CN116763323A - 一种麻醉深度监测系统 - Google Patents
一种麻醉深度监测系统 Download PDFInfo
- Publication number
- CN116763323A CN116763323A CN202310875784.1A CN202310875784A CN116763323A CN 116763323 A CN116763323 A CN 116763323A CN 202310875784 A CN202310875784 A CN 202310875784A CN 116763323 A CN116763323 A CN 116763323A
- Authority
- CN
- China
- Prior art keywords
- module
- microprocessor
- frequency
- signals
- electroencephalogram
- 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
- 206010002091 Anaesthesia Diseases 0.000 title claims abstract description 38
- 230000037005 anaesthesia Effects 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000013500 data storage Methods 0.000 claims abstract description 11
- 238000007726 management method Methods 0.000 claims abstract description 11
- 230000003321 amplification Effects 0.000 claims description 23
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 23
- 210000004556 brain Anatomy 0.000 claims description 19
- 230000036407 pain Effects 0.000 claims description 12
- 230000036592 analgesia Effects 0.000 claims description 11
- 206010039897 Sedation Diseases 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000036280 sedation Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 12
- 230000008569 process Effects 0.000 abstract description 6
- 230000008054 signal transmission Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 5
- 206010021118 Hypotonia Diseases 0.000 description 4
- 208000003443 Unconsciousness Diseases 0.000 description 4
- 230000036640 muscle relaxation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000002695 general anesthesia Methods 0.000 description 3
- 230000005764 inhibitory process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 230000003444 anaesthetic effect Effects 0.000 description 2
- 230000000202 analgesic effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000004 hemodynamic effect Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 230000037007 arousal Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 210000000750 endocrine system Anatomy 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000008733 trauma Effects 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
- A61B5/30—Input circuits therefor
- A61B5/307—Input circuits therefor specially adapted for particular uses
- A61B5/31—Input circuits therefor specially adapted for particular uses for 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]
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Power Engineering (AREA)
- Psychology (AREA)
- Anesthesiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供了一种麻醉深度监测系统，包括微处理器、脑电信号采集模块、脑电信号处理模块、数据存储模块、电源管理模块、外接电源模块、内置电池模块、网络接口、USB接口、LCD显示模块和触摸屏模块，本发明涉及软件识别算法、信号处理和滤波技术领域。该麻醉深度监测系统，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，可实现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。
Description
本申请是名为《一种麻醉深度监测系统》的专利申请的分案申请，原申请的申请日为2021年05月21日，申请号为202110559528.2。
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，特别是涉及一种麻醉深度监测系统。
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。
现有的麻醉深度监测系统存在以下两个缺陷：
1)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。
2)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
为了克服现有技术的不足，本发明的目的是提供一种麻醉深度监测系统，解决了现有的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。
为实现上述目的，本发明提供了如下方案：
一种麻醉深度监测系统，包括微处理器(1)、脑电信号采集模块(2)、脑电信号处理模块(3)、数据存储模块(4)、电源管理模块(5)、外接电源模块(6)、内置电池模块(7)、网络接口(8)、USB接口(9)、LCD显示模块(10)和触摸屏模块(11)，所述脑电信号采集模块(2)的输出端与和脑电信号处理模块(3)的输入端电性连接，且脑电信号处理模块(3)的输出端与微处理器(1)的输入端电性连接，所述数据存储模块(4)、电源管理模块(5)、外接电源模块(6)、内置电池模块(7)、网络接口(8)和USB接口(9)均与微处理器(1)实现双向连接，且微处理器(1)的输出端与LCD显示模块(10)的输入端电性连接，所述触摸屏模块(11)的输出端与微处理器(1)的输入端电性连接；
所述脑电信号采集模块(2)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；
系统上电后，电源管理模块(5)判断使用外接电源模块(6)或内置电池模块(7)为系统供电，脑电信号采集模块(2)开始工作，脑电信号采集模块(2)将采集到的脑电信号输出到脑电信号处理模块(3)，在脑电信号处理模块(3)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(1)；
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；
镇痛/疼痛指数(IoC2)的计算公式为：
(IoC2)＝max(0，1-BS/30)·Fuzzyoutput+min(1，BS/30)·(41-0.41BS)。
优选地，所述微处理器(1)通过LCD显示模块(10)将参数显示在LCD显示屏上，且微处理器(1)对数据存储模块(4)进行参数数据的读取和存储操作，所述微处理器(1)通过触摸屏模块(11)响应用户的触摸操作。
优选地，所述微处理器(1)通过网络接口(8)进行网络通信，且微处理器(1)通过USB接口(9)对连接的USB设备进行访问。
优选地，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。
优选地，所述微处理器(1)采用芯片imx6q，且微处理器(1)集成串口驱动接口功能，所述脑电信号采集模块(2)是采用芯片ADS1299，且脑电信号处理模块(3)是采用基于ARM Cortex-M3内核的微控制器。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种麻醉深度监测系统。与现有技术相比具备以下有益效果：
(1)、该麻醉深度监测系统，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。
(2)、该麻醉深度监测系统，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
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明电路系统框架图；
图2为本发明EEG信号处理流程示意图；
图3为本发明功能框架结构示意图。
图中，1微处理器、2脑电信号采集模块、3脑电信号处理模块、4数据存储模块、5电源管理模块、6外接电源模块、7内置电池模块、8网络接口、9USB接口、10LCD显示模块、11触摸屏模块。
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。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤、过程、方法等没有限定于已列出的步骤，而是可选地还包括没有列出的步骤，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤元。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
请参阅图1-3，本发明实施例提供一种技术方案：一种麻醉深度监测系统，包括微处理器1、脑电信号采集模块2、脑电信号处理模块3、数据存储模块4、电源管理模块5、外接电源模块6、内置电池模块7、网络接口8、USB接口9、LCD显示模块10和触摸屏模块11，脑电信号采集模块2的输出端与和脑电信号处理模块3的输入端电性连接，且脑电信号处理模块3的输出端与微处理器1的输入端电性连接，数据存储模块4、电源管理模块5、外接电源模块6、内置电池模块7、网络接口8和USB接口9均与微处理器1实现双向连接，且微处理器1的输出端与LCD显示模块10的输入端电性连接，触摸屏模块11的输出端与微处理器1的输入端电性连接。
本发明实施例中，脑电信号采集模块2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，系统上电后，电源管理模块5判断使用外接电源模块6或内置电池模块7为系统供电，脑电信号采集模块2开始工作，脑电信号采集模块2将采集到的脑电信号输出到脑电信号处理模块3，在脑电信号处理模块3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1，微处理器1通过LCD显示模块10将参数显示在LCD显示屏上，且微处理器1对数据存储模块4进行参数数据的读取和存储操作，微处理器1通过触摸屏模块11响应用户的触摸操作，微处理器1通过网络接口8进行网络通信，且微处理器1通过USB接口9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，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，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1采用芯片imx6q，且微处理器1集成串口驱动接口功能，脑电信号采集模块2是采用芯片ADS1299，且脑电信号处理模块3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。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (5)
1.一种麻醉深度监测系统，其特征在于：包括微处理器(1)、脑电信号采集模块(2)、脑电信号处理模块(3)、数据存储模块(4)、电源管理模块(5)、外接电源模块(6)、内置电池模块(7)、网络接口(8)、USB接口(9)、LCD显示模块(10)和触摸屏模块(11)，所述脑电信号采集模块(2)的输出端与和脑电信号处理模块(3)的输入端电性连接，且脑电信号处理模块(3)的输出端与微处理器(1)的输入端电性连接，所述数据存储模块(4)、电源管理模块(5)、外接电源模块(6)、内置电池模块(7)、网络接口(8)和USB接口(9)均与微处理器(1)实现双向连接，且微处理器(1)的输出端与LCD显示模块(10)的输入端电性连接，所述触摸屏模块(11)的输出端与微处理器(1)的输入端电性连接；
所述脑电信号采集模块(2)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；
系统上电后，电源管理模块(5)判断使用外接电源模块(6)或内置电池模块(7)为系统供电，脑电信号采集模块(2)开始工作，脑电信号采集模块(2)将采集到的脑电信号输出到脑电信号处理模块(3)，在脑电信号处理模块(3)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(1)；
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；
镇痛/疼痛指数(IoC2)的计算公式为：
(IoC2)＝max(0，1-BS/30)·Fuzzyoutput+min(1，BS/30)·(41-0.41BS)。
2.根据权利要求1所述的一种麻醉深度监测系统，其特征在于：所述微处理器(1)通过LCD显示模块(10)将参数显示在LCD显示屏上，且微处理器(1)对数据存储模块(4)进行参数数据的读取和存储操作，所述微处理器(1)通过触摸屏模块(11)响应用户的触摸操作。
3.根据权利要求1所述的一种麻醉深度监测系统，其特征在于：所述微处理器(1)通过网络接口(8)进行网络通信，且微处理器(1)通过USB接口(9)对连接的USB设备进行访问。
4.根据权利要求1所述的一种麻醉深度监测系统，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。
5.根据权利要求1所述的一种麻醉深度监测系统，其特征在于：所述微处理器(1)采用芯片imx6q，且微处理器(1)集成串口驱动接口功能，所述脑电信号采集模块(2)是采用芯片ADS1299，且脑电信号处理模块(3)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 |
|---|---|---|---|
| CN202310875784.1A CN116763323A (zh) | 2021-05-21 | 2021-05-21 | 一种麻醉深度监测系统 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110559528.2A CN113425309A (zh) | 2021-05-21 | 2021-05-21 | 一种麻醉深度监测系统 |
| CN202310875784.1A CN116763323A (zh) | 2021-05-21 | 2021-05-21 | 一种麻醉深度监测系统 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110559528.2A Division CN113425309A (zh) | 2021-05-21 | 2021-05-21 | 一种麻醉深度监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116763323A true CN116763323A (zh) | 2023-09-19 |
Family
ID=77802766
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110559528.2A Pending CN113425309A (zh) | 2021-05-21 | 2021-05-21 | 一种麻醉深度监测系统 |
| CN202310875784.1A Pending CN116763323A (zh) | 2021-05-21 | 2021-05-21 | 一种麻醉深度监测系统 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110559528.2A Pending CN113425309A (zh) | 2021-05-21 | 2021-05-21 | 一种麻醉深度监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN113425309A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117838064A (zh) * | 2024-03-05 | 2024-04-09 | 江西杰联医疗设备有限公司 | 麻醉监测装置 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114903437B (zh) * | 2022-04-28 | 2024-10-15 | 浙江海圣医疗器械股份有限公司 | 一种基于电刺激诱导的全麻镇痛监测系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104188627A (zh) * | 2014-08-27 | 2014-12-10 | 王远志 | 一种信息化麻醉深度监护仪 |
| CN205754239U (zh) * | 2016-05-24 | 2016-11-30 | 深圳市赛盛技术股份有限公司 | 一种解决usb设备干扰无线设备的电路 |
| CN106487341A (zh) * | 2016-11-11 | 2017-03-08 | 珠海国勘仪器有限公司 | 一种高抗干扰前置放大器 |
| 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 |
| CN108451527A (zh) * | 2017-02-20 | 2018-08-28 | 中国科学技术大学 | 一种对不同麻醉状态下脑电信号分类系统 |
| CN208092582U (zh) * | 2018-04-24 | 2018-11-13 | 无锡市艾克特电气股份有限公司 | 一种旋转变压器的信号处理电路 |
| 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 |
| CN111991664A (zh) * | 2020-09-04 | 2020-11-27 | 深圳市威浩康医疗器械有限公司 | 麻醉智能辅助控制系统运行方法、电子装置及存储介质 |
-
2021
- 2021-05-21 CN CN202110559528.2A patent/CN113425309A/zh active Pending
- 2021-05-21 CN CN202310875784.1A patent/CN116763323A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117838064A (zh) * | 2024-03-05 | 2024-04-09 | 江西杰联医疗设备有限公司 | 麻醉监测装置 |
| CN117838064B (zh) * | 2024-03-05 | 2024-05-24 | 江西杰联医疗设备有限公司 | 麻醉监测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113425309A (zh) | 2021-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105105714B (zh) | 一种睡眠分期方法及系统 | |
| CN104173043B (zh) | 一种适合于移动平台的心电数据分析方法 | |
| US20090247835A1 (en) | Method and a device for adapting eeg measurement signals | |
| CN116763323A (zh) | 一种麻醉深度监测系统 | |
| 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 | |
| CN115316957A (zh) | 基于多参数指标的围术期麻醉深度监测系统 | |
| WO2021121235A1 (zh) | 基于人体多模信号的睡眠监测调控方法及装置 | |
| CN104188683A (zh) | 一种可显示、储存与传输心电信号的多功能智慧听诊器 | |
| CN104274173A (zh) | 一种基于生物阻抗的穿戴式睡眠呼吸状态监测系统 | |
| Yi et al. | Derivation of respiration from ECG measured without subject's awareness using wavelet transform | |
| Liu et al. | Flexible non-contact electrodes for bioelectrical signal monitoring | |
| CN216257042U (zh) | 一种多模态麻醉深度评估系统 | |
| CN116965774A (zh) | 一种术中麻醉状态监测设备 | |
| WO2014161457A1 (zh) | 一种用于麻醉的痛觉监护系统及监护方法 | |
| CN116982937A (zh) | 一种基于深度学习的围术期麻醉深度监测系统 | |
| CN103222864B (zh) | 一种自适应心电检测方法及其监控系统 | |
| TWI491380B (zh) | Focus analysis method | |
| CN203898304U (zh) | 一种监护仪的心电信号放大电路 | |
| CN106362282A (zh) | 一种治疗中枢性睡眠呼吸暂停症的方法和装置 | |
| CN105877733A (zh) | 一种全科医生用的生物电测量仪 | |
| Torres et al. | Low-power system for the acquisition of the respiratory signal of neonates using diaphragmatic electromyography | |
| 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 | |
| CN204246125U (zh) | 一种心电工作站 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20230919 |