一种对不同麻醉状态下脑电信号分类系统技术方案

本发明专利技术公开了一种对不同麻醉状态下脑电信号分类系统，包含脑电信号采集模块、前端信号处理模块、频域和时域参数计算模块、麻醉深度估计模块，显示模块。获得不同麻醉深度下的特征，把获得的特征值分为清醒，浅麻醉，正常麻醉，深度麻醉。本发明专利技术提出了引入一个结合排列熵和爆发抑制比得到的脑功能指数，在频域和时域两方面对脑电信号这种复杂的非线性随机信号进行分析，提高了对深度麻醉时的分类准确率。该分类方法可应用与麻醉手术时病人麻醉深度的确定。为医务人员对患者实施麻醉手术提供了可靠依据。

A classification system for EEG signals under different anesthesia conditions

The invention discloses an EEG signal classification system under different anesthesia states, which comprises an EEG signal acquisition module, a front-end signal processing module, a frequency and time domain parameter calculation module, an anesthesia depth estimation module and a display module. The characteristics of different depth of anesthesia were obtained, and the obtained characteristics were divided into awake, shallow anesthesia, normal anesthesia, and deep anesthesia. The invention introduces a brain function index obtained by combining permutation entropy and burst inhibition ratio, and analyzes the complex nonlinear random signal of EEG in both frequency domain and time domain, thereby improving the classification accuracy of deep anesthesia. The classification method can be applied to determine the depth of anesthesia in patients undergoing anesthesia. It provides a reliable basis for medical personnel to perform anesthesia operation on patients.

【技术实现步骤摘要】
一种对不同麻醉状态下脑电信号分类系统
本专利技术属于脑电信号(ElectroencephalogramEEG)采集和处理
，具体涉及一种基于脑功能指数计算与自适应模糊逻辑推理算法应用于快速判病人的麻醉深度状态的麻醉深度状态分类系统。
技术介绍
大脑电生理信号是脑部神经元电活动产生的信号，是进行大脑功能研究和脑部疾病诊断的重要手段。在大脑电生理信号的研究与分析中，世界各国的研究者已经做了大量的工作，提出和应用了一系列非常有价值的方法和技术。对于脑电信号的特征提取与识别技术的研究已经有了许多进展。在已有的研究中，脑电信号分析方法主要有时域分析、频域分析、双谱分析、非线性分析等。利用脑电信号进行麻醉深度监测是目前临床监测的主要方式，目前临床常用的脑电监测系统具有脑电双频谱指数(BIS)、熵指数、脑状态指数(CSI)等。脑电双频谱指数(BispectralindexBIS)作为第一种用于判断镇静水平的脑电监测指标,在1996年通过了美国FDA的认证,被广泛应用于麻醉领域。BIS是一个统计数值，它来源于对大样本的数据库。计算数据库中脑电图的双谱和能量谱参数(傅立叶转换)，使用多因素回归模型将每个特性参数在达到临床麻醉目标点中的相对作用转换为线性数字化指数即为BIS，范围从0(等电位脑电图)到100(完全清醒)。BIS算法复杂且随原始脑电图的样本量的增加，系统要求越高。熵指数监测仪就是用非线性分析法分析EEG，熵指数不同于其他麻醉深度监测方式的一点是在其算法中加入了额肌电信号(frontalelectromyography，FEMG),熵模块包括反应熵(reactionen-tropy，RE)和状态熵(stateentropy，SE),SE只包括EEG信息，而RE除了EEG还包括额肌熵信息。熵指数与以往的麻醉深度监测方法相比，主要有下列优点：反应快、抗干扰能力强、预防术中知晓。但是熵指数的数值变化较大，且病人的生理条件也会对脑电信号产生影响，因此熵指数的使用范围有一定局限性。脑状态指数(CSI)是通过采用傅立叶变换技术，分析EEG频域特性，将EEG时间-振幅关系的原始脑电信号转化为频率-功率的关系，并衍化抽调出多个数量化参数，如分别是αratio、βratio、βratio-αratio、BS％(爆发抑制比)，其中αratio、βratio指的是两种能量比率。这两个数值代表的是在麻醉过程中能量由高频向低频转化的实质。利用已有的大量数量化参数麻醉深度数据，对整个系统进行大量自适应模糊逻辑推理训练，就能够快速、准确的得到CSI指数。但是和BIS一样算法复杂，样本需求多。
技术实现思路
本专利技术针对现有技术的不足，提供一种基于自适应模糊逻辑推理ANFIS(AdaptiveNetwork-basedFuzzyInferenceSystem)并结合脑功能指数BFI(Brainfunctionindex)来分析脑电信号的系统,引入一个结合排列熵和爆发抑制比得到的脑功能指数，在频域和时域两方面对脑电信号这种复杂的非线性随机信号进行分析，提高了对深度麻醉时的分类准确率。该分类方法可应用与麻醉手术时病人麻醉深度的确定。为医务人员对患者实施麻醉手术提供了可靠依据。为了实现上述目的，本专利技术采用的技术方案为：一种对不同麻醉状态下脑电信号分类系统，包括：脑电信号采集模块、前端信号处理模块、频域和时域参数计算模块、麻醉深度估计模块和显示模块；脑电信号采集模块：包括三个分别贴在病人的前额中间、前额左边和左侧乳突部位脑电信号采集电极，前额中间和左侧乳突部位构成一对差分信号，前额左边是参考信号；采集一对差分信号和参考信号作为脑电信号送至前端信号处理模；前端信号处理模块：包括依次连接的前置三级放大模块、工频滤波模块和模数转换模块；所述前置三级放大模块用于将微弱的脑电信号放大到可检测的范围；所述工频滤波模块去除脑电信号中50Hz的工频干扰；所述模数转换模块是将工频滤波后获得的模拟脑电信号转化为数字脑电信号，送至频域和时域参数计算模块；频域和时域参数计算模块：包括频域参数计算模块和时域参数计算模块；所谓频域参数计算模块是对数字脑电信号进行快速傅里叶变换，计算特定区间，即100Hz以下的频段的6～12Hz低频波和大于12～21Hz高频波的频段能量比值参数Lratio、Hratio；所谓时域参数计算模块是指计算时域信号的排列熵PE和爆发抑制比BSR，把排列熵PE和爆发抑制比BSR结合在一起获得时域参数脑功能指数BFI；麻醉深度估计模块；把所获得的Lratio、Hratio参数和BFI参数作为输入，四个麻醉深度状态，即清醒状态、浅度麻醉、正常麻醉、深度麻醉作为输出，采集大量即20个以上病人，200分钟以上原始脑电波信号的样本，经过自适应模糊逻辑算法ANFIS对经过处理的获得的Lratio、Hratio参数和BFI参数作为输入，麻醉深度指数SDA作为输出的数据进行有效训练后，能够准确区分不同麻醉状态,获得稳定的麻醉深度指数SDA；显示模块；对麻醉深度状态，即清醒状态、浅度麻醉状态、正常麻醉状态、深度麻醉状态所对应麻醉深度指数SDA进行显示。所述频域和时域参数计算模块中，爆发抑制比BSR计算方法如以下公式所示：其中x(i)是N个采样点数字脑电波数据中第i个点的值，N小于等于512，nleo(j)表示连续j个脑电信号数据获得的时域参数，j不大于等于20：NLEO(k)为一定时间内连续k个参数和,k不大于25，计算一定的时间内，参数NLEO持续小于某个特定值的占比为BSR,特点值是用来标志清醒与否，BSR的取值为0到100,在深度麻醉时，BSR才不为0。所述频域和时域参数计算模块中，BFI计算方法如以下公式所示：α值由大量临床实验数据获得，它把PE算法和BSR结合，克服了PE算法无法跟踪深度麻醉状态，同时拥有时域运算的简单，快速特点。α范围取0-1，参考临床统计数据后，取BSR＝40为分界点，即标志清醒与深度麻醉状态，在小于等于40情况下，脑电波活动比较激烈，需要用排列熵PE参数来进行状态分类，大于40标志已经进入深度麻醉，只需要BSR进行分类，各种参考取值确保最终让BFI分别在0-100内变化。所述设定的时间为60秒，取60秒是考虑到临床使用时，实时统计时间不能太短也不能过长，统计太短波动大、不准确，太长则算的时间耗时长。本专利技术与现有技术相比的优点在于：(1)本专利技术引入一个结合排列熵和爆发抑制比得到的脑功能指数，在频域和时域两方面对脑电信号这种复杂的非线性随机信号进行分析，提高了对深度麻醉时的分类准确率。该分类方法可应用与麻醉手术时病人麻醉深度的确定。为医务人员对患者实施麻醉手术提供了可靠依据。(2)本专利技术前置放大模块和模数转换模块整合在一起，通过串口输出数字数据减少了环境电磁波对微弱的脑电信号的干扰。(3)本专利技术结合了时域和频域的脑电波特性，在时域采用PE算法和BSR结合，克服了PE算法在深度麻醉时无法有效跟踪，同时大大地挺高了运算的速度，使得数据的输出延时更少，误差更小。(4)本专利技术采用了自适应模糊逻辑推理算法，对不同麻醉状态下低频波、高频波、BFI的数据进行训练，该方法具有很好的分辨能力，能够自动地显示不同麻醉深度，避免了其他非线性的干扰。附图说明本文档来自技高网...

【技术保护点】
1.一种对不同麻醉状态下脑电信号分类系统，其特征在于包括：脑电信号采集模块、前端信号处理模块、频域和时域参数计算模块、麻醉深度估计模块和显示模块；脑电信号采集模块：包括三个分别贴在病人的前额中间、前额左边和左侧乳突部位脑电信号采集电极，前额中间和左侧乳突部位构成一对差分信号，前额左边是参考信号；采集一对差分信号和参考信号作为脑电信号送至前端信号处理模；前端信号处理模块：包括依次连接的前置三级放大模块、工频滤波模块和模数转换模块；所述前置三级放大模块用于将微弱的脑电信号放大到可检测的范围；所述工频滤波模块去除脑电信号中50Hz的工频干扰；所述模数转换模块是将工频滤波后获得的模拟脑电信号转化为数字脑电信号，送至频域和时域参数计算模块；频域和时域参数计算模块：包括频域参数计算模块和时域参数计算模块；所谓频域参数计算模块是对数字脑电信号进行快速傅里叶变换，计算特定区间，即100Hz以下的频段的6～12Hz低频波和大于12～21Hz高频波的频段能量比值参数Lratio、Hratio；所谓时域参数计算模块是指计算时域信号的排列熵PE和爆发抑制比BSR，把排列熵PE和爆发抑制比BSR结合在一起获得时域参数脑功能指数BFI；麻醉深度估计模块；把所获得的Lratio、Hratio参数和BFI参数作为输入，四个麻醉深度状态：清醒状态、浅度麻醉、正常麻醉、深度麻醉作为输出，采集大量即20个以上病人，200分钟以上原始脑电波信号的样本，经过自适应模糊逻辑算法ANFIS对经过处理的获得的Lratio、Hratio参数和BFI参数作为输入，麻醉深度指数SDA作为输出的数据进行有效训练后，能够准确区分不同麻醉状态,获得稳定的麻醉深度指数SDA；显示模块；对麻醉深度状态，即清醒状态、浅度麻醉状态、正常麻醉状态、深度麻醉状态所对应麻醉深度指数SDA进行显示。...

【技术特征摘要】
1.一种对不同麻醉状态下脑电信号分类系统，其特征在于包括：脑电信号采集模块、前端信号处理模块、频域和时域参数计算模块、麻醉深度估计模块和显示模块；脑电信号采集模块：包括三个分别贴在病人的前额中间、前额左边和左侧乳突部位脑电信号采集电极，前额中间和左侧乳突部位构成一对差分信号，前额左边是参考信号；采集一对差分信号和参考信号作为脑电信号送至前端信号处理模；前端信号处理模块：包括依次连接的前置三级放大模块、工频滤波模块和模数转换模块；所述前置三级放大模块用于将微弱的脑电信号放大到可检测的范围；所述工频滤波模块去除脑电信号中50Hz的工频干扰；所述模数转换模块是将工频滤波后获得的模拟脑电信号转化为数字脑电信号，送至频域和时域参数计算模块；频域和时域参数计算模块：包括频域参数计算模块和时域参数计算模块；所谓频域参数计算模块是对数字脑电信号进行快速傅里叶变换，计算特定区间，即100Hz以下的频段的6～12Hz低频波和大于12～21Hz高频波的频段能量比值参数Lratio、Hratio；所谓时域参数计算模块是指计算时域信号的排列熵PE和爆发抑制比BSR，把排列熵PE和爆发抑制比BSR结合在一起获得时域参数脑功能指数BFI；麻醉深度估计模块；把所获得的Lratio、Hratio参数和BFI参数作为输入，四个麻醉深度状态：清醒状态、浅度麻醉、正常麻醉、深度麻醉作为输出，采集大量即20个以上病人，200分钟以上原始脑电波信号的样本，经过自适应模糊逻辑算法ANFIS对经过处理的获得的...

【专利技术属性】
技术研发人员：郑烇，王琪，徐骏，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽,34