CN113100709A - 一种麻醉深度监测系统及麻醉深度监测方法 - Google Patents
一种麻醉深度监测系统及麻醉深度监测方法 Download PDFInfo
- Publication number
- CN113100709A CN113100709A CN202110327529.4A CN202110327529A CN113100709A CN 113100709 A CN113100709 A CN 113100709A CN 202110327529 A CN202110327529 A CN 202110327529A CN 113100709 A CN113100709 A CN 113100709A
- Authority
- CN
- China
- Prior art keywords
- signal
- data
- module
- screening
- controller
- 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
Images
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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4005—Detecting, measuring or recording for evaluating the nervous system for evaluating the sensory system
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet 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
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Pulmonology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Anesthesiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明属于麻醉监测领域,公开了一种麻醉深度监测系统及麻醉深度监测方法,麻醉深度监测系统包括:显示模块、监测器模块、信号处理模块、中央控制模块、数据存储模块、数据监测模块、报警模块和评估模块,监测器模块由脑电信号监测器、心电信号监测器、脉搏信号监测器、呼吸信号监测器、肌肉信号监测器、感知刺激器构成,用于采集病患的实时状态信号,信号处理模块由信号采集器,放大电路构成。本发明的麻醉监测能够持续、实时监测和显示麻醉深度的变化,较好的反映麻醉药浓度的变化及手术刺激的变化同时降低手术及麻醉风险,采集的信号经过滤波去噪,真实的反映信号状态,且不易受其他信号干扰,适合医疗机构推广应用。
Description
技术领域
本发明属于麻醉监测领域,尤其涉及一种麻醉深度监测系统及麻醉深度监测方法。
背景技术
麻醉是使患者意识丧失;消除疼痛;导致机体不动(肌肉松弛);和消除不必要的反射,如咽痉挛及心律失常(反射抑制)。麻醉的深度决定了患者是否感受到疼痛,意识是否清醒的时间,据临床统计,大约只有不到三分之二的病人能够接收到优质的麻醉服务,约14%的患者被过度麻醉,16%的患者麻醉过浅,10%的患者处于时浅时深。当麻醉过深,药物过量会导致呼吸变慢,甚至呼吸停止,还会造成大脑缺氧,引起病人心脏停止等危险。而如果麻醉过浅,使患者术中知晓,患者对手术有记忆甚至感到疼痛。所以对患者麻醉深度的监测是非常有必要的。
目前对病人麻醉程度进行监测的技术,大多是针对皮质层的脑电信号的脑电监测,没有办法对皮质下的脑电信号变化进行监测,且信号常常会受到医疗手术器械的干扰,导致监测失效,病人痛苦,且在麻醉手术中,麻醉师很难同时的对病患的所有信息进行观测,导致对病人的麻醉程度过浅或者过深,在手术过程中,不能对病人的实时数据持续监测,也不能反映麻醉对病人的刺激以及手术过程中的刺激状态,不适合广泛使用。
通过上述分析,总结现有麻醉深度监测系统及麻醉深度监测方法存在的问题及缺陷为:
1、现有装置和方法的稳定性差,不能很好的反映麻醉药物浓度的变化和手术刺激的变化。
2、现有装置不能对深度信号进行监测,不能够对病患的各部位信息进行监测。
发明内容
针对现有技术存在的问题,本发明提供了一种麻醉深度监测系统及麻醉深度监测方法。
为实现上述目的,一种麻醉深度监测系统包括监测器模块、信号处理模块、中央控制模块、显示模块和监测报警模块;
监测器模块,与中央控制模块连接,由脑电信号监测器、心电信号监测器、脉搏信号监测器、呼吸信号监测器、肌肉信号监测器、感知刺激器构成,用于采集病患的实时身体状态信号;
信号处理模块,与中央控制模块连接,包括信号采集器和放大电路,所述信号采集器用于采集监测器采集的身体状态信号,经由放大电路,对信号进行放大,放大后使用小波包去噪对信号进行去噪,小波包去噪会对信号在传输过程中产生的噪声进行处理,且保证信号的完整性;
所述信号采集器在采集到身体状态信号后,对身体状态信号进行初步处理,所述处理方法包括:
针对输入信号中的特定信号分量,产生估测信号数值;
所述估测信号数值的计算公式为:
根据输入信号与估测信号数值产生信号处理结果;
根据信号处理结果调整估测信号数值,以输出输入信号中的特定信号分量的目标估测信号;
中央控制模块,与监测器模块、信号处理模块、显示模块、数据监测模块和监测报警模块连接,包括控制器、A/D转换器以及D/A转换器,用于对各个机器的反馈信号进行处理,以及实现控制信号的传输;
所述对各个机器的反馈信号进行处理,包括:确定AD转换对象的物理量与对应电压值之间的线性关系;判断当前物理量下测量的电压值是否存在偏差,若存在偏差,控制器自动进行AD转换校准;
所述控制器自动进行AD转换校准,包括:
连接并设置控制器的参数以及测试控制器的运行特性;所述测试控制器的运行特性,包括:使控制器处于速度模式下,使控制器进行控制和校正,保证速度内环性能稳定;将设计的MFAC控制算法在上位PC机上通过cSPACE的Simulink搭建好;运行MFAC控制器中的编译模块;将MFAC算法自动生成DSP代码;通过上位PC机的USB接口将代码下载到数字信号处理器中运行,经过控制器,生成电压输出信号,驱动控制器运行;
编程实现MFAC控制方法:
其中,所述MFAC控制器u(k)部分基于cSPACE的Simulink搭建,λ>0为权重系数,用来限制控制输入量的变化;ρ∈(0,1]是额外加入的步长因子,使算法具有更强的灵活性和一般性;是φ(k)在k时刻的估计值;y*(k+1)为期望的输出信号;u(k),y(k)分别表示系统在k时刻的输入和输出;
所述MFAC控制器u(k)部分基于cSPACE的Simulink搭建,包括:
u(k)经过延时模块得到u(k-1);通过cSPACE中SineWave模块给定正弦位置信号即,y*(k+1);直线电机的输出y(k+1)经光栅检测单元可得到,再经延时模块得到y(k);由cSPACE中的WM-Write2和WM-Write3可直接在线调节MFAC控制律算法中的λ和ρ值;将估计器的输出接入到Subsystem的In端,输出Out得到y(k)以负反馈的形式与期望信号y*(k+1)连接,由此得到y*(k+1)-y(k);将输出介入Product模块中,从而得到将输出和u(k-1)接入到Add模块中,其中Add模块中的Listofsigns设置为(++│);得到MFAC控制器的输出信号u(k);
Δy(k)=y(k)-y(k-1);Δu(k-1)=u(k-1)-u(k-2);
控制器输出u(k),再经D/A转换器将数字信号转化为模拟信号;模拟信号再生成电压输出信号,驱动运行;
显示模块,与中央控制模块连接,由三块显示屏幕连接构成,左侧显示屏幕用于显示脉搏信号、肌肉信号,中间显示屏幕用于显示脑信号、心电信号、呼吸信号,右侧屏幕用于显示感知刺激信号以及麻醉深度数据;
数据监测模块,与中央控制模块连接,用于对中央控制模块传来的数据进行实时分析,筛选是否存在异常数据;
报警模块,与中央控制模块连接,用于在检测到异常数据时,利用报警器发出报警提醒。
进一步,所述数据监测模块包括数据读取单元、数据筛选单元、异常数据库单元和参数设置单元,所述数据监测模块对异常数据的筛选方法包括:
通过参数设置单元设置对采集数据进行筛选的数据范围值;
通过数据读取单元与中央控制模块相连接并读取各类经过处理后的身体状态信号;
通过数据筛选单元筛选符合参数设置单元设置的数据范围值的数据,输出对应的统计异常数据;
通过异常数据库与数据筛选单元相连接并用于存储所述数据筛选单元筛选出的数据。
进一步,所述通过数据筛选单元筛选符合参数设置单元设置的数据范围值的数据,包括:
第一轮筛选,将各类身体状态信号的数据中属于系统性错误的数据筛除,得到第一轮筛选后的身体状态信号数据;
第二轮筛选,将第一轮筛选后的身体状态信号数据中不符合实际身体条件的数据筛除,得到第二轮筛选后的身体状态信号数据;
第三轮筛选,将第二轮筛选后的身体状态信号数据中异常连续的数据筛除,得到第三轮筛选后的身体状态信号数据。
进一步,所述放大电路对信号进行放大的方法包括:
接收信号采集器采集的身体状态信号,分别送至线圈支路和参考支路;
在线圈支路中,发射线圈发射电磁信号,接收线圈接收感应到的信号,将接收线圈的输出信号放大;
然后送到中央控制模块处理,其中中央控制模块产生可调放大控制信号,进一步控制可调放大器。
进一步,在线圈支路或者参考支路中的一支路设置移相器,移相器根据移相控制信号对支路信号进行移相。
进一步,所述报警模块包括声光报警器和无线信号传输器,所述声光报警器用于发出声光报警信号,所述无线信号传输器用于将报警信号传递到远程的监控终端。
进一步,所述心电信号监测器、肌肉信号监测器、脑信号监测器是通过电极贴片实现对病人的实时信号采集。
进一步,所述麻醉深度监测系统进一步包括:
数据存储模块,与中央控制模块连接,用于通过存储器实现对病患信息的实时存储;
评估模块,与中央控制模块连接,用于通过评估程序向中央控制模块发送索要数据的请求,该请求信息到达交换机,交换机发送至路由器,路由器发送至DNS服务器到达主控器的服务器,服务器接收到索要数据的请求,将所要统计的数据进行封装打包,原路返回至评估模块,对数据进行解码,通过评估程序分析病人当前的麻醉深度。
进一步,所述评估程序使用训练过的深度卷积神经网络对数据进行计算评估,具体包括:
标注身体状态信号数据以建立包含第一评估分值的训练数据集;
通过训练数据集训练深层卷积神经网络,以通过训练减小深层卷积神经网络对应所输入身体状态信号而输出的第二评估分值和所述输入身体状态信号的第一评估分值间的差异。
进一步,所述第一评估分值是根据预设麻醉深度参数对所述身体状态信号进行初步质量评估得到的。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:
本发明装置及方法能持续、实时监测和显示麻醉深度的变化,创造良好手术条件,较好的反映麻醉药浓度的变化及手术刺激的变化同时降低手术及麻醉风险,并且信号采集方法成熟,采集的信号经过滤波去噪,真实的反映信号状态,且不易受其他信号干扰,适合医疗机构推广应用。而且通过信号处理模块对信号进行处理,使得本发明对身体状态信号检测能力大为提高,漏报误报的情况大大减少。
附图说明
图1是本发明实施例提供的麻醉深度监测系统中的显示屏幕的结构示意图;
图2是本发明实施例提供的麻醉深度监测系统的原理示意图;
图中,1、左侧屏幕;2、中间屏幕;3、右侧屏幕;4、显示模块;5、监测器模块;6、信号处理模块;7、中央控制模块;8、数据存储模块;9、数据监测模块;10、报警模块;11、评估模块。
图3是本发明实施例提供的麻醉深度监测方法的流程图。
图4是本发明实施例提供的信号采集器在采集到身体状态信号后,对身体状态信号进行初步处理的方法流程图。
图5是本发明实施例提供的数据监测模块对异常数据的筛选方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明装置及方法能持续、实时监测和显示麻醉深度的变化,创造良好手术条件,较好的反映麻醉药浓度的变化及手术刺激的变化同时降低手术及麻醉风险,并且信号采集方法成熟,采集的信号经过滤波去噪,真实的反映信号状态,且不易受其他信号干扰,适合医疗机构推广应用。
如图1和图2所示,本监测装置包括显示模块4、监测器模块5、信号处理模块6、中央控制模块7、数据存储模块8、监测报警模块9、评估模块10;
显示模块4,与中央控制模块连接,由三块显示屏幕连接构成,左侧显示屏幕用于显示脉搏信号、肌肉信号,中间显示屏幕用于显示脑信号、心电信号、呼吸信号,右侧屏幕用于显示感知刺激信号以及麻醉深度数据;
监测器模块5,与中央控制模块连接,由脑电信号监测器、心电信号监测器、脉搏信号监测器、呼吸信号监测器、肌肉信号监测器、感知刺激器构成,用于采集病患的实时身体状态信号;
信号处理模块6,与中央控制模块连接,包括信号采集器和放大电路,所述信号采集器用于采集监测器采集的身体状态信号,经由放大电路,对信号进行放大,放大后使用小波包去噪对信号进行去噪,小波包去噪会对信号在传输过程中产生的噪声进行处理,且保证信号的完整性;
中央控制模块7,包括控制器、A/D转换器以及D/A转换器,用于对各个机器的反馈信号进行处理,以及实现控制信号的传输;
数据存储模块8,与中央控制模块连接,用于通过存储器实现对病患信息的实时存储;
数据监测模块9,与中央控制模块连接,用于对中央控制模块传来的数据进行实时分析,筛选是否存在异常数据;
报警模块10,与中央控制模块连接,用于在检测到异常数据时,利用报警器发出报警提醒。
评估模块11,由服务器和评估程序构成,由评估程序向中央控制模块7发送索要数据的请求,该请求信息到达交换机,交换机发送至路由器,路由器发送至DNS服务器到达中央控制模块7的服务器,服务器接收到索要数据的请求,将所要统计的数据进行封装打包,原路返回至评估模块,对数据进行解码,评估程序使用训练过的深度卷积神经网络对数据进行计算评估。用于通过评估程序分析病人当前的麻醉深度。
如图3所示,本发明实施例提供的麻醉深度监测方法包括以下步骤:
S101:将各监测器与中央控制模块使用传输线连接;
S102:接通电源电路;
S103:为病人连接电贴片,进行麻醉;
S104:显示屏幕上显示相关数据;
S105:根据病人当前的状态,由医护人员判断最适合病患的麻醉深度,并进行麻醉;
S106:医护人员手动测量病人的当前信息,与仪器测量结果进行比较,验证准确性;
S107:使用评估程序对数据进行评估,得出麻醉深度。
本发明克服了现有装置和方法不能很好的反映麻醉药物浓度的变化和手术刺激的变化的问题。同时解决了对深度信号进行监测,以及对病患的各部位信息进行监测,能够广泛应用。
如图4所示,本发明实施例中的信号采集器在采集到身体状态信号后,对身体状态信号进行初步处理的方法包括:
S201,针对输入信号中的特定信号分量,产生估测信号数值;
S202,根据输入信号与估测信号数值产生信号处理结果;
S203,根据信号处理结果调整估测信号数值,以输出输入信号中的特定信号分量的目标估测信号;
本发明实施例中的估测信号数值的计算公式为:
本发明实施例中的数据监测模块包括数据读取单元、数据筛选单元、异常数据库单元和参数设置单元;
如图5所示,本发明实施例中的数据监测模块对异常数据的筛选方法包括:
S301,通过参数设置单元设置对采集数据进行筛选的数据范围值;
S302,通过数据读取单元与中央控制模块相连接并读取各类经过处理后的身体状态信号;
S303,通过数据筛选单元筛选符合参数设置单元设置的数据范围值的数据,输出对应的统计异常数据;
S304,通过异常数据库与数据筛选单元相连接并用于存储所述数据筛选单元筛选出的数据。
本发明实施例中的通过数据筛选单元筛选符合参数设置单元设置的数据范围值的数据的方法包括:
第一轮筛选,将各类身体状态信号的数据中属于系统性错误的数据筛除,得到第一轮筛选后的身体状态信号数据;
第二轮筛选,将第一轮筛选后的身体状态信号数据中不符合实际身体条件的数据筛除,得到第二轮筛选后的身体状态信号数据;
第三轮筛选,将第二轮筛选后的身体状态信号数据中异常连续的数据筛除,得到第三轮筛选后的身体状态信号数据。
本发明实施例中的放大电路对信号进行放大的方法包括:
接收信号采集器采集的身体状态信号,分别送至线圈支路和参考支路;
在线圈支路中,发射线圈发射电磁信号,接收线圈接收感应到的信号,将接收线圈的输出信号放大;
然后送到中央控制模块处理,其中中央控制模块产生可调放大控制信号,进一步控制可调放大器。
进一步,在线圈支路或者参考支路中的一支路设置移相器,移相器根据移相控制信号对支路信号进行移相。
本发明实施例中的对各个机器的反馈信号进行处理,包括:确定AD转换对象的物理量与对应电压值之间的线性关系;判断当前物理量下测量的电压值是否存在偏差,若存在偏差,控制器自动进行AD转换校准;
所述控制器自动进行AD转换校准,包括:
连接并设置控制器的参数以及测试控制器的运行特性;所述测试控制器的运行特性,包括:使控制器处于速度模式下,使控制器进行控制和校正,保证速度内环性能稳定;将设计的MFAC控制算法在上位PC机上通过cSPACE的Simulink搭建好;运行MFAC控制器中的编译模块;将MFAC算法自动生成DSP代码;通过上位PC机的USB接口将代码下载到数字信号处理器中运行,经过控制器,生成电压输出信号,驱动控制器运行;
编程实现MFAC控制方法:
其中,所述MFAC控制器u(k)部分基于cSPACE的Simulink搭建,λ>0为权重系数,用来限制控制输入量的变化;ρ∈(0,1]是额外加入的步长因子,使算法具有更强的灵活性和一般性;是φ(k)在k时刻的估计值;y*(k+1)为期望的输出信号;u(k),y(k)分别表示系统在k时刻的输入和输出;
所述MFAC控制器u(k)部分基于cSPACE的Simulink搭建,包括:
u(k)经过延时模块得到u(k-1);通过cSPACE中SineWave模块给定正弦位置信号即,y*(k+1);直线电机的输出y(k+1)经光栅检测单元可得到,再经延时模块得到y(k);由cSPACE中的WM-Write2和WM-Write3可直接在线调节MFAC控制律算法中的λ和ρ值;将估计器的输出接入到Subsystem的In端,输出Out得到y(k)以负反馈的形式与期望信号y*(k+1)连接,由此得到y*(k+1)-y(k);将输出介入Product模块中,从而得到将输出和u(k-1)接入到Add模块中,其中Add模块中的Listofsigns设置为(++│);得到MFAC控制器的输出信号u(k);
Δy(k)=y(k)-y(k-1);Δu(k-1)=u(k-1)-u(k-2);
控制器输出u(k),再经D/A转换器将数字信号转化为模拟信号;模拟信号再生成电压输出信号,驱动运行。
本发明实施例中的报警模块包括声光报警器和无线信号传输器,所述声光报警器用于发出声光报警信号,所述无线信号传输器用于将报警信号传递到远程的监控终端。
本发明实施例中的心电信号监测器、肌肉信号监测器、脑信号监测器是通过电极贴片实现对病人的实时信号采集。
本发明实施例中的评估程序使用训练过的深度卷积神经网络对数据进行计算评估,具体包括:
标注身体状态信号数据以建立包含第一评估分值的训练数据集;
通过训练数据集训练深层卷积神经网络,以通过训练减小深层卷积神经网络对应所输入身体状态信号而输出的第二评估分值和所述输入身体状态信号的第一评估分值间的差异。
进一步,所述第一评估分值是根据预设麻醉深度参数对所述身体状态信号进行初步质量评估得到的。
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种麻醉深度监测系统,其特征在于,所述麻醉深度监测系统包括监测器模块、信号处理模块、中央控制模块、显示模块和监测报警模块;
监测器模块,与中央控制模块连接,由脑电信号监测器、心电信号监测器、脉搏信号监测器、呼吸信号监测器、肌肉信号监测器、感知刺激器构成,用于采集病患的实时身体状态信号;
信号处理模块,与中央控制模块连接,包括信号采集器和放大电路,所述信号采集器用于采集监测器采集的身体状态信号,经由放大电路,对信号进行放大,放大后使用小波包去噪对信号进行去噪,小波包去噪会对信号在传输过程中产生的噪声进行处理,且保证信号的完整性;
所述信号采集器在采集到身体状态信号后,对身体状态信号进行初步处理,所述处理方法包括:
针对输入信号中的特定信号分量,产生估测信号数值;
所述估测信号数值的计算公式为:
根据输入信号与估测信号数值产生信号处理结果;
根据信号处理结果调整估测信号数值,以输出输入信号中的特定信号分量的目标估测信号;
中央控制模块,与监测器模块、信号处理模块、显示模块、数据监测模块和监测报警模块连接,包括控制器、A/D转换器以及D/A转换器,用于对各个机器的反馈信号进行处理,以及实现控制信号的传输;
所述对各个机器的反馈信号进行处理,包括:确定AD转换对象的物理量与对应电压值之间的线性关系;判断当前物理量下测量的电压值是否存在偏差,若存在偏差,控制器自动进行AD转换校准;
所述控制器自动进行AD转换校准,包括:
连接并设置控制器的参数以及测试控制器的运行特性;所述测试控制器的运行特性,包括:使控制器处于速度模式下,使控制器进行控制和校正,保证速度内环性能稳定;将设计的MFAC控制算法在上位PC机上通过cSPACE的Simulink搭建好;运行MFAC控制器中的编译模块;将MFAC算法自动生成DSP代码;通过上位PC机的USB接口将代码下载到数字信号处理器中运行,经过控制器,生成电压输出信号,驱动控制器运行;
编程实现MFAC控制方法:
其中,所述MFAC控制器u(k)部分基于cSPACE的Simulink搭建,λ>0为权重系数,用来限制控制输入量的变化;ρ∈(0,1]是额外加入的步长因子,使算法具有更强的灵活性和一般性;是φ(k)在k时刻的估计值;y*(k+1)为期望的输出信号;u(k),y(k)分别表示系统在k时刻的输入和输出;
所述MFAC控制器u(k)部分基于cSPACE的Simulink搭建,包括:
u(k)经过延时模块得到u(k-1);通过cSPACE中Sine Wave模块给定正弦位置信号即,y*(k+1);直线电机的输出y(k+1)经光栅检测单元可得到,再经延时模块得到y(k);由cSPACE中的WM-Write2和WM-Write3可直接在线调节MFAC控制律算法中的λ和ρ值;将估计器的输出接入到Subsystem的In端,输出Out得到y(k)以负反馈的形式与期望信号y*(k+1)连接,由此得到y*(k+1)-y(k);将输出介入Product模块中,从而得到将输出和u(k-1)接入到Add模块中,其中Add模块中的Listofsigns设置为(++│);得到MFAC控制器的输出信号u(k);
Δy(k)=y(k)-y(k-1);Δu(k-1)=u(k-1)-u(k-2);
控制器输出u(k),再经D/A转换器将数字信号转化为模拟信号;模拟信号再生成电压输出信号,驱动运行;
显示模块,与中央控制模块连接,由三块显示屏幕连接构成,左侧显示屏幕用于显示脉搏信号、肌肉信号,中间显示屏幕用于显示脑信号、心电信号、呼吸信号,右侧屏幕用于显示感知刺激信号以及麻醉深度数据;
数据监测模块,与中央控制模块连接,用于对中央控制模块传来的数据进行实时分析,筛选是否存在异常数据;
报警模块,与中央控制模块连接,用于在检测到异常数据时,利用报警器发出报警提醒。
2.如权利要求1所述的麻醉深度监测系统,其特征在于,所述数据监测模块包括数据读取单元、数据筛选单元、异常数据库单元和参数设置单元,所述数据监测模块对异常数据的筛选方法包括:
通过参数设置单元设置对采集数据进行筛选的数据范围值;
通过数据读取单元与中央控制模块相连接并读取各类经过处理后的身体状态信号;
通过数据筛选单元筛选符合参数设置单元设置的数据范围值的数据,输出对应的统计异常数据;
通过异常数据库与数据筛选单元相连接并用于存储所述数据筛选单元筛选出的数据。
3.如权利要求2所述的麻醉深度监测系统,其特征在于,所述通过数据筛选单元筛选符合参数设置单元设置的数据范围值的数据,包括:
第一轮筛选,将各类身体状态信号的数据中属于系统性错误的数据筛除,得到第一轮筛选后的身体状态信号数据;
第二轮筛选,将第一轮筛选后的身体状态信号数据中不符合实际身体条件的数据筛除,得到第二轮筛选后的身体状态信号数据;
第三轮筛选,将第二轮筛选后的身体状态信号数据中异常连续的数据筛除,得到第三轮筛选后的身体状态信号数据。
4.如权利要求1所述的麻醉深度监测系统,其特征在于,所述放大电路对信号进行放大的方法包括:
接收信号采集器采集的身体状态信号,分别送至线圈支路和参考支路;
在线圈支路中,发射线圈发射电磁信号,接收线圈接收感应到的信号,将接收线圈的输出信号放大;
然后送到中央控制模块处理,其中中央控制模块产生可调放大控制信号,进一步控制可调放大器。
5.如权利要求4所述的麻醉深度监测系统,其特征在于,在线圈支路或者参考支路中的一支路设置移相器,移相器根据移相控制信号对支路信号进行移相。
6.如权利要求1所述的麻醉深度监测系统,其特征在于,所述报警模块包括声光报警器和无线信号传输器,所述声光报警器用于发出声光报警信号,所述无线信号传输器用于将报警信号传递到远程的监控终端。
7.如权利要求1所述的麻醉深度监测系统,其特征在于,所述心电信号监测器、肌肉信号监测器、脑信号监测器是通过电极贴片实现对病人的实时信号采集。
8.如权利要求1所述的麻醉深度监测系统,其特征在于,所述麻醉深度监测系统进一步包括:
数据存储模块,与中央控制模块连接,用于通过存储器实现对病患信息的实时存储;
评估模块,与中央控制模块连接,用于通过评估程序向中央控制模块发送索要数据的请求,该请求信息到达交换机,交换机发送至路由器,路由器发送至DNS服务器到达主控器的服务器,服务器接收到索要数据的请求,将所要统计的数据进行封装打包,原路返回至评估模块,对数据进行解码,通过评估程序分析病人当前的麻醉深度。
9.如权利要求8所述的麻醉深度监测系统,其特征在于,所述评估程序使用训练过的深度卷积神经网络对数据进行计算评估,具体包括:
标注身体状态信号数据以建立包含第一评估分值的训练数据集;
通过训练数据集训练深层卷积神经网络,以通过训练减小深层卷积神经网络对应所输入身体状态信号而输出的第二评估分值和所述输入身体状态信号的第一评估分值间的差异。
10.如权利要求9所述的麻醉深度监测系统,其特征在于,所述第一评估分值是根据预设麻醉深度参数对所述身体状态信号进行初步质量评估得到的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110327529.4A CN113100709A (zh) | 2021-03-26 | 2021-03-26 | 一种麻醉深度监测系统及麻醉深度监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110327529.4A CN113100709A (zh) | 2021-03-26 | 2021-03-26 | 一种麻醉深度监测系统及麻醉深度监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113100709A true CN113100709A (zh) | 2021-07-13 |
Family
ID=76712349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110327529.4A Pending CN113100709A (zh) | 2021-03-26 | 2021-03-26 | 一种麻醉深度监测系统及麻醉深度监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113100709A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114366030A (zh) * | 2021-12-31 | 2022-04-19 | 中国科学院苏州生物医学工程技术研究所 | 一种用于麻醉手术的智能辅助系统及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102540221A (zh) * | 2010-10-31 | 2012-07-04 | 联发科技股份有限公司 | 信号处理装置与信号处理方法 |
US20120277548A1 (en) * | 2009-08-14 | 2012-11-01 | David Burton | Anaesthesia and consciousness depth monitoring system |
CN103297048A (zh) * | 2012-03-01 | 2013-09-11 | 深圳市蓝韵实业有限公司 | 自校准的ad转换器及ad转换方法 |
CN106897748A (zh) * | 2017-03-02 | 2017-06-27 | 上海极链网络科技有限公司 | 基于深层卷积神经网络的人脸质量评估方法和系统 |
CN109462356A (zh) * | 2018-12-06 | 2019-03-12 | 北京信息科技大学 | 一种直线电机伺服系统的无模型自适应控制方法 |
CN110141230A (zh) * | 2019-04-24 | 2019-08-20 | 陕西省人民医院 | 一种麻醉深度监测装置及麻醉深度监测方法 |
CN110908985A (zh) * | 2019-11-01 | 2020-03-24 | 苏州热工研究院有限公司 | 一种气象环境自动监测站异常数据智能筛选方法和系统 |
CN111061163A (zh) * | 2019-12-31 | 2020-04-24 | 北京黎明文仪家具有限公司 | 一种基于物联网的家用家具消防控制系统、方法及装置 |
CN111938656A (zh) * | 2020-07-28 | 2020-11-17 | 南京审计大学 | 一种基于膝关节外骨骼的实时行走模式识别方法及系统 |
-
2021
- 2021-03-26 CN CN202110327529.4A patent/CN113100709A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120277548A1 (en) * | 2009-08-14 | 2012-11-01 | David Burton | Anaesthesia and consciousness depth monitoring system |
CN102540221A (zh) * | 2010-10-31 | 2012-07-04 | 联发科技股份有限公司 | 信号处理装置与信号处理方法 |
CN103297048A (zh) * | 2012-03-01 | 2013-09-11 | 深圳市蓝韵实业有限公司 | 自校准的ad转换器及ad转换方法 |
CN106897748A (zh) * | 2017-03-02 | 2017-06-27 | 上海极链网络科技有限公司 | 基于深层卷积神经网络的人脸质量评估方法和系统 |
CN109462356A (zh) * | 2018-12-06 | 2019-03-12 | 北京信息科技大学 | 一种直线电机伺服系统的无模型自适应控制方法 |
CN110141230A (zh) * | 2019-04-24 | 2019-08-20 | 陕西省人民医院 | 一种麻醉深度监测装置及麻醉深度监测方法 |
CN110908985A (zh) * | 2019-11-01 | 2020-03-24 | 苏州热工研究院有限公司 | 一种气象环境自动监测站异常数据智能筛选方法和系统 |
CN111061163A (zh) * | 2019-12-31 | 2020-04-24 | 北京黎明文仪家具有限公司 | 一种基于物联网的家用家具消防控制系统、方法及装置 |
CN111938656A (zh) * | 2020-07-28 | 2020-11-17 | 南京审计大学 | 一种基于膝关节外骨骼的实时行走模式识别方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114366030A (zh) * | 2021-12-31 | 2022-04-19 | 中国科学院苏州生物医学工程技术研究所 | 一种用于麻醉手术的智能辅助系统及方法 |
CN114366030B (zh) * | 2021-12-31 | 2024-04-09 | 中国科学院苏州生物医学工程技术研究所 | 一种用于麻醉手术的智能辅助系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8070677B2 (en) | Method and apparatus for distinguishing between clinically significant changes and artifacts in patient physiological information | |
US4365636A (en) | Method of monitoring patient respiration and predicting apnea therefrom | |
CN103717128B (zh) | 用于选择差动输入引线的方法和设备 | |
US20140350355A1 (en) | Monitoring and managing sleep breathing disorders | |
WO2013070270A1 (en) | Ventricular fibrillation detection | |
EP2688468A1 (en) | Apparatus and method for measuring physiological signal quality | |
JP2008536627A (ja) | 睡眠診断のための確率を指示する睡眠時無呼吸のための複数のセンサ及び警報又は治療を自動的に起動するための手段 | |
KR101111498B1 (ko) | 마취 심도 모니터링 시스템 및 방법 | |
JP2009148372A (ja) | ストレス判定システムおよびストレス改善システム | |
JP2000508191A (ja) | 麻酔深度を測定するための装置 | |
CN113100709A (zh) | 一种麻醉深度监测系统及麻醉深度监测方法 | |
CN107530014A (zh) | 用于测量、显示和准确检测电生理诱发电位的变化的系统、方法以及计算机算法 | |
CN107320095A (zh) | 一种心电监测方法和心电监测设备 | |
CN114176564B (zh) | 基于雷达信号提取呼吸状态的方法 | |
CN106264479A (zh) | 人体体温数据处理方法 | |
Mufarid et al. | Central Monitor Based On Personal Computer Using One Wireless Receiver | |
CN112107293B (zh) | 基于睡眠时呼吸参数的打鼾监测系统 | |
CN113724851A (zh) | 呼吸机智能同步方法及其数据可视化系统 | |
JP2012509732A (ja) | 創傷の診察と治療の方法と創傷の予後の電気マーカをスクリーニングする方法 | |
CN107982615B (zh) | 优化的压力滴定方法及装置 | |
CN113397501A (zh) | 一种基于大数据的肾病检测方法 | |
CN117814760B (zh) | 基于多指标的麻醉深度检测装置及电子设备 | |
CN113749620B (zh) | 一种睡眠呼吸暂停检测方法、系统、设备及存储介质 | |
CN117238434B (zh) | 一种基于预防心内科潜在并发症的护理方法及系统 | |
CN109350006B (zh) | 糖尿病并发症视网膜病变数据检测方法、仪器及医疗设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |