RU95243U1 - Устройство для контроля уровня анестезии - Google Patents

Устройство для контроля уровня анестезии Download PDF

Info

Publication number
RU95243U1
RU95243U1 RU2010105936/22U RU2010105936U RU95243U1 RU 95243 U1 RU95243 U1 RU 95243U1 RU 2010105936/22 U RU2010105936/22 U RU 2010105936/22U RU 2010105936 U RU2010105936 U RU 2010105936U RU 95243 U1 RU95243 U1 RU 95243U1
Authority
RU
Russia
Prior art keywords
anesthesia
adder
processor
pairs
main processor
Prior art date
Application number
RU2010105936/22U
Other languages
English (en)
Inventor
Александр Николаевич Калиниченко
Александр Вячеславович Князев
Константин Михайлович Лебединский
Николай Александрович Магазинер
Людмила Алексеевна Манило
Константин Михайлович Матус
Анатолий Павлович Немирко
Армен Дзоникович Шекоян
Original Assignee
Российская Федерация, от имени которой выступает Федеральное Агентство по науке и инновациям
Закрытое акционерное общество "Завод "Электромедоборудование"
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Российская Федерация, от имени которой выступает Федеральное Агентство по науке и инновациям, Закрытое акционерное общество "Завод "Электромедоборудование" filed Critical Российская Федерация, от имени которой выступает Федеральное Агентство по науке и инновациям
Priority to RU2010105936/22U priority Critical patent/RU95243U1/ru
Application granted granted Critical
Publication of RU95243U1 publication Critical patent/RU95243U1/ru

Links

Landscapes

  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

Устройство для контроля уровня анестезии, содержащее датчики для снятия ЭЭГ сигналов, последовательное соединение блока защиты от перегрузок, усилителя, полосового фильтра, аналого-цифрового преобразователя, входного процессора и основного процессора, в состав которого входят буферные регистры, сумматор и блок вычисления, отличающееся тем, что в состав основного процессора введено последовательное соединение пар фильтр-дециматор с буферным регистром, при этом каждая из пар также соединена с соответствующим буферным регистром, выходы каждого из которых соединены с соответствующим полосовым анализатором спектральной плотности мощности, каждый из которых соединен с сумматором, соединенным с блоком вычисления.

Description

Полезная модель относится к медицинской технике, а именно к приборам диагностики и контроля состояния человека, в основе которых лежит анализ электроэнцефалографического (ЭЭГ) сигнала.
Известно, что высокий уровень активности мозга проявляется десинхронизацией в суммарной электрической активности. Снижение уровня функциональной активности, наоборот, сопровождается синхронизированной работой популяций нейронов и отражается на ЭЭГ регулярными высокоамплитудными, но медленными колебаниями. Это состояние соответствует меньшей информационной содержательности процессов головного мозга, что, в частности, характерно для состояния глубокого наркоза.
В статье J.Bruhn «Approximate Entropy as an electroencephalographic Measure of Anesthetic Drug Effect during Desflurane Anesthesia» (Anesthesiology, 2000; 92; p.715-726) изложена методика контроля уровня анестезии с использованием вычисления энтропии сигнала ЭЭГ. Методика основана на вычислении аппроксимированной энтропии или энтропии Шеннона. Контроль уровня анестезии по величине энтропии сигнала значительно более надежен по сравнению с часто используемыми методиками контроля, основанными, например, на анализе данных о газовом составе дыхательной смеси на вдохе и выдохе (А.С. №1678389 «Система управления анестезией»), но для его реализации необходимо использовать мощный процессор, так как вычисление энтропии по огромному количеству данных должно проводиться во время операции в реальном масштабе времени.
Наиболее близким к предлагаемому устройству по совокупности существенных признаков является устройство для контроля уровня анестезии (Патент №5320109, US).
В состав известного устройства входят датчики для снятия сигналов ЭЭГ, последовательное соединение блока защиты от перегрузок, усилителя, полосового фильтра, аналого-цифрового преобразователя, входного процессора и основного процессора, в состав которого входят буферные регистры, соединенные с сумматором и блок вычисления.
Контроль уровня анестезии производится на основе обработки биспектра сигналов ЭЭГ. Т.е. методика, которая лежит в основе работы известного устройства, предусматривает большой объем вычислений для получения требуемой информации в реальном масштабе времени. Эту обработку можно проводить только с использованием мощного процессора.
Задачей, решаемой полезной моделью, является создание такого устройства для контроля глубины анестезии, которое позволит использовать менее мощный процессор.
Поставленная задача решается за счет того, что предлагаемая полезная модель содержит, как и известное устройство, датчики для снятия ЭЭГ сигналов, последовательное соединение блока защиты от перегрузок, усилителя, полосового фильтра, аналого-цифрового преобразователя, входного процессора и основного процессора, в состав которого входят буферные регистры, сумматор и блок вычисления. Но, в отличие от известного, в предлагаемом устройстве в состав основного процессора введено последовательное соединение пар фильтр-дециматор с буферным регистром, при этом каждая из пар также соединена с соответствующим буферным регистром, выходы каждого из которых соединены с соответствующим полосовым анализатором спектральной плотности мощности, каждый из которых соединен с сумматором, соединенным с блоком вычисления.
Достигаемым техническим результатом является возможность отказаться от использования мощного процессора и использовать менее мощный.
Технический результат достигается за счет использования для оценки глубины анестезии энтропийного индикатора, а именно параметра спектральной энтропии, важным преимуществом которой является то, что вклад в энтропию составляющих, лежащих в любом заданном диапазоне частот, может быть выделен отдельно. Таким образом, объем вычислений значительно сокращается.
Полезная модель иллюстрируется чертежами, где
на фиг.1 приведена схема предлагаемого устройства;
на фиг.2 приведен пример разбиения анализируемого фрагмента на участки различной длительности с разными поддиапазонами частот;
на фиг.3 приведена таблица значений параметров для вычисления энтропийного индикатора Н, включающая разные частоты диапазонов, временные окна и частоты дискретизации.
На фиг.4 и 5 приведены графики спектральной плотности мощности, характерные для состояния глубокого наркоза и бодрствования для одного и того же пациента.
Устройство для контроля уровня анестезии (фиг.1) содержит датчики 1 для снятия ЭЭГ сигналов. Они устанавливаются на доступный участок головы пациента. Датчики соединены с блоком 2 защиты от перегрузок, последовательно с которым соединены усилитель 3, полосовой фильтр 4, аналого-цифровой преобразователь 5, входной процессор 6 и основной процессор 7. В состав основного процессора входит последовательное соединение нескольких пар полосовой фильтр-дециматор 8 с буферным регистром 9, при этом каждая из пар также соединена с соответствующим буферным регистром, выходы каждого из которых соединены с соответствующим полосовым анализатором спектральной плотности мощности 10, которые соединены через сумматор 11, с блоком 12 вычисления.
Исходным описанием сигнала для расчета спектральной энтропии является спектр сигнала, который может быть получен с использованием дискретного преобразования Фурье:
где x(ti) - выборка отсчетов сигнала, полученных на этапе его дискретизации в моменты времени ti, a X(fi) - комплексные компоненты преобразования, полученные для последовательности частот fi.
Спектральная энтропия в некотором диапазоне частот [f1, f2] для заданной эпохи сигнала может быть вычислена при помощи следующей последовательности шагов. Путем возведения в квадрат амплитуды каждого из элементов X(fi) преобразования Фурье от сигнала x(ti) рассчитывается
спектр мощности P(fi):
где X*(fi) представляет собой комплексно сопряженное значение компоненты разложения Фурье X(fi).
Далее спектр мощности нормализуется путем использования такой константы нормализации Сn, что сумма нормализованного спектра мощности в пределах заданного диапазона частот [f1, f2] становится равной единице:
Спектральная энтропия, соответствующая диапазону частот [f1,f2], рассчитывается как сумма:
После этого значение энтропии нормализуется таким образом, чтобы ранжировать ее значение в пределах от 1 (максимальная нерегулярность) до 0 (полная регулярность). Это значение делится на коэффициент log(N[f1, f2]), где N[f1, f2] равно общему числу частотных компонент в диапазоне [f1, f2]:
Для обеспечения оптимального соотношения между разрешением по времени и по частоте, в энтропийном алгоритме используется набор длительностей окон, выбранных таким образом, что каждая частотная компонента вычисляется с использованием оптимального временного окна. При использовании такого подхода информация получается настолько быстро, насколько это возможно. Временные окна различной длины обеспечивают оптимальный баланс между временем и частотой.
Затем вычисляется энтропийный индикатор,
где S[Rlow] и S[Rlow+high] - соответственно значения энтропии для двух диапазонов частот, a N[Rlow] и N[Rlow+high] - количества частот в этих диапазонах. Множитель 100 служит для преобразования значений к шкале целых чисел.
Предлагаемое устройство реализует получение данных, необходимых для определение уровня глубины анестезии.
ЭЭГ сигнал с датчиков поступает на вход блока 1 защиты, предназначенного для предохранения устройства от помехи от электроножа и коагулятора. Это мощные высокочастотные (десятки килогерц) помехи, амплитуда которых может составлять десятки милливольт. Далее усиленный сигнал через полосовой фильтр 4 поступает на АЦП 5, а затем на входной процессор 6, где происходит предварительная обработка цифрового сигнала - частичное устранение помех (например, сетевая наводка, дрейф нулевой линии и высокочастотные компоненты миографического шума) путем предварительной цифровой фильтрации ЭЭГ.
Остальные помехи не поддаются устранению. Поэтому после подавления указанных помех выполняется анализ остаточных помех. Помехой считается либо любое превышение модулем сигнала определенного уровня (100 мкВ), либо выход модулей значений сигнала за меньший по сравнению с предыдущим уровень (50 мкВ) на протяжении выбранного промежутка времени (более чем 20 мс) подряд. Анализ помех осуществляется в перекрывающихся окнах (продолжительностью 1 с с шагом 0,5 с). Если в каком-либо окне обнаружена хотя бы одна помеха, оно все считается зашумленным. Отсчеты сигнала на выявленных зашумленных участках заменяются нулями. Это позволяет избежать потери непрерывности сигнала и в то же время (при условии, что доля заполненных нулями участков в текущем анализируемом фрагменте не превышает половины всей длительности этого фрагмента) не оказывает существенного влияния на спектр, анализ которого лежит в основе алгоритма спектральной энтропии.
С целью обеспечения выполнения условий теоремы отсчетов далее выполняется сглаживание сигнала с помощью фильтра нижних частот первой пары фильтр-дециматор 8, которая содержится в основном процессоре 7. При указанных выше числовых значениях частота среза фильтра равна 70 Гц. В каждой последующей паре фильтр-дециматор сигнал прореживается в два раза. Объем памяти буферных регистров 9 различен и соответствует разным по величине временным окнам - меньшее временное окно соответствует большей частоте. Фиг.2 иллюстрирует разбиение анализируемого фрагмента на участки различной длительности с разными частотными поддиапазонами.
В каждом полосовом анализаторе спектральной плотности мощности происходит вычисление спектральных компонентов, относящихся к разным поддиапазонам частот (фиг.3), а просуммированный в блоке 11 результирующий спектр вычисляется в блоке 12. На фиг.4 и 5 приведены графики, соответствующие фрагментам ЭЭГ сигналов одного и того же пациента в состоянии глубокого наркоза и бодрствования. По данным графикам видно, что для состояния глубокого наркоза (фиг.4) характерно наличие мощной компоненты на одной частоте, а спектр для состояния бодрствования (фиг.5) соответствует более случайному сигналу, а также содержит значительную долю высокочастотных компонентов. Окончательные значения показателя Н вычисляются с использованием шкалирования с помощью нелинейной функции, позволяющей расширить диапазон наиболее информативных значений данных показателей. Путем задания контрольных точек было эмпирически выведено следующее выражение:
H=2400/(120-H0)
где Н и Н0 - значения соответствующих показателей до и после процедуры шкалирования.
Описание устройства и его работы показывает возможность реализации предложенного устройства, а также доказывает, что использование нового энтропийного индикатора для определения глубины наркоза позволяет уменьшить объем вычислений. При этом отпадает необходимость использования мощного процессора. Для реализации устройства, основанного на вычислении биспектра, который был выбран в качестве прототипа, необходим процессор, близкий по параметрам к процессору АТ32АР7000 (32 бит, 133 МГц, команды DSP), а для реализации предлагаемого устройства можно воспользоваться маломощным процессором ATmega128-16A (8 бит, 16 МГц, обычный набор команд).

Claims (1)

  1. Устройство для контроля уровня анестезии, содержащее датчики для снятия ЭЭГ сигналов, последовательное соединение блока защиты от перегрузок, усилителя, полосового фильтра, аналого-цифрового преобразователя, входного процессора и основного процессора, в состав которого входят буферные регистры, сумматор и блок вычисления, отличающееся тем, что в состав основного процессора введено последовательное соединение пар фильтр-дециматор с буферным регистром, при этом каждая из пар также соединена с соответствующим буферным регистром, выходы каждого из которых соединены с соответствующим полосовым анализатором спектральной плотности мощности, каждый из которых соединен с сумматором, соединенным с блоком вычисления.
    Figure 00000001
RU2010105936/22U 2010-02-12 2010-02-12 Устройство для контроля уровня анестезии RU95243U1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2010105936/22U RU95243U1 (ru) 2010-02-12 2010-02-12 Устройство для контроля уровня анестезии

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2010105936/22U RU95243U1 (ru) 2010-02-12 2010-02-12 Устройство для контроля уровня анестезии

Publications (1)

Publication Number Publication Date
RU95243U1 true RU95243U1 (ru) 2010-06-27

Family

ID=42683899

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2010105936/22U RU95243U1 (ru) 2010-02-12 2010-02-12 Устройство для контроля уровня анестезии

Country Status (1)

Country Link
RU (1) RU95243U1 (ru)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012154701A1 (en) * 2011-05-06 2012-11-15 The General Hospital Corporation System and method for tracking brain states during administration of anesthesia
RU2636901C1 (ru) * 2016-05-31 2017-11-28 Федеральное государственное бюджетное образовательное учреждение высшего образования "Кубанский государственный медицинский университет" Министерства здравоохранения Российской Федерации (ФГБОУ ВО КубГМУ Минздрава России) Способ прогнозирования и коррекции ожидаемого болевого синдрома после проведения обширных абдоминальных операций на нижнем этаже брюшной полости
US10299720B2 (en) 2010-09-01 2019-05-28 The General Hospital Corporation Reversal of general anesthesia by administration of methylphenidate, amphetamine, modafinil, amantadine, and/or caffeine
US10314503B2 (en) 2013-06-27 2019-06-11 The General Hospital Corporation Systems and methods for tracking non-stationary spectral structure and dynamics in physiological data
US10383574B2 (en) 2013-06-28 2019-08-20 The General Hospital Corporation Systems and methods to infer brain state during burst suppression
US10602978B2 (en) 2013-09-13 2020-03-31 The General Hospital Corporation Systems and methods for improved brain monitoring during general anesthesia and sedation
US10786168B2 (en) 2016-11-29 2020-09-29 The General Hospital Corporation Systems and methods for analyzing electrophysiological data from patients undergoing medical treatments
US11786132B2 (en) 2011-05-06 2023-10-17 The General Hospital Corporation Systems and methods for predicting arousal to consciousness during general anesthesia and sedation

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10299720B2 (en) 2010-09-01 2019-05-28 The General Hospital Corporation Reversal of general anesthesia by administration of methylphenidate, amphetamine, modafinil, amantadine, and/or caffeine
US11553876B2 (en) 2010-09-01 2023-01-17 The General Hospital Corporation Reversal of general anesthesia by administration of methylphenidate, amphetamine, modafinil, amantadine, and/or caffeine
WO2012154701A1 (en) * 2011-05-06 2012-11-15 The General Hospital Corporation System and method for tracking brain states during administration of anesthesia
US11751770B2 (en) 2011-05-06 2023-09-12 The General Hospital Corporation System and method for tracking brain states during administration of anesthesia
US11786132B2 (en) 2011-05-06 2023-10-17 The General Hospital Corporation Systems and methods for predicting arousal to consciousness during general anesthesia and sedation
US10314503B2 (en) 2013-06-27 2019-06-11 The General Hospital Corporation Systems and methods for tracking non-stationary spectral structure and dynamics in physiological data
US10383574B2 (en) 2013-06-28 2019-08-20 The General Hospital Corporation Systems and methods to infer brain state during burst suppression
US10602978B2 (en) 2013-09-13 2020-03-31 The General Hospital Corporation Systems and methods for improved brain monitoring during general anesthesia and sedation
RU2636901C1 (ru) * 2016-05-31 2017-11-28 Федеральное государственное бюджетное образовательное учреждение высшего образования "Кубанский государственный медицинский университет" Министерства здравоохранения Российской Федерации (ФГБОУ ВО КубГМУ Минздрава России) Способ прогнозирования и коррекции ожидаемого болевого синдрома после проведения обширных абдоминальных операций на нижнем этаже брюшной полости
US10786168B2 (en) 2016-11-29 2020-09-29 The General Hospital Corporation Systems and methods for analyzing electrophysiological data from patients undergoing medical treatments

Similar Documents

Publication Publication Date Title
RU95243U1 (ru) Устройство для контроля уровня анестезии
KR101400362B1 (ko) 마취 심도 측정 방법 및 장치
Suppappola et al. Nonlinear transforms of ECG signals for digital QRS detection: a quantitative analysis
CN101259015B (zh) 一种脑电信号分析监测方法及其装置
Nayak et al. Filtering techniques for ECG signal processing
Parák et al. ECG signal processing and heart rate frequency detection methods
WO2014126405A1 (ko) 캡스트럼 기법을 이용한 마취 심도 측정 방법 및 장치
WO2014205396A1 (en) Systems and methods for estimating changes in inhalation-exhalation ratios using frequency harmonics
US11253204B2 (en) Method for assessing electrocardiogram signal quality
Jha et al. Tunable Q-wavelet based ECG data compression with validation using cardiac arrhythmia patterns
RU2262294C2 (ru) Мониторинг слуховых вызванных потенциалов
KR101248118B1 (ko) 뇌파의 뇌활성도 및 마취심도 분석장치 및 분석방법
TW201225912A (en) Method for measuring physiological parameters
Wang et al. Eeg-based real-time drowsiness detection using hilbert-huang transform
Wang et al. Design of ECG signal acquisition system based on DSP
Arif et al. Design of EEG data acquisition system based on Raspberry Pi 3 for acute ischemic stroke identification
Dhas et al. Dual phase dependent RLS filtering approach for baseline wander removal in ECG signal acquisition
Li et al. Baseline wander removal for ECG signals based on improved EMD
Lamarque et al. A new concept of virtual patient for real-time ECG analyzers
Zhang et al. EEG feature extraction and analysis under drowsy state based on energy and sample entropy
CN115017996B (zh) 一种基于多生理参数的脑力负荷预测方法和系统
CN107280650B (zh) 生命体特征参数获取方法及装置
Escalona et al. Real-time system for high-resolution ECG diagnosis based on 3D late potential fractal dimension estimation
Zhang et al. Design of a real-time ECG filter for resource constraint computer
Rooijakkers et al. Critical analysis of electrohysterographic methods for continuous monitoring of intrauterine pressure