CN105769184A - 一种用于麻醉深度监测仪的csi指数提取方法 - Google Patents
一种用于麻醉深度监测仪的csi指数提取方法 Download PDFInfo
- Publication number
- CN105769184A CN105769184A CN201610293066.3A CN201610293066A CN105769184A CN 105769184 A CN105769184 A CN 105769184A CN 201610293066 A CN201610293066 A CN 201610293066A CN 105769184 A CN105769184 A CN 105769184A
- Authority
- CN
- China
- Prior art keywords
- ratio
- fuzzy
- pace
- csi
- rhythm
- 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
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
- A61B5/48—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
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Veterinary Medicine (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Automation & Control Theory (AREA)
- Power Engineering (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Anesthesiology (AREA)
- Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种用于麻醉深度监测仪的CSI指数提取方法,脑电信号采集电路设有输入端和输出端,把微弱的脑电信号转换为AD芯片能采集到的大小然后传输给微处理器,微处理器通过滤波,快速离散傅里叶变换,频段能量计算等过程获得关于CSI的4个主要参数αratio、βratio、βratio‑αratio和BS%,再通过这4个主要参数经过自适应神经模糊推理系统最终获得麻醉深度指数CSI。本发明采用了快速离散傅里叶变换和自适应神经模糊推理系统结合计算CSI指数,避免了其他非线性的干扰;本发明计算得到的CSI指数显示于显示屏上,为医务人员对患者实施及时准确的麻醉手术提供了可靠依据。
Description
技术领域
本发明涉及麻醉深度监测仪领域,具体是一种用于麻醉深度监测仪的CSI指数提取方法。
背景技术
脑电信号监测分析主要应用于脑功能变化、镇静与镇痛状况、认知功能的变化、麻醉深度监测和麻醉复苏变化的研究,它通常是将复杂的脑电信号转换成一个单一的指数,目前临床常用的脑电监测系统有脑电双频谱指数(BIS)、听觉诱发电位指数(AEI)、熵指数等等。双频谱指数(BIS)分析方法是目前脑电监测麻醉镇静程度的一种常用方法。但是,BIS作为麻醉深度监测技术有其明显的局限性,许多因素都会对BIS产生影响,比如,BIS的脑电监护效果明显依赖于麻醉药的使用。听觉诱发电位指数(AEPindex)是Mantzaridis根据听觉诱发电位形态学上的变化产生的数字化指标。但是,听觉诱发电位指数的监测要求患者听力正常,因而对于伴发神经性耳聋或传导性耳聋的手术患者无法进行手术期的监测,还有儿童患者,其听力不同于成人的听力,在手术期监测以上的患者仍有一定限制。
发明内容
本发明要解决的技术问题是提供一种用于麻醉深度监测仪的CSI指数提取方法,采用了自适应模糊逻辑推理算法,避免了其他非线性的干扰。
本发明的技术方案为:
一种用于麻醉深度监测仪的CSI指数提取方法,具体包括有以下步骤:
(1)、采集原始脑电信号,然后去除原始脑电信号中的伪迹和噪声;
(2)、对步骤(1)处理后的信号进行快速离散傅里叶变换,把时域变换成频域Xi;
(3)、正常成人的脑电信号有五种生理节律,分别是alpha节律、beta节律、delta节律、theta节律和gamma节律;首先根据公式(1)计算alpha节律和beta节律的频段能量,
上式中,Eab表示在a—bHz的波段的能量,w是单位频段能量;
然后根据公式(2)、(3)计算alpha节律和beta节律的能量比率αratio、βratio和他们的差βratio-αratio;
根据公式(4)计算的脑电信号的爆发抑制比BS%,
BS%=tBS/30seconds(4),
其中,tBS为30秒内在脑电图成等电位或波形成“平”线时所占的的时间;
(4)、将alpha波、beta波的能量比率αratio、βratio和他们的差βratio-αratio,以及爆发抑制比BS%的变化范围定义为模糊集上的论域,通过模糊化处理将输入量离散成预设范围的一列模糊量整数;自适应神经模糊推理系统通过对应的模糊量获取控制规则,根据控制规则输出相应的麻醉深度指数CSI,并于显示屏进行显示。
所述的采集原始脑电信号即通过贴在头皮特定位置的电极,采集原始信号然后经过放大,滤波处理后获得达到检测要求的信号。
所述的去除原始脑电信号中的伪迹和噪声的方法是采用数字滤波器消除50Hz/60Hz工频干扰。
所述的步骤(2)获得五种生理节律的频域后,采用带通滤波器,截取alpha节律和beta节律波段内的频域信号。
所述的自适应神经模糊推理系统模仿人脑的不确定性概念判断、推理思维方式,对于模型未知或不能确定的描述系统,以及强非线性、大滞后的控制对象,应用模糊集合和模糊规则进行推理,表达过渡性界限或定性知识经验,模拟人脑方式,实行模糊综合判断,推理解决常规方法难于对付的规则型模糊信息问题;模糊逻辑善于表达界限不清晰的定性知识与经验,它借助于隶属度函数概念,区分模糊集合,处理模糊关系,模拟人脑实施规则型推理,解决因“排中律”的逻辑破缺产生的种种不确定问题,然后根据现有alpha波、beta波,alpha-beta,BS%的数据进行有效训练后,获得麻醉深度指数CSI。
本发明的优点:
本发明能够提供足够快速采集原始EEG信号,并能将采集结果显示出来,清晰直观;本发明采用了快速离散傅里叶变换和自适应神经模糊推理系统结合计算CSI指数,避免了其他非线性的干扰;本发明计算得到的CSI指数显示于显示屏上,为医务人员对患者实施及时准确的麻醉手术提供了可靠依据。
具体实施方式
一种用于麻醉深度监测仪的CSI指数提取方法,其特征在于:具体包括有以下步骤:
(1)、通过贴在头皮特定位置的电极,采集原始脑电信号然后经过放大,滤波处理后获得达到检测要求的信号,然后采用数字滤波器消除50Hz/60Hz工频干扰;
(2)、在1S内采集的N个数据为x[0],x[1]…x[N-1],由于在时域很难发现EEG信号的变换规律,对采集到的数据进行快速离散傅里叶变换变换得到频域X[0],X[1]…X[N-1],在频域中只需要特定频段内的信号(主要是alpha节律和beta节律),所以采用带通滤波器,截取alpha节律和beta节律波段内的频域信号;
(3)、根据公式(1)计算alpha节律和beta节律的频段能量,
上式中,Eab表示在a—bHz的波段的能量,w是单位频段能量;
然后根据公式(2)、(3)计算alpha节律和beta节律的能量比率αratio、βratio和他们的差βratio-αratio;
根据公式(4)计算的脑电信号的爆发抑制比BS%,
BS%=tBS/30seconds(4),
其中,tBS为30秒内在脑电图成等电位或波形成“平”线时所占的的时间,以0—100%的形式显示脑电图信号在过去30秒里的爆发抑制比;
(4)、将alpha波、beta波的能量比率αratio、βratio和他们的差βratio-αratio,以及爆发抑制比BS%的变化范围定义为模糊集上的论域,通过模糊化处理将输入量离散成预设范围的一列模糊量整数;自适应神经模糊推理系统通过对应的模糊量获取控制规则,根据控制规则输出相应的麻醉深度指数CSI,并于显示屏进行显示。
通过上面4个参数αratio、βratio、βratio-αratio和BS%同时训练神经网络,获取隶属度函数参数和隶属度函数结构,根据隶属度函数参数和隶属度函数结构对自适应神经模糊推理系统进行调整。其中,该步骤具体为:调整自适应神经模糊推理系统的输入输出隶属度函数的个数,训练误差步长,以及最小二乘法的参数进行调整,结构调整主要是神经网络的隐含层数目。
其中,自适应神经模糊推理系统模仿人脑的不确定性概念判断、推理思维方式,对于模型未知或不能确定的描述系统,以及强非线性、大滞后的控制对象,应用模糊集合和模糊规则进行推理,表达过渡性界限或定性知识经验,模拟人脑方式,实行模糊综合判断,推理解决常规方法难于对付的规则型模糊信息问题;模糊逻辑善于表达界限不清晰的定性知识与经验,它借助于隶属度函数概念,区分模糊集合,处理模糊关系,模拟人脑实施规则型推理,解决因“排中律”的逻辑破缺产生的种种不确定问题,然后根据现有alpha波、beta波,alpha-beta,BS%的数据进行有效训练后,获得麻醉深度指数CSI。
Claims (5)
1.一种用于麻醉深度监测仪的CSI指数提取方法,其特征在于:具体包括有以下步骤:
(1)、采集原始脑电信号,然后去除原始脑电信号中的伪迹和噪声;
(2)、对步骤(1)处理后的信号进行快速离散傅里叶变换,把时域变换成频域Xi;
(3)、正常成人的脑电信号有五种生理节律,分别是alpha节律、beta节律、delta节律、theta节律和gamma节律;首先根据公式(1)计算alpha节律和beta节律的频段能量,
上式中,Eab表示在a—bHz的波段的能量,w是单位频段能量;
然后根据公式(2)、(3)计算alpha节律和beta节律的能量比率αratio、βratio和他们的差βratio-αratio;
根据公式(4)计算的脑电信号的爆发抑制比BS%,
BS%=tBS/30seconds(4),
其中,tBS为30秒内在脑电图成等电位或波形成“平”线时所占的时间;
(4)、将alpha波、beta波的能量比率αratio、βratio和他们的差βratio-αratio,以及爆发抑制比BS%的变化范围定义为模糊集上的论域,通过模糊化处理将输入量离散成预设范围的一列模糊量整数;自适应神经模糊推理系统通过对应的模糊量获取控制规则,根据控制规则输出相应的麻醉深度指数CSI,并于显示屏进行显示。
2.根据权利要求1所述的一种用于麻醉深度监测仪的CSI指数提取方法,其特征在于:所述的采集原始脑电信号即通过贴在头皮特定位置的电极,采集原始信号然后经过放大,滤波处理后获得达到检测要求的信号。
3.根据权利要求1所述的一种用于麻醉深度监测仪的CSI指数提取方法,其特征在于:所述的去除原始脑电信号中的伪迹和噪声的方法是采用数字滤波器消除50Hz/60Hz工频干扰。
4.根据权利要求1所述的一种用于麻醉深度监测仪的CSI指数提取方法,其特征在于:所述的步骤(2)获得五种生理节律的频域后,采用带通滤波器,截取alpha节律和beta节律波段内的频域信号。
5.根据权利要求1所述的一种用于麻醉深度监测仪的CSI指数提取方法,其特征在于:所述的自适应神经模糊推理系统模仿人脑的不确定性概念判断、推理思维方式,对于模型未知或不能确定的描述系统,以及强非线性、大滞后的控制对象,应用模糊集合和模糊规则进行推理,表达过渡性界限或定性知识经验,模拟人脑方式,实行模糊综合判断,推理解决常规方法难于对付的规则型模糊信息问题;模糊逻辑善于表达界限不清晰的定性知识与经验,它借助于隶属度函数概念,区分模糊集合,处理模糊关系,模拟人脑实施规则型推理,解决因“排中律”的逻辑破缺产生的种种不确定问题,然后根据现有alpha波、beta波,alpha-beta,BS%的数据进行有效训练后,获得麻醉深度指数CSI。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610293066.3A CN105769184B (zh) | 2016-04-30 | 2016-04-30 | 一种用于麻醉深度监测仪的csi指数提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610293066.3A CN105769184B (zh) | 2016-04-30 | 2016-04-30 | 一种用于麻醉深度监测仪的csi指数提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105769184A true CN105769184A (zh) | 2016-07-20 |
CN105769184B CN105769184B (zh) | 2018-11-23 |
Family
ID=56400727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610293066.3A Active CN105769184B (zh) | 2016-04-30 | 2016-04-30 | 一种用于麻醉深度监测仪的csi指数提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105769184B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109147906A (zh) * | 2018-06-15 | 2019-01-04 | 江苏人先医疗科技有限公司 | 评价手术麻醉质量的方法、终端及具有存储功能的装置 |
CN109730675A (zh) * | 2019-01-04 | 2019-05-10 | 深圳市舟洁信息咨询服务有限公司 | 一种脑电信号质量检测系统及方法 |
CN113100784A (zh) * | 2021-03-29 | 2021-07-13 | 合肥诺和电子科技有限公司 | 一种csi麻醉深度指数信号发生器 |
CN113116301A (zh) * | 2021-04-01 | 2021-07-16 | 合肥贺康医疗科技有限公司 | 一种麻醉深度多参数监护仪 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103637798A (zh) * | 2013-12-17 | 2014-03-19 | 山东大学齐鲁医院 | 一种麻醉深度监测装置 |
CN104188627A (zh) * | 2014-08-27 | 2014-12-10 | 王远志 | 一种信息化麻醉深度监护仪 |
CN204106007U (zh) * | 2014-08-17 | 2015-01-21 | 安徽华艾生物科技有限公司 | 一种麻醉深度监测装置 |
CN104887225A (zh) * | 2015-06-04 | 2015-09-09 | 卞汉道 | 麻醉精度监护仪器及方法 |
-
2016
- 2016-04-30 CN CN201610293066.3A patent/CN105769184B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103637798A (zh) * | 2013-12-17 | 2014-03-19 | 山东大学齐鲁医院 | 一种麻醉深度监测装置 |
CN204106007U (zh) * | 2014-08-17 | 2015-01-21 | 安徽华艾生物科技有限公司 | 一种麻醉深度监测装置 |
CN104188627A (zh) * | 2014-08-27 | 2014-12-10 | 王远志 | 一种信息化麻醉深度监护仪 |
CN104887225A (zh) * | 2015-06-04 | 2015-09-09 | 卞汉道 | 麻醉精度监护仪器及方法 |
Non-Patent Citations (3)
Title |
---|
刘军: "基于样本熵与决策树的麻醉意识深度评价指数的研究", 《生物医学工程学杂志》 * |
周辉: "麻醉深度监测的研究进展", 《医学综述》 * |
贾娜: "临床麻醉深度监测方法的新进展", 《临床麻醉学杂志》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109147906A (zh) * | 2018-06-15 | 2019-01-04 | 江苏人先医疗科技有限公司 | 评价手术麻醉质量的方法、终端及具有存储功能的装置 |
CN109147906B (zh) * | 2018-06-15 | 2021-09-21 | 江苏人先医疗科技有限公司 | 评价手术麻醉质量的方法、终端及具有存储功能的装置 |
CN109730675A (zh) * | 2019-01-04 | 2019-05-10 | 深圳市舟洁信息咨询服务有限公司 | 一种脑电信号质量检测系统及方法 |
CN113100784A (zh) * | 2021-03-29 | 2021-07-13 | 合肥诺和电子科技有限公司 | 一种csi麻醉深度指数信号发生器 |
CN113116301A (zh) * | 2021-04-01 | 2021-07-16 | 合肥贺康医疗科技有限公司 | 一种麻醉深度多参数监护仪 |
Also Published As
Publication number | Publication date |
---|---|
CN105769184B (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106691474A (zh) | 融合脑电信号与生理信号的疲劳检测系统 | |
CN105769184A (zh) | 一种用于麻醉深度监测仪的csi指数提取方法 | |
CN100482155C (zh) | 基于脑机交互的注意力状态即时检测系统及检测方法 | |
CN108451527A (zh) | 一种对不同麻醉状态下脑电信号分类系统 | |
CN106974621B (zh) | 一种基于脑电信号重心频率的视觉诱导晕动症检测方法 | |
CN104545949A (zh) | 一种基于脑电的麻醉深度监测方法 | |
CN111651060B (zh) | 一种vr沉浸效果的实时评估方法和评估系统 | |
CN104994782B (zh) | 基于脑波信号进行分析的方法和设备 | |
CN109480872B (zh) | 基于脑电信号频带能量比特征的驾驶疲劳检测方法 | |
CN105942974A (zh) | 一种基于低频脑电的睡眠分析方法及系统 | |
CN103845052B (zh) | 基于采集脑电信号的人体昏厥预警装置 | |
CN112932474B (zh) | 基于脑血氧和肌电信号的康复训练方法及系统 | |
Xu et al. | Fatigue EEG feature extraction based on tasks with different physiological states for ubiquitous edge computing | |
Kokonozi et al. | A study of heart rate and brain system complexity and their interaction in sleep-deprived subjects | |
CN112137616A (zh) | 一种多感觉脑-体联合刺激的意识检测装置 | |
CN110234374B (zh) | 麻醉药物识别方法、麻醉脑电信号的处理方法和装置 | |
Qi et al. | Driver fatigue assessment based on the feature fusion and transfer learning of EEG and EMG | |
Zeng et al. | Classifying driving fatigue by using EEG signals | |
Liu et al. | A novel delay estimation method for improving corticomuscular coherence in continuous synchronization events | |
Kaur et al. | Drowsiness detection based on EEG signal analysis using EMD and trained neural network | |
Jain et al. | Fatigue detection and estimation using auto-regression analysis in EEG | |
Guo et al. | Sleep EEG staging based on Hilbert-Huang transform and sample Entropy | |
Beatty et al. | Relative independence of conditioned EEG changes from cardiac and respiratory activity | |
Turnip et al. | Utilization of EEG-SSVEP method and ANFIS classifier for controlling electronic wheelchair | |
KR101034875B1 (ko) | 뇌파의 패턴을 이용한 의사 추론 방법 |
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 |