【技术实现步骤摘要】
本专利技术涉及数据处理领域，具体涉及一种麻醉深度监测电数据处理方法及系统。
技术介绍
1、麻醉深度监测是在手术过程中对患者的麻醉深度进行实时监测和评估，以确保患者在手 术过程中保持适当的麻醉状态。目前，常用的麻醉深度监测方法包括脑电图（eeg）监测、熵值监测、脉搏波形分析等。然而，这些监测方法在数据处理和存储方面存在一些问题，例 如数据量大、处理复杂、存储成本高等，为了解决这一问题，数据压缩技术被引入到麻醉深度监测电数据智慧处理系统中。通过使用数据压缩技术，可以优化存储空间，提高数据传输 效率和提高数据的可用性，从而实现对麻醉深度监测电数据的智慧管理和利用。传统霍夫曼编码是根据数据出现的频率来对麻醉深度监测电数据进行压缩，但麻醉深度监测数据例如脑电图（eeg）监测数据，数据类型多，在对其进行压缩时，压缩效果一般，不足以达到高效传输与存储的目的。
技术实现思路
1、针对以上问题，本专利技术通过对麻醉深度监测电数据进行差分处理，通过自适应差分步长，并对不同位置 的麻醉深度监测电数据进行不同程度的差分处理，令差分处理后的数据的冗余程度尽可能大， 从而大大提高麻醉深度监测电数据的压缩效果，达到高效传输与存储的目的。
2、为达到上述目的，本专利技术方法的技术方案为：
3、一种麻醉深度监测电数据处理方法，包括以下步骤：
4、步骤s1：获取麻醉深度监测电数据，所述麻醉深度监测电数据为脑电图电信号数据或心电图电信号数据或呼吸活动数据；
5、步骤s2：
6、步骤s3：基于每个分组阈值下的相邻子序列相似度间的差异获取每个分组阈值下麻醉深度监测电数据的一类区间与二类区间；根据分组阈值的大小及一类区间的长度获取所有一类区间的优选程度，根据所有一类区间的优选程度获取多个最优子区间；
7、步骤s4：基于每个最优子区间对应的分组阈值获取最优子区间步长；通过每个最优子区间的步长以及二类区间的预设步长对每个最优子区间内的麻醉深度监测电数据进行差分处理，得到处理后的麻醉深度监测电数据序列；
8、步骤s5：对处理后的麻醉深度监测电数据序列进行编码压缩，得到压缩后的数据，将压缩后的数据进行存储。
9、进一步地，所述步骤s2中根据麻醉深度监测电数据的平均值获取麻醉深度监测电数据子段，包括的步骤为：
10、首先获取麻醉深度监测电数据序列的平均值，将平均值记为，麻醉深度监测电数据序列中大于h且连续分布的信号数据作为麻醉深度监测电数据子段，麻醉深度监测电数据序列中小于等于h且连续分布的信号数据也作为麻醉深度监测电数据子段。
11、进一步地，所述步骤s2中根据数据子段上最大值点之间的距离序列与数据子段上最小值点之间的距离序列间的平均值获取分组阈值的备选区间，包括的步骤为：
12、获取每个大于平均值的数据子段中的最大值，并标记每个大于平均值的数据子段中最大值的位置，同理获取每个小于等于平均值的数据子段中的最小值，并标记每个小于等于平均值的数据子段中最小值的位置；相邻的大于平均值的数据子段中，获取最大值的位置之间的距离maxl，所有相邻的大于平均值的数据子段中最大值的位置之间的距离构成距离序列，记为最大值序列[maxl1,maxl2,maxl3,…,maxlg1-1]；其中maxlg1-1表示最大值序列中第g1-1个距离；相邻的小于等于平均值的数据子段中，获取最小值的位置之间的距离minl，所有相邻的小于等于平均值的数据子段中最小值的位置之间的距离构成距离序列，记为最小值序列[minl1,minl2,minl3,…,minlg2-1]；其中minlg2-1表示最小值序列中第g2-1个距离，根据相邻标记最大值间的距离序列与相邻标记最小值间的距离序列间的平均值获 取分组阈值的备选区间，公式为：
13、
14、其中，表示分组阈值备选区间的最大值，⌊ * ⌋表示向下取整，分别表示大于平均值的数据子段个数与小于等于平均值的数据子段个数，,分别表示最大值序列与最小值序列中第t个相邻标记最大值间的距离与相邻标记最小值间的距离，由此得到分组阈值的备选区间为[2,]。
15、进一步地，所述步骤s2中根据分组阈值的备选区间获取每个分组阈值下麻醉深度监测电数据中的若干组子序列，包括的步骤为：
16、遍历备选区间[2,]中的每个整数，将遍历到的整数记为分组阈值a，以每a个数据为一组对麻醉深度监测电数据进行分组，在最后一个分组中，若分组中的数据量不足a时，将分组中不足a个的麻醉深度监测电数据量也纳为一组，由此完成麻醉深度监测电数据序列的初始分组，分组总个数记为ba；将第b组麻醉深度监测电数据序列记为第b个麻醉深度监测电数据子序列；遍历麻醉深度监测电数据序列，得到多个麻醉深度监测电数据子序列，麻醉深度监测电数据子序列的个数为ba；其中第b个麻醉深度监测电数据子序列为[db,1,db,2,…,db,i,…,db,a]，db,i表示第 b个麻醉深度监测电数据子序列第i个电信号数据值，第b + 1麻醉深度监测电数据子序列为[ db+1,1,db+1,2,,……,db+1,a]。
17、进一步地，所述步骤s2中根据备选区间中每个分组阈值以及每个分组阈值下麻醉深度监测电数据中相邻子序列间的差异获取每个分组阈值下麻醉深度监测电数据中相邻子序列的序列相似度，包括的步骤为：
18、序列相似度的获取方法为：
19、
20、式中表示第组麻醉深度监测电数据子序列与第b组麻醉深度监测电数据子序列的序列相似度，exp表示以自然常数为底数的指数函数，表示麻醉深度监测电数据子序列的长度，表示第b + 1麻醉深度监测电数据子序列中第i个数据的值，表示第b个脑电图电信号 数据子序列中第i个数据的值。
21、进一步地，所述步骤s3中根据每个分组阈值下的序列相似度间的差异获取每个分组阈值下脑电图电信号数据的一类区间与二类区间，包括的步骤为：
22、获取序列相似度序列fa，判断fa中第r个序列相似度值cr，若cr大于等于第一阈值，此时计算c1,c2,…,cr的均值，从c1,c2,…,cr中选择与差异最小的序列相似度值作为参考序列相似度值，记为∆c，判断序列相似度值cr与参考序列相似度值∆c差值的绝对值是否小于等于第二阈值，若fa中第r个序列相似度值cr大于等于第一阈值且cr与∆c差值的绝对值小于等于第二阈值，则将序列相似度值c1,c2,…,cr对应的麻醉深度监测电数据子序列归为一本文档来自技高网...
【技术保护点】
1.一种麻醉深度监测电数据处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的麻醉深度监测电数据处理方法，其特征在于，所述步骤S2中根据麻醉深度监测电数据的平均值获取麻醉深度监测电数据子段，包括的步骤为：
3.根据权利要求2所述的麻醉深度监测电数据处理方法，其特征在于，所述步骤S2中根据数据子段上最大值点之间的距离序列与数据子段上最小值点之间的距离序列间的平均值获取分组阈值的备选区间，包括的步骤为：
4.根据权利要求3所述的麻醉深度监测电数据处理方法，其特征在于，所述步骤S2中根据分组阈值的备选区间获取每个分组阈值下麻醉深度监测电数据中的若干组子序列，包括的步骤为：
5.根据权利要求4所述的麻醉深度监测电数据处理方法，其特征在于，所述步骤S2中根据备选区间中每个分组阈值以及每个分组阈值下麻醉深度监测电数据中相邻子序列间的差异获取每个分组阈值下麻醉深度监测电数据中相邻子序列的序列相似度，包括的步骤为：
6.根据权利要求1所述的麻醉深度监测电数据处理方法，其特征在于，所述步骤S3中根据每个分组阈值下的序列相似度间的
7.根据权利要求1所述的麻醉深度监测电数据处理方法，其特征在于，所述步骤S4中，根据每个最优子区间对应的分组阈值获取最优子区间步长，包括的步骤为：每一个最优子区间对应一个分组阈值，将每一个最优子区间对应的每一个分组阈值作为每一个最优子区间的最优子区间步长，所有的二类区间的步长均为1，由此得到每一个子区间的步长。
8.根据权利要求1所述的麻醉深度监测电数据处理方法，其特征在于，所述步骤S4中，通过每个最优子区间的步长以及二类区间的预设步长对每个最优子区间内的麻醉深度监测电数据进行差分处理，得到处理后的麻醉深度监测电数据序列，包括的步骤为：
9.根据权利要求1所述的麻醉深度监测电数据处理方法，其特征在于，所述步骤S5中，对处理后的麻醉深度监测电数据序列采用霍夫曼压缩算法进行编码压缩，将压缩完成后的数据进行存储。
10.一种麻醉深度监测电数据处理系统，其特征在于:包括：
...【技术特征摘要】
1.一种麻醉深度监测电数据处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的麻醉深度监测电数据处理方法，其特征在于，所述步骤s2中根据麻醉深度监测电数据的平均值获取麻醉深度监测电数据子段，包括的步骤为：
3.根据权利要求2所述的麻醉深度监测电数据处理方法，其特征在于，所述步骤s2中根据数据子段上最大值点之间的距离序列与数据子段上最小值点之间的距离序列间的平均值获取分组阈值的备选区间，包括的步骤为：
4.根据权利要求3所述的麻醉深度监测电数据处理方法，其特征在于，所述步骤s2中根据分组阈值的备选区间获取每个分组阈值下麻醉深度监测电数据中的若干组子序列，包括的步骤为：
5.根据权利要求4所述的麻醉深度监测电数据处理方法，其特征在于，所述步骤s2中根据备选区间中每个分组阈值以及每个分组阈值下麻醉深度监测电数据中相邻子序列间的差异获取每个分组阈值下麻醉深度监测电数据中相邻子序列的序列相似度，包括的步骤为：
6.根据权利要求1所述的麻醉深度监测电数据处理方法，其特征在于，所...
【专利技术属性】
技术研发人员：孟庆涛，图拉妮萨·喀迪尔，陈榕，刘慧敏，曾滋，
申请(专利权)人：武汉大学人民医院湖北省人民医院，
类型：发明
国别省市：
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。