基于脑电信号检测的麻醉深度监测算法研究
发布时间：2021-06-08 07:49
麻醉是现代外科手术中必不可少的一个环节。根据麻醉部位的不同,临床麻醉主要分为全身麻醉和局部麻醉,本文主要讨论全身麻醉过程中的麻醉深度监测问题。一般认为,全身麻醉主要通过多种麻醉药物相互作用,影响中枢神经系统活动,使机体达到镇静、镇痛、遗忘等适合外科手术操作的状态。在临床麻醉过程中,麻醉过深,可能会使患者苏醒困难甚至难以苏醒,同时还会造成麻醉药物的浪费;麻醉过浅,可能会使患者感受到疼痛甚至在手术过程中苏醒过来,不当的麻醉深度会给患者带来不同程度的生理或者心理上的伤害,所以控制并维持适当的麻醉深度是临床麻醉医生的主要任务,也是首要任务。全身麻醉药的主要作用部位是大脑中枢神经系统,脑电信号对麻醉药有很强的敏感性,所以基于脑电信号检测的麻醉深度监测研究具有扎实的理论依据。基于脑电信号分析的麻醉深度分析方法研究已经有几十年的历史,随着电生理信号分析方法由时频域分析方法逐渐发展为非线性动力学分析方法,非线性动力学分析方法在麻醉深度监测研究领域也逐渐引起很多研究者的青睐。本论文以30例腹腔镜全麻手术病人的脑电信号为研究对象,根据病人所处麻醉状态的不同,将脑电信号按照麻醉程度分为:清醒状态、轻度麻醉状...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
侵入式脑电信号采集装置
图 2-2 非侵入式脑电信号采集装置，听觉对麻醉药有很强的敏感性，麻醉学者探究过听觉诱发电位与意识和认个世纪 70 年代，一些学者开始将听觉位反应刺激外周神经时冲动传导通路至皮质的一段生物电活动。可以用于临床判断麻醉深度，但其用于波形识别的复杂性，而且对于有听力障
图 2-3 脑电波示意图间 EEG 各频段的分布情况主要表现为： 波一般出现在清醒状态通常在麻醉镇静期间初始阶段的脑电信号中开始增加，θ 波通常电信号中， 波通常出现在深度麻醉状态下的脑电信号中[14]。号的基本特点决定了脑电信号的分析方法，所以在探讨脑电信号分析方法之前非常有必要了解脑电信号的基本特点。目前根据临采集方法，决定了脑电信号具有以下主要特点：值弱，噪声强况下，脑电信号比较微弱，幅值只有 50μV 左右，很容易受到人扰，而且，在手术室采集脑电信号时，周围复杂的环境也会对采，手术过程中，其他医疗设备的工作也会对采集的脑电信号产生可以分为两类：自身信号干扰和外界信号干扰。自身干扰信号包号、眼电信号、肌电信号等生理信号，外界干扰信号包括：手术
【参考文献】：
期刊论文
[1]基于脑电样本熵和小波熵的麻醉深度监测[J]. 丁正敏,熊冬生,陈宇珂,张兴安,窦建洪,谌雅雨. 中国医学物理学杂志. 2018(02)
[2]基于BP神经网络的数据挖掘方法在需求预测中的应用研究[J]. 付斌,张吉军,钟健,黄长略,于智博. 情报科学. 2017(11)
[3]基于Renyi排序熵的小儿麻醉深度监测研究[J]. 刘彦涛,李晓宇,梁振虎. 生物医学工程与临床. 2017(05)
[4]基于样本熵的睡眠呼吸暂停综合征脑电研究[J]. 周静,吴效明. 中国医学物理学杂志. 2016(07)
[5]脑电数据近似熵与样本熵特征对比研究[J]. 李立,曹锐,相洁. 计算机工程与设计. 2014(03)
[6]脑电信号的小波变换和样本熵特征提取方法[J]. 张毅,罗明伟,罗元. 智能系统学报. 2012(04)
[7]全身麻醉过程中的脑电信号复杂度分析[J]. 何庆华,葛衡江,王禾,黄炳强,吴宝明,冯正权,闫庆广. 中国医学物理学杂志. 2009(01)
[8]基于希尔伯特黄熵的麻醉深度估计[J]. 李小俚,崔素媛,Sleigh J W. 中国生物医学工程学报. 2008(05)
[9]BP神经网络隐含层单元数的确定[J]. 沈花玉,王兆霞,高成耀,秦娟,姚福彬,徐巍. 天津理工大学学报. 2008(05)
[10]探讨模糊神经网络在麻醉监测中的应用[J]. 李敏,潘慧平,叶志前. 中国医疗器械信息. 2007(09)
博士论文
[1]基于EEG的情绪信息特征及其分类方法研究[D]. 成敏敏.东南大学 2017
[2]睡眠脑电非线性动力学特性及SAS检测研究[D]. 周静.华南理工大学 2015
[3]基于体征信号分析的麻醉深度评价方法研究[D]. 魏勤.武汉理工大学 2012
[4]麻醉状态下神经振荡分析方法研究[D]. 李段.燕山大学 2012
[5]EEG熵算法及麻醉状态监测应用研究[D]. 梁振虎.燕山大学 2012
硕士论文
[1]基于BP神经网络的时间序列预测研究[D]. 李景阳.河南科技大学 2017
[2]格子复杂性在麻醉深度监测中的应用研究[D]. 邹倩.浙江大学 2016
[3]麻醉深度监测算法研究及其实现[D]. 聂鲁振.哈尔滨工业大学 2015
[4]基于模糊控制和神经网络控制的麻醉靶控输注研究[D]. 王小红.华南理工大学 2015
[5]脑电信号的多尺度特性分析[D]. 王斌.燕山大学 2014
[6]基于脑电信号样本熵的情感识别[D]. 李立.太原理工大学 2014
[7]情绪脑电特征识别与跨模式分析[D]. 张迪.天津大学 2014
[8]BP神经网络的研究分析及改进应用[D]. 李友坤.安徽理工大学 2012
[9]改进BP神经网络在模式识别中的应用及研究[D]. 周凌翱.南京理工大学 2010
[10]脑电非线性监测的临床研究[D]. 郭旭.中国人民解放军军医进修学院 2008
本文编号：3217989
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
侵入式脑电信号采集装置
图 2-2 非侵入式脑电信号采集装置，听觉对麻醉药有很强的敏感性，麻醉学者探究过听觉诱发电位与意识和认个世纪 70 年代，一些学者开始将听觉位反应刺激外周神经时冲动传导通路至皮质的一段生物电活动。可以用于临床判断麻醉深度，但其用于波形识别的复杂性，而且对于有听力障
图 2-3 脑电波示意图间 EEG 各频段的分布情况主要表现为： 波一般出现在清醒状态通常在麻醉镇静期间初始阶段的脑电信号中开始增加，θ 波通常电信号中， 波通常出现在深度麻醉状态下的脑电信号中[14]。号的基本特点决定了脑电信号的分析方法，所以在探讨脑电信号分析方法之前非常有必要了解脑电信号的基本特点。目前根据临采集方法，决定了脑电信号具有以下主要特点：值弱，噪声强况下，脑电信号比较微弱，幅值只有 50μV 左右，很容易受到人扰，而且，在手术室采集脑电信号时，周围复杂的环境也会对采，手术过程中，其他医疗设备的工作也会对采集的脑电信号产生可以分为两类：自身信号干扰和外界信号干扰。自身干扰信号包号、眼电信号、肌电信号等生理信号，外界干扰信号包括：手术
【参考文献】：
期刊论文
[1]基于脑电样本熵和小波熵的麻醉深度监测[J]. 丁正敏,熊冬生,陈宇珂,张兴安,窦建洪,谌雅雨. 中国医学物理学杂志. 2018(02)
[2]基于BP神经网络的数据挖掘方法在需求预测中的应用研究[J]. 付斌,张吉军,钟健,黄长略,于智博. 情报科学. 2017(11)
[3]基于Renyi排序熵的小儿麻醉深度监测研究[J]. 刘彦涛,李晓宇,梁振虎. 生物医学工程与临床. 2017(05)
[4]基于样本熵的睡眠呼吸暂停综合征脑电研究[J]. 周静,吴效明. 中国医学物理学杂志. 2016(07)
[5]脑电数据近似熵与样本熵特征对比研究[J]. 李立,曹锐,相洁. 计算机工程与设计. 2014(03)
[6]脑电信号的小波变换和样本熵特征提取方法[J]. 张毅,罗明伟,罗元. 智能系统学报. 2012(04)
[7]全身麻醉过程中的脑电信号复杂度分析[J]. 何庆华,葛衡江,王禾,黄炳强,吴宝明,冯正权,闫庆广. 中国医学物理学杂志. 2009(01)
[8]基于希尔伯特黄熵的麻醉深度估计[J]. 李小俚,崔素媛,Sleigh J W. 中国生物医学工程学报. 2008(05)
[9]BP神经网络隐含层单元数的确定[J]. 沈花玉,王兆霞,高成耀,秦娟,姚福彬,徐巍. 天津理工大学学报. 2008(05)
[10]探讨模糊神经网络在麻醉监测中的应用[J]. 李敏,潘慧平,叶志前. 中国医疗器械信息. 2007(09)
博士论文
[1]基于EEG的情绪信息特征及其分类方法研究[D]. 成敏敏.东南大学 2017
[2]睡眠脑电非线性动力学特性及SAS检测研究[D]. 周静.华南理工大学 2015
[3]基于体征信号分析的麻醉深度评价方法研究[D]. 魏勤.武汉理工大学 2012
[4]麻醉状态下神经振荡分析方法研究[D]. 李段.燕山大学 2012
[5]EEG熵算法及麻醉状态监测应用研究[D]. 梁振虎.燕山大学 2012
硕士论文
[1]基于BP神经网络的时间序列预测研究[D]. 李景阳.河南科技大学 2017
[2]格子复杂性在麻醉深度监测中的应用研究[D]. 邹倩.浙江大学 2016
[3]麻醉深度监测算法研究及其实现[D]. 聂鲁振.哈尔滨工业大学 2015
[4]基于模糊控制和神经网络控制的麻醉靶控输注研究[D]. 王小红.华南理工大学 2015
[5]脑电信号的多尺度特性分析[D]. 王斌.燕山大学 2014
[6]基于脑电信号样本熵的情感识别[D]. 李立.太原理工大学 2014
[7]情绪脑电特征识别与跨模式分析[D]. 张迪.天津大学 2014
[8]BP神经网络的研究分析及改进应用[D]. 李友坤.安徽理工大学 2012
[9]改进BP神经网络在模式识别中的应用及研究[D]. 周凌翱.南京理工大学 2010
[10]脑电非线性监测的临床研究[D]. 郭旭.中国人民解放军军医进修学院 2008
本文编号：3217989
本文链接：https://www.wllwen.com/yixuelunwen/mazuiyixuelunwen/3217989.html
最近更新
教材专著
