【技术实现步骤摘要】
一种多指标的麻醉状态监测方法及系统
[0001]本专利技术涉及人工智能领域，尤其是涉及利用深度学习方法对麻醉状态进行监测的方法及系统
。
技术介绍
[0002]麻醉是一种复杂而危险的医疗过程，旨在使患者无感知地接受手术或其他治疗
。
因此，确保患者在整个麻醉期间都处于适当的麻醉深度是至关重要的
。
麻醉深度监测可以确保患者在手术过程中不会感到疼痛或意识到手术细节，从而降低手术期间的不适感和焦虑，有助于提高手术过程的安全性和成功率
。
而且过度麻醉可能导致患者的生命体征不稳定，如低血压
、
低心率和呼吸抑制
。
通过监测麻醉深度，医生可以调整麻醉剂的用量，以避免过度麻醉，减少不必要的风险
。
而麻醉不足可能导致患者在手术中感到疼痛或恢复意识，这可能会导致术中意外的动作或疼痛反应
。
通过监测麻醉深度，可以确保患者在整个手术期间处于适当的麻醉状态
。
[0003]常用的麻醉状态监测方法有脑电双频指数（
BIS
）
、
熵指数
、
听觉诱发电位等，其中
BIS
和熵指数应用范围最广
。BIS
是根据脑电图信号计算得到脑电双频指数；熵指数是利用肌电图信号
、
脑电图信号计算状态熵（
SE
）与反应熵（
RE
），根据
SE
和
RE
...
【技术保护点】
【技术特征摘要】
1.
一种多指标的麻醉状态监测方法，其特征在于，所述方法包括以下步骤：获取至少一个头部位置的脑电数据和至少一个头部位置的肌电数据，并获取用户数据，其中，所述用户数据至少包括年龄
、
性别
、
使用的麻醉药物；根据所述脑电数据和所述肌电数据得到一个第一矩阵，所述第一矩阵的每行是一个头部位置对应的脑电数据或肌电数据；根据所述用户数据得到一个第二矩阵，所述第二矩阵的每行是根据一个用户数据的编码得到 ；将第一矩阵和第二矩阵按行拼接得到第三矩阵，将所述第三矩阵的每行作为一个
token
输入到第一
ViT
模型中得到第一
CLS Token
；根据所述第一矩阵的转置得到第四矩阵，将所述第四矩阵的每行作为一个
token
输入到第二
ViT
模型中得到至少一个第二
CLS Token
；根据所述第一
CLS Token
和至少一个所述第二
CLS Token
得到麻醉状态值
。2.
如权利要求1所述的方法，其特征在于，所述根据所述第一矩阵的转置得到第四矩阵，具体为：将所述第一矩阵的转置和所述第一
CLS Token
的转置按列拼接得到第四矩阵，所述第四矩阵的第一列为所述第一
CLS Token
的转置
。3.
如权利要求1所述的方法，其特征在于，所述根据所述第一矩阵的转置得到第四矩阵，具体为：所述第二矩阵的每行包括两部分，第一部分是对一个用户数据的编码，第二部分是补零部分，其中所述对一个用户数据的编码的长度和第一矩阵的行数相同；提取所述第二矩阵中非全零的列得到第二子矩阵，将所述第一矩阵的转置和第二子矩阵按行拼接得到第四矩阵
。4.
如权利要求1所述的方法，其特征在于，所述根据所述第一
CLS Token
和至少一个所述第二
CLS Token
得到麻醉状态值，具体为：将所述至少一个所述第二
CLS Token
合并为一个向量，若所述向量的长度小于所述第一
CLS Token
的长度的一半，则将所述向量通过
MLP
转换为和所述第一
CLS Token
长度相同的向量，将转换后的向量和所述第一
CLS Token
作为
MLP
的输入得到麻醉状态值；否则，将所述向量和所述第一
CLS Token
作为
MLP
的输入得到麻醉状态值
。5.
如权利要求4所述的方法，其特征在于，所述方法还包括：在构建所述第二
ViT
模型时，设置超参数
N
，
N
为在所述第二
ViT
模型的输入部分设置的第二
CLS Token<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。