 |
WO2019127558A1 (zh) * | 2017-12-29 | 2019-07-04 | 深圳迈瑞生物医疗电子股份有限公司 | 基于脑电的麻醉深度监测方法和装置 |
CN110234374A (zh) * | 2017-12-29 | 2019-09-13 | 深圳迈瑞生物医疗电子股份有限公司 | 麻醉药物识别方法、麻醉脑电信号的处理方法和装置 |
CN110868912A (zh) * | 2017-07-10 | 2020-03-06 | 国际商业机器公司 | 神经生理信号中的伪影的移除 |
CN111700610A (zh) * | 2020-06-04 | 2020-09-25 | 浙江普可医疗科技有限公司 | 一种脑电爆发抑制模式的分析方法、装置、系统及其存储介质 |
CN115633969A (zh) * | 2022-11-11 | 2023-01-24 | 重庆玺德尔医疗器械有限公司 | 基于脑电信号和脉搏信号的麻醉疼痛伤害感受评估方法 |
CN115813352A (zh) * | 2023-02-23 | 2023-03-21 | 昌乐县人民医院 | 一种用于全麻患者的瞳孔监测评估系统 |
CN116636817A (zh) * | 2023-07-26 | 2023-08-25 | 四川新源生物电子科技有限公司 | 一种麻醉深度评估方法、系统、装置和存储介质 |
CN117814760A (zh) * | 2024-03-04 | 2024-04-05 | 江西杰联医疗设备有限公司 | 基于多指标的麻醉深度检测装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1567331A (zh) * | 2003-06-23 | 2005-01-19 | 吴东宇 | 用于实时监测的大脑电位非线性趋势图形的生成方法 |
CN101449974A (zh) * | 2007-12-05 | 2009-06-10 | 李小俚 | 一种自动实时估计麻醉深度的方法 |
WO2011017778A1 (en) * | 2009-08-14 | 2011-02-17 | David Burton | Anaesthesia and consciousness depth monitoring system |
CN102488517A (zh) * | 2011-12-13 | 2012-06-13 | 湖州康普医疗器械科技有限公司 | 一种检测脑电信号中爆发抑制状态的方法以及装置 |
US20130150748A1 (en) * | 2010-07-23 | 2013-06-13 | Quantium Medical S.L. | Apparatus for combining drug effect interaction between anaesthetics and analgesics and electroencephalogram features for precise assessment of the level of consciousness during anaesthesia |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100571617C (zh) * | 2007-12-25 | 2009-12-23 | 天津大学 | 站起想象动作脑电的信号采集和特征提取方法 |
CN102274022B (zh) * | 2011-05-10 | 2013-02-27 | 浙江大学 | 一种基于脑电信号的睡眠状态监测方法 |
CN103767702A (zh) * | 2014-01-16 | 2014-05-07 | 天津大学 | 一种脑电非线性双测度特征提取与融合处理方法 |
-
2014
- 2014-09-29 CN CN201710076293.5A patent/CN106943118A/zh active Pending
- 2014-09-29 CN CN201410514282.7A patent/CN104545949A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1567331A (zh) * | 2003-06-23 | 2005-01-19 | 吴东宇 | 用于实时监测的大脑电位非线性趋势图形的生成方法 |
CN101449974A (zh) * | 2007-12-05 | 2009-06-10 | 李小俚 | 一种自动实时估计麻醉深度的方法 |
WO2011017778A1 (en) * | 2009-08-14 | 2011-02-17 | David Burton | Anaesthesia and consciousness depth monitoring system |
US20130150748A1 (en) * | 2010-07-23 | 2013-06-13 | Quantium Medical S.L. | Apparatus for combining drug effect interaction between anaesthetics and analgesics and electroencephalogram features for precise assessment of the level of consciousness during anaesthesia |
CN102488517A (zh) * | 2011-12-13 | 2012-06-13 | 湖州康普医疗器械科技有限公司 | 一种检测脑电信号中爆发抑制状态的方法以及装置 |
Non-Patent Citations (2)
Title |
---|
LESLIE C.JAMESON: "USING EEG TO MONITOR ANESTHESIA DRUG EFFECTS DURING SURGERY", 《JOURNAL OF CLINICAL MONITORING AND COMPUTING》 * |
徐进: "基于脑电近似熵分析的麻醉深度监测研究", 《航天医学与医学工程》 * |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107920951A (zh) * | 2015-06-12 | 2018-04-17 | 株式会社美迪安纳 | 自动心肺复苏装置 |
CN107920951B (zh) * | 2015-06-12 | 2021-12-24 | 株式会社美迪安纳 | 自动心肺复苏装置 |
CN107847172A (zh) * | 2015-07-17 | 2018-03-27 | 昆腾医疗公司 | 用于评估觉醒、镇静和全身麻醉期间的意识、疼痛和伤害感受的水平的设备和方法 |
US11452480B2 (en) | 2015-07-17 | 2022-09-27 | Quantium Medical Sl | Device and method for assessing the level of consciousness, pain and nociception during wakefulness, sedation and general anaesthesia |
CN107847172B (zh) * | 2015-07-17 | 2021-04-30 | 昆腾医疗公司 | 用于评估觉醒、镇静和全身麻醉期间的意识、疼痛和伤害感受的水平的设备和方法 |
CN105193409B (zh) * | 2015-08-07 | 2018-01-16 | 深圳大学 | 一种脑电抑制水平评估方法及系统 |
CN105193409A (zh) * | 2015-08-07 | 2015-12-30 | 深圳大学 | 一种脑电抑制水平评估方法及系统 |
CN106175754B (zh) * | 2016-09-21 | 2019-04-09 | 广州视源电子科技股份有限公司 | 睡眠状态分析中清醒状态检测装置 |
CN106175754A (zh) * | 2016-09-21 | 2016-12-07 | 广州视源电子科技股份有限公司 | 睡眠状态分析中清醒状态检测装置 |
CN110868912A (zh) * | 2017-07-10 | 2020-03-06 | 国际商业机器公司 | 神经生理信号中的伪影的移除 |
CN107595247A (zh) * | 2017-08-29 | 2018-01-19 | 深圳市德力凯医疗设备股份有限公司 | 一种基于脑电信号的麻醉深度的监测方法及系统 |
WO2019041772A1 (zh) * | 2017-08-29 | 2019-03-07 | 深圳市德力凯医疗设备股份有限公司 | 一种基于脑电信号的麻醉深度的监测方法及系统 |
CN110234272B (zh) * | 2017-12-29 | 2022-06-14 | 深圳迈瑞生物医疗电子股份有限公司 | 麻醉阶段识别与麻醉深度计算方法及装置 |
WO2019127556A1 (zh) * | 2017-12-29 | 2019-07-04 | 深圳迈瑞生物医疗电子股份有限公司 | 麻醉阶段识别与麻醉深度计算方法及装置 |
WO2019127558A1 (zh) * | 2017-12-29 | 2019-07-04 | 深圳迈瑞生物医疗电子股份有限公司 | 基于脑电的麻醉深度监测方法和装置 |
CN110234374A (zh) * | 2017-12-29 | 2019-09-13 | 深圳迈瑞生物医疗电子股份有限公司 | 麻醉药物识别方法、麻醉脑电信号的处理方法和装置 |
CN110234272A (zh) * | 2017-12-29 | 2019-09-13 | 深圳迈瑞生物医疗电子股份有限公司 | 麻醉阶段识别与麻醉深度计算方法及装置 |
CN110267590A (zh) * | 2017-12-29 | 2019-09-20 | 深圳迈瑞生物医疗电子股份有限公司 | 基于脑电的麻醉深度监测方法和装置 |
US11819336B2 (en) | 2017-12-29 | 2023-11-21 | Shenzhen Mindray Bio-Medicaelectronics Co., Ltd. | Anesthesia stage identification and anesthesia depth calculation method and device |
CN110234374B (zh) * | 2017-12-29 | 2022-09-16 | 深圳迈瑞生物医疗电子股份有限公司 | 麻醉药物识别方法、麻醉脑电信号的处理方法和装置 |
CN108836320A (zh) * | 2018-04-02 | 2018-11-20 | 东北电力大学 | 一种基于嗅觉脑电波进行感官物质分类的方法 |
CN109009089A (zh) * | 2018-05-08 | 2018-12-18 | 南京伟思医疗科技股份有限公司 | 一种适用于新生儿的脑电信号爆发抑制检测方法 |
CN108717535A (zh) * | 2018-05-25 | 2018-10-30 | 山东大学 | 一种基于混合特征和长短时记忆网络的麻醉深度估计方法 |
CN108904941A (zh) * | 2018-06-12 | 2018-11-30 | 深圳市人民医院 | 一种智能手术麻醉管理系统 |
CN109567823A (zh) * | 2018-11-13 | 2019-04-05 | 西安交通大学 | 一种基于近红外光谱技术的麻醉深度监测系统及方法 |
CN109567823B (zh) * | 2018-11-13 | 2020-05-15 | 西安交通大学 | 一种基于近红外光谱技术的麻醉深度监测系统及方法 |
CN109498003A (zh) * | 2019-01-04 | 2019-03-22 | 深圳市舟洁信息咨询服务有限公司 | 监测麻醉深度的装置 |
CN111700610A (zh) * | 2020-06-04 | 2020-09-25 | 浙江普可医疗科技有限公司 | 一种脑电爆发抑制模式的分析方法、装置、系统及其存储介质 |
CN115633969A (zh) * | 2022-11-11 | 2023-01-24 | 重庆玺德尔医疗器械有限公司 | 基于脑电信号和脉搏信号的麻醉疼痛伤害感受评估方法 |
CN115633969B (zh) * | 2022-11-11 | 2024-01-05 | 重庆玺德尔医疗器械有限公司 | 基于脑电信号和脉搏信号的麻醉疼痛伤害感受评估方法 |
CN115813352A (zh) * | 2023-02-23 | 2023-03-21 | 昌乐县人民医院 | 一种用于全麻患者的瞳孔监测评估系统 |
CN116636817A (zh) * | 2023-07-26 | 2023-08-25 | 四川新源生物电子科技有限公司 | 一种麻醉深度评估方法、系统、装置和存储介质 |
CN116636817B (zh) * | 2023-07-26 | 2023-11-03 | 四川新源生物电子科技有限公司 | 一种麻醉深度评估方法、系统、装置和存储介质 |
CN117814760A (zh) * | 2024-03-04 | 2024-04-05 | 江西杰联医疗设备有限公司 | 基于多指标的麻醉深度检测装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106943118A (zh) | 2017-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104545949A (zh) | 一种基于脑电的麻醉深度监测方法 | |
CN107495962B (zh) | 一种单导联脑电的睡眠自动分期方法 | |
CN105496363B (zh) | 基于检测睡眠脑电信号对睡眠阶段进行分类的方法 | |
CN102715903B (zh) | 基于定量脑电图的脑电特征提取方法 | |
CN104994782B (zh) | 基于脑波信号进行分析的方法和设备 | |
CN106691474A (zh) | 融合脑电信号与生理信号的疲劳检测系统 | |
CN105796096A (zh) | 一种心率变异性分析方法、系统及终端 | |
CN101658425A (zh) | 基于心率变异分析的注意力集中程度的检测装置及方法 | |
CN104173046B (zh) | 一种色彩标记振幅整合脑电图的提取方法 | |
CN103845052B (zh) | 基于采集脑电信号的人体昏厥预警装置 | |
CN107644682A (zh) | 基于额叶eeg偏侧化和erp的情绪调节能力测查方法 | |
CN106295225B (zh) | 基于互信息网络的睡眠呼吸暂停综合征的检测系统 | |
CN107530015A (zh) | 一种生命体征分析方法与系统 | |
WO2019127557A1 (zh) | 麻醉药物识别方法、麻醉脑电信号的处理方法和装置 | |
CN106539580A (zh) | 一种自主神经系统动态变化的连续监测方法 | |
CN105125186A (zh) | 一种确定干预治疗方式的方法及系统 | |
CN104644166A (zh) | 一种基于格子复杂性算法的无线动态麻醉深度检测方法 | |
Sharma et al. | Automated explainable detection of cyclic alternating pattern (cap) phases and sub-phases using wavelet-based single-channel eeg signals | |
CN105809155A (zh) | 一种基于脑电波的冥想检测系统 | |
Easwaramoorthy et al. | Estimating the complexity of biomedical signals by multifractal analysis | |
Hundewale | The application of methods of nonlinear dynamics for ECG in Normal Sinus Rhythm | |
Attarodi et al. | Detection of driver's drowsiness using new features extracted from HRV signal | |
Dissanyaka et al. | Classification of healthy and insomnia subjects based on wake-to-sleep transition | |
CN106377250A (zh) | 睡眠状态下的脑电信号数据类型的标注设备 | |
Sheng et al. | Multifractional property analysis of human sleep EEG signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150429 |