基于循环神经网络的麻醉深度识别研究
发布时间：2023-01-12 17:56
麻醉是手术过程正常实施的重要保证,麻醉镇静过程的安全性和舒适性越来越受到重视。手术过程中,麻醉过深或者过浅都会产生严重的后果:若麻醉过浅,则患者会产生术中知晓,从而造成患者的精神创伤;若麻醉过深则会导致患者术后恢复时间的增加,严重时发生呼吸、循环系统抑制导致死亡。所以在麻醉镇静过程中实时精确监测镇静深度对于减少手术时麻醉意外,提高患者治疗安全性和舒适性具有非常重要的意义。国外麻醉监测设备的算法模型是基于国外患者的麻醉脑电数据库,在国内使用时存在很大的限制。为此,本文研制出一款适合国人的麻醉深度识别系统。本文在现有麻醉深度监测研究和课题组现有硬件设备的基础上开发出了一套基于Elman循环神经网络模型的实时麻醉深度状态识别算法。同时本文还对多模态信号在麻醉深度识别方面的作用进行了分析。本文以临床采集的62例全麻手术病人的脑电信号数据为基础,根据警觉镇静评分结果将患者的脑电信号划分为清醒、轻度麻醉、中度麻醉、麻醉过深四种状态。首先针对临床脑电信号信噪比低的问题,本文提出了高低通滤波、工频陷波、基线校正、独立成分分析等多种信号预处理方法,对肌电伪迹、眼电伪迹、工频干扰、基线漂移和电刀信号伪迹进...
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
Abstract
第1章 绪论
1.1 引言
1.2 课题研究背景与意义
1.3 课题研究现状和趋势
1.3.1 国内现状
1.3.2 国外现状
1.4 课题研究目标和主要内容
第2章 脑电信号的特征分析方法
2.1 脑电及其特点
2.1.1 脑电信号简介
2.1.2 脑电信号的分类
2.2 麻醉的作用机制
2.3 脑电信号分析方法
2.3.1 时域信号分析
2.3.2 频域信号分析
2.3.3 时/频域信号分析
2.3.4 非线性分析方法
2.4 麻醉状态的判断
2.5 本章小结
第3章 基于循环神经网络的麻醉深度识别
3.1 算法流程图
3.2 信号预处理
3.2.1 噪声分析
3.2.2 信号去伪方法
3.3 基于脑电信号的特征提取方法
3.3.1 基于经典分析方法的脑电信号特征提取
3.3.2 基于熵模型的脑电信号特征提取
3.4 基于循环神经网络的麻醉状态识别研究
3.4.1 人工神经网络及其基本原理
3.4.2 Elman循环神经网络
3.4.3 神经网络在麻醉状态识别中的应用
3.5 麻醉深度监测的评价指标
3.5.1 预测概率评估P_k
3.5.2 相关性评估
3.6 本章小结
第4章 临床实验设计和结果分析
4.1 临床实验概述
4.2 实验设计以及临床数据采集
4.3 脑电信号单特征分析
4.3.1 频域特征分析
4.3.2 时域特征分析
4.3.3 非线性特征分析
4.4 特征选择方法
4.5 麻醉深度监测结果分析
4.6 本章小结
第5章 麻醉诱导阶段的多模态麻醉深度监测探究
5.1 引言
5.2 脑氧监测技术
5.3 脑氧设备性能评估
5.4 多模态数据采集实验方案
5.5 多模态信号数据处理
5.6 分类结果分析
5.7 本章小结
第6章 总结与展望
6.1 工作总结
6.2 研究展望
参考文献
作者简介
【参考文献】：
期刊论文
[1]单通道脑电信号眼电伪迹去除算法研究[J]. 刘志勇,孙金玮,卜宪庚. 自动化学报. 2017(10)
[2]生物医学信号处理研究综述[J]. 胡广书,汪梦蝶. 数据采集与处理. 2015(05)
[3]小波和希尔伯特变换在脑电信号消噪中的对比研究[J]. 罗志增,袁飞龙,高云园. 计量学报. 2013 (06)
[4]Narcotrend在麻醉深度监测上的优劣:与BIS对比的临床研究[J]. 高建东,赵玉洁,岳云. 中华麻醉学杂志. 2012 (05)
[5]全麻术中血糖变化与静脉麻醉药相关性的探讨[J]. 黄渝,汪斌. 四川医学. 2010(12)
[6]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)
博士论文
[1]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
[2]EEG熵算法及麻醉状态监测应用研究[D]. 梁振虎.燕山大学 2012
[3]近红外空间分辨光谱技术及其在脑氧无损检测中的应用[D]. 腾轶超.清华大学 2006
硕士论文
[1]基于半监督与时序模型的脑电信号特征提取方法研究[D]. 辛雨航.山东大学 2018
[2]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
[3]面向脑状态监测的脑电与脑氧信号采集系统[D]. 张悦.浙江大学 2017
[4]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
[5]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
[6]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
[7]脑电信号的特性分析与特征提取[D]. 白冬梅.大连理工大学 2006
本文编号：3730235
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
Abstract
第1章 绪论
1.1 引言
1.2 课题研究背景与意义
1.3 课题研究现状和趋势
1.3.1 国内现状
1.3.2 国外现状
1.4 课题研究目标和主要内容
第2章 脑电信号的特征分析方法
2.1 脑电及其特点
2.1.1 脑电信号简介
2.1.2 脑电信号的分类
2.2 麻醉的作用机制
2.3 脑电信号分析方法
2.3.1 时域信号分析
2.3.2 频域信号分析
2.3.3 时/频域信号分析
2.3.4 非线性分析方法
2.4 麻醉状态的判断
2.5 本章小结
第3章 基于循环神经网络的麻醉深度识别
3.1 算法流程图
3.2 信号预处理
3.2.1 噪声分析
3.2.2 信号去伪方法
3.3 基于脑电信号的特征提取方法
3.3.1 基于经典分析方法的脑电信号特征提取
3.3.2 基于熵模型的脑电信号特征提取
3.4 基于循环神经网络的麻醉状态识别研究
3.4.1 人工神经网络及其基本原理
3.4.2 Elman循环神经网络
3.4.3 神经网络在麻醉状态识别中的应用
3.5 麻醉深度监测的评价指标
3.5.1 预测概率评估P_k
3.5.2 相关性评估
3.6 本章小结
第4章 临床实验设计和结果分析
4.1 临床实验概述
4.2 实验设计以及临床数据采集
4.3 脑电信号单特征分析
4.3.1 频域特征分析
4.3.2 时域特征分析
4.3.3 非线性特征分析
4.4 特征选择方法
4.5 麻醉深度监测结果分析
4.6 本章小结
第5章 麻醉诱导阶段的多模态麻醉深度监测探究
5.1 引言
5.2 脑氧监测技术
5.3 脑氧设备性能评估
5.4 多模态数据采集实验方案
5.5 多模态信号数据处理
5.6 分类结果分析
5.7 本章小结
第6章 总结与展望
6.1 工作总结
6.2 研究展望
参考文献
作者简介
【参考文献】：
期刊论文
[1]单通道脑电信号眼电伪迹去除算法研究[J]. 刘志勇,孙金玮,卜宪庚. 自动化学报. 2017(10)
[2]生物医学信号处理研究综述[J]. 胡广书,汪梦蝶. 数据采集与处理. 2015(05)
[3]小波和希尔伯特变换在脑电信号消噪中的对比研究[J]. 罗志增,袁飞龙,高云园. 计量学报. 2013 (06)
[4]Narcotrend在麻醉深度监测上的优劣:与BIS对比的临床研究[J]. 高建东,赵玉洁,岳云. 中华麻醉学杂志. 2012 (05)
[5]全麻术中血糖变化与静脉麻醉药相关性的探讨[J]. 黄渝,汪斌. 四川医学. 2010(12)
[6]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)
博士论文
[1]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
[2]EEG熵算法及麻醉状态监测应用研究[D]. 梁振虎.燕山大学 2012
[3]近红外空间分辨光谱技术及其在脑氧无损检测中的应用[D]. 腾轶超.清华大学 2006
硕士论文
[1]基于半监督与时序模型的脑电信号特征提取方法研究[D]. 辛雨航.山东大学 2018
[2]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
[3]面向脑状态监测的脑电与脑氧信号采集系统[D]. 张悦.浙江大学 2017
[4]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
[5]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
[6]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
[7]脑电信号的特性分析与特征提取[D]. 白冬梅.大连理工大学 2006
本文编号：3730235
本文链接：https://www.wllwen.com/yixuelunwen/waikelunwen/3730235.html
最近更新
教材专著
