应用于麻醉管理的脑电意识监测数据分析方法及系统技术方案

本申请提供一种应用于麻醉管理的脑电意识监测数据分析方法及系统。方法包括：获取麻醉对象的EEG信号熵序列数据，对EEG信号熵序列数据进行动态熵变分析，获得麻醉对象的熵变特征向量，对EEG信号熵序列数据进行时域相位耦合建模，获得麻醉对象的相位同步特征矩阵，根据熵变特征向量和相位同步特征矩阵，生成麻醉对象的意识状态融合特征；根据意识状态融合特征对麻醉对象进行麻醉状态预测，获得麻醉对象在第二时间周期中的采样时序节点的EEG信号熵。本申可以实现麻醉对象在第二时间周期中的采样时序节点的EEG信号熵的准确预测，帮助更加精准地监控麻醉对象的麻醉状态，以便及时调整麻醉药物剂量，确保手术过程的安全性和有效性。

【技术实现步骤摘要】

本申请涉及数据处理，尤其涉及一种应用于麻醉管理的脑电意识监测数据分析方法及系统。

技术介绍

1、在现代医疗手术中，麻醉管理是保障患者安全和手术顺利进行的关键环节。准确监测麻醉对象的意识状态，及时调整麻醉药物剂量，对于避免术中知晓、减少麻醉并发症具有重要意义。目前，临床上常用的麻醉监测方法主要依赖于单一指标，如血压、心率、脑电双频指数等。然而，这些单一指标往往只能反映麻醉状态的某一个方面，无法全面、准确地评估麻醉对象的意识水平。因此，需要一种全面、准确的麻醉监测方法，对麻醉状态精准预测和实时监控。

技术实现思路

1、有鉴于此，本申请提供一种应用于麻醉管理的脑电意识监测数据分析方法及系统。本申请的技术方案是这样实现的：

2、一方面，本申请提供一种应用于麻醉管理的脑电意识监测数据分析方法，包括：获取麻醉对象的eeg信号熵序列数据，所述eeg信号熵序列数据包括所述麻醉对象在第一时间周期中依据采样时序节点排布的多个eeg信号熵；对所述eeg信号熵序列数据进行动态熵变分析，获得所述麻醉对象的熵变特征向量，所述本文档来自技高网...

【技术保护点】

1.一种应用于麻醉管理的脑电意识监测数据分析方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述EEG信号熵序列数据进行动态熵变分析，获得所述麻醉对象的熵变特征向量，包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述EEG信号熵序列数据进行动态熵变分析，获得所述麻醉对象的熵变特征向量，包括：

4.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的方法，其特征在于，所述对所述EEG信号熵序列数据进行动态熵变分析，获得所述麻醉对象的熵变特征向量，包括：p>

6.根据权...

【技术特征摘要】

1.一种应用于麻醉管理的脑电意识监测数据分析方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述eeg信号熵序列数据进行动态熵变分析，获得所述麻醉对象的熵变特征向量，包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述eeg信号熵序列数据进行动态熵变分析，获得所述麻醉对象的熵变特征向量，包括：

4.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的方法，其特征在于，所述对所述eeg信号熵序列数据进行动态熵变分析，获得所述麻醉对象的熵变特征向量，包括：

6.根据权利要求5所述的方法，其特征在于，所述神经振荡波动谱被分解成x个神经振荡片段，所述重复预测表示对基础动态熵变预测器的参变量进行x次预测，所述x次预测与所述x个神经振荡片段逐一匹配，x≥2；所述x次预测中的第b次预测是以第a次预测得到的动态熵变预测器为先决条件执行的，所述重复预测得到的参变量是第x次预测得到的参变量，1≤a≤x，a=b-1；

7.根据权利要求1所述的方法，其特征在于，所述eeg信号熵序列数据包括所述第一时间周期中y个采样时序节点的eeg信号熵，y≥2；所述时域相位耦合建模通过目标时域相位耦合建模器执行，所述目标时域相位耦合建模器包括...

【专利技术属性】
技术研发人员：陈宣伶，秦学伟，赵欣，李正迁，姚兰，郭向阳，
申请(专利权)人：北京大学国际医院，
类型：发明
国别省市：