一种静脉麻醉多参数指标闭环监控系统技术方案

本发明专利技术公开了一种静脉麻醉多参数指标闭环监控系统，包括参数信号采集模块、控制主机模块、注射装置模块；所述参数信号采集模块与控制主机模块相连，参数信号采集模块用于采集人体原始EEG信号、NIRS信号、EMG信号，并将上述信号转化为可以监测镇静深度、镇痛深度及肌肉松弛度的参数指标传输至控制主机模块；所述控制主机模块用于参数辨识、模型预测、控制器反馈计算得到人体实时需要的药量和注射速率，并实时提供监测指标；控制主机模块的控制端与注射装置模块相连，所述注射装置模块通过控制主机模块获取药剂量和注射速度然后实行对人体进行注射。本发明专利技术采用多参数指标监控的闭环系统，解决了传统参数的不确定性，具有实时性强，精度高等优点。

A Closed Loop Monitoring System for Multiparameter Indicators of Intravenous Anesthesia

The invention discloses a closed loop monitoring system for multi parameter index of intravenous anesthesia, which includes parameter signal acquisition module, control host module and injection device module. The parameter signal acquisition module is connected with the control host module, and the parameter signal acquisition module is used to collect the original EEG signal, NIRS signal and EMG signal. The above signal is transferred to the control host module that can monitor the depth of sedation, the depth of analgesia and the muscle relaxation, and the control host module is used for parameter identification, model prediction, and controller feedback to calculate the amount of drug and injection rate that the human body needs in real time, and provide the monitoring index in real time; the control host is controlled. The control end of the module is connected with the injection device module. The injection device module obtains the dosage and injection speed by controlling the host module and then injections to the human body. The closed loop system with multi parameter monitoring is adopted to solve the uncertainty of traditional parameters, and has the advantages of high real-time and high accuracy.

【技术实现步骤摘要】
一种静脉麻醉多参数指标闭环监控系统
本专利技术涉及麻醉控制领域，尤其是一种静脉麻醉的多参数指标闭环监控系统。
技术介绍
据统计，我国每年有大约9千万人/次的全麻手术，预计到2018年手术量会达到1.55亿人/次。在临床上一些重要的手术，如心脏外科手术，神经外科手术以及脑创伤病人的监护，需要精细的麻醉给药，才能保证病人术中和术后的安全。这些对麻醉用药的个体化、精细化控制提出了更高的要求。众所周知，术中麻醉深度监测可以使用三种指标，即镇静、镇痛和肌肉松弛。对于临床上的麻醉而言，关于镇静的监测研究最多，市场上已经有多款基于脑电产生一个单一指标来估计镇静深度，比如，双频谱指数、Nacrotrend指数、熵指数、小波指标等。在镇痛方面，由于镇痛药物对大脑作用受体与镇静药物不同，从EEG上很难提取单一的镇痛水平。关于镇痛的监测有心率变异性、平均动脉血压等。肌松的监测相对简单，通过肌电分量可以有效监测术中肌松程度，且肌松剂与镇静、镇痛剂之间无药物的相互作用。同时，镇静药物(如丙泊酚)和镇痛药物(如瑞芬太尼)之间有协同作用，这会导致固定的PKPD模型估计产生误差。尽管现在关于麻醉监测和闭环控制方面的研究已经很多，但目前已有的大部分系统仅仅是考虑了镇静或镇痛单一的指标，也没有考虑镇痛镇静药物之间的协同作用。因此目前还没有一个麻醉监控系统能够同时给出麻醉中的镇静、镇痛等多参数指标。
技术实现思路
本专利技术目的在于提供一种静脉麻醉多参数指标闭环监控系统，能同时采集EEG和NIRS信号，从EEG及NIRS中提取镇静镇痛相关指标，以丙泊酚-瑞芬太尼联合麻醉为主，考虑联合用药的协同效应，分别对镇痛、镇静等参数实现对应的闭环控制。为实现上述目的，采用了以下技术方案：本专利技术所述系统包括参数信号采集模块、控制主机模块、注射装置模块；所述参数信号采集模块与控制主机模块相连，参数信号采集模块用于采集人体原始EEG信号、NIRS信号、EMG信号，并将上述信号转化为可以监测镇静深度、镇痛深度及肌肉松弛度的参数指标传输至控制主机模块；所述控制主机模块用于参数辨识、模型预测、控制器反馈计算得到人体实时需要的药量和注射速率，并实时提供监测指标；控制主机模块的控制端与注射装置模块相连，所述注射装置模块通过控制主机模块获取药剂量和注射速度然后实行对人体进行注射。进一步的，所述参数信号采集模块由EEG-NIRS信号采集系统构成，具有EEG信号模块、NIRS信号模块、肌电信号模块；所述EEG信号模块包含对原始信号的采集及镇静指标的提取；所述NIRS信号模块包含对原始NIRS信号的采集及镇痛指标的提取；所述肌电信号模块包含对原始信号的采集及肌松指标的提取。所述的三种信号及其对应指标的联合监测是系统多参数控制的基础。进一步的，所述镇静深度参数LIA是通过对PLZC、SFS、MPF、BetaRatio四种指标的特征分量，经过整合、特征提取及深度神经网络学习后得到。解决了单一指标的不精确和传统参数的不确定性和时延问题；进一步的，所述镇痛深度参数NAF是通过对原始NIRS信号进行多尺度小波分解及比尔-郎伯法则变换，并通过计算特征曲线A-LL下的面积，得到镇痛深度参数NAF；计算出的指标NAF能准确评估手术中疼痛/镇痛的反应；NAF＝[(α*LLmin)2+α*β]1/2/12.8其中α和β为镇痛深度参数NAF的常数变量，值为0-100的常数；LLmin为特征曲线A-LL在相邻四个子窗口下的面积的最小值。进一步的，所述肌松参数RPSD是根据肌电分量占总能量的比例的大小来判断病人的肌肉松弛度，即提取出肌电信号所在频段(≥40Hz)后，通过计算肌电分量的相对功率谱密度，评估病人肌肉松弛度。进一步的，所述控制主机模块包含监控界面、药代模型、参数辨识、控制器、指标优化及数据库；所述的监控界面包含具有人工输入功能和参数指标监测功能；所述的药代模型为考虑药物混合使用的协同效应的病人模型；所述的参数辨识为基于最小二乘法的模型参数辨识；所述的控制器为模型预测控制和基于扩展预测自适应算法的闭环控制器；所述的指标优化为通过特征提取和无监督式深度神经网络学习进行参数优化；所述的数据库为存储建立病人数据信息。进一步的，所述注射装置模块由并联设计的镇静、镇痛、肌松药物注射器组成，通过与控制主机模块建立RS232串口通信协议，将控制主机模块运算出的镇静、镇痛、肌松三种药物注射速度信息传递给注射器对病人进行药物注射。进一步的，所述的考虑药物混合使用的协同效应的病人模型，针对丙泊酚和瑞芬太尼联合用药产生的协同效应，在传统的PKPD模型基础上，两种药物浓度-响应关系可以由以下规范化的关系进行表示：其中，DOA(t)为麻醉镇静效应；t为时间(s)变量；θ为药物浓度效应参数；E0为指标初始常量(0-100)；Emax(θ)是θ下的最大可能药物效应；Uprop(t)为丙泊酚的浓度效应；URem(t)为瑞芬太尼的浓度效应；Uprop(t)+URem(t)是混合药物效应；U50(θ)是在θ下50％的最大效应常量；γ(θ)是浓度-响应关系在θ下的最大可能药物效应。进一步的，所述的参数辨识即病人模型辨识模块为采用最小二乘法进行辨识，辨识的病人模型如下：a4y(k-4)+a3y(k-3)+a2y(k-2)+a1y(k-1)+a0y(k)＝b1u(k-1)+b2u(k-2)+b3u(k-3)其中，u代表模型的输入，即丙泊酚和瑞芬太尼的输注速度；k为输注速度u矩阵中的变量，取整数；y代表麻醉监测指标，即镇静或镇痛；a4，a3，a2，a1，a0，b1，b2，b3为辨识的模型参数；进一步的，所述的指标优化为采用多视角学习方法，对指标特征进行二次优化和确认；包括以下步骤：(1)提取麻醉的不同特征并建立所有特征的特征池；将不同年龄段的特征看作多个视角；(2)采用多层神经网络第一次训练得到的指标特征标签的出事分布概率作为麻醉的状态特征，联合病人的年龄特征对多层圣经网络进行再训练；(3)通过建立不同特征与状态的关联关系，找到每个状态下最合适的特征表示生成状态。与现有技术相比，本专利技术具有如下优点：1、实现多参数指标的麻醉监测，为精细控制麻醉提供状态监测基础。2、通过自制的EEG-NIRS系统采集的EEG信号，对PLZC、MPF、SFS、BetaRatio四个在频域时域的指标进行特征提取和优化，建立系统独立的镇静参数LIA，解决了现有指标的不确定性。3、根据自制的EEG-NIRS系统，对原始近红外信号进行多尺度分解及特征提取得到系统独立的镇痛参数NAF(NIRS-Area-Feature)，得到的镇痛参数经过临床实验，能够更加精准的评估疼痛/镇痛刺激程度。4、考虑镇静和镇痛药物之间的协同作用，建立了混合药物病人模型，能够对不期望的手术刺激做出快速反应；同时人工输入与自动控制结合的麻醉控制系统大大减轻麻醉师的工作负荷，提升手术安全性，使其能将跟多精力投入到更重要的手术决策中。附图说明图1为本专利技术系统的模块框图。图2为本专利技术系统的多输入多输出麻醉闭环控制结构图。图3为本专利技术系统的多参数麻醉状态优化示意图。具体实施方式下面结合附图对本专利技术做进一步说明：如图1所示，本专利技术系统包括病人(11)，参数信号采集模块(12)，控制主机模块(13)，本文档来自技高网...

【技术保护点】
1.一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述系统包括参数信号采集模块、控制主机模块、注射装置模块；所述参数信号采集模块与控制主机模块相连，参数信号采集模块用于采集人体原始EEG信号、NIRS信号、EMG信号，并将上述信号转化为可以监测镇静深度、镇痛深度及肌肉松弛度的参数指标传输至控制主机模块；所述控制主机模块用于参数辨识、模型预测、控制器反馈计算得到人体实时需要的药量和注射速率，并实时提供监测指标；控制主机模块的控制端与注射装置模块相连，所述注射装置模块通过控制主机模块获取药剂量和注射速度然后实行对人体进行注射。

【技术特征摘要】
1.一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述系统包括参数信号采集模块、控制主机模块、注射装置模块；所述参数信号采集模块与控制主机模块相连，参数信号采集模块用于采集人体原始EEG信号、NIRS信号、EMG信号，并将上述信号转化为可以监测镇静深度、镇痛深度及肌肉松弛度的参数指标传输至控制主机模块；所述控制主机模块用于参数辨识、模型预测、控制器反馈计算得到人体实时需要的药量和注射速率，并实时提供监测指标；控制主机模块的控制端与注射装置模块相连，所述注射装置模块通过控制主机模块获取药剂量和注射速度然后实行对人体进行注射。2.根据权利要求1所述的一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述参数信号采集模块由EEG-NIRS信号采集系统构成，具有EEG信号模块、NIRS信号模块、肌电信号模块；所述EEG信号模块包含对原始信号的采集及镇静指标的提取；所述NIRS信号模块包含对原始NIRS信号的采集及镇痛指标的提取；所述肌电信号模块包含对原始信号的采集及肌松指标的提取。3.根据权利要求1所述的一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述镇静深度参数LIA是通过对PLZC、SFS、MPF、BetaRatio四种指标的特征分量，经过整合、特征提取及深度神经网络学习后得到。4.根据权利要求1所述的一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述镇痛深度参数NAF是通过对原始NIRS信号进行多尺度小波分解及比尔-郎伯法则变换，并通过计算特征曲线A-LL下的面积，得到镇痛深度参数NAF；计算出的指标NAF能准确评估手术中疼痛/镇痛的反应；NAF＝[(α*LLmin)2+α*β]1/2/12.8(1)其中α和β为镇痛深度参数NAF的常数变量，值为0-100的常数；LLmin为特征曲线A-LL在相邻四个子窗口下的面积的最小值。5.根据权利要求1所述的一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述肌松参数RPSD是根据肌电分量占总能量的比例的大小来判断病人的肌肉松弛度，即提取出肌电信号所在频段(≥40Hz)后，通过计算肌电分量的相对功率谱密度，评估病人肌肉松弛度。6.根据权利要求1所述的一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述控制主机模块包含监控界面、药代模型、参数辨识、控制器、指标优化及数据库；所述的监控界...

【专利技术属性】
技术研发人员：梁振虎，李健楠，官文锦，李小俚，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北,13