基于脑电信号的麻醉深度监测方法研究

发布时间：2021-02-26 05:39

　　麻醉在现代手术过程中占据了极为重要的地位,但是麻醉药物的不恰当使用会导致麻醉的过深或者过浅,无论麻醉的过深还是过浅都会对病人的健康造成很大的危害。麻醉如果过浅则会导致病人出现术中知晓,给病人的身体和心理造成危害;麻醉如果过深则会导致患者的苏醒延迟、身体机能受损、甚至危及生命。所以精确和无创的麻醉深度监测不仅能指导麻醉师的用药,还能确保手术的安全性和有效性为患者提供一个舒适的手术环境。但是,目前还没有一种麻醉深度监测的“金标准”。大脑是直接受到麻醉药物影响的地方,因此脑电信号在麻醉深度的研究方面一直受到研究人员的关注。所以,本文从患者的脑电数据出发,提出了一种麻醉深度监测的方法。本文从30名全麻患者的脑电信号出发,将麻醉状态分为清醒、浅麻醉和麻醉维持,其中麻醉维持又根据BIS值分为BIS值大于40和BIS值小于40两种情况。首先通过对脑电信号的预处理提高信号的信噪比,然后提取脑电信号中与麻醉深度相关的特征值,最后根据麻醉手术过程中各麻醉阶段时间不一致的特点,选择加权K-最近邻（WKNN）算法对不同麻醉阶段的脑电数据进行分类,形成一个完整的麻醉深度监测的算法系统。具体的工作内容如下:（1）... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 引言
    1.2 麻醉深度
        1.2.1 麻醉的发展历程
        1.2.2 麻醉深度
        1.2.3 麻醉深度的判别
    1.3 脑电信号与其特点
        1.3.1 脑电信号的分类
        1.3.2 脑电信号的特点
    1.4 脑电信号的分析方法
        1.4.1 时域分析
        1.4.2 频域分析
        1.4.3 时频域分析
        1.4.4 非线性分析方法
    1.5 麻醉深度的研究现状
        1.5.1 国内研究现状
        1.5.2 国外研究现状
    1.6 本文研究背景及意义
    1.7 论文主要内容和结构
2 基于脑电信号的麻醉深度监测
    2.1 麻醉深度对脑电信号的影响
    2.2 算法的基本流程
    2.3 脑电信号中的噪声
    2.4 脑电信号中的特征值提取
        2.4.1 去趋势波动分析
        2.4.2 AR模型
        2.4.3 信息熵的分析方法
    2.5 加权K最近邻类算法
    2.6 本章小结
3 脑电信号的采集与预处理
    3.1 脑电数据的采集
    3.2 噪声的消除
        3.2.1 眼电信号的去除
        3.2.2 工频干扰去除
        3.2.3 基线漂移的去除
    3.3 本章小结
4 脑电信号特征值与麻醉深度之间的关系
    4.1 去趋势波动分析与麻醉深度的关系
        4.1.1 去趋势波动分析的差异
        4.1.2 麻醉状态不同时的波动函数特征值
        4.1.3 波动函数特征值与麻醉深度的相关性
    4.2 AR模型与麻醉深度的关系
        4.2.1 AR模型参数的求解
        4.2.2 麻醉状态不同时的AR系数
        4.2.3 AR系数与麻醉深度的相关性
    4.3 样本熵与麻醉深度的关系
        4.3.1 样本熵的基本原理
        4.3.2 麻醉状态不同时的样本熵
        4.3.3 样本熵的与麻醉深度的相关性
    4.4 本章小结
5 基于脑电信号的麻醉深度监测
    5.1 脑电信号单特征值的麻醉深度监测
        5.1.1 WKNN参数的优化
        5.1.2 去趋势波动分析与麻醉深度分期
        5.1.3 AR系数与麻醉深度分期
        5.1.4 样本熵与麻醉深度分期
    5.2 脑电信号多特征值的麻醉深度监测
        5.2.1 AR系数与样本熵的麻醉深度分期
        5.2.2 分类结果分析
    5.3 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
附录
    A 作者在攻读硕士学位期间发表的论文目录
    B 作者在攻读硕士学位期间取得的科研成果目录
    C 学位论文数据集
致谢


【参考文献】：
期刊论文
[1]监测麻醉深度的脑电信号的近似熵特征研究[J]. 温军玲,和卫星,陈晓平.  计算机测量与控制. 2003(09)
[2]小波变换在麻醉监测诱发脑电信号分类中的应用[J]. 张烈平,莫玮,牛秦洲.  计算机工程与应用. 2003(20)
[3]用脑电互信息及复杂度预测异氟醚麻醉时患者对切皮刺激的反应[J]. 黄力宇,王伟勋,鞠烽炽,程敬之.  中国生物医学工程学报. 2003(02)
[4]麻醉的定义和深度的探讨[J]. 史誉吾.  临床麻醉学杂志. 1998(04)
[5]脑电功率谱分析技术监测手术切皮时的麻醉深度[J]. 姜桂岩.  国外医学.麻醉学与复苏分册. 1996(02)
[6]信息熵与热力学熵的联系及其应用[J]. 阎长俊.  沈阳建筑工程学院学报. 1995(04)

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]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
[3]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]基于脑电信号检测的麻醉深度监测算法研究[D]. 丁正敏.华南理工大学 2018
[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]基于模糊神经网络麻醉深度监测的研究[D]. 李敏.浙江大学 2006



本文编号：3052135