TWI541756B - A Method for Immediately Judging Anesthesia Awareness Level by Using Modified Sample Entropy - Google Patents
A Method for Immediately Judging Anesthesia Awareness Level by Using Modified Sample Entropy Download PDFInfo
- Publication number
- TWI541756B TWI541756B TW103119658A TW103119658A TWI541756B TW I541756 B TWI541756 B TW I541756B TW 103119658 A TW103119658 A TW 103119658A TW 103119658 A TW103119658 A TW 103119658A TW I541756 B TWI541756 B TW I541756B
- Authority
- TW
- Taiwan
- Prior art keywords
- sample entropy
- amplitude
- entropy
- signal
- value
- Prior art date
Links
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Description
本發明提供一種使用改良式樣本熵(Improved sample entropy)產生判斷麻醉意識清醒程度指標的方法,特別是一種產生即時判斷麻醉意識清醒程度指標的方法。
醫院中有許多高風險性的療程,手術就是其中之一,手術病患從進入開刀房進行麻醉開始,經過開刀過程至術後恢復,風險因子無所不在,其中,麻醉的安全性是最受病患及家屬所關心的事情之一,在麻醉的過程中,醫護人員均要依照病患麻醉深度監測儀器的數據來觀看病人的狀況。
目前市面上應用於醫院開刀房中麻醉深度監測儀器主要的包括Aspect medical systems製造的雙頻譜指標系統監測儀(BIS VISTA Monitor)以及Alaris製造的AEP監測儀(Auditory Evoked Potential(AEP)monitor)等。在分析評估腦波所反應的意識程度方面,BIS VISTA monitor運用雙頻譜指標(bi-spectral index);AEP則是以發出聲波刺激病人,以量測病人的腦波電位變化來評估病人對聲音的反應,作為評估麻醉深度的依據。
BIS VISTA monitor採用的雙頻譜指標易受開刀房的電刀影響產生信號失真的狀況;Auditory Evoked Potential(AEP)monitor採用的音頻信號在操作上對開刀房的環境的要求較高,且由於誘發電位弱,易受干擾,尤其是電器的電波干擾,容易造成臨床使用的不便和限制,採用AEP index監測需給予聽覺刺激,因此對於聽力障礙的病人並不適用。
先前技術以樣本熵(Sample Entropy)進行腦波分析計
算求得出之熵值,無法有效準確的判讀病患的麻醉深度,與現有儀器相比差異甚多。因此,本發明提出改變腦波信號輸入振幅範圍及樣本熵(Sample Entropy)理論比較個數計算方法,以達到與現有儀器相比,相關係數更高、數值更趨近現有儀器的意識清醒程度指標的目標,得到更具可信度的意識清醒程度指標。
本發明之目的,在於改善過去提出以非線性樣本熵分析技術,判定病人麻醉深度之缺失。本發明提出一套改良式的即時分析方法,將腦波信號的輸入振幅範圍設定為0.7x~-0.3x(其中x>0),經實驗比較,得到之結果較將腦波信號的輸入振幅範圍設定x~0或0.5x~-0.5x(其中x>0)好;且分別將樣本熵理論比較個數m設為1或2或3時皆可表現出麻醉與清醒的程度,經實驗結果得知,平均三者(m=1,2,3)並綜合以上兩種方法可使相關係數更高、數值更趨近現有儀器的意識清醒程度指標,提昇其評估的可信度與有效度。
本發明應用非侵入式生理信號腦波(electroencephalography,EEG)訊號量測分析,來評估意識清醒程度指標。改變腦波訊號輸入振幅範圍及樣本熵(Sample Entropy)理論比較個數計算方法,朝向與現有儀器相比,相關係數更高、數值更趨近的目標,得到更具可信度的意識清醒程度指標,以利更能協助從事麻醉醫療行為的人員,據以判定病人的麻醉深度。
熵,是一個物理概念,與一個系統中紊亂的總量相關,在資訊理論的範疇中,描述一個信號的無規律性、複雜性和無預見性。熵,在時間範圍、頻率範圍或者兩者中都能被計算。
樣本熵是一種對時間範圍的訊號,進行分析的運算方法,有別於同樣屬於時間範圍的近似熵,不同點在於樣本熵是不計入自身的運算,可以說是近似熵的改進。樣本熵表示非線性系統產生信號的機率,主要用來定量地刻劃系統的規則度及複雜度。樣本熵的值越大,序列自我相似性越低,產生新信號的機率越高,序列越複雜;反之,樣本熵的值越小,序列自我相似性越高,產生新信號的機率越低,序列越簡單。
樣本熵理論是當樣本熵的值偏低時,代表麻醉深度足以使病
人處於麻醉的狀態,此時的腦波訊號呈現規律性與可預測性,反之,當樣本熵的值偏高時,代表著病人的腦波訊號呈現不規律性與不可預測性,進而得知病人可能未完全麻醉或處於清醒的狀態。
樣本熵的數值範圍為0至3左右,為了方便醫師或醫療人員能以習慣的表示了解病患的麻醉深度,將範圍修正到0至100,將其結果作為意識清醒度指標。
S1‧‧‧取得一受者於一手術期間內之N筆生理信號
S2‧‧‧依比例調整收集到的生理信號振幅大小,得到調整振幅大小後之生理訊號
S3‧‧‧對調整振幅大小後之生理信號調整樣本熵輸入參數,並依據其調整的參數進行樣本熵值亂度計算處理
S4‧‧‧將多組樣本熵值結果做平均,產生改良式樣本熵值
S5‧‧‧得到經範圍修正之改良式樣本熵值
第1圖顯示本發明之使用改良式樣本熵產生即時判斷麻醉意識清醒程度指標的方法流程圖。
第2圖顯示採用本發明提出之方法與採用雙頻譜指標兩種方法同時量測一開刀病患於一手術期間,所得到的樣本熵數值。
第3圖顯示採用本發明提出之方法與採用雙頻譜指標兩種方法同時量測另一開刀病患於一手術期間,所得到的樣本熵數值。
請參閱第1圖,第1圖為根據本發明之一具體實施例中的改良式樣本熵產生即時判斷麻醉意識清醒程度指標的方法流程圖。首先,參考步驟S1,取得一受測者於一段手術期間內之N(複數)筆生理信號,該生理信號可為腦波信號或眼動信號,N的值依手術期間長短,擷取受測者生理信號的取樣頻率(sampling rate)而定。
參考步驟S2,將一段手術期間內之N筆生理信號,依比例調整收集到的生理信號振幅大小,得到調整振幅大小後的生理信號。首先是將從現有生理信號監測儀器Philips IntelliVue MP60所收集病患的原始腦波資料進行資料轉換,因經過三十筆案例測試發現將資料由0.5x~-0.5x(其中x>0)之間或x~0(其中x>0)之間改為0.7x~-0.3x(其中x>0)之間時,可使本發明之改良式樣本熵指標ISEI(Improved Sample Entropy Index)數值趨近雙頻譜指標BIS(Bi-spectral index,BIS)數值,讓平均絕對誤差值大幅降低。
參考步驟S3,對調整振幅大小後的生理信號調整多組樣本熵輸入參數,並依據其調整的參數進行樣本熵值亂度計算處理,假設一整場
手術有N筆資料,將調整振幅大小後的生理信號第1~n筆,再來將10秒鐘的腦波資料,即1250筆分別進行Sample Entropy(m=1)、Sample Entropy(m=2)及Sample Entropy(m=3)計算出一秒鐘樣本熵值。
參考步驟S4,將多組樣本熵值結果做平均,產生改良式樣本熵值,將所得的三個樣本熵值平均,經過三十筆案例測試發現將Sample Entropy(m=1、2、3)的值作平均,可使改良式樣本熵指標值(ISEI)趨近雙頻譜指標值(BIS),使兩者的相關係數上升。
參考步驟S5,經範圍修正之改良式樣本熵值即代表意識清醒度指標,將樣本熵的數值範圍從0至3左右修正到0至100,作為意識清醒度指標,計算出一筆樣本熵數值,接著利用滑動視窗繼續計算第2~n+1筆腦波訊號,再算出一筆樣本熵值,以此類推後續的計算,則有N-n+1筆樣本熵數值(代表此場手術意識清醒度指標),流程圖如圖一所示。本實施例中以SampEn(N,m,r)來表示樣本熵,其中輸入參數包含m為預先選定資料比較個數,r為預先選定的容忍範圍的係數,N為資料循環長度。樣本熵的具體算法如下:
設原始數據為x(1),x(2),...,x(N),共N個點。
(1)按照序號連續順序組成一組m維向量,從um(1)到um(N-m),其中um(i)=[x(i),x(i+1),...,x(i+m-1)],i=1~N-m+1
(2)定義um(i)與um(j)之間的距離d[um(i),um(j)]為兩者對應元素中相差最大的值。
d[u m (i),u m (j)]=max{| x(i+k)-x(j+k)|:0≦k≦m-1}
(3)給定閥值R(R=r*SD,SD為原始序列的標準差),對每一個1iN-m值,統計d[um(i),um(j)]為小於R的數目並除以N-m得到B m (r)。其公式如下:
(4)將維度增加1,重複(1)~(3)的步驟得A m(r)。其公式如下:
(5)B m (r)和A m (r)分別為m維和m+1維的兩序列相似機率,當N為有限時,樣本熵的計算公式為:
第2圖至第3圖為實際採用本發明提出之方法(改良式樣本熵指標)與採用雙頻譜指標兩種方法,分別量測兩個開刀病患麻醉時的腦波信號的樣本熵值,橫軸為量測期間的時間值,縱軸為該量測期間,各個量測時間量測到的指標,圖中紅色顯示部分為採用雙頻譜指標系統監測儀(BIS VISTA Monitor)量測到的麻醉深度指標值,藍色線則為採用本發明之方法(改良式樣本熵指標,ISEI)量測到的麻醉深度指標值。從第2至第3圖可知,一開始病患因為尚未打麻醉藥劑,意識是較為清醒的,所得到的麻醉深度指標值(樣本熵指標值)較高,數分鐘後,當麻醉藥劑逐漸生效,病患進入麻醉狀態時,所得到的麻醉深度指標值(樣本熵指標值)較低,當進入量測後期,手術完成,病患意識逐漸清醒,麻醉深度指標值(樣本熵指標值)也逐漸回到80以上。
S1~S5‧‧‧流程步驟
Claims (4)
- 一種使用改良式樣本熵產生即時判斷麻醉意識清醒程度指標的方法,其步驟包括:(a)取得一受測者於一段手術期間之複數筆生理信號;(b)將該複數筆生理信號,將其振幅大小,由x~0之間或0.5x~-0.5x之間,依比例調整為0.7x~-0.3x之間,得到調整振幅大小後的生理信號;(c)將該複數筆調整振幅大小後之生理信號調整多組樣本熵輸入參數,並依據其調整的參數進行樣本熵值亂度計算產生複數筆多組調整參數後的樣本熵值;(d)將多組調整參數後的樣本熵值結果做平均,產生複數筆改良式樣本熵值;(e)將改良式樣本熵值經範圍修正,得到判斷麻醉病患意識清醒度的指標;(f)重覆上述(a)~(e)之步驟產生一樣本熵值集合。
- 如申請專利範圍第1項所述之方法,其中該生理信號為腦波信號或眼動信號。
- 一種使用改良式樣本熵產生即時判斷麻醉意識清醒程度指標的方法,其步驟包括:(a)取得一受測者於一段手術期間之複數筆生理信號;(b)將該複數筆生理信號,將其振幅大小,由x~0之間或0.5x~-0.5x之間,依比例調整為0.7x~-0.3x之間,得到調整振幅大小後的生理信號;(c)將該複數筆調整振幅大小後之第1~n(n值依取樣頻率而定)筆生理信號調整多組樣本熵輸入參數,並依據其調整的參數進行樣本熵值亂度計算產生多組調整參數後的樣本熵值;(d)將多組樣本熵值結果做平均,產生一筆改良式樣本熵值;(e)將改良式樣本熵值經範圍修正,得到判斷麻醉病患意識清醒度的指標;(f)重覆上述(c)~(e)之步驟將第2~n+1筆生理信號依據其調整的參數進 行樣本熵亂度計算產生下一樣本熵值;(g)依據上述(c)~(e)之步驟進行後續信號處理,直到該受測者於一手術期間之複數筆生理信號處理完畢。
- 如申請專利範圍第3項所述之方法,其中該生理信號為腦波信號或眼動信號。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103119658A TWI541756B (zh) | 2014-06-06 | 2014-06-06 | A Method for Immediately Judging Anesthesia Awareness Level by Using Modified Sample Entropy |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103119658A TWI541756B (zh) | 2014-06-06 | 2014-06-06 | A Method for Immediately Judging Anesthesia Awareness Level by Using Modified Sample Entropy |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201546753A TW201546753A (zh) | 2015-12-16 |
TWI541756B true TWI541756B (zh) | 2016-07-11 |
Family
ID=55407535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW103119658A TWI541756B (zh) | 2014-06-06 | 2014-06-06 | A Method for Immediately Judging Anesthesia Awareness Level by Using Modified Sample Entropy |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI541756B (zh) |
-
2014
- 2014-06-06 TW TW103119658A patent/TWI541756B/zh active
Also Published As
Publication number | Publication date |
---|---|
TW201546753A (zh) | 2015-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schneider et al. | Monitoring depth of anesthesia utilizing a combination of electroencephalographic and standard measures | |
US11540769B2 (en) | System and method for tracking sleep dynamics using behavioral and physiological information | |
US7720531B2 (en) | Method and system for analyzing and presenting an electroencephalogram (EEG) | |
Hadjileontiadis | EEG-based tonic cold pain characterization using wavelet higher order spectral features | |
Nguyen-Ky et al. | An improved detrended moving-average method for monitoring the depth of anesthesia | |
US20220096022A1 (en) | System, method, and computer algorithm for measuring, displaying, and accurately detecting changes in electrophysiological evoked potentials | |
WO2019127558A1 (zh) | 基于脑电的麻醉深度监测方法和装置 | |
JP2004511286A (ja) | 高速な応答により患者の大脳の状態を判定するための方法及び装置 | |
JP2004049838A (ja) | 睡眠段階判定方法および睡眠段階判定装置 | |
CN103153183A (zh) | 用于诊断阻塞性睡眠呼吸暂停的装置和方法 | |
Nguyen-Ky et al. | Consciousness and depth of anesthesia assessment based on Bayesian analysis of EEG signals | |
Koushik et al. | Real-time smartphone-based sleep staging using 1-channel EEG | |
KR20120009610A (ko) | 마취 심도 모니터링 시스템 및 방법 | |
EP2191772B1 (en) | Measurement of responsiveness of a subject | |
CN117814760B (zh) | 基于多指标的麻醉深度检测装置及电子设备 | |
Kalinichenko et al. | Analysis of anesthesia stages based on the EEG entropy estimation | |
CN116982937A (zh) | 一种基于深度学习的围术期麻醉深度监测系统 | |
TWI565448B (zh) | A method of brainwave analysis | |
TWI541756B (zh) | A Method for Immediately Judging Anesthesia Awareness Level by Using Modified Sample Entropy | |
Benzy et al. | Approximate entropy and wavelet entropy based depth of anesthesia monitoring | |
US20210369193A1 (en) | Consciousness level determination method and computer program | |
Li et al. | Feature selection for the detection of sleep apnea using multi-bio signals from overnight polysomnography | |
Muller-Gass et al. | Event-related potential measures of gap detection threshold during natural sleep | |
Notley et al. | Auditory evoked potentials for monitoring during anaesthesia: A study of data quality | |
US12089942B1 (en) | Robust real-time EEG suppression detection device and method |