一种麻醉深度及睡眠深度的评估方法及装置制造方法及图纸

本发明专利技术公开了一种麻醉深度及睡眠深度的评估方法及装置，该评估方法包括：采集待评估人体的脑电信号和心电信号；对脑电信号进行预处理得到脑电信号中若干个脑电波对应的频率范围，以及对心电信号进行预处理得到心电信号的若干个波形关键点；根据频率范围以及波形关键点分别提取脑电信号的脑电信号波形特征以及心电信号的心电信号波形特征；根据多变量传递熵算法计算脑电信号波形特征与心电信号波形特征之间的耦合特征值；根据耦合特征值，评估得到待评估人体的麻醉深度和睡眠深度。本发明专利技术实施综合考虑了人体的脑电信号和心电信号对睡眠深度以及麻醉深度进行评估，能够有效提高评估的全面性以及准确性，从而能够有效提高评估的效率。

【技术实现步骤摘要】
一种麻醉深度及睡眠深度的评估方法及装置
本专利技术涉及医疗
，尤其是涉及一种麻醉深度及睡眠深度的评估方法及装置。
技术介绍
多导睡眠图(PSG)被认为是评估睡眠的金标准。该方法通过记录脑电(EEG)、心电(ECG)、眼电、肌电、口鼻呼吸气流、胸腹呼吸运动、血氧饱和度、打鼾、腿运动、体位等信号，但是该方法需要专业的技术人员进行整夜监控，并按照相关标准采用手动分析，导致对睡眠深度评估的效率较低。此外，麻醉深度的精确评估在手术室和重症监护病房中至关重要，维持适宜的麻醉深度是重要而复杂的，需要综合各项反应作出合理的评价，近些年来常用的麻醉深度估计方法主要有：仅通过使用脑电信号作为评估标准，或者仅通过使用心电信号作为评估标准，然而，仅使用脑电型号或者心电信号进行评估，无法全面评估病人的麻醉深度，导致对麻醉深度评估的效率较低。
技术实现思路
本专利技术提供一种麻醉深度及睡眠深度的评估方法及装置，以解决现有的麻醉深度及睡眠深度的评估方法对麻醉深度以及睡眠深度的评估效率较低的技术问题。本专利技术的第一实施例提供了一种麻醉深度及睡眠深度的评估方法，包括：采集待评估人体的脑电信号和心电信号；对所述脑电信号进行预处理得到所述脑电信号中若干个脑电波对应的频率范围，以及对所述心电信号进行预处理得到所述心电信号的若干个波形关键点；根据所述频率范围以及所述波形关键点分别提取所述脑电信号的脑电信号波形特征以及所述心电信号的心电信号波形特征；根据多变量传递熵算法计算所述脑电信号波形特征与所述心电信号波形特征之间的耦合特征值；根据所述耦合特征值，评估得到待评估人体的麻醉深度和睡眠深度。进一步的，所述采集待评估人体的脑电信号和心电信号，具体为：通过导出所述待评估人体的脑电图和心电图采集对应的脑电信号和心电信号。进一步的，所述对所述脑电信号进行预处理得到所述脑电信号中若干个脑电波对应的频率范围，具体为：采用巴特沃斯滤波器对所述脑电信号进行去燥处理，分别得到所述脑电信号中脑电波δ、θ、α、σ和β的频率范围。进一步的，所述心电信号进行预处理得到所述心电信号的若干个波形关键点，具体为：采用巴特沃斯滤波器对所述心电信号进行去燥处理后，采用差分阈值算法计算得到所述心电信号的波形关键点，其中，所述波形关键点包括：R波峰值点、P波起始点、QRS波群起始点和T波结束点。进一步的，所述根据所述频率范围以及所述波形关键点分别提取所述脑电信号的脑电信号波形特征以及所述心电信号的心电信号波形特征，具体为：利用自回归模型估计每一所述脑电波对应的功率谱密度，通过对每一所述功率谱密度进行积分，计算得到每一所述脑电波对应的绝对频谱功率，将所述绝对频谱功率作为所述脑电信号的脑电信号波形特征；采用差分阈值算法计算若干个所述波形关键点之间的间期，将所述间期作为所述心电信号的心电信号形态特征；其中所述间期包括相邻R峰间期RR、P波起始点到R波峰值点的间期PR和QRS波群起始点到T波结束点的间期QT。进一步的，所述根据多变量传递熵算法计算所述脑电信号波形特征与所述心电信号波形特征之间的耦合特征值，具体为：对所述脑电信号波形特征以及所述心电信号波形特征进行归一化处理，将所述脑电信号波形特征以及所述心电信号波形特征划分为预设时间段的信号特征，采用多变量传递熵算法根据所述信号特征计算得到所述脑电信号波形特征与所述心电信号波形特征之间的耦合特征值。进一步的，所述根据所述耦合特征值，评估得到待评估人体的麻醉深度和睡眠深度，具体为：根据所述耦合特征值分析所述待评估人体的自主神经系统调控的变化，得到所述待评估人体的麻醉深度评估结果和睡眠深度评估结果。本专利技术的第二实施例提供了一种麻醉深度及睡眠深度评估装置，包括：采集模块，用于采集待评估人体的脑电信号和心电信号；预处理模块，用于对所述脑电信号进行预处理得到所述脑电信号中若干个脑电波对应的频率范围，以及对所述心电信号进行预处理得到所述心电信号的若干个波形关键点；特征提取模块，用于根据所述频率范围以及所述波形关键点分别提取所述脑电信号的脑电信号波形特征以及所述心电信号的心电信号波形特征；计算模块，用于根据多变量传递熵算法计算所述脑电信号波形特征与所述心电信号波形特征之间的耦合特征值；评估模块，用于根据所述耦合特征值，评估得到待评估人体的麻醉深度和睡眠深度。进一步的，所述特征提取模块，具体用于：利用自回归模型估计每一所述脑电波对应的功率谱密度，通过对每一所述功率谱密度进行积分，计算得到每一所述脑电波对应的绝对频谱功率，将所述绝对频谱功率作为所述脑电信号的脑电信号波形特征；采用差分阈值算法计算若干个所述波形关键点之间的间期，将所述间期作为所述心电信号的心电信号形态特征；其中所述间期包括相邻R峰间期RR、P波起始点到R波峰值点的间期PR和QRS波群起始点到T波结束点的间期QT。进一步的，所述计算模块，具体用于：对所述脑电信号波形特征以及所述心电信号波形特征进行归一化处理，将所述脑电信号波形特征以及所述心电信号波形特征划分为预设时间段的信号特征，采用多变量传递熵算法根据所述信号特征计算得到所述脑电信号波形特征与所述心电信号波形特征之间的耦合特征值。本专利技术实施综合考虑了人体的脑电信号和心电信号对睡眠深度以及麻醉深度的影响，根据多变量传递熵算法计算脑电信号波形特征与心电信号波形特征之间的耦合特征值，并根据该耦合特征值的变化评估人体的麻醉深度和睡眠深度，能够有效提高评估的全面性以及准确性，且能够有效提高评估的效率。附图说明图1是本专利技术实施例提供的一种麻醉深度及睡眠深度的评估方法的流程示意图；图2是本专利技术实施例提供的脑电波的功率谱密度示意图；图3是本专利技术实施例提供的心电信号的波形关键点示意图；图4是本专利技术实施例提供的脑电波的绝对频谱功率示意图；图5是本专利技术实施例提供的心电信号的波形关键点之间的间期示意图；图6是本专利技术实施例提供的一种麻醉深度及睡眠深度评估装置的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接本文档来自技高网...

【技术保护点】
1.一种麻醉深度及睡眠深度的评估方法，其特征在于，包括：/n采集待评估人体的脑电信号和心电信号；/n对所述脑电信号进行预处理得到所述脑电信号中若干个脑电波对应的频率范围，以及对所述心电信号进行预处理得到所述心电信号的若干个波形关键点；/n根据所述频率范围以及所述波形关键点分别提取所述脑电信号的脑电信号波形特征以及所述心电信号的心电信号波形特征；/n根据多变量传递熵算法计算所述脑电信号波形特征与所述心电信号波形特征之间的耦合特征值；/n根据所述耦合特征值，评估得到待评估人体的麻醉深度和睡眠深度。/n

【技术特征摘要】
1.一种麻醉深度及睡眠深度的评估方法，其特征在于，包括：
采集待评估人体的脑电信号和心电信号；
对所述脑电信号进行预处理得到所述脑电信号中若干个脑电波对应的频率范围，以及对所述心电信号进行预处理得到所述心电信号的若干个波形关键点；
根据所述频率范围以及所述波形关键点分别提取所述脑电信号的脑电信号波形特征以及所述心电信号的心电信号波形特征；
根据多变量传递熵算法计算所述脑电信号波形特征与所述心电信号波形特征之间的耦合特征值；
根据所述耦合特征值，评估得到待评估人体的麻醉深度和睡眠深度。


2.如权利要求1所述的麻醉深度及睡眠深度的评估方法，其特征在于，所述采集待评估人体的脑电信号和心电信号，具体为：
通过导出所述待评估人体的脑电图和心电图采集对应的脑电信号和心电信号。


3.如权利要求1所述的麻醉深度及睡眠深度的评估方法，其特征在于，所述对所述脑电信号进行预处理得到所述脑电信号中若干个脑电波对应的频率范围，具体为：
采用巴特沃斯滤波器对所述脑电信号进行去燥处理，分别得到所述脑电信号中脑电波δ、θ、α、σ和β的频率范围。


4.如权利要求1所述的麻醉深度及睡眠深度的评估方法，其特征在于，所述心电信号进行预处理得到所述心电信号的若干个波形关键点，具体为：
采用巴特沃斯滤波器对所述心电信号进行去燥处理后，采用差分阈值算法计算得到所述心电信号的波形关键点，其中，所述波形关键点包括：R波峰值点、P波起始点、QRS波群起始点和T波结束点。


5.如权利要求1所述的麻醉深度及睡眠深度的评估方法，其特征在于，所述根据所述频率范围以及所述波形关键点分别提取所述脑电信号的脑电信号波形特征以及所述心电信号的心电信号波形特征，具体为：
利用自回归模型估计每一所述脑电波对应的功率谱密度，通过对每一所述功率谱密度进行积分，计算得到每一所述脑电波对应的绝对频谱功率，将所述绝对频谱功率作为所述脑电信号的脑电信号波形特征；
采用差分阈值算法计算若干个所述波形关键点之间的间期，将所述间期作为所述心电信号的心电信号形态特征；其中所述间期包括相邻R峰间期RR、P波起始点到R波峰值点的间期PR和QRS波群起始点到T波结束点的间期QT。


6.如权利要求1所述的麻醉深度及睡眠深度的评估方法，其特征在于，所述根据多变量传递熵算法计算所述脑电...

【专利技术属性】
技术研发人员：罗语溪，汪婷婷，宋迎杰，王科杰，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44