CN105072988A - 使用倒谱技术测量麻醉深度的方法和设备 - Google Patents
使用倒谱技术测量麻醉深度的方法和设备 Download PDFInfo
- Publication number
- CN105072988A CN105072988A CN201480008515.4A CN201480008515A CN105072988A CN 105072988 A CN105072988 A CN 105072988A CN 201480008515 A CN201480008515 A CN 201480008515A CN 105072988 A CN105072988 A CN 105072988A
- Authority
- CN
- China
- Prior art keywords
- signal
- eigenvector
- anesthesia
- cepstrum
- measurement depth
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000003444 anaesthetic effect Effects 0.000 title abstract 9
- 238000000605 extraction Methods 0.000 claims abstract description 55
- 206010002091 Anaesthesia Diseases 0.000 claims description 74
- 230000037005 anaesthesia Effects 0.000 claims description 74
- 238000005259 measurement Methods 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 11
- 230000002490 cerebral effect Effects 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims 1
- 238000000537 electroencephalography Methods 0.000 description 35
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000010606 normalization Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000001949 anaesthesia Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 210000004556 brain Anatomy 0.000 description 4
- 230000000147 hypnotic effect Effects 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000036407 pain Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 238000002695 general anesthesia Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- 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
- A61B5/24—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]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- 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]
- A61B5/375—Electroencephalography [EEG] using biofeedback
-
- 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]
- A61B5/384—Recording apparatus or displays specially adapted therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Anesthesiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种比现有测量麻醉深度的方法准确的测量麻醉深度的方法，所述方法通过使用倒谱技术，从而在适当时间提供麻醉深度，即使在麻醉状态的突然变化期间也是如此。使用倒谱技术测量麻醉深度的方法包括下述步骤：第一特征向量提取部分接收第一EEG信号作为输入信号，通过梅尔频率倒谱系数(melfrequency？cepstral？coefficient；MFCC)计算，且提取第一特征向量；第二特征向量提取部分接收来自麻醉状态的第二EEG信号和来自非麻醉状态的第三EEG信号作为输入信号，通过梅尔频率倒谱系数(MFCC)计算，且提取第二特征向量和第三特征向量；以及量化部分将具有第二特征向量和第三特征向量作为两个轴的向量平坦表面的两个轴之间的区域分成多个区段，且量化多个区段内的第一特征向量的位置以输出麻醉深度指数。
Description
技术领域
本发明涉及一种测量麻醉深度的方法，且更确切地说，一种通过使用倒谱技术测量麻醉深度的方法和设备，所述方法和设备能够通过提供麻醉深度的精确值，不管麻醉状态的快速变化而及时提供麻醉深度信息且提高追踪(tracking)速度。
背景技术
一般来说，在包含手术和治疗的医疗实践领域中，当疼痛施加到个体时，通过麻醉阻断神经传递以去除或减少疼痛。在严重疾病或症状的手术期间，进行全身麻醉，且应持续观测全身麻醉下的患者。患者的麻醉状态应通过感测麻醉深度进行检查。尽管手术应在足够麻醉下进行，但存在患者遭受由手术期间的苏醒所致的精神疼痛的问题。
因此，在手术期间，应持续测量麻醉深度，且观测临床方面的方法和分析生物电信号的方法已主要用作测量麻醉深度的方法。分析生物电信号的方法包括测量和分析脑波以评估麻醉剂对中枢神经系统的效应的方法，且也存在各种类型的应用使用脑波的方法的监测设备。存在各种类型的使用脑波的麻醉深度监测设备的原因为对应的设备具有分析和评估脑波的不同算法。
当前，脑电双频指数(Bispectralindex，下文被称作“BIS”)分析设备最普遍地用作麻醉深度监测设备。BIS分析设备为基于脑波的麻醉深度测量技术首次开发和采用于其中、将麻醉深度显示为待在0～100范围内数字化的“BIS”且通过比较BIS与常规麻醉深度测量标准或另一麻醉深度仪器中计算的指数验证BIS的临床可靠性的设备中的一种。
在包含如BIS分析设备的常规麻醉深度监测设备的情况下，使用者(麻醉深度临床个体或麻醉深度监测者)不能够改进或改变仪器的脑波分析算法，使得可能不应用适合于患者特征的算法且因此不能精确监测患者的麻醉深度。此外，由于安装在仪器中的分析算法的细节未公开，设备不适合于临床麻醉深度研究且验证算法误差中存在许多困难。
此外，如BIS分析设备的麻醉深度监测设备具有患者的麻醉状态由于用于麻醉状态的快速改变的追踪速度(trackingspeed)缓慢而不能够快速感测到的问题。
专利文献1涉及一种通过脑波信号分析测量大脑活动和麻醉深度的系统和方法，其中可相比于常规光谱分析、小波(wavelet)分析或熵分析极精确地计算值，但基本算法的结构极简单。
(专利文献1)韩国专利申请特许公开公布号2012-0131027(2012年12月4日公布)
发明内容
技术问题
为解决上述问题，本发明的一个目的为提供一种通过使用倒谱技术测量麻醉深度的方法，其于高追踪速度下提供精确麻醉深度和对麻醉程度变化的快速反应。
技术解决方案
为解决上述问题，根据本发明的通过使用倒谱技术测量麻醉深度的方法包含：通过接收第一EEG信号作为输入信号和通过进行梅尔频率倒谱系数(melfrequencycepstralcoefficient；MFCC)计算而通过第一特征向量提取部分提取第一特征向量；通过接收麻醉状态下的第二EEG信号和非麻醉状态下的第三EEG信号作为输入信号并且进行梅尔频率倒谱系数(MFCC)计算而通过第二特征向量提取部分提取第二特征向量和第三特征向量；以及通过将均为向量平面的轴的第二与第三特征向量之间的区域分成多个区段，且在多个区段中量化特征向量所位于的位置而通过量化部分输出贯穿量化部分的麻醉深度指数。
根据本发明的优选实施例，第一特征向量的提取还包含对手术期间的第一EEG信号进行小波变换(wavelettransform)或低频带通滤波中的至少一个以去除噪音和选择并输出仅具有预定频率范围的信号。
根据本发明的优选实施例，麻醉深度指数的输出包含以介于1到100范围内的指数缩放(scaling)待显示于屏幕显示部分上的定量信号。
根据本发明的优选实施例，第一特征向量的提取包含在短时间(shorttime)内将第一EEG信号分成若干区段以对每一区段的分割信号进行傅立叶变换且随后对结果求和。
根据本发明的优选实施例，第一特征向量的提取包含通过多个具有不同频带的滤波器组对经傅立叶变换的信号进行滤波和计算所述信号中的每一个的功率谱。
根据本发明的优选实施例，第一特征向量的提取包含通过对功率谱信号进行对数计算而减少由频率所致的信号失真。
根据本发明的优选实施例，第一特征向量的提取包含通过从对在对数计算之后获得的信号进行离散余弦变换之后获得的信号之中仅选择通过多个滤波器组中的预定滤波器的信号来提取第一特征向量。
根据本发明的另一实施例，通过根据本发明的使用倒谱技术测量麻醉深度的设备包含：第一特征向量提取部分，被配置成通过对第一EEG信号进行梅尔频率倒谱系数(MFCC)计算而输出第一特征向量；第二特征向量提取部分，被配置成通过对麻醉状态的第二EEG信号和非麻醉状态的第三EEG信号进行梅尔频率倒谱系数(MFCC)计算而输出第二特征向量和第三特征向量；以及量化部分，被配置成通过将均为向量平面的轴的第二与第三特征向量之间的区域分成多个区段，且在多个区段中量化第一特征向量所位于的位置而输出麻醉深度指数。
根据本发明的优选实施例，第一特征向量提取部分还包含被配置成对第一EEG信号进行小波变换和低频带通滤波的噪音去除。
根据本发明的优选实施例，第一特征向量提取部分还包含在短时间内将第一EEG信号分成若干区段以对所述区段中的每一个进行傅立叶变换的局部傅立叶变换部分。
根据本发明的优选实施例，第一特征向量提取部分还包含梅尔滤波器组，所述滤波器组包含关于预定区段彼此重叠的具有不同中心频率和频带的多个滤波器，且接收局部傅立叶变换部分的输出作为输入信号以对接收到的信号进行滤波。
根据本发明的优选实施例，第一特征向量提取部分还包含通过对从梅尔滤波器组滤波的信号进行对数计算而减少由频率所致的信号失真的对数计算部分。
根据本发明的优选实施例，第一特征向量提取部分还包含对在对数计算之后获得的信号进行离散余弦变换(discretecosinetransformation；DCT)的离散余弦变换部分。
根据本发明的优选实施例，第一特征向量提取部分还包含被配置成从离散余弦变换部分的输出信号之中仅选择通过梅尔滤波器组的滤波器中的预定滤波器的信号，且将所选择的信号输出到第一特征向量的系数提取部分。
根据本发明的优选实施例，还包含以介于1到100范围内的指数缩放量化部分的输出的缩放部分。
根据本发明的优选实施例，还包含被配置成将第一特征向量提取部分的输出表示为直方图且选择待输出的误差范围以外的信号的过往输出值作为加权平均值的误差去除部分。
有益效果
根据本发明，可通过使用完全不同于常规麻醉深度分析算法且考虑频率特性的访问技术精确分析麻醉深度。
根据本发明，实时方法由于简单算法而可容易地进行，进而更准确地捕获麻醉期间的状态变化。
当麻醉程度快速改变时，反应速度由于常规BIS技术的低追踪速度(trackingspeed)而较低的常规问题得以解决，并且因此，从苏醒(awake)状态到麻醉状态(催眠(hypnosis))的状态变化可以通过比当前时间更快速地反应而精确且及时地检测。
本发明可以应用于评估麻醉深度的医学仪器并且也可以应用于具有不同信号处理技术的脑波信号处理相关仪器。
附图说明
图1为显示根据麻醉程度的脑波变化的图。
图2说明通过使用根据本发明的倒谱技术测量麻醉深度的设备。
图3为通过使用根据本发明的倒谱技术测量麻醉深度的方法的算法。
图4为图2中说明的梅尔滤波器组的概念图。
图5为说明图2中说明的量化部分的向量计算的概念图。
图6显示根据常规BIS和根据本发明的测量麻醉深度的方法(MCI)的测量结果。
图7为说明图2所说明的屏幕显示部分的一个实例的附图。
图8为根据梅尔滤波器组的所选滤波器的费舍尔评分(Fisherscore)图。
具体实施方式
在下文中，将参看附图描述用于进行本发明的特定实施例。在附图中，出于图形展示的清楚起见，放大主要部分的尺寸且省去辅助部分。因此，本发明不应理解为限于附图。
根据研究，已知手术期间的脑波的特征变化与麻醉程度具有极大相关性。参看图1，图1(a)显示苏醒状态期间的测量脑波，且苏醒状态期间的脑波具有较小振幅和高频分量。随着个体进入麻醉(催眠(hypnosis))，振幅变得较大且频率分量变得较低，其如图1(b)和图1(c)中所示。当个体经极深度麻醉时，输出如图1(d)所示的平坦信号，且间歇地观测到具有高振幅和高频分量的信号(爆发抑制(burstsuppression))。如心率、心电图以及肌电图的变化的生物信号与麻醉程度具有低直接相关性。其因为各种其它原因可能影响心率。另一方面，不同于心率的相关性，通过若干研究已知在脑波信号的分量改变时，脑波信号的特征与患者的麻醉程度具有直接相关性。
本发明涉及一种可以从倒谱(cepstrum)的脑波精确测量患者的麻醉程度的设备且对常规BIS设备的缺点已解决及提高精确性而解决常规技术由于缓慢追踪速度而没有快速感测患者的麻醉状态的快速变化。
图2为说明通过使用根据本发明的倒谱技术测量麻醉程度的设备的结构的附图，且图2中说明的通过使用倒谱技术测量麻醉程度的设备包含第一特征向量提取部分(10)、第二特征向量提取部分(20)、量化部分(21)、缩放部分(22)、误差去除部分(23)、屏幕显示部分(24)以及数据存储部分(25)。
第一特征向量提取部分(10)和第二特征向量提取部分(20)的主要算法为噪音去除和正规化操作以及梅尔频率倒谱系数(melfrequencycepstralcoefficients；下文被称作“MFCC”)计算技术。梅尔频率倒谱(Mel-frequencycepstrum；MFC)技术为提取短区信号的功率谱的方法中的一种，所述功率谱可以通过在非线性梅尔标度(Mel-scale)的频域中进行对数功率谱计算之后进行余弦变换(cosinetransform)获得。梅尔频率倒谱计算贯穿梅尔滤波器组(melfilterbank)在梅尔标度(Mel-scale)区段中相等地划分频带。通过频率弯折(warping)到梅尔标度区段，可以从EEG信号精确鉴别麻醉深度，且将MFCC技术应用到从脑波测量精确麻醉深度可能产生相比于常规BIS设备的就费舍尔计分和反应速度来说不显著的提高。
确切地说，第一特征向量提取部分(10)包含第一噪音去除部分(1)、第一正规化部分(2)、第一局部傅立叶变换部分(3)、第一梅尔滤波器组(4)、第一对数计算部分(5)、第一离散余弦变换部分(6)以及第一系数提取部分(7)。
第一噪音去除部分(1)通过在手术期间在患者的前额等上附接的贴片等从患者的脑电图(Electroencephalography；下文被称作“EEG”)信号(下文被称作“第一EEG信号”以与其它状态下的EEG信号区分开)中去除由眼睛造成的噪音(假影(artifact))和由个体运动造成的噪音，并且还通过将大致60赫兹或大于60赫兹的信号视为噪音而通过滤波去除噪音。尽管可以从第一EEG信号获得的信息存在于各种频带中，但是第一噪音去除部分(1)通过使用大致0赫兹～60赫兹的频率进行分析且将具有大致60赫兹或大于60赫兹的频率的信号视为噪音。第一噪音去除部分(1)执行例如基于小波(wavelet)的去噪(denoising)技术或低频带通滤波技术中的至少一种。
此外，第一噪音去除部分(1)将串行(serial)输入的第一EEG信号或从其去除噪音的信号分成具有预定时间单位(例如16秒)的信号。分割的信号可以和与其相邻的信号重叠。举例来说，分割的信号和与其相邻的信号重叠15秒的时间间隔，且在每一秒产生的分割的信号输出到第一正规化部分(2)。
第一正规化部分(2)将第一噪音去除部分(1)的输出信号正规化(normalize)为均方根(Rootmeansquare；下文被称作“RMS”)值。
第一局部傅立叶变换部分(3)在短时间内将第一正规化部分(2)的输出信号分成若干区段，且对待求和的区段中的每一个进行傅立叶变换(fouriertransfor)计算。
参看图4，第一梅尔滤波器组(melfilterbank)(4)包含多个滤波器(第一滤波器到第N滤波器)，且在每一滤波器的频带中，滤波器在预定区段期间彼此重叠(overlap)且具有不同中心频率。第一梅尔滤波器组(4)接收第一局部傅立叶变换部分(3)的输出信号作为输入信号且允许传递所接收到的信号，且在减少相关性(correlation)中起作用。第一梅尔滤波器组(4)的中心频率位于巴克(Bark)或梅尔(mel)单位中，且根据临界带宽(criticalbandwidth)测定带宽。因为第一EEG信号的相邻值彼此具有高相关性，所以使第一EGG信号通过第一梅尔滤波器组(4)以去除其间的相关性，且使用倒谱(cepstral)变换。即使引入了噪音，第一梅尔滤波器组(4)仍可以提取比常规BIS设备精确的值。
第一对数计算部分(5)在对数(log)基础上计算第一梅尔滤波器组(4)的输出。第一对数计算部分(5)可以借助于对数计算在低频区和高频区中提取出更精确的值。
第一离散余弦变换部分(6)对第一对数计算部分(5)的输出信号进行离散余弦变换(discretecosinetransform；下文被称作“DCT”)。当使用离散傅立叶变换(discretefouriertransform；下文被称作“DFT”)时，信号功率由于周期信号的非连续性而集中于高频带上。另一方面，因为DCT为连续的，所以高频分量小，且信号功率因此集中于低频带上，进而具有精确提取麻醉深度的作用。相比于DFT，DCT尽管对小于预定阈值(threshold)的高频信号进行滤波，但具有减少信号失真的作用。
第一系数提取部分(7)通过从第一离散余弦变换部分(6)的输出中选择通过第一梅尔滤波器组(4)中的预定滤波器(例如所述多个滤波器中的第二滤波器)的值来提取第一特征向量(featurevector)。参看图8，当选择和使用通过第二滤波器的值(系数)时，费舍尔评分(fisherscore)最高，且因此，第一系数提取部分(7)提取通过第一梅尔滤波器组(4)中的第二滤波器的值作为第一特征向量。
此外，第二特征向量提取部分(20)包含第二噪音去除部分(11)、第二正规化部分(12)、第二局部傅立叶变换部分(13)、第二梅尔滤波器组(14)、第二对数计算部分(15)、第二离散余弦变换部分(16)以及第二系数提取部分(17)。
第二特征向量提取部分(20)的结构与第一特征向量提取部分(10)类似。但是，就作为输入信号的训练(training)EEG信号来说存在差异。组件的功能与如上文所述的第一特征向量提取部分(10)的那些类似，并且因此，对此的描述将经关于第一特征向量提取部分(10)的前述描述替换。训练EEG信号包括深度麻醉状态的第二EEG信号和苏醒(awake)状态(非麻醉状态)的第三EEG信号。第二特征向量提取部分(20)接收第二EEG信号作为输入信号且通过进行噪音去除、正规化以及MFCC计算提取第二特征向量。另外，第二特征向量提取部分(20)接收第三EEG信号作为输入信号且通过进行噪音去除、正规化以及MFCC计算提取第三特征向量。第二EEG信号和第三EEG信号包括足够的临床数据。
量化部分(21)通过将均设定为向量平面的轴的第二特征向量与第三特征向量之间的区域分为多个区段，且通过在多个区段中量化第一特征向量所安置的位置而输出麻醉深度指数。举例来说，如图5中所示，量化部分(21)比较第一特征向量与第二特征向量和第三特征向量从而确定第一特征向量较接近第二特征向量或第三特征向量且随后定量计算比较结果。此处，量化部分(21)的麻醉深度计算方法与方程式1相同。第一特征向量为第二特征向量为且第三特征向量为
...(方程式1)
缩放部分(22)以介于1到100范围内的指数缩放量化部分(21)的输出。
误差去除部分(23)从缩放部分(22)的输出去除异常信号。很有可能的是由噪音产生的值并非校正值。将与相邻点的大小差异表示为直方图(histogram)，且随后将对应于顶部0.5％的点确定为不当值。对于不当值，将过往值的预定数目(例如大致15-30)平均化，且通过添加较高权重(weighting)到最新值进行计算。
如图7中所示的屏幕显示部分(24)在屏幕上显示缩放部分(22)的输出。当经缩放(scaling)信号每一秒被传输到监测软件时，屏幕显示部分(24)借助于监测软件在屏幕上显示麻醉深度。同时，在一起显示原始(raw)EEG信号和麻醉深度指数趋势、信号质量以及其它生物信号(心率和肌电图)，从而使得审查员能够进行精确测定。
数据存储部分(25)存储测量的麻醉深度数据，且数据可在手术之后提取以用作将来的研究材料。
图3说明使用根据本发明的倒谱技术的麻醉深度测量算法。参看图2，将描述图3中说明的使用倒谱技术的麻醉深度测量算法。
第一噪音去除部分(1)去除和滤波由眼睛造成的噪音和来自手术期间的患者的第一EEG信号的60赫兹或大于60赫兹的频带。
经去除噪音的信号具有不同大小。因此，第一正规化部分(2)将信号正规化为RMS值，且第一局部傅立叶变换部分(3)在短时间内将RMS值分成区段且对其(待求和)进行傅立叶变换计算。
第一梅尔滤波器组(4)贯穿梅尔标度(melscale)频带中的多个滤波器对第一局部傅立叶变换部分(3)的输出进行滤波，以减少由频率所致的信号失真，且第一对数计算部分(5)对第一梅尔滤波器组(4)的输出信号进行对数计算。
离散余弦变换部分(6)对第一对数计算部分(5)的输出进行离散余弦变换，且第一系数提取部分(7)通过从第一离散余弦变换部分(6)的输出之中仅提取通过第二滤波器的信号而输出第一特征向量。
在训练EEG信号中，第二EEG信号(其为深度麻醉状态的EEG信号)也进行与第一EEG信号相同的算法以输出第二特征向量，且第三EEG信号(其为苏醒状态的EEG信号)也进行与第一EEG信号相同的算法以输出第三特征向量。
量化部分(21)量化第一特征向量相对于第二特征向量和第三特征向量安置的区段，缩放部分(22)以介于1到100范围内的指数缩放量化信号，且屏幕显示部分(24)将经缩放结果显示为麻醉深度指数。
表1
参看表1，当用于模式识别领域的费舍尔评分(Fisherscore)的概念分别应用于常规BIS设备和本发明的实施例(MCI)时，BIS设备具有47.11的费舍尔评分，且MCI具有60.43的较高费舍尔评分。费舍尔评分意味着当应用待测试信号时，测试信号的状态可经分类的良好程度，且可以看出根据本发明的测量麻醉深度的设备提供比常规BIS更精确的麻醉深度。
参看图6(a)，可以看出通过使用根据本发明的倒谱技术测量麻醉深度的设备提供比常规BIS分析设备的追踪(tracking)速度快51秒的追踪速度。参看显示另一测量结果的图6(b)，可以看出根据本发明的测量麻醉深度的设备(MCI)提供比常规BIS分析设备的追踪速度快45秒的追踪速度。根据本发明的测量麻醉深度的设备可以通过在麻醉程度快速改变时具有快速反应速度而更精确地捕获麻醉期间的状态变化。
尽管已参考实施例的数个说明性实施例描述实施例，但应理解，可由本领域的技术人员设计将属于以下权利要求的精神和范围内的众多其它修改和实施例。
Claims (15)
1.一种通过使用倒谱技术测量麻醉深度的方法，所述方法包括：
通过接收第一EEG信号作为输入信号且进行梅尔频率倒谱系数(Melfrequencycepstralcoefficient；MFCC)计算而通过第一特征向量提取部分提取第一特征向量；
通过接收麻醉状态的第二EEG信号和非麻醉状态的第三EEG信号作为输入信号且进行梅尔频率倒谱系数(MFCC)计算而通过第二特征向量提取部分提取第二特征向量和第三特征向量；以及
通过将均为向量平面的轴的所述第二特征向量和所述第三特征向量之间的区域分成多个区段，且在所述多个区段中量化所述第一特征向量所位于的位置而通过量化部分输出麻醉深度指数。
2.根据权利要求1所述的通过使用倒谱技术测量麻醉深度的方法，其中所述第一特征向量的所述提取还包括对手术期间的所述第一EEG信号进行小波变换(wavelettransform)或低频带通滤波中的至少一个以去除噪音和选择并输出仅具有预定频率范围的信号。
3.根据权利要求1所述的通过使用倒谱技术测量麻醉深度的方法，其中所述第一特征向量的所述提取包括在短时间(shorttime)内将所述第一EEG信号分成若干区段以对每一区段的分割信号进行傅立叶变换且随后对结果求和。
4.根据权利要求3所述的通过使用倒谱技术测量麻醉深度的方法，其中所述第一特征向量的所述提取包括通过具有不同频带的多个滤波器组对所述傅立叶变换的信号进行滤波且计算所述信号中的每一个的功率谱。
5.根据权利要求4所述的通过使用倒谱技术测量麻醉深度的方法，其中所述第一特征向量的所述提取包括通过对所述功率谱的信号进行对数计算减少由频率所致的信号失真。
6.根据权利要求5所述的通过使用倒谱技术测量麻醉深度的方法，其中所述第一特征向量的所述提取包括通过对在所述对数计算之后获得的信号进行离散余弦变换和通过从离散余弦变换之后获得的信号之中仅选择通过所述多个滤波器组中的预定滤波器的信号来提取所述第一特征向量。
7.一种通过使用倒谱技术测量麻醉深度的设备，所述设备包括：
第一特征向量提取部分，被配置成通过对第一EEG信号进行梅尔频率倒谱系数(MFCC)计算输出第一特征向量；
第二特征向量提取部分，被配置成通过对麻醉状态的第二EEG信号和非麻醉状态的第三EEG信号进行梅尔频率倒谱系数(MFCC)计算输出第二特征向量和第三特征向量；以及
量化部分，被配置成通过将均为向量平面的轴的所述第二特征向量与所述第三特征向量之间的区域分成多个区段，且在所述多个区段中量化所述第一特征向量所位于的位置而输出麻醉深度指数。
8.根据权利要求7所述的通过使用倒谱技术测量麻醉深度的设备，其中所述第一特征向量提取部分还包括被配置成对所述第一EEG信号进行小波变换和低频带通滤波的噪音去除部分。
9.根据权利要求8所述的通过使用倒谱技术测量麻醉深度的设备，其中所述第一特征向量提取部分还包括在短时间内将所述第一EEG信号分成若干区段以对所述区段中的每一个进行傅立叶变换的局部傅立叶变换部分。
10.根据权利要求9所述的通过使用倒谱技术测量麻醉深度的设备，其中所述第一特征向量提取部分还包括梅尔滤波器组，所述滤波器组包含关于预定区段彼此重叠的具有不同中心频率和频带的多个滤波器，且接收所述局部傅立叶变换部分的输出作为输入信号以对接收到的信号进行滤波。
11.根据权利要求10所述的通过使用倒谱技术测量麻醉深度的设备，其中所述第一特征向量提取部分还包括被配置成通过对从所述梅尔滤波器组滤波的所述信号进行对数计算而减少由频率所致的信号失真的对数计算部分。
12.根据权利要求11所述的通过使用倒谱技术测量麻醉深度的设备，其中所述第一特征向量提取部分还包括被配置成对所述对数计算之后获得的所述信号进行离散余弦变换(discretecosinetransformation)的离散余弦变换部分。
13.根据权利要求12所述的通过使用倒谱技术测量麻醉深度的设备，其中所述第一特征向量提取部分还包括被配置成从所述离散余弦变换部分的输出信号之中仅选择通过所述梅尔滤波器组的所述滤波器中的预定滤波器的信号，且将所选择的信号输出到所述第一特征向量的系数提取部分。
14.根据权利要求13所述的通过使用倒谱技术测量麻醉深度的设备，还包括被配置成将所述第一特征向量提取部分的输出表示为直方图且选择待输出的误差范围以外的信号的过往输出值作为加权平均值的误差去除部分。
15.一种计算机可读记录媒体，其中存储着用于执行根据权利要求1到权利要求6中任一项所述的测量麻醉深度的方法的计算机程序。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2013-0015676 | 2013-02-14 | ||
| KR1020130015676A KR101371299B1 (ko) | 2013-02-14 | 2013-02-14 | 캡스트럼 기법을 이용한 마취 심도 측정 방법 및 장치 |
| PCT/KR2014/001200 WO2014126405A1 (ko) | 2013-02-14 | 2014-02-13 | 캡스트럼 기법을 이용한 마취 심도 측정 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105072988A true CN105072988A (zh) | 2015-11-18 |
| CN105072988B CN105072988B (zh) | 2017-09-15 |
Family
ID=50647824
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201480008515.4A Active CN105072988B (zh) | 2013-02-14 | 2014-02-13 | 基于脑波信号进行分析的方法和设备 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20160029950A1 (zh) |
| KR (1) | KR101371299B1 (zh) |
| CN (1) | CN105072988B (zh) |
| WO (1) | WO2014126405A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109646146A (zh) * | 2018-12-03 | 2019-04-19 | 青岛大学 | 一种用于实验动物乙醚麻醉系统及其操作方法 |
| 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 |
| KR20200030937A (ko) * | 2018-09-13 | 2020-03-23 | 고려대학교 산학협력단 | 신경망 및 캡스트럼 기법에 기반한 집중지수 산출 장치 및 방법 |
| CN113349800A (zh) * | 2021-06-10 | 2021-09-07 | 重庆工程学院 | 一种基于生成式对抗网络的脑电波信号降噪方法 |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180059985A (ko) | 2016-11-28 | 2018-06-07 | 참엔지니어링(주) | 히든 마르코프 모델을 이용한 마취 심도 측정 방법 및 장치 |
| KR101893596B1 (ko) * | 2016-12-22 | 2018-08-31 | 고려대학교 산학협력단 | 진정마취심도 모니터링 방법 및 그 장치 |
| EP3684463A4 (en) | 2017-09-19 | 2021-06-23 | Neuroenhancement Lab, LLC | NEURO-ACTIVATION PROCESS AND APPARATUS |
| US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
| US11478603B2 (en) | 2017-12-31 | 2022-10-25 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to enhance emotional response |
| US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
| EP3849410A4 (en) | 2018-09-14 | 2022-11-02 | Neuroenhancement Lab, LLC | SLEEP ENHANCEMENT SYSTEM AND METHOD |
| CN109597342B (zh) * | 2019-01-16 | 2020-10-20 | 郑州轻工业学院 | 一种动态组网智能辨识的采砂船监测装置及方法 |
| US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
| CN110490071A (zh) * | 2019-07-12 | 2019-11-22 | 国网上海市电力公司 | 一种基于mfcc的变电站声信号特征提取方法 |
| KR102098075B1 (ko) * | 2019-10-30 | 2020-04-07 | 케이아이티밸리(주) | 지진조기경보 시스템을 위한 기계학습 기반의 실시간 오탐지 차단 방법 |
| EP4230138A1 (en) * | 2022-02-17 | 2023-08-23 | ICM (Institut du Cerveau et de la Moelle Épinière) | Method and device for physiological signal preprocessing |
| CN115840877B (zh) * | 2022-12-06 | 2023-07-07 | 中国科学院空间应用工程与技术中心 | Mfcc提取的分布式流处理方法、系统、存储介质及计算机 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006045302A1 (de) * | 2004-10-28 | 2006-05-04 | Universitätsklinikum Hamburg-Eppendorf Körperschaft des Öffentlichen Rechts | Verfahren zum betreiben einer auswertungseinrichtung sowie vorrichtung zur messung einer narkosetiefe |
| JP2006255134A (ja) * | 2005-03-17 | 2006-09-28 | Ikeda Denshi Kogaku Kenkyusho:Kk | 脳波計測表示方法及び装置 |
| CN2891966Y (zh) * | 2006-03-29 | 2007-04-25 | 徐佩 | 一种麻醉深度检测装置 |
| CN101301196A (zh) * | 2007-05-11 | 2008-11-12 | 上海世珈医疗设备有限责任公司 | 麻醉镇静深度的脑电图监测装置 |
| WO2011017778A1 (en) * | 2009-08-14 | 2011-02-17 | David Burton | Anaesthesia and consciousness depth monitoring system |
| KR101079785B1 (ko) * | 2010-04-19 | 2011-11-03 | 주식회사 멕 아이씨에스 | 마취심도 지표 산출을 위한 뇌전도 분석 장치 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4201224A (en) * | 1978-12-29 | 1980-05-06 | Roy John E | Electroencephalographic method and system for the quantitative description of patient brain states |
| EP0828225A1 (de) * | 1996-09-04 | 1998-03-11 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum Auswerten von EEG-Daten |
| KR101111498B1 (ko) * | 2010-07-19 | 2012-02-22 | 주식회사 멕 아이씨에스 | 마취 심도 모니터링 시스템 및 방법 |
-
2013
- 2013-02-14 KR KR1020130015676A patent/KR101371299B1/ko active IP Right Grant
-
2014
- 2014-02-13 WO PCT/KR2014/001200 patent/WO2014126405A1/ko active Application Filing
- 2014-02-13 US US14/767,285 patent/US20160029950A1/en not_active Abandoned
- 2014-02-13 CN CN201480008515.4A patent/CN105072988B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006045302A1 (de) * | 2004-10-28 | 2006-05-04 | Universitätsklinikum Hamburg-Eppendorf Körperschaft des Öffentlichen Rechts | Verfahren zum betreiben einer auswertungseinrichtung sowie vorrichtung zur messung einer narkosetiefe |
| JP2006255134A (ja) * | 2005-03-17 | 2006-09-28 | Ikeda Denshi Kogaku Kenkyusho:Kk | 脳波計測表示方法及び装置 |
| CN2891966Y (zh) * | 2006-03-29 | 2007-04-25 | 徐佩 | 一种麻醉深度检测装置 |
| CN101301196A (zh) * | 2007-05-11 | 2008-11-12 | 上海世珈医疗设备有限责任公司 | 麻醉镇静深度的脑电图监测装置 |
| WO2011017778A1 (en) * | 2009-08-14 | 2011-02-17 | David Burton | Anaesthesia and consciousness depth monitoring system |
| KR101079785B1 (ko) * | 2010-04-19 | 2011-11-03 | 주식회사 멕 아이씨에스 | 마취심도 지표 산출을 위한 뇌전도 분석 장치 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| KR20200030937A (ko) * | 2018-09-13 | 2020-03-23 | 고려대학교 산학협력단 | 신경망 및 캡스트럼 기법에 기반한 집중지수 산출 장치 및 방법 |
| CN109646146A (zh) * | 2018-12-03 | 2019-04-19 | 青岛大学 | 一种用于实验动物乙醚麻醉系统及其操作方法 |
| CN113349800A (zh) * | 2021-06-10 | 2021-09-07 | 重庆工程学院 | 一种基于生成式对抗网络的脑电波信号降噪方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105072988B (zh) | 2017-09-15 |
| KR101371299B1 (ko) | 2014-03-12 |
| US20160029950A1 (en) | 2016-02-04 |
| WO2014126405A1 (ko) | 2014-08-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105072988A (zh) | 使用倒谱技术测量麻醉深度的方法和设备 | |
| CN105411565B (zh) | 基于广义尺度小波熵的心率变异性特征分类方法 | |
| Fraser et al. | Automated biosignal quality analysis for electromyography using a one-class support vector machine | |
| EP2498676B1 (en) | Brain activity as a marker of disease | |
| Gupta et al. | A comparison of ECG signal pre-processing using FrFT, FrWT and IPCA for improved analysis | |
| Song et al. | Automatic recognition of epileptic EEG patterns via extreme learning machine and multiresolution feature extraction | |
| US8862581B2 (en) | Method and system for concentration detection | |
| CN104994782B (zh) | 基于脑波信号进行分析的方法和设备 | |
| KR101535352B1 (ko) | 전두엽 뇌파를 이용한 우울증 심도 측정 방법 | |
| CN109106365A (zh) | 基于脑电信号处理的癫痫发作预警设备 | |
| CN109222906B (zh) | 一种基于脑部电信号构建疼痛状态预测模型的方法 | |
| Chaibi et al. | A comparaison of methods for detection of high frequency oscillations (HFOs) in human intacerberal EEG recordings | |
| Ugur et al. | An efficient automatic arousals detection algorithm in single channel EEG | |
| Yan et al. | Nonlinear analysis of auscultation signals in TCM using the combination of wavelet packet transform and sample entropy | |
| Fathima et al. | Wavelet based features for classification of normal, ictal and interictal EEG signals | |
| Dehzangi et al. | Driver distraction detection using MEL cepstrum representation of galvanic skin responses and convolutional neural networks | |
| CN115017996B (zh) | 一种基于多生理参数的脑力负荷预测方法和系统 | |
| Dilber et al. | EEG based detection of epilepsy by a mixed design approach | |
| Lin et al. | Design and implementation of wireless multi-channel EEG recording system and study of EEG clustering method | |
| KR20180059985A (ko) | 히든 마르코프 모델을 이용한 마취 심도 측정 방법 및 장치 | |
| KR100751257B1 (ko) | 뇌파를 기반한 고차인지기능과 관련된 지표 추출방법 및고차인지기능 검사방법 | |
| Jacob et al. | Automated diagnosis of encephalopathy using fractal dimensions of EEG sub-bands | |
| Wei et al. | Automatic recognition of epileptic discharges based on shape similarity in time-domain | |
| Zhao et al. | Identification of psychological stress states based on joint analysis of multidomain features of skin conductance | |
| Zhang et al. | Evaluation of single-lead ECG signal quality with different states of motion |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190220 Address after: 702 Xiangsheng Building, 253-1 Zhutian Road, Shuizhi District, Longren City, Gyeonggi Road, Korea Patentee after: Boruiyou Co., Ltd. Address before: South Simian Brothers Road, Churen District, Longren City, Gyeonggi Road, Korea Patentee before: Charm Engineering Co., Ltd. |
|
| TR01 | Transfer of patent right |