CN113274034A - 一种多采集节点集中式麻醉深度监测系统 - Google Patents
一种多采集节点集中式麻醉深度监测系统 Download PDFInfo
- Publication number
- CN113274034A CN113274034A CN202110557982.4A CN202110557982A CN113274034A CN 113274034 A CN113274034 A CN 113274034A CN 202110557982 A CN202110557982 A CN 202110557982A CN 113274034 A CN113274034 A CN 113274034A
- Authority
- CN
- China
- Prior art keywords
- module
- frequency
- microprocessor
- centralized
- monitoring system
- 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
- A61B5/72—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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Anesthesiology (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种多采集节点集中式麻醉深度监测系统,包括采集处理单元、监控单元和电源管理单元,采集处理单元与监控单元之间实现无线通信,采集处理单元能够将采集处理后的数据无线传输至监控单元,电源管理单元分别与采集处理单元和监控单元实现双向连接,本发明涉及软件识别算法、信号处理和滤波技术领域。该多采集节点集中式麻醉深度监测系统,可实现同时对多个监测病房内的采集设备进行数据采集处理,并且很好的达到了将采集的脑电信号进行多个终端显示监控的目的,扩大了麻醉深度监测系统的使用范围,从而大大方便了医护人员的使用,同时可实现通过高质量采集脑电信号,在信号传输过程中进行抗干扰处理。
Description
技术领域
本发明涉及软件识别算法、信号处理和滤波技术领域,具体为一种多采集节点集中式麻醉深度监测系统。
背景技术
在当下临床实践中,由于临床麻醉状态大都是多种药物综合效应的结果,包括意识消失、遗忘、镇痛、肌松、抑制躯体运动、抑制心血管和内分泌系统对于手术刺激的反应,因此有效地进行麻醉监测至关重要,麻醉深度评估是麻醉领域中最具主观性,也最具争议的一个话题,自从乙醚麻醉在临床应用以来,关于麻醉深度的定义有各种各样的观点,概括起来主要有两种见解:一是全麻药诱导的无意识状态;二是全麻药诱导的无意识状态加上麻醉药对手术创伤反应的抑制状态。目前的主流观点认为:麻醉深度是镇静水平,镇痛水平以及刺激反应程度等指标的综合反映,单一参数难以全面评价麻醉深度,在手术麻醉过程中,镇静、镇痛和肌松为全身麻醉最基本三要素,这三者之间可以相互影响,镇静可以加强镇痛,镇痛也可以加强镇静,两者都会加强肌松作用,反之,肌松在一定程度上也会影响镇静和镇痛的效果。临床上可以根据患者术中的血压、心率、呼吸幅度和节律、肌肉松弛程度等表现进行综合分析和判断。理想的麻醉深度应该是保证患者术中无痛觉和无意识活动,血流动力学稳定,术后苏醒完善且无术中知晓。但是由于麻醉深度的判断受到太多因素的影响,因此,通过多种手段有效的判断麻醉深度在临床工作中十分重要。
随着电子计算机技术的广泛应用,麻醉深度的监测技术有了质的飞跃。早期麻醉深度监测的目的主要是为了防止麻醉药过量造成的危险,现代麻醉深度监测的目的则是有效防止麻醉中潜在的危险血流动力学变化及术中觉醒,消除术中记忆和调控麻醉药的用量,过去常采用单一的参数,使用概念上的麻醉深度监护仪,现在临床医师则更加关注患者的综合情况。
目前非线性动力学方法开始被广泛的应用于脑电信号分析和麻醉深度监测的研究中,利用熵监测麻醉深度的方法就是其中的一种,近似熵是一种度量序列的复杂性和统计量化的规则,对脑电图的时域特征进行分析,其特点是具有较好的抗干扰和抗噪的能力,但是已有的近似熵等复杂性算法由于计算所需序列长度长或计算所需时间长的缺点无法实现实时监测,目前使用基于复杂度的非线性动力学方法对脑电信号进行处理,分别计算脑电信号的格子复杂度、边缘频率和爆发抑制比,并利用决策树算法拟合得到麻醉深度指数。
现有的多采集节点集中式麻醉深度监测系统存在以下两个缺陷:
1)现有的麻醉深度监测系统使用范围较为狭窄,不能同时实现对多个监测病房内的采集设备进行数据采集处理,并且无法达到将采集的脑电信号进行多个终端显示监控的目的,从而给医护人员的使用带来极大的不便。
2)由于脑电信号非常微弱,可能脑电信号处理不准确,导致脑电信号特征发生变异,以及由于外界环境的干扰,均导致采集到的脑电信号采集质量不高,易受干扰,对数据计算产生影响。
3)现有医疗设备通常采用差分方式采集EEG信号,提高抗干扰能力,由于通过电极采集的EEG信号幅值小且EEG频率低,在医疗设备中易被电磁环境干扰,特别是高频高能量信号的干扰,这样对EEG分析处理和应用有很大影响。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种多采集节点集中式麻醉深度监测系统,解决了现有的麻醉深度监测系统使用范围较为狭窄,不能同时实现对多个监测病房内的采集设备进行数据采集处理,并且无法达到将采集的脑电信号进行多个终端显示监控的目的,且现有多采集节点集中式麻醉深度监测系统电信号采集质量不高,易受干扰,对数据计算产生影响,同时由于通过电极采集的EEG信号幅值小且EEG频率低,在医疗设备中易被电磁环境干扰,特别是高频高能量信号的干扰,这样对EEG分析处理和应用有很大影响的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种多采集节点集中式麻醉深度监测系统,包括采集处理单元、中央服务器、监控单元和电源管理单元,所述采集处理单元是由n个采集处理模块组成,且n个采集处理模块通过第一通信网关与中央服务器实现网关协议通信,所述监控单元是由n个监控终端组成,且n个监控终端通过第二通信网关与中央服务器实现网关协议通信,所述电源管理单元分别与采集处理单元、中央服务器和监控单元实现双向电性连接。
所述采集处理单元包括脑电信号采集模块和脑电信号处理模块,所述脑电信号采集模块的输出端与脑电信号处理模块的输入端电性连接。
所述监控单元包括微处理器、数据存储模块、网络接口、USB接口、LCD显示模块和触摸屏模块,所述数据存储模块、网络接口和USB接口均与微处理器实现双向连接,且微处理器的输出端与LCD显示模块的输入端电性连接,所述触摸屏模块的输出端均与微处理器的输入端电性连接。
所述脑电信号采集模块输入差分信号,经过一级放大处理后,再经过二级放大和一个200Hz的低通滤波,再经过三级放大和一个50Hz工频陷波滤波,将脑电信号的高频部分滤掉;经过三级放大后,放大倍数为10000倍,按以下公式进行计算:
其中,fc代表滤波器截止频率,C1代表滤波电容1,C2代表滤波电容2,R1代表滤波电阻1,R2代表滤波电阻2。
优选的,所述电源管理单元包括外接电源模块和内置电池模块。
优选的,系统上电后,电源管理单元判断使用外接电源模块或内置电池模块为系统供电,脑电信号采集模块开始工作,脑电信号采集模块将采集到的脑电信号输出到脑电信号处理模块,在脑电信号处理模块中,将模拟信号转换为数字信号,并运算得出相关参数数据,并输出送到微处理器。
优选的,所述微处理器通过LCD显示模块将参数显示在LCD显示屏上,且微处理器对数据存储模块进行参数数据的读取和存储操作,所述微处理器通过触摸屏模块响应用户的触摸操作。
优选的,所述微处理器通过网络接口进行网络通信,且微处理器通过USB接口对连接的USB设备进行访问。
优选的,脑电波信号经过导联系统采集和传输,进入前置放大器进行放大处理,然后送入低通滤波器中进行滤波,之后送入二级放大器进行第二次放大处理,模拟信号经过二次放大之后,不同频率信号之间的区间扩大,其中δ波信号的频率为0.5-4Hz、θ波信号的频率为4-8Hz、α波信号的频率为8-13Hz、β波信号的频率为13-30Hz,γ波信号的频率>30Hz,最后信号送入微控制器进行模数转换,并且在微控制器内部进行快速傅里叶变换和信号处理系统运算,最终得出镇静/意识指数(IoC1)、镇痛/疼痛指数(IoC2)、爆发抑制比(BS)、肌电指数(EMG)、信号质量(SQI)和电极的阻抗值参数。
优选的,将截止频率设得低,一方面是滤掉高频杂波,另一方面是为了对噪声进行抑制,然后送入单片机AD进行数模转换,AD的范围是0-3.3V,经过单片机定时采样并进行滤波处理后,输入算法模型进行计算。
优选的,所述微处理器采用芯片imx6q,且微处理器集成串口驱动接口功能,所述脑电信号采集模块是采用芯片ADS1299,且脑电信号处理模块是采用基于ARM Cortex-M3内核的微控制器。
(三)有益效果
本发明提供了一种多采集节点集中式麻醉深度监测系统。与现有技术相比具备以下有益效果:
(1)、该多采集节点集中式麻醉深度监测系统,可实现同时对多个监测病房内的采集设备进行数据采集处理,并且很好的达到了将采集的脑电信号进行多个终端显示监控的目的,扩大了麻醉深度监测系统的使用范围,从而大大方便了医护人员的使用。
(2)可实现通过高质量采集脑电信号,在信号传输过程中进行抗干扰处理,并通过基于脑电信号特征的滤波器进行滤波,降低外界干扰对系统的影响,满足脑电信号的高质量需求,从而给微处理系统提供稳定、高质量的脑电信号数据、以及更高的采集精度,减小对于系统计算引起的偏差。
(3)、该多采集节点集中式麻醉深度监测系统,通过利用共模电感抑制共模噪声的特点在差分采集电路中加入共模电感,经过实际检测,设备选用的共模电感和特有的电路原理可以很好的抑制高频高能量的传导骚扰。
附图说明
图1为本发明的系统原理框架图;
图2为本发明采集处理模块的系统原理框架图;
图3为本发明电源管理单元的系统原理框架图;
图4为本发明监控终端的系统原理框架图;
图5为本发明功能框架结构示意图。
图中,1采集处理单元、2中央服务器、3监控单元、4电源管理单元、41外接电源模块、42内置电池模块、5采集处理模块、51脑电信号采集模块、52脑电信号处理模块、6第一通信网关、7监控终端、71微处理器、72数据存储模块、73网络接口、74USB接口、75LCD显示模块、76触摸屏模块、8第二通信网关。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-5,本发明实施例提供一种技术方案:一种多采集节点集中式麻醉深度监测系统,包括采集处理单元1、中央服务器2、监控单元3和电源管理单元4,采集处理单元1是由n个采集处理模块5组成,且n个采集处理模块5通过第一通信网关6与中央服务器2实现网关协议通信,监控单元3是由n个监控终端7组成,且n个监控终端7通过第二通信网关8与中央服务器2实现网关协议通信,电源管理单元4分别与采集处理单元1、中央服务器2和监控单元3实现双向电性连接。
采集处理模块5包括脑电信号采集模块51和脑电信号处理模块52,脑电信号采集模块51的输出端与脑电信号处理模块52的输入端电性连接。
监控终端7包括微处理器71、数据存储模块72、网络接口73、USB接口74、LCD显示模块75和触摸屏模块76,数据存储模块72、网络接口73和USB接口74均与微处理器71实现双向连接,且微处理器71的输出端与LCD显示模块75的输入端电性连接,触摸屏模块76的输出端均与微处理器71的输入端电性连接。
脑电信号采集模块51输入差分信号,经过一级放大处理后,再经过二级放大和一个200Hz的低通滤波,再经过三级放大和一个50Hz工频陷波滤波,将脑电信号的高频部分滤掉;经过三级放大后,放大倍数为10000倍,按以下公式进行计算:
其中,fc代表滤波器截止频率,C1代表滤波电容1,C2代表滤波电容2,R1代表滤波电阻1,R2代表滤波电阻2。
本发明实施例中,电源管理单元4包括外接电源模块41和内置电池模块42。
本发明实施例中,系统上电后,电源管理单元4判断使用外接电源模块41或内置电池模块42为系统供电,脑电信号采集模块51开始工作,脑电信号采集模块51将采集到的脑电信号输出到脑电信号处理模块52,在脑电信号处理模块52中,将模拟信号转换为数字信号,并运算得出相关参数数据,并输出送到微处理器71,微处理器71通过LCD显示模块75将参数显示在LCD显示屏上,且微处理器71对数据存储模块72进行参数数据的读取和存储操作,微处理器71通过触摸屏模块76响应用户的触摸操作,微处理器71通过网络接口73进行网络通信,且微处理器71通过USB接口74对连接的USB设备进行访问。
本发明实施例中,脑电波信号经过导联系统采集和传输,进入前置放大器进行放大处理,然后送入低通滤波器中进行滤波,之后送入二级放大器进行第二次放大处理,模拟信号经过二次放大之后,不同频率信号之间的区间扩大,其中δ波信号的频率为0.5-4Hz、θ波信号的频率为4-8Hz、α波信号的频率为8-13Hz、β波信号的频率为13-30Hz,γ波信号的频率>30Hz,最后信号送入微控制器进行模数转换,并且在微控制器内部进行快速傅里叶变换和信号处理系统运算,最终得出镇静/意识指数(IoC1)、镇痛/疼痛指数(IoC2)、爆发抑制比(BS)、肌电指数(EMG)、信号质量(SQI)和电极的阻抗值参数,快速傅里叶理论操作系统分析原始脑电信号频谱的四个不同频带能量参数,θ波能量比Eθ=ln(E4-8Hz/E0-47Hz),α波能量比Eα=ln(E8-13Hz/E0-47Hz),β波能量比Eβ=1n(E13-30Hz/E0-47Hz),δ波能量比Eδ=ln(E0.5-4Hz/E0-47Hz),模糊模型接入四个同频带能量参数,初步计算镇痛/疼痛指数(IoC2),校正输出系统爆发抑制比BS校正模糊模型的输出Fuzzyoutput,镇痛/疼痛指数(IoC2)的计算公式如下:
镇痛/疼痛指数(IoC2)=max(0,1-BS/30)·Fuzzyoutput+min(1,BS/30)·(41-0.41BS)。
本发明实施例中,将截止频率设得低,一方面是滤掉高频杂波,另一方面是为了对噪声进行抑制,然后送入单片机AD进行数模转换,AD的范围是0-3.3V,经过单片机定时采样并进行滤波处理后,输入算法模型进行计算。
本发明实施例中,微处理器71采用芯片imx6q,且微处理器71集成串口驱动接口功能,所述脑电信号采集模块51是采用芯片ADS1299,且脑电信号处理模块52是采用基于ARMCortex-M3内核的微控制器,集成串口驱动芯片的引脚、封装和功能分别与工业标准兼容,即使工作在高数据速率下,仍然能保持RS-232标准要求的正负5.0V最小发送器输出电压。
本发明实施例中,通过专用脑电传感器将采集的到的脑电信号输入到脑电信号处理系统,脑电信号经过前置放大器进行放大处理,然后送入低通滤波器中进行滤波,之后送入二级放大器进行第二次放大处理,模拟信号经过二次放大之后,不同频率信号之间的区间扩大,国际脑电图标准中对于脑电信号分类中,δ波信号的频率为0.5-4Hz、θ波信号的频率为4-8Hz、α波信号的频率为8-13Hz、β波信号的频率为13-30Hz,γ波信号的频率30-42.5Hz,该信号强度微弱,不足以进行模数转换,需要将信号送入三级放大器进行放大,最后信号送入微控制器进行模数转换,并且在微控制器内部进行快速傅里叶变换和信号处理系统运算,最终得出镇静/意识指数(IoC1)、镇痛/疼痛指数(IoC2)、爆发抑制比(BS)、肌电指数(EMG)、信号质量(SQI)和电极的阻抗值参数。
综上,本发明可实现通过在患者采集端上直接进行数据采集处理,并通过无线数据传输的方式远程传输至控制主机,很好的达到了既灵活方便又减轻现场安装工作量的目的,扩大了脑电监测系统的使用范围,无需在检测现场需要连接布置大量连接线,来实现数据传输,节约资源和安装劳动力,从而大大方便了医护人员的使用,可实现通过高质量采集脑电信号,在信号传输过程中进行抗干扰处理,并通过基于脑电信号特征的滤波器进行滤波,降低外界干扰对系统的影响,满足脑电信号的高质量需求,从而给微处理系统提供稳定、高质量的脑电信号数据、以及更高的采集精度,减小对于系统计算引起的偏差,可通过利用共模电感抑制共模噪声的特点在差分采集电路中加入共模电感,经过实际检测,设备选用的共模电感和特有的电路原理可以很好的抑制高频高能量的传导骚扰。
同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种多采集节点集中式麻醉深度监测系统,其特征在于:包括采集处理单元(1)、中央服务器(2)、监控单元(3)和电源管理单元(4),所述采集处理单元(1)是由n个采集处理模块(5)组成,且n个采集处理模块(5)通过第一通信网关(6)与中央服务器(2)实现网关协议通信,所述监控单元(3)是由n个监控终端(7)组成,且n个监控终端(7)通过第二通信网关(8)与中央服务器(2)实现网关协议通信,所述电源管理单元(4)分别与采集处理单元(1)、中央服务器(2)和监控单元(3)实现双向电性连接;
所述采集处理模块(5)包括脑电信号采集模块(51)和脑电信号处理模块(52),所述脑电信号采集模块(51)的输出端与脑电信号处理模块(52)的输入端电性连接;
所述监控终端(7)包括微处理器(71)、数据存储模块(72)、网络接口(73)、USB接口(74)、LCD显示模块(75)和触摸屏模块(76),所述数据存储模块(72)、网络接口(73)和USB接口(74)均与微处理器(71)实现双向连接,且微处理器(71)的输出端与LCD显示模块(75)的输入端电性连接,所述触摸屏模块(76)的输出端均与微处理器(71)的输入端电性连接;
所述脑电信号采集模块(51)输入差分信号,经过一级放大处理后,再经过二级放大和一个200Hz的低通滤波,再经过三级放大和一个50Hz工频陷波滤波,将脑电信号的高频部分滤掉;经过三级放大后,放大倍数为10000倍,按以下公式进行计算:
其中,fc代表滤波器截止频率,C1代表滤波电容1,C2代表滤波电容2,R1代表滤波电阻1,R2代表滤波电阻2。
2.根据权利要求1所述的一种多采集节点集中式麻醉深度监测系统,其特征在于:所述电源管理单元(4)包括外接电源模块(41)和内置电池模块(42)。
3.根据权利要求2所述的一种多采集节点集中式麻醉深度监测系统,其特征在于:系统上电后,电源管理单元(4)判断使用外接电源模块(41)或内置电池模块(42)为系统供电,脑电信号采集模块(51)开始工作,脑电信号采集模块(51)将采集到的脑电信号输出到脑电信号处理模块(52),在脑电信号处理模块(52)中,将模拟信号转换为数字信号,并运算得出相关参数数据,并输出送到微处理器(71)。
4.根据权利要求1所述的一种多采集节点集中式麻醉深度监测系统,其特征在于:所述微处理器(71)通过LCD显示模块(75)将参数显示在LCD显示屏上,且微处理器(71)对数据存储模块(72)进行参数数据的读取和存储操作,所述微处理器(71)通过触摸屏模块(76)响应用户的触摸操作。
5.根据权利要求1所述的一种多采集节点集中式麻醉深度监测系统,其特征在于:所述微处理器(71)通过网络接口(73)进行网络通信,且微处理器(71)通过USB接口(74)对连接的USB设备进行访问。
6.根据权利要求1所述的一种多采集节点集中式麻醉深度监测系统,其特征在于:脑电波信号经过导联系统采集和传输,进入前置放大器进行放大处理,然后送入低通滤波器中进行滤波,之后送入二级放大器进行第二次放大处理,模拟信号经过二次放大之后,不同频率信号之间的区间扩大,其中δ波信号的频率为0.5-4Hz、θ波信号的频率为4-8Hz、α波信号的频率为8-13Hz、β波信号的频率为13-30Hz,γ波信号的频率>30Hz,最后信号送入微控制器进行模数转换,并且在微控制器内部进行快速傅里叶变换和信号处理系统运算,最终得出镇静/意识指数(IoC1)、镇痛/疼痛指数(IoC2)、爆发抑制比(BS)、肌电指数(EMG)、信号质量(SQI)和电极的阻抗值参数。
7.根据权利要求1所述的一种多采集节点集中式麻醉深度监测系统,其特征在于:将截止频率设得低,一方面是滤掉高频杂波,另一方面是为了对噪声进行抑制,然后送入单片机AD进行数模转换,AD的范围是0-3.3V,经过单片机定时采样并进行滤波处理后,输入算法模型进行计算。
8.根据权利要求1所述的一种多采集节点集中式麻醉深度监测系统,其特征在于:所述微处理器(71)采用芯片imx6q,且微处理器(71)集成串口驱动接口功能,所述脑电信号采集模块(51)是采用芯片ADS1299,且脑电信号处理模块(52)是采用基于ARM Cortex-M3内核的微控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110557982.4A CN113274034A (zh) | 2021-05-21 | 2021-05-21 | 一种多采集节点集中式麻醉深度监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110557982.4A CN113274034A (zh) | 2021-05-21 | 2021-05-21 | 一种多采集节点集中式麻醉深度监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113274034A true CN113274034A (zh) | 2021-08-20 |
Family
ID=77280672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110557982.4A Pending CN113274034A (zh) | 2021-05-21 | 2021-05-21 | 一种多采集节点集中式麻醉深度监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113274034A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101061983A (zh) * | 2006-04-25 | 2007-10-31 | 深圳迈瑞生物医疗电子股份有限公司 | 整合了临床信息系统的监护仪 |
CN103856561A (zh) * | 2014-02-21 | 2014-06-11 | 南京航空航天大学 | 一种远程医疗设备数据通信管理系统及其工作方法 |
CN104188627A (zh) * | 2014-08-27 | 2014-12-10 | 王远志 | 一种信息化麻醉深度监护仪 |
CN204636355U (zh) * | 2015-02-16 | 2015-09-16 | 杭州智视科技有限公司 | 一种无线麻醉深度检测装置 |
CN106730213A (zh) * | 2016-12-15 | 2017-05-31 | 湖北民族学院附属民大医院 | 一种数字化麻醉控制系统 |
CN206576860U (zh) * | 2016-11-22 | 2017-10-24 | 中国医科大学附属盛京医院 | 麻醉深度监测装置 |
CN110058691A (zh) * | 2019-04-18 | 2019-07-26 | 西安交通大学 | 基于嵌入式的可穿戴无线干电极脑电采集处理系统及方法 |
CN110464341A (zh) * | 2019-08-14 | 2019-11-19 | 深圳市格阳医疗科技有限公司 | 一种麻醉深度监测仪用脑电信号监测质量稳定系统 |
-
2021
- 2021-05-21 CN CN202110557982.4A patent/CN113274034A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101061983A (zh) * | 2006-04-25 | 2007-10-31 | 深圳迈瑞生物医疗电子股份有限公司 | 整合了临床信息系统的监护仪 |
CN103856561A (zh) * | 2014-02-21 | 2014-06-11 | 南京航空航天大学 | 一种远程医疗设备数据通信管理系统及其工作方法 |
CN104188627A (zh) * | 2014-08-27 | 2014-12-10 | 王远志 | 一种信息化麻醉深度监护仪 |
CN204636355U (zh) * | 2015-02-16 | 2015-09-16 | 杭州智视科技有限公司 | 一种无线麻醉深度检测装置 |
CN206576860U (zh) * | 2016-11-22 | 2017-10-24 | 中国医科大学附属盛京医院 | 麻醉深度监测装置 |
CN106730213A (zh) * | 2016-12-15 | 2017-05-31 | 湖北民族学院附属民大医院 | 一种数字化麻醉控制系统 |
CN110058691A (zh) * | 2019-04-18 | 2019-07-26 | 西安交通大学 | 基于嵌入式的可穿戴无线干电极脑电采集处理系统及方法 |
CN110464341A (zh) * | 2019-08-14 | 2019-11-19 | 深圳市格阳医疗科技有限公司 | 一种麻醉深度监测仪用脑电信号监测质量稳定系统 |
Non-Patent Citations (2)
Title |
---|
李万峰: "基于最坏情况分析法的多普勒放大器容差分析", 《航空兵器》 * |
薛鹏骞 等: "频分复用有源滤波电路的EWB仿真设计", 《辽宁工程技术大学学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105105714B (zh) | 一种睡眠分期方法及系统 | |
CN103070683B (zh) | 基于生物电阻抗的睡眠呼吸模式识别方法及装置 | |
CN104545888B (zh) | 一种基于动态心电与呼吸波采集的睡眠呼吸暂停采集分析系统 | |
CN103153183A (zh) | 用于诊断阻塞性睡眠呼吸暂停的装置和方法 | |
CN111603138A (zh) | 一种基于毫米波雷达的睡眠呼吸暂停监测系统 | |
CN103908241B (zh) | 睡眠及呼吸检测方法、装置 | |
CN115316957A (zh) | 基于多参数指标的围术期麻醉深度监测系统 | |
CN104274173A (zh) | 一种基于生物阻抗的穿戴式睡眠呼吸状态监测系统 | |
CN216257042U (zh) | 一种多模态麻醉深度评估系统 | |
CN103222864B (zh) | 一种自适应心电检测方法及其监控系统 | |
CN204765621U (zh) | 一种基于动态心电与呼吸波采集的睡眠呼吸暂停采集分析系统 | |
WO2014161457A1 (zh) | 一种用于麻醉的痛觉监护系统及监护方法 | |
CN113729730A (zh) | 一种基于脑电分析技术的麻醉状态监测系统 | |
CN113274034A (zh) | 一种多采集节点集中式麻醉深度监测系统 | |
CN113274035A (zh) | 一种具有无线传输功能的麻醉深度监测系统 | |
CN204671158U (zh) | 基于生物阻抗的睡眠呼吸状态信号采集设备及监测系统 | |
CN113425309A (zh) | 一种麻醉深度监测系统 | |
CN110897623A (zh) | 一种检测生命体征效果好的智能睡眠监测系统 | |
Ginting et al. | Fetal heart detection based wide area network technology with wireless sensor transmission | |
Torres et al. | Low-power system for the acquisition of the respiratory signal of neonates using diaphragmatic electromyography | |
CN215959923U (zh) | 基于脑电分析技术的麻醉状态监测设备 | |
CN110037733A (zh) | 一种便携式程控无线体音监测系统 | |
Jinchuang et al. | Design and implementation of multi-parameter portable biological information measurement system | |
CN204745287U (zh) | 一种基于心率变异性的催眠治疗抑郁症效果评价系统 | |
Mufarid et al. | Central Monitor Based On Personal Computer Using One Wireless Receiver |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210820 |