CN109464142A - 一种利用脑电信号计算爆发抑制潜伏期的方法以及预测爆发抑制率的方法 - Google Patents

Abstract

本发明公开了一种利用脑电信号计算爆发抑制潜伏期的方法以及预测爆发抑制率的方法。包括步骤：步骤一、计算脑电信号的参考值；步骤二、根据步骤一计算得到的参考值确定判断爆发抑制的阈值；步骤三、按照时间窗连续计算后续记录到的脑电信号的幅度值和变异系数；步骤四、将每个时间窗计算得到的脑电信号的幅度值和变异系数与所述步骤二确定的阈值进行比较，判断该时间窗的脑电信号的状态，所述脑电信号的状态包括正常震荡、抑制期或爆发期。通过本发明的方法可以提前预测病人对麻醉药物的反应及之后麻醉深度的变化趋势，可以降低麻醉过程中出现麻醉过深的现象。

Description

一种利用脑电信号计算爆发抑制潜伏期的方法以及预测爆发 抑制率的方法

技术领域

本发明涉及基于脑电信号的麻醉深度监测方法，尤其涉及一种利用脑电信号计算爆发抑制潜伏期的方法以及预测爆发抑制率的方法。

背景技术

脑电图是利用信号采集系统在头皮上记录到的反映大脑中神经元集群电活动的信号。时域的脑电信号显得杂乱无章，所以一般将脑电图转换到频域来分析。频域的脑电图根据频谱分布划分成了几个波段。低于1Hz的称为慢波震荡，1-3Hz为delta波，4-7Hz为theta波，8-13Hz为alpha波，14-30Hz为beta波，30-80Hz为gamma波，80-200Hz为快波，200以上的称为超快波。脑电信号是大脑皮层群体神经元整体电活动的反应，有能反映大脑整体活动状态和无创性的优点，对研究大脑功能具有重要的意义。

爆发抑制是麻醉中脑电图会出现的一种模式，表现为一段时间的高幅度的震荡，之后伴随着一段时间的近乎沉寂的电位变化。当大脑的脑电抑制率很高时说明麻醉已经很深，会对身体产生一定的损害。

另外，以往对爆发抑制的分析都是分析爆发抑制率的变化，然而当爆发抑制率很高时，麻醉已经进入了一个很深的程度。麻醉药物在身体内有一定的代谢率，通过麻醉药物的输入量调节麻醉深度存在一定的滞后性。因此实现爆发抑制率的提前预测据用重要的意义。

发明内容

发明目的：本发明针对上述问题，提出了一种利用脑电信号计算爆发抑制潜伏期的方法以及利用第一个爆发抑制的潜伏期预测爆发抑制率的方法，可以降低麻醉过程中出现麻醉过深的现象。

一种利用脑电信号计算爆发抑制潜伏期的方法，包括步骤：

步骤一、计算脑电信号的参考值：将麻醉开始的时间作为记录的开始时间；计算起始10s内脑电信号的参数作为参考值；所述脑电信号的参数包括幅度值和变异系数；

所述幅度值AMP_tj的计算采用10s内的绝对幅度的平均值，计算方法为：

其中，j表示第j个时间窗，在此步骤内j为1，表示麻醉的起始；i表示第j个时间窗内的采样时刻，i＝1,2,3,…,n；E_i表示在i时刻脑电信号的幅度值，n表示第j个时间窗内的总的采样数；

所述变异系数(VAR_tj)计算方法为：

VAR_tj＝σ/μ

其中：

步骤二、根据步骤一计算得到的参考值确定判断爆发抑制的阈值：当计算的脑电信号的幅度值和变异系数达到参考值的1.5-2.5倍时认为脑电处于爆发期；当计算的脑电信号的幅度值和变异系数是参考值的0.01-0.5倍时认为脑电处于抑制期；

步骤三、按照时间窗连续计算后续记录到的脑电信号的幅度值和变异系数；

步骤四、将每个时间窗计算得到的脑电信号的幅度值和变异系数与所述步骤二确定的阈值进行比较，判断该时间窗的脑电信号的状态，所述脑电信号的状态包括正常震荡、抑制期或爆发期；

如果该时间窗的脑电信号处于正常震荡期则根据该时间窗的脑电信号的参数修正爆发抑制的阈值；如果该时间窗的脑电信号处于爆发期，并且之后的一段时间内出现一段的抑制期，则该爆发期所处的时间为爆发抑制的起始时间；所述爆发抑制的起始时间减去麻醉开始的时间则为爆发抑制的潜伏期。

所述步骤四中，该时间窗的脑电信号处于正常震荡期则根据该时间窗的脑电信号的参数修正爆发抑制的阈值，具体如下：

采用加权平均的方法修正爆发抑制的阈值：

γ_new＝w₁*γ_old+w₂*γ_now

其中γ_old为之前采用的阈值，γ_now为根据当前时间窗计算得到的阈值，w₁和w₂为两个阈值的权值。

所述步骤三中时间窗的时间宽度选为0.3s-1s之间。

一种根据爆发抑制潜伏期预测爆发抑制率的方法，包括步骤：

步骤一、通过实验获取不同病人的枕叶皮层记录的脑电信号，并据此获取不同的爆发抑制潜伏期及之后的爆发抑制率，利用线性拟合的方法得到爆发抑制潜伏期及之后的爆发抑制率的线性关系；

步骤二、计算得到病人的爆发抑制潜伏期；

步骤三、根据步骤一得到的爆发抑制潜伏期及之后的爆发抑制率的线性关系和步骤二得到的病人的爆发抑制潜伏期得到病人的爆发抑制率。

有益效果：通过本发明的方法可以提前预测病人对麻醉药物的反应及之后麻醉深度的变化趋势，可以降低麻醉过程中出现麻醉过深的现象。

附图说明

图1为三个脑区的脑电图爆发抑制潜伏期示意图及频谱图。

图2为在1％异氟烷麻醉时，大鼠爆发抑制潜伏期及抑制率表现出个体差异，在前额叶(frontal)、顶叶(parietal)和枕叶(occipital)记录的脑电图均存在这一现象；

图3为在1.5％异氟烷麻醉时，爆发抑制潜伏期变短，抑制率升高；

图4为在1％异氟烷麻醉时，枕叶脑电的爆发抑制潜伏期可以很好的预测之后的抑制率，其他脑区的爆发抑制潜伏期与抑制率无明显的相关性；

图5为在1.5％异氟烷麻醉时，枕叶脑电爆发抑制的潜伏期可以更好地预测之后的抑制率；

图6为本发明的系统框图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明。

本发明的利用脑电信号计算爆发抑制潜伏期的方法系统框图如图6所示，脑电信号经过放大、数模转换后传输到基于Linux的嵌入式系统进行脑电参数的计算及爆发抑制潜伏期及抑制率的计算和预测，包括如下步骤：

步骤一、计算脑电信号的参考值：麻醉开始的时间为记录的开始时间；计算起始10s内脑电信号的参数作为参考值；脑电信号的参数包括计算幅度值和变异系数；幅度值(AMP_tj)的计算采用10s内的绝对幅度的平均值，计算方法为：

其中，j表示第j个时间窗，在此步骤内j为1，表示麻醉的起始。i表示第j个时间窗内的采样时刻，i＝1,2,3,…,n；E_i表示在i时刻脑电信号的幅度值，n表示第j个时间窗内的总的采样数；

变异系数(VAR_tj)计算方法为：

VAR_tj＝σ/μ

其中：

步骤二、根据步骤一计算得到的参考值确定判断爆发抑制的阈值：当计算的脑电信号的幅度值和变异系数达到参考值的1.5-2.5倍时认为脑电处于爆发期；当计算的脑电信号的幅度值和变异系数是参考值的0.01-0.5倍时认为脑电处于抑制期；

步骤三、按照时间窗连续计算后续记录到的脑电信号的幅度值和变异系数；在本发明中，时间窗选为0.3s-1s；

步骤四、将每个时间窗计算得到的脑电信号的幅度值和变异系数与所述步骤二确定的阈值进行比较，判断该时间窗的脑电信号的状态，所述脑电信号的状态包括正常震荡、抑制期或爆发期。如果该时间窗的脑电信号处于正常震荡期则根据该时间窗的脑电信号的参数修正爆发抑制的阈值。修正的方法采用加权平均的方法：

γ_new＝w₁*γ_old+w₂*γ_now

其中γ_old为之前采用的阈值，γ_new为根据当前时间窗计算得到的阈值，w₁和w₂为两个阈值的权值。

如果判断该时间窗的脑电信号处于爆发期，那么如果之后的一段时间内出现一段的抑制期，则认为该爆发期所处的时间为爆发抑制的起始时间。所述爆发抑制的起始时间减去麻醉开始的时间则为爆发抑制的潜伏期。

本发明还提供了一种利用上述方法获得的爆发抑制的潜伏期来预测病人的爆发抑制率的方法。根据我们的实验结果，不同的实验动物在相同的麻醉剂量下表现出不同的爆发抑制潜伏期，如图1所示。这就说明不同的病人对麻醉药的反应存在个体差异，在相同的麻醉药物剂量下，不同动物的爆发抑制潜伏期及抑制率并不完全一致，如图2所示，因此需要根据不同病人的体征采取不同的麻醉措施。

我们利用线性拟合的方法得到了爆发抑制潜伏期及之后的爆发抑制率的关系，爆发抑制的潜伏期与之后的爆发抑制率存在线性相关性，如图3、图4所示，可以利用爆发抑制的潜伏期预测之后的爆发抑制率，爆发抑制潜伏期短的动物之后的爆发抑制的抑制率更高，如图3所示；这种相关性在枕叶皮层记录到的脑电图最明显，在其他脑区没有明显的相关性，因此在枕叶皮层记录的脑电信号才能进行爆发抑制率的预测，如图5所示。现在用于麻醉监测的脑电都在前额叶进行记录，我们的结果提示枕叶皮层的脑电可能可以更好的反应麻醉深度。

我们的实验结果证明爆发抑制潜伏期短的动物在相同的麻醉剂量下麻醉的深度更深。由此我们可以根据爆发抑制的潜伏期的差异来预测不同病人对麻醉药的反应，为在临床麻醉中实施个体化的麻醉方案提供方法。然后我们实时的计算爆发抑制率的变化。根据现有的文献报道，爆发抑制的抑制率越高麻醉深度越深。我们根据实时获得的抑制率的变化可以对麻醉深度提供更精确的预测。

我们根据爆发抑制潜伏期的实时计算可以提前预测病人对麻醉药物的反应及之后麻醉深度的变化趋势。

以上详细描述了本发明的优选实施方式，但是本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换(如数量、形状、位置等)，这些等同变换均属于本发明的保护。

Claims (4)

1.一种利用脑电信号计算爆发抑制潜伏期的方法，其特征在于：包括步骤：

步骤一、计算脑电信号的参考值：将麻醉开始的时间作为记录的开始时间；计算起始10s内脑电信号的参数作为参考值；所述脑电信号的参数包括幅度值和变异系数；

所述幅度值AMP_tj的计算采用10s内的绝对幅度的平均值，计算方法为：

其中，j表示第j个时间窗，在此步骤内j为1，表示麻醉的起始；i表示第j个时间窗内的采样时刻，i＝1,2,3,…,n；E_i表示在i时刻脑电信号的幅度值，n表示第j个时间窗内的总的采样数；

所述变异系数(VAR_tj)计算方法为：

VAR_tj＝σ/μ

其中：

步骤二、根据步骤一计算得到的参考值确定判断爆发抑制的阈值：当计算的脑电信号的幅度值和变异系数达到参考值的1.5-2.5倍时认为脑电处于爆发期；当计算的脑电信号的幅度值和变异系数是参考值的0.01-0.5倍时认为脑电处于抑制期；

步骤三、按照时间窗连续计算后续记录到的脑电信号的幅度值和变异系数；

步骤四、将每个时间窗计算得到的脑电信号的幅度值和变异系数与所述步骤二确定的阈值进行比较，判断该时间窗的脑电信号的状态，所述脑电信号的状态包括正常震荡、抑制期或爆发期；

如果该时间窗的脑电信号处于正常震荡期则根据该时间窗的脑电信号的参数修正爆发抑制的阈值；如果该时间窗的脑电信号处于爆发期，并且之后的一段时间内出现一段的抑制期，则该爆发期所处的时间为爆发抑制的起始时间；所述爆发抑制的起始时间减去麻醉开始的时间则为爆发抑制的潜伏期。

2.根据权利要求1所述的利用脑电信号计算爆发抑制潜伏期的方法，其特征在于：所述步骤四中，该时间窗的脑电信号处于正常震荡期则根据该时间窗的脑电信号的参数修正爆发抑制的阈值，具体如下：

采用加权平均的方法修正爆发抑制的阈值：

γ_new＝w₁*γ_old+w₂*γ_now

其中γ_old为之前采用的阈值，γ_new为根据当前时间窗计算得到的阈值，w₁和w₂为两个阈值的权值。

3.根据权利要求1所述的利用脑电信号计算爆发抑制潜伏期的方法，其特征在于：所述步骤三中时间窗的时间宽度选为0.3s-1s之间。

4.一种根据权利要求1所计算得到的爆发抑制潜伏期预测爆发抑制率的方法，其特征在于：包括步骤：

步骤一、通过实验获取不同病人的枕叶皮层记录的脑电信号，并据此获取不同的爆发抑制潜伏期及之后的爆发抑制率，利用线性拟合的方法得到爆发抑制潜伏期及之后的爆发抑制率的线性关系；

步骤二、计算得到病人的爆发抑制潜伏期；

步骤三、根据步骤一得到的爆发抑制潜伏期及之后的爆发抑制率的线性关系和步骤二得到的病人的爆发抑制潜伏期得到病人的爆发抑制率。