CN104856673B - 利用心电信号估计麻醉深度的方法与装置 - Google Patents
利用心电信号估计麻醉深度的方法与装置 Download PDFInfo
- Publication number
- CN104856673B CN104856673B CN201410057818.7A CN201410057818A CN104856673B CN 104856673 B CN104856673 B CN 104856673B CN 201410057818 A CN201410057818 A CN 201410057818A CN 104856673 B CN104856673 B CN 104856673B
- Authority
- CN
- China
- Prior art keywords
- frequency
- respiratory
- rhythmic
- rri
- power
- 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.)
- Expired - Fee Related
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
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种估计麻醉深度的方法与装置。由受测者量测得到心电信号,量化心电信号中的呼吸性窦性心律不整(respiratory sinus arrhythmia,RSA)的规律性而得到一指数,幷根据该指数估计麻醉深度。
Description
技术领域
本发明关于一种估计麻醉深度的方法及装置,更具体而言,是关于根据心电信号量化呼吸性窦性心律不整(respiratory sinus arrhythmia,RSA)的规律性而估计麻醉深度的方法及装置。
背景技术
目前用来估计麻醉深度的方法及装置,主要是通过脑电图(electroencephalography,EEG)量测大脑皮质活动来达成目的。例如脑电波双频指数侦测器或称为BIS指数侦测器(Bispectral IndexCovidien公司)通过脑电图评估大脑皮层的自发性活动来估计麻醉深度。然而脑电信号(EEG signal)的单位为毫伏特(μV),信号强度比心电信号(electrocardiographic signal,or ECG signal)微弱很多(心电信号的单位为微伏特(mV))。因此要侦测到脑电信号需要十分精密的设备,此设备通常体积大、重量重、不方便移动或携带、造价昂贵,所使用的特殊电极片成本也高,因此使用脑电图做为估计麻醉深度的方法是一种不符合经济效益的方法。此外麻醉剂会对大脑的不同区域产生不同影响。脑电图通常只能量测大脑皮质活动来判定麻醉深度,可能无法有效地评估其他重要的麻醉因素,包括运动的抑制(motor suppression)、止痛(analgesic)和自主活动(autonomicactivity),这在很大程度上是由大脑皮质下(subcortical)区域所控制。因此只用脑电图的估计麻醉深度的方式及装置,无法全面地监控受测者的麻醉状态。
发明内容
发明的目的,在于提供一种估计麻醉深度的方法及其装置,其根据心电信号而非根据脑电信号进行麻醉深度的估计,因此此装置体积小、重量轻、可以随身携带、造价便宜也无需使用的特殊电极片,大幅降低估计麻醉深度的成本。此外本发明的方法及装置,主要是量测大脑皮层下区域的活动,而非量测大脑皮层的活动,因此若用于辅助其他根据脑电信号的估计麻醉深度的方法或装置,可以更全面地监控受测者的麻醉状态。
为达上述目的幷解决现有技术的缺点,本发明提供一种估计麻醉深度的方法,包括以下步骤:获取一心电信号,根据该心电信号量化呼吸性窦性心律不整(respiratorysinus arrhythmia,RSA)的规律性而得到一指数及根据该指数估计麻醉深度。
根据本发明的一个实施例的进一步特征,从量化该规律性得到的指数是一呼吸性非节律成份与一呼吸性节律成份的比率,所述呼吸性节律成份代表心率变异被呼吸运动影响的程度,所述呼吸性非节律成份代表不被呼吸运动影响的心率变异。
根据本发明的一个实施例的进一步特征,所述呼吸性节律成份为于一RRI(心电图中R波至R波的间期)频率对功率频谱图的一特定频率范围中,一基底节律性频率所在的一特定频宽的RRI功率与该基底节律性频率的倍频所在的一特定频宽的RRI功率的总和,该基底节律性频率为于一EDR(心电图来源的呼吸信号)频率对功率频谱图的一特定频率范围中,具有一最大EDR功率的一频率。
根据本发明的一个实施例的进一步特征,所述呼吸性非节律成份为于该RRI(心电图中R波至R波间期)频率对功率频谱图的一特定频率范围中,RRI的总功率减去该呼吸性节律成份。
根据本发明的一个实施例的进一步特征,该RRI频率对功率频谱图及EDR频率对功率频谱图分别为一RRI的MTFR(多窗口时间频率重分配)频谱图及一EDR的MTFR频谱图,而该呼吸性非节律成份、该呼吸性节律成份、该基底节律性频率、该基底节律性频率的倍频、该基底节律性频率的RRI功率或该基底节律性频率的倍频的RRI功率衍生于该RRI的MTFR频谱图或该EDR的MTFR频谱图。
本发明提供一种估计麻醉深度的装置,为包括:一心电信号撷取单元,以非侵入式的方式截取一心电信号,进而输出一数位化心电信号,以及一心电信号分析单元,连接该心电信号撷取单元以接收该数位化心电信号,根据此心电信号量化呼吸性窦性心律不整(respiratory sinus arrhythmia,RSA)的规律性而得到一指数,以供评估麻醉深度。
根据本发明的一个实施例的进一步特征,从量化该规律性得到的指数是一呼吸性非节律成份与一呼吸性节律成份的比率,所述呼吸性节律成份代表心率变异被呼吸运动影响的程度,所述呼吸性非节律成份代表不被呼吸运动影响的心率变异。
根据本发明的一个实施例的进一步特征,所述呼吸性节律成份为于一RRI(心电图中R波至R波的间期)频率对功率频谱图的一特定频率范围中,一基底节律性频率所在的一特定频宽的RRI功率与该基底节律性频率的倍频所在的一特定频宽的RRI功率的总和,该基底节律性频率为于一EDR(心电图来源的呼吸信号)频率对功率频谱图的一特定频率范围中,具有一最大EDR功率的一频率。
在本发明的一实施例中,所述呼吸性非节律成份为于该RRI(心电图中R波至R波间期)频率对功率频谱图的一特定频率范围中,RRI的总功率减去该呼吸性节律成份。
根据本发明的一个实施例的进一步特征,该RRI频率对功率频谱图及EDR频率对功率频谱图分别为一RRI的MTFR(多窗口时间频率重分配)频谱图及一EDR的MTFR频谱图,而该呼吸性非节律成份、该呼吸性节律成份、该基底节律性频率、该基底节律性频率的倍频、该基底节律性频率的RRI功率或该基底节律性频率的倍频的RRI功率衍生于该RRI的MTFR频谱图或该EDR的MTFR频谱图。
附图说明
本文所述的本发明,仅作为示例,参考附图,其中:
图1为从第三导程(lead III)心电信号(electrocardiographic signal,ECGsignal)衍生出的「心电图来源的呼吸信号」(electrocardiography-derivedrespiration,EDR)对时间关系图;
图2为从第三导程(lead III)心电信号(electrocardiographic signal,ECGsignal)衍生出的「R波至R波间期」(R-R interval,RRI)对时间关系图;
图3为一个体于轻度麻醉下的心电图,历时50秒;
图4A为从图3的心电图所衍生的RRI对时间关系图;
图4B为从图3的心电图所衍生的EDR对时间关系图;
图5A为将图4A的RRI对时间关系图经由傅立叶转换(Fourier transform)后所获得的RRI频率对功率的频谱图;
图5B为将图4BEDR对时间关系图经由傅立叶转换(Fourier transform)后所获得的EDR频率对功率的频谱图;
图6为一个体于深度麻醉下的心电图,历时50秒;
图7A为从图6的心电图所衍生的RRI对时间关系图;
图7B为从图6的心电图所衍生的EDR对时间关系图
图8A为将图7A的RRI对时间关系图经由傅立叶转换(Fourier transform)后所获得的RRI频率对功率的频谱图;
图8B为将图7B的EDR对时间关系图经由傅立叶转换(Fourier transform)后所获得的EDR频率对功率的频谱图;
图9为根据本发明的估计麻醉深度的装置的示意图;
图10为根据本发明的第一实施例中估计麻醉深度的方法流程图;
图11为根据本发明的第二实施例中估计麻醉深度的方法流程图;
图12为NRR及BIS指数与七氟醚(sevoflurane)浓度的时间关系图,受测者于麻醉及控制通气的状态下;
图13为NRR及BIS指数与七氟醚(sevoflurane)浓度的时间关系图,受测者于苏醒期间(emergence period)及自主呼吸的状态下;
图14为各指数预测失去意识(LOC)的连续PK分析时间关系图;
图15为各指数预测切入皮肤(skin incision)的连续PK分析时间关系图;
图16为各指数预测第一反应(first reaction)的连续PK分析时间关系图;
图17为各指数预测回复意识(ROC)的连续PK分析时间关系图;
具体实施方式
在详细说明请本发明的具体实施方式之前,于此先介绍关于此发明的技术原理及术语。请参阅图1及图2,其分别为心电信号(electrocardiographic signal,ECG signal)所衍生的「心电图来源的呼吸信号」(electrocardiography-derived respiration,EDR)及「R波至R波间期」(R-R interval,RRI)对时间关系图。图1下方的波形为心电信号,其X轴为时间(微秒,mS),Y轴为电压(微伏特,mV),每一次心跳皆会产生一组P波、Q波、R波、S波及T波,其中R波为振幅最高的波锋,然而各次心跳的R波的绝对高度皆有所不同,这是因为用于侦测心电信号的电极贴附于胸口,随着呼吸周期而上下起伏,而使得心电信号产生上下起伏的R波波锋,因此通过各次心跳的R波的绝对高度的连线,可以得到代表呼吸形式(respiratory pattern)的呼吸信号,即为「心电图来源的呼吸信号」(electrocardiography-derived respiration,EDR),如图1上方的波形所示。然而EDR的计算或衍生方法有许多种,也有运用心电信号上下起伏的基线作为EDR,或是运用其他的演算法来计算获得EDR,尽管本发明实施例中是使用R波高度的绝对值作为EDR,但仅为一实施范例,不应该以此限制权利要求范围。参照图2上方的心电信号,两个相邻R波的间期,即为两次心跳所间隔的时间,称为「R波至R波间期(R-R interval,RRI)」。以R波发生的时间点做为X轴(微秒,mS),以R波至R波的间期(微秒,ms)做为Y轴(微秒,mS),即可得到RRI对时间关系图,如图2下方的波形所示,也可以从中得到心率及心率变异的资讯。
参阅图3及图6,其分别为同一个体于轻度与重度麻醉的50秒心电图。通过上述于图1及图2中讨论过的方法,衍生出RRI对时间关系图,如图4A(轻度麻醉)及图7A(重度麻醉)所示,及EDR对时间关系图,如图4B(轻度麻醉)及图7B(重度麻醉)所示。将图4A、图4B、图7A及图7B通过傅立叶转换(Fourier transform),可获得RRI频率对功率的频谱图,如图5A(轻度麻醉)及图8A(重度麻醉)所示,及EDR频率对功率的频谱图,如图5B(轻度麻醉)及图8B(重度麻醉)所示,详细情形将于下文中描述。
呼吸性窦性心律不整(respiratory sinus arrhythmia,RSA)为一与呼吸运动同步的心率变异性,在吸气时心率加快,两次心跳的间期缩短(RRI缩短),呼气时心率减缓,两次心跳的时间间延长(RRI延长),造成此现象的原因与呼吸运动造成回心血流量的变异及迷走神经(vagal nerve)被抑制有关,在人类及许多动物上皆可观察到此生理现象。然而呼吸性窦性心律不整的规律性会随着麻醉深度增加,该规律性包含呼吸形式的规律性及心率变异的规律性,也就是说,在较深沉的麻醉时,呼吸性窦性心律不整(RSA)的现象会使得呼吸运动及心率变异具有较节律(rhythmic)或规律(regular)的形式(patterns),而在较浅的麻醉时,呼吸性窦性心律不整的现象(RSA)让呼吸运动及心率变异显得无节律(non-rhythmic)或不规则(irregular)。值得注意的是呼吸性心律不整(RSA)的规律性与呼吸性心律不整(RSA)的振幅、频率和程度是不同的,例如一个体可以有很快或很深的呼吸却不见得有有规律的呼吸,或是一个体的心率可以很快或很大的变异幅度但不见得会规律地变异。然而造成呼吸性窦性心律不整的规律性会随着麻醉深度增加的原因可能如下:呼吸运动的神经控制是由两个控制系统所组成,分别为位于桥脑-延脑区域的控制系统及位于前脑的控制系统。位于桥脑-延脑区域的控制系统为一自主性、非随意性的呼吸中枢(即为无法受个体的意识控制),其能发出信号以进行规律性的呼吸运动,而位于前脑的控制系统为随意性(可以受个体意识所控制),而进行不规律性的呼吸。此二系统的解剖结构有显著的差异,从这两个系统所发出来的呼吸信号彼此互相竞争,幷合幷于脊髓处以控制呼吸运动神经元。当在深度麻醉时,由于位于前脑的控制系统,如视丘、大脑皮层下(subcortex)区域对于麻醉剂较敏感,以致不规律性的呼吸运动被抑制,而使得个体显现出规律的呼吸形式(respiratory pattern)。关于心率方面,位于心脏右心房内的窦房结(sinoatrial node)发出规律性的信号,使心脏规律地跳动,幷且不受个体的意识所控制,然而心率也会受各种因素而产生变异,例如神经系统、血压、内分泌、血量、血流阻抗、呼吸等。当个体在轻度麻醉时,各种因素皆对于心率影响,使得心率变异不规则,如图4A所示,RRI随时间关系图中心率变异呈现不规则,且与EDR随时间关系图中呼吸形式无法看出明显的直接关联如图4A及图4B所示。当个体在深度麻醉时,由于呼吸的频率(周期)及波长被单一化,如图7B所示,使得呼吸对心率变异的影响突增,以致心率变异具有规律的波形,如图7A所示,且此波形与呼吸形式的波形同步化,两者具有相同的波长及频率(约为0.165Hz,次/秒),而该频率即为呼吸的频率,显示在麻醉的情况下,呼吸运动成为心率变异的主要因素,其他因素对于心率变异的影响相对较小。也因为RRI及EDR随时间关系图中的波形具有相同的频率(即为呼吸频率),经过傅立叶转换(Fourier transform)后,RRI及EDR的频率对功率的频谱图中,如图8A及图8B所示,于呼吸频率(0.165Hz)处有最高的RRI及EDR功率峰值,而在呼吸频率的倍频处(0.33、0.495、0.66、0.825Hz),也产生RRI及EDR功率峰值。相反地,当个体于轻度麻醉状态,RRI随时间关系图及EDR随时间关系图中,如图4A及图4B所示,则无法看出RRI明显波形、频率、波长,以及与EDR的关系,因此经过傅立叶转换(Fourier transform)后,虽然于图5B所示的EDR的频率对于功率的频谱图中,于呼吸频率0.165Hz及其倍频处0.33、0.495、0.66、0.825Hz仍有高的EDR功率峰值,但是于图5A所示的RRI频率对于功率的频谱图中,于呼吸频率0.165Hz及其倍频处0.33、0.495、0.66、0.825的RRI功率峰值幷不显著,且明显地低于图8A所示的深度麻醉的对应频率的峰值。总结来说,麻醉的程度越深,图4B及图7B所示的EDR对时间关系图中呼吸形式(respiratory pattern)则越具有规律性,即EDR呼吸信号的频率、波长被单一化,使得心率变异被呼吸运动影响的程度增加,因此如图4B及图7B所示的RRI对时间的关系图中,RRI的波形则越与呼吸形式同步(respiratory pattern),于是在傅立叶转换后(Fourier transformation),如图5A及图8A所示的RRI频率对功率频谱图中,呼吸频率及其倍频处的功率峰值则越高。因此于呼吸频率及其倍频处的功率(即白色区域的RRI功率)即代表被呼吸运动影响的心率变异程度,幷且定义「呼吸性节律成份」(respiratory rhythmic component)为一数值其能代表心率变异受呼吸运动影响的程度。而在RRI频率对功率频谱图(图5A及图8A)中其余频率的功率(即灰色区域的RRI功率)代表不受呼吸运动影响的心率变异,当在深度麻醉时,其他因素对于心率变异的影响较小,幷定义「呼吸性非节律成份」(respiratory non-rhythmic component)为一数值能代表心率变异不受呼吸运动影响的部分,因此通过呼吸频率及其倍频处的功率(呼吸性节律成份)与非呼吸频率及其倍频处(呼吸性非节律成份)的功率的比例,即可代表呼吸性窦性心率不整的规律性,及估算麻醉深度(depth of anesthesia)。
估计麻醉深度的方法的第一实施例
请参照图9及图10,分别为本发明用于估计麻醉深度的装置10的示意图及估计麻醉深度的方法的第一实施例流程图。该用于估计麻醉深度的装置10包含一心电信号撷取单元20以及一心电信号分析单元30,该心电信号分析单元30连接该心电信号撷取单元20。该心电撷取单元20具有一到数对电极(未图示)。
于步骤S100中,心电信号撷取单元20通过该等电极以非侵入式的方式撷取受测者心电信号(ECG signal),进而输出数位化的心电信号予心电信号分析单元30。心电信号分析单元30接收到数位化的心电信号后绘制出心电图(ECG)。心电信号分析单元30利用心电图的第一导程、第二导程及第三导程(lead I,lead II and lead III)去观察幷记录心脏三个不同方向的心电信号,以得到更佳的精确度,但这不表示使用单一导程的心电图不可行,也不应以此限制本发明的权利要求范围。心电信号分析单元30若发现异位的搏动或严重的心电信号干扰,此数据将会被移除舍弃。之后心电信号分析单元30于步骤S110中依据心电图(ECG)依上述的方法衍生出R波R波间期(RRI)的数据,幷于步骤S120衍生出心电图来源的呼吸信号(EDR)的数据。此二步骤S110、S120可以同时进行,也可以先后进行。心电信号分析单元30通过傅立叶转换,例如汉宁窗口(Hanning window)和1024点快速傅立叶转换,将R波R波间期(RRI)的数据及心电图来源的呼吸信号(EDR)的数据转化为RRI频率对功率频谱图及EDR频率对功率频谱图,如步骤S130、140所示。此二步骤S130、S140可以同时进行,也可以先后进行。心电信号分析单元30根据RRI及EDR频率对功率频谱图,计算出「呼吸性节律成份」(respiratory rhythmic component)及「呼吸性非节律成份」(respiratory non-rhythmic component),如步骤S150所示。其确切地计算法如下:于图5B及图8B所示的EDR频率对功率的频谱图中的一特定频率范围中,例如0-1Hz,存在一最大EDR功率的峰值,该最大功率的峰值所对应的频率即为代表呼吸频率的确切数值,在此将其称为「基底节律性频率」(fundamental rhythmic frequency),之后在RRI频率对应功率的频谱图(图5A及图8A)中的一特定频率范围中,例如0-1Hz,计算出该基底节律性频率所在的一特定窄频宽(例如正负0.02Hz)的RRI功率与该基底节律性频率的倍频所在的其他数个频宽的RRI功率的总和。该总和即为所求的「呼吸性节律成份」。由此可知RRI及EDR在计算「呼吸性节律成份」时,皆为必须的资讯,其中EDR频谱图协助找出呼吸性节律成份的基底节律性频率,而RRI频谱图用以计算出呼吸性节律成份。相对地,在此一实施例中,「呼吸性非节律成份」(respiratorynon-rhythmic component)的更确切地计算法如下:在RRI频率对功率的频谱图中的同一特定频率范围中,例如0-1Hz,RRI总功率减去该呼吸性节律成份。之后以两者的比值做为一指数,幷命名该指数为「非节律对节律比值」或NRR(non-rhythmic to rhythmic ratio),如步骤S160所示。而该「非节律对节律比值」NRR可用以代表呼吸性窦性心率不整的规律性,进而估算麻醉深度(depth of anesthesia),如S170所示。上述程序可以通过使用市售的应用软体来实现,例如微软公司的Microsoft Visual
估计麻醉深度的方法的第二实施例
以上述第一实施例作为基础,还可以进一步应用「多窗口时间-频率重新分配」(multitaper time-frequency reassignment,MTFR)的方法取代传统的傅立叶转换(Furier's transformation)。多窗口时间-频率重新分配(MTFR)是一种时频分析方法,其结合了时频重新分配和多窗口分析两种技术。时频重新分配技术大幅提高了频谱图的分辨率,多窗口分析技术能够抑制频谱图的变动,通过上述两种技术,将RRI对时间关系图及EDR对时间关系图转换为具有更高分辨率的RRI频率对功率频谱图及EDR频率对功率频谱图,由此而计算出更精确的呼吸性节律成份、呼吸性非节律成份及NRR,进而更有效地量化呼吸性窦性心律不整的节律特性。在此处,将多窗口时间-频率重新分配频谱图称为MTFR频谱图。关于细节请参考Francois Auger与Patrick Flandrin发表于IEEE Trans Signal Process期刊(1995年)的论文:「Improving the readability of time-frequency and time-scale representations by the reassignment method」及Xiao Jun与Patrick Flandrin发表于IEEE Trans Signal Process期刊(2007年)的论文:「Multitaper Time-FrequencyReassignment for Nonstationary Spectrum Estimation and Chirp Enhancement」。
请参照图11,其为根据本发明的第二实施例中估计麻醉深度的方法流程图,其应用步骤S230,S240的多窗口时间频率重新分配(MTFR)方法取代步骤S130,140的傅立叶转换(Fourier transformation),将RRI数据及EDR数据转化为RRI频率对功率频谱图及EDR频率对功率频谱图。在步骤S250中,根据RRI及EDR频率对功率MTFR频谱图,计算出呼吸性节律成份及呼吸性非节律成份。其确切地计算法如下:由于MTFR频谱图是时间和频率的函数,RRI与EDR的MTFR频谱图分别以MTFRRRI(t,f)和MTFREDR(t,f)表示。EDR的MTFR频谱图MTFREDR(t,f)可用于取得基底节律性频率fr(t)的精确值,幷定义该基底节律频率fr(t)为EDR的MTFR频谱图MTFREDR(t,f)中一特定频率范围中,例如0-1Hz,一最大EDR功率的峰值所对应的频率。基底节律性频率表示如下:
[通式一]
而呼吸性节律成份Pr(t)被定义为在RRI的MTFR频谱图MTFRRRI(t,f)中一特定频率范围中,例如0-1Hz,该基底节律性频率所在的一特定窄频宽(例如正负0.02Hz)的功率与该基底节律性频率的倍频所在的其他数个频宽的功率的总和。呼吸性节律成份Pr(t)表示如下:
[通式二]
其中a为上限频率值,以界定一特定频率范围,于本例中,a=1。k表示最高的整数,fr为基底节律性频率,幷使得k·fr在一特定频率范围之内,在本例中,因为a=1,所以0<k·fr<1,即表示基底节律性频率的最大倍频不大于1Hz。b为一特定窄频宽,在此实施例中选择为±0.02Hz。而呼吸性非节律成份被定义为在RRI的MTFR频谱图中同一特定频率范围0-aHz,(例如0-1Hz),RRI总功率(HFMR)减去该呼吸性节律成份。再由从RRI与EDR的MTFR频谱图中所得到的呼吸性节律成份及呼吸性非节律成份,计算两者的比值,即为「非节律对节律比值」NRR,如步骤260所示,其中NRR的计算如下:
[通式三]
其中HFMR(t)为RRI的MTFR频谱图中一特定频率范围中,RRI的总功率。
第二实施例的其余步骤与第一实施例的步骤本质上相同。值得注意的是,在以下的临床实验当中,所使用的根据心电图的估计麻醉深度的方法皆是以本发明第二实施例中运用MTFR分析技术来进行,以取得更精确的数据。
NRR与麻醉剂的关联性及预测麻醉事件的能力的实验
使用标准的麻醉监测于所有受测者,包括脑电波双频指数侦测器(BispectralIndex Monitor,or BIS monitor)、心电图(electrocardiography,ECG)、脉搏、血氧饱和度(SpO2)和非侵入性的血压,以取得受测者的各项即时生理数值。首先使用芬太尼(fentanyl)丙泊酚(propofol)。通过对于口头命令失去反应或是失去睫毛反射来决定受测者是否失去意识(LOC)。以肌肉松弛剂(Cisatracurium)来促进气管插管的进行。随后,机械通气是由通气量控制模式来进行,以含氧气体与七氟醚(sevoflurane)的混合物作为低流量麻醉。于一开始时,潮气量为7毫升/公斤而呼吸速率为每分钟8到16次呼吸之间。调节呼吸器以维持呼气末碳氧化物(ETCO2)至介于35到40毫米汞柱,幷保持气道峰压于25毫米汞柱以下。当达到麻醉适当深度后,以刀片切开皮肤。接近手术尾声时,麻醉剂气体浓度逐渐降低幷确认皮肤伤口闭合。于控制通气期间,使用新斯狄明(neostigmine)与格隆溴铵(glycopyrrolate)的组合以解除肌肉松弛。以上所述的麻醉方式,仅为一实施范例,本发明的估计麻醉深度方法及装置适用于任何一种麻醉方式,因此不应以此限制本发明的权利要求范围,当受测者重新获得足够的自主呼吸后停止控制呼吸。当受测者呈现不足的自主呼吸(ETCO2超过50毫米汞柱或血氧饱和度(SpO2)低于95%)被辅以手动正压通气,否则就允许受测者自主呼吸,直到恢复意识不再使用正压通气。当病人表现出充分的自主呼吸后移除气管插管。当拔管后通气不足或上呼吸道阻塞时,纠正措施包括给予面罩通气或鼻咽通气道插管。在苏醒期间(emergence period),第一反应是以任何可见的运动反应,如手臂或腿的运动、咳嗽或痛苦表情来评定。第一反应后,以睁开眼睛幷有能力遵循简单的命令的方式,每20秒评定意识回复一次。以上所述的手术程序,仅为一实施范例,本发明的估计麻醉深度方法及装置适用于任何手术程序,因此不应以此限制本发明的权利要求范围。
以Datex-Ohmeda S/5麻醉机上的气体分析装置侦测进气及呼气末的麻醉气体(七氟醚,sevoflurane)的浓度幷且每30秒纪录一次。被作用处的七氟醚浓度(Ceff)是从呼气末七氟醚浓度(Cet)估计而推得,通过下列根据药物代谢动力学-药效学模式的一阶微分方程式而估算:
[通式四]
根据以往的研究,对于所有受测者该常数Ke0被假设为一定值幷定义为0.24/分钟。此外还记录各麻醉事件的时间点,包含引发麻醉(induction)、失去意识(loss ofconsciousness,LOC)、第一反应(first reaction)、回复意识(return of consciousness,ROC)。脑电波双频指数或BIS指数(Bispectral Indext,BIS index)经由脑电波双频指数侦测器Aspect A-2000(BIS monitor)获得,幷且每五秒钟记录一次。第一导程、第二导程及第三导程的心电信号(ECG signal)取样于1000Hz及12-bit分辨率幷记录,幷以上述第二实施例的方法进行分析而得到NRR指数。此外还应用上述的多窗口时间频率重新分配分析(MTFR)的RRI频谱图,以量化出心率变异度(HRV)的相关指数,包含RRI高频功率(HFMR),RRI低频功率(LFMR)和LFMR对HFMR比值(LHRMR)。这些指数分别对应于用典型傅立叶转换(Fourier transform)而得来的心率变异度(HRV)的频域参数,包含RRI高频功率(HFPS),RRI低频功率(LFPS)和LFMR对HFMR比值(LHRPS)。
以上所述的量测条件,仅为一实施范例,其他量测条件也可用以达成本发明的估计麻醉深度方法及装置,因此不应以此限制本发明的权利要求范围。
之后采取BIS指数和心电图衍生连续指数,包括NRR、HFMR、LFMR、LHRMR和心率(HR),作为麻醉深度指数。该指数的表现以两方面做为评定:与作用处的麻醉剂(七氟醚)浓度的关连性和预测麻醉事件的能力。以预测概率分析(PK)和斯皮尔曼等级相关性(Spearmanrank correlation)来评价各麻醉深度指数与七氟醚浓度的相关性。麻醉深度指数的预测麻醉事件的能力是由连续预测概率(PK)分析来评定。当p值小于0.05被认为具有统计学上的显著性。统计结果以平均值(标准差[SD])来表达。PK分析是一种多用途的统计方法,用以量测麻醉深度指数的性能。数值1表示该指标完全正确地预测麻醉深度,0.5的值表示该指标预测不优于50/50的机率,和PK值小于0.5表示该指数成反比预测。数值0意味着反向的完美预测。PK分析可应用于成对数据或连续数据,而不会有数据的单位、规模、分布的限制。此外,在本实验当中,当PK值小于0.5,会被转换成1减去PK值的值。
上述指数与麻醉剂七氟醚浓度之间的相关性在苏醒期间(emergence period)被检视。选择当七氟醚浓度稳定地持续下降的期间来检视。控制通气从七氟醚浓度减少时开始,直到将的结束,自主呼吸是从当受测者有足够的自主呼吸开始到意识恢复。分别评估来自于这两段期间的数据。分别单独评估这两段期间是因为这两段期间影响呼吸性窦性心律不整(RSA)的生理机制是不同的。使用预测概率分析(PK)和斯皮尔曼等级相关性(Spearmanrank correlation)每4秒分析一次指数的表现。根据受测者数据长度,依照加权平均数将结果制成列表。根据10,000个采样,使用自助抽样法(bootstrap)来计算斯皮尔曼等级相关性(Spearman rank correlation)的95%信赖区间。斯皮尔曼等级相关性(Spearman rankcorrelation)的值接近-1为较佳,因为该指数随着七氟醚浓度的降低而上升。
为了评估预测麻醉事件的麻醉指数的表现,使用连续PK分析。定义下面的时间点为基准:失去意识(LOC)前一分钟,切入皮肤(skin incision)前五秒,第一反应之前三分钟和回复意识(ROC)之前三分钟。连续PK分析是以5秒为间隔连续分析多个数据对的方式来执行。连续PK分析结果是随时间变化的PK值,其显示麻醉事件与指数之间的时间关系。通过绘制连续PK值和其标准偏差条,则可以简单地用肉眼观察到显著差异性。如果指数的1.5倍的标准偏差条不相互重迭,则指数之间的显著差异性(p<0.05)成立。此外在切入皮肤(skinincision)的连续PK分析中,LFPS也被考虑在内作为指标。以上所述的统计学方法,仅为一实施范例,其他统计学方法也可用以达成本发明的估计麻醉深度方法及装置,因此不应以此限制本发明的权利要求范围。请参阅表一及表二,分别为控制通气(CV)状态下与自主呼吸(SB)状态下,以预测概率分析(PK)和斯皮尔曼等级相关性(Spearman rankcorrelation)评定各指数对于估计的作用处七氟酸浓度的关联性,其中*号表示与NRR有显著差异的指数(p<0.05)。CV组和SB组的数据数目分别是4662和5810(18648秒和23240秒),每名病人平均时间分别为615±383秒和750±322秒。指数的排名在CV组和SB组之间与预测概率分析(PK)和斯皮尔曼等级相关性(Spearman rank correlation)之间大致上一致。BIS指数与作用处的七氟醚浓度关联性最好(CV:PK=0.716,R=-0.575,SB:PK=0.841,R=-0.831,p值皆<0.0001)。NRR为第二(CV:PK=0.670,R=-0.467,SB:PK=0.732,R=-0.656,p值皆<0.0001)。LFMR是最好的心率变异指数(CV:PK=0.582,p=0.007,R=-0.233,p=0.004,SB:PK=0.622,R=-0.343,p值皆<0.0001)。相较于LFMR,于CV组中,NRR轻微显著地较佳(PK:p=0.057,R:p=0.006),于SB组中,显著地较佳(p值皆<0.01)。于CV组中,BIS指数非显著地优于NRR(PK:p=0.48,R:p=0.12),但在SB组中,显著地优于NRR(p值皆<0.001)。NRR显著优于HR(p值皆<0.0001)。表一
PK(标准偏差) | Spearman等级相关性(95%信赖区间) | |
BIS | 0.716(0.020) | -0.575(-0.661,-0.476) |
NRR | 0.670(0.025) | -0.467(-0.583,-0.337) |
HFMR | 0.479(0.027)* | 0.073(-0.069,0.211)* |
LFMR | 0.582(0.025) | -0.233(-0.359,-0.101)* |
LHRMR | 0.581(0.025) | -0.233(-0.364,-0.096)* |
Heart Rate | 0.423(0.024)* | 0.152(0.034,0.269)* |
表二
PK(标准偏差) | Spearman等级相关性(95%信赖区间) | |
BIS index | 0.841(0.015)* | -0.831(-0.880,-0.768)* |
NRR | 0.732(0.018) | -0.656(-0.726,-0.568) |
HFMR | 0.469(0.023)* | 0.107(-0.01 3,0.223)* |
LFMR | 0.622(0.022)* | -0.343(-0.449,-0.228)* |
LHRMR | 0.621(0.021)* | -0.339(-0.445,-0.224)* |
Heart Rate | 0.537(0.024)* | -0.153(-0.267,-0.03)* |
请见图12及图13,分别为NRR、BIS指数及七氟醚浓度对时间关系图。如图12所示,受测者于麻醉及控制通气的状态下,在箭头1处,因为侦测到麻醉不足,于是提高麻醉剂七氟醚浓度。由于NRR、BIS指数越低即表示麻醉深度越深,在箭头2处,在增加麻醉剂浓度约600秒之后NRR、BIS指数皆到达最低值。如图13所示,同一受测者于苏醒期间(emergenceperiod)及自主呼吸的状态下,在箭头1处,受测者进行吸痰拔管,在箭头2处,受测者在苏醒期间产生第一个反应,在箭头3处,受测者回复意识。在这段期间麻醉剂七氟醚的浓度逐渐降低,而NRR与BIS指数皆逐渐上升,显示NRR与BIS指数一样皆有与麻醉剂七氟醚浓度有很好的关连性。
请参阅图14至图17,分别为各指数预测失去意识(LOC)、切入皮肤(skinincision)、第一反应(first reaction)及回复意识(ROC)的连续PK分析的时间关系图。如图14所示,在失去意识(LOC)50秒之后,BIC指数精准地显示失去意识(LOC)(PK=0)的发生。LFMR、HFMR和HR的降低也显示失去意识(LOC)的发生。在此NRR无法有效地显示失去意识(LOC)的发生。如图15所示,在对于切入皮肤(skin incision)的连续PK分析,在切入皮肤之后30秒,LFMR达到最大值(PK>0.95),其显示切入皮肤的发生有最好的效果,其次是LHRMR(PK<0.85)。LFMR显著优于BIS指数(PK<0.55)和NRR(PK<0.65)。此外,LFMR也显著优于LFPS(PK<0.75),因此证明了MTFR频谱图应用于预测麻醉事件的效果比运用傅立叶转换(Fouriertransform)所得到的传统功率频谱图更佳。在对于第一反应(first reaction)的连续PK分析,NRR优于BIS指数(p<0.05)。如图16所示,NRR有效地预测第一反应于30秒之前(PK>0.90)。在第一反应发生时(0秒),NRR和BIS皆(两者PK最大值>0.95)显著地优于其他指数。心率变异性的相关指数,如HFMR、LFMR、LHRMR和HR(PK<0.83)的表现显著地比NRR差。如图17所示,BIS指数预测回复意识(ROC)最佳,显著地超越NRR、HR和HRV等相关指标。各指数在连续的PK分析的代表值列于表三,表中的数值为中位数,括号中的数值分别为上四分位数及下四分位数,HFMR,LFMR和LHRMR均以微秒平方的对数(log10)表示。心率(HR)以每分钟次数表示,T0为失去意识前60秒,T1为失去意识的时间点,T2为切入皮肤之前5秒,T3为切入皮肤后的30秒,T4为第一反应前180秒,T5为第一反应后5秒,T6为回复意识前180秒,T7为回复意识后5秒。
表三
从上述结果中可以发现,NRR能够有效地预测受测者第一反应,而非失去意识(LOC)或回复意识(ROC),可能显示RSA的规律性与运动反应(motor reaction)的关联,而非个体的意识。由于个体的意识主要是由大脑皮层(cortex)所负责,而运动反应主要是由大脑皮层下(subcortical)区域负责,例如视丘(thalamus),因此NRR可能反应皮层下(subcortical)区域的活动。相反地大脑皮层脑电图(electroencephalography,EEC)的相关指数,例如BIS指数,较能反应大脑皮层的活动,而非皮层下区域,所以其于显示意识的回复与失去有较佳的能力。以上所述的实验结果,仅为表示本发明的估计麻醉深度方法及装置应用于临床上的实际效果,因此不应以此实验结果限制本发明的权利要求范围。
Claims (5)
1.一种估计麻醉深度的装置,其特征在于:包括:
一心电信号撷取单元,以非侵入式的方式截取一心电信号,进而输出一数位化心电信号;以及
一心电信号分析单元,连接该心电信号撷取单元以接收该数位化心电信号,根据此心电信号量化呼吸性窦性心律不整的规律性而得到一指数,以供评估麻醉深度;
其中从量化该规律性得到的指数是一呼吸性非节律成份与一呼吸性节律成份的比率,所述呼吸性节律成份代表心率变异被呼吸运动影响的程度,所述呼吸性非节律成份代表不被呼吸运动影响的心率变异;
其中所述呼吸性节律成份为于一RRI频率对功率频谱图的一特定频率范围中,一基底节律性频率所在的一特定频宽的RRI功率与该基底节律性频率的倍频所在的一特定频宽的RRI功率的总和,RRI为心电图中R波至R波的间期,该基底节律性频率为于一EDR频率对功率频谱图的一特定频率范围中,具有一最大EDR功率的一频率,EDR为心电图来源的呼吸信号;以及
其中所述呼吸性非节律成份为于该RRI频率对功率频谱图的一特定频率范围中,RRI的总功率减去该呼吸性节律成份。
2.如权利要求1所述的估计麻醉深度的装置,其特征在于:该RRI频率对功率频谱图及EDR频率对功率频谱图分别为一RRI的MTFR频谱图及一EDR的MTFR频谱图,MTFR为多窗口时间频率重分配,而该呼吸性非节律成份、该呼吸性节律成份、该基底节律性频率、该基底节律性频率的倍频、该基底节律性频率的RRI功率或该基底节律性频率的倍频的RRI功率衍生于该RRI的MTFR频谱图或该EDR的MTFR频谱图。
3.如权利要求2所述的估计麻醉深度的装置,其特征在于:该基底节律性频率由以下公式定义:
<mrow>
<msub>
<mi>f</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mi>argmax</mi>
<mrow>
<mi>f</mi>
<mo>&Element;</mo>
<msup>
<mi>R</mi>
<mo>+</mo>
</msup>
</mrow>
</munder>
<msub>
<mi>MTFR</mi>
<mrow>
<mi>E</mi>
<mi>D</mi>
<mi>R</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>,</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中fr(t)为基底节律性频率。
4.如权利要求2所述的估计麻醉深度的装置,其特征在于:该呼吸性非节律成份由以下公式定义:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mi>n</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>f</mi>
<mi>r</mi>
</msub>
<mo>-</mo>
<mi>b</mi>
<mi>H</mi>
<mi>z</mi>
</mrow>
<mrow>
<mi>n</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>f</mi>
<mi>r</mi>
</msub>
<mo>+</mo>
<mi>b</mi>
<mi>H</mi>
<mi>z</mi>
</mrow>
</msubsup>
<msub>
<mi>MTFR</mi>
<mrow>
<mi>R</mi>
<mi>R</mi>
<mi>I</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>,</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mi>o</mi>
<mi>r</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>k</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>f</mi>
<mi>r</mi>
</msub>
<mo><</mo>
<mi>a</mi>
<mi>H</mi>
<mi>z</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
其中Pr(t)为该呼吸性非节律成份,fr为基底节律性频率,b为一频宽,n为一正整数,a为一上限频率值,用以界定一特定频率范围。
5.如权利要求4所述的估计麻醉深度的装置,其特征在于:该呼吸性非节律成份与该呼吸性节律成份的该比率由以下公式定义:
<mrow>
<mi>N</mi>
<mi>R</mi>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>log</mi>
<mn>10</mn>
</msub>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>HF</mi>
<mrow>
<mi>M</mi>
<mi>R</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>P</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中NRR(t)为该呼吸性非节律成份与该呼吸性节律成份的该比率,HFMR(t)为RRI的MTFR频谱图中一特定频率范围中,RRI的总功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410057818.7A CN104856673B (zh) | 2014-02-20 | 2014-02-20 | 利用心电信号估计麻醉深度的方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410057818.7A CN104856673B (zh) | 2014-02-20 | 2014-02-20 | 利用心电信号估计麻醉深度的方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104856673A CN104856673A (zh) | 2015-08-26 |
CN104856673B true CN104856673B (zh) | 2018-02-09 |
Family
ID=53903185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410057818.7A Expired - Fee Related CN104856673B (zh) | 2014-02-20 | 2014-02-20 | 利用心电信号估计麻醉深度的方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104856673B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108717535B (zh) * | 2018-05-25 | 2021-06-01 | 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 |
CN112006657B (zh) * | 2020-08-21 | 2022-08-02 | 思澜科技(成都)有限公司 | 一种麻醉深度监测方法及装置 |
CN112006659B (zh) * | 2020-08-21 | 2022-08-05 | 思澜科技(成都)有限公司 | 一种麻醉状态监测方法及装置 |
CN112006658B (zh) * | 2020-08-21 | 2022-08-02 | 思澜科技(成都)有限公司 | 一种麻醉状态监测方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6120443A (en) * | 1996-04-09 | 2000-09-19 | Cohen-Laroque; Emmanuel-S. | Device for determining the depth of anesthesia |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0976361B1 (en) * | 1995-06-02 | 2003-10-15 | Colin Corporation | Anesthetic depth measuring apparatus |
JP2000342690A (ja) * | 1999-06-09 | 2000-12-12 | Nippon Colin Co Ltd | 麻酔深度監視装置 |
-
2014
- 2014-02-20 CN CN201410057818.7A patent/CN104856673B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6120443A (en) * | 1996-04-09 | 2000-09-19 | Cohen-Laroque; Emmanuel-S. | Device for determining the depth of anesthesia |
Also Published As
Publication number | Publication date |
---|---|
CN104856673A (zh) | 2015-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI556796B (zh) | 利用心電訊號估計麻醉深度的方法與裝置 | |
EP1495715B1 (en) | A method and apparatus based on combination of three phsysiological parameters for assessment of analgesia during anesthesia or sedation | |
CN107847172B (zh) | 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 | |
Park et al. | Automated detection and elimination of periodic ECG artifacts in EEG using the energy interval histogram method | |
US6801803B2 (en) | Method and apparatus for determining the cerebral state of a patient with fast response | |
US7228169B2 (en) | Method and apparatus for determining the cerebral state of a patient with fast response | |
JP4399712B2 (ja) | 麻酔時及び鎮静時の覚醒度、痛感度及びストレス度の評価システム及び方法 | |
EP2286723A1 (en) | Method and apparatus for determining sleep apnea | |
EP3232917B1 (en) | Apparatus for the assessment of the level of pain and nociception during general anesthesia using electroencephalogram, plethysmographic impedance cardiography, heart rate variability and the concentration or biophase of the analgesics | |
CN104856673B (zh) | 利用心电信号估计麻醉深度的方法与装置 | |
US20230363702A1 (en) | Tracking nociception under anesthesia using a multimodal metric | |
CN112006658B (zh) | 一种麻醉状态监测方法及装置 | |
KR101893596B1 (ko) | 진정마취심도 모니터링 방법 및 그 장치 | |
KR101771835B1 (ko) | 생체신호기반 수면 상호영향 분석방법 | |
Bonjyotsna et al. | Correlation of drowsiness with electrocardiogram: A review | |
Kasturiwale et al. | Influence of physiological factors on heart rate variability in predicting cardiovascular diseases | |
Van Gils et al. | Methods for assessing adequacy of anesthesia | |
CN112006657A (zh) | 一种麻醉深度监测方法及装置 | |
Telser et al. | Temporally resolved fluctuation analysis of sleep ECG | |
Mauri et al. | Psychophysiological assessment of emotions | |
Li et al. | Respiratory modulation on the time span and amplitude indices of Electrocardiogram and Photoplethysmogram | |
Sengthipphany et al. | Analysis of heart rate variability and breath to breath interval in frequency domain |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180209 Termination date: 20200220 |