CN104994782A - 用于测量麻醉深度的方法和设备 - Google Patents
用于测量麻醉深度的方法和设备 Download PDFInfo
- Publication number
- CN104994782A CN104994782A CN201480008609.1A CN201480008609A CN104994782A CN 104994782 A CN104994782 A CN 104994782A CN 201480008609 A CN201480008609 A CN 201480008609A CN 104994782 A CN104994782 A CN 104994782A
- Authority
- CN
- China
- Prior art keywords
- value
- signal
- calculation
- cai
- anesthesia
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000003444 anaesthetic effect Effects 0.000 title abstract 4
- 238000004364 calculation method Methods 0.000 claims abstract description 129
- 206010002091 Anaesthesia Diseases 0.000 claims abstract description 100
- 230000037005 anaesthesia Effects 0.000 claims abstract description 100
- 238000001228 spectrum Methods 0.000 claims abstract description 53
- 238000000605 extraction Methods 0.000 claims description 35
- 238000011161 development Methods 0.000 claims description 22
- 239000000284 extract Substances 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 12
- 230000001054 cortical effect Effects 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 230000011664 signaling Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 16
- 238000000537 electroencephalography Methods 0.000 description 15
- 238000001949 anaesthesia Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 4
- 230000000147 hypnotic effect Effects 0.000 description 4
- 230000036407 pain Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000002490 cerebral effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004958 brain cell Anatomy 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 238000002695 general anesthesia Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000005062 synaptic transmission Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4821—Determining level or depth of anaesthesia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/384—Recording apparatus or displays specially adapted therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Anesthesiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
Abstract
本发明迅速地对麻醉的程度的改变作出反应以提供准确且及时的麻醉深度测量结果,且一种用于测量麻醉深度的方法包括以下步骤:时期划分部分通过基于时间单位将EEG信号划分成多个数目来产生时期信号,系数部分通过计算时期中具有高于确立的临界值的值的点的数目来提取CAI计算值(CAI),香农熵计算部分通过进行来自EEG信号的香农熵计算来提取香农熵计算值(ShEn),且频谱熵计算部分通过进行频谱熵计算来提取频谱熵值(SpEn);经改善的香农熵提取部分通过乘以香农熵计算值(ShEn)与频谱熵计算值(SpEn)来提取经改善的香农熵计算值(MshEn);以及CAI提取部分通过经改善的香农熵计算值(MshEn)以及CAI计算值(CAI)的逻辑运算来提取麻醉深度指标(MsCAI)。
Description
技术领域
本发明涉及一种用于测量麻醉深度的方法,且更明确地说,涉及一种用于测量麻醉深度的方法和设备,其能够提供麻醉深度的精确测量值,而不管麻醉条件的改变,通过显著改善追踪速度(tracking speed)来根据麻醉条件的改变及时地提供麻醉深度信息,且具有与常规麻醉深度分析设备的兼容性,由此具有高利用率。
背景技术
通常,在包含手术和治疗的医疗实践的领域中,当疼痛被施加到受治疗者时,通过麻醉来阻止神经传递,使得去除或减小疼痛。在针对严重疾病或症状的手术期间,执行一般麻醉,且应连续地观测处于一般麻醉下的患者。应通过感测麻醉深度来检查患者的麻醉状态,且存在问题。虽然应在足够麻醉下执行手术,但存在归因于在手术期间的苏醒患者遭受精神疼痛的问题。
因此,在手术期间,应连续地测量麻醉深度,且用于观测临床方面的方法和用于分析生物电信号的方法已主要用作用于测量麻醉深度的方法。用于分析生物电信号的方法包含用于测量和分析脑波以便评估麻醉剂对中枢神经***的影响的方法,且还存在将使用脑波的方法应用于的各种种类的监控设备。存在使用脑波的各种种类的麻醉深度监控设备的原因在于,相应设备具有用于分析和评估脑波的不同算法。
当前,双频谱指标(Bispectral index,下文被称作“BIS”)分析设备最流行地被用作麻醉深度监控设备。BIS分析设备为基于脑波的麻醉深度测量技术经发展且首次在其中采用的设备中的一个,将麻醉深度显示为待在0到100的范围内数字化的“BIS”,且通过将BIS与常规麻醉深度测量标准或与在另一麻醉深度仪器中计算的指标比较来验证BIS的临床可靠性。
借助于包含例如BIS分析设备的常规麻醉深度监控设备,为麻醉深度临床受治疗者或麻醉深度监控者的用户不能够改善或改变仪器的脑波分析算法,使得适合于患者的病人特性的算法可能未应用,且因此不能准确地监控患者的麻醉深度。此外,由于未揭示安装在仪器中的分析算法的细节,因此所述设备不适合于临床麻醉深度研究且在证明算法错误时存在许多困难。
此外,例如BIS分析设备的麻醉深度监控设备具有患者的麻醉状态不能够被迅速地感测到问题,这是因为用于麻醉状态的迅速改变的追踪速度(tracking speed)较慢。
专利文献1是关于一种用于通过脑波信号分析测量大脑活动和麻醉深度的***和方法,其中与常规光谱分析、小波(wavelet)分析或熵分析相比,可非常准确地计算出值,但基本算法的结构非常简单。
(专利文献1)韩国专利申请早期公开案第2012-0131027号(于2012年12月4日公开)
发明内容
技术问题
为了解决以上描述的问题,本发明的目标为提供一种用于测量麻醉深度的方法和设备,其能够提供麻醉深度的精确测量值而不管麻醉条件的改变,及时地提供麻醉深度信息而不管麻醉状态的迅速改变,且具有与常规麻醉深度分析设备的兼容性。
技术解决方案
为了解决以上描述的问题,根据本发明的一种用于测量麻醉深度的方法包含:由时期划分部分按时间单位将EEG信号划分成多个时期信号,由计数部分通过计数在比确定的临界值高的值的时期中的点的数目来提取CAI计算值(CAI),由香农熵计算部分通过执行来自EEG信号的香农熵计算来提取香农熵计算值(ShEn),以及由频谱熵计算部分通过执行频谱熵计算来提取频谱熵计算值(SpEn);由修改的香农熵计算部分通过乘以香农熵计算值(ShEn)和频谱熵计算值(SpEn)来提取修改的香农熵计算值(MshEn);以及由CAI提取部分通过对修改的香农熵计算值(MshEn)和CAI计算值(CAI)执行逻辑运算来提取麻醉深度指标(MsCAI)。
根据本发明的优选实施例,麻醉深度指标(MsCAI)的提取包含通过根据以下等式将用第一常数(L)乘以修改的香农熵计算值(MshEn)与用第二常数(U)乘以CAI计算值(CAI)求和来提取麻醉深度指标(MsCAI):MsCAI=L*MshEn+U*CAI(L=0.243,0.65≤U≤0.74)。
根据本发明的优选实施例,香农熵计算值(ShEn)和频谱熵计算值(SpEn)的提取包含:对EEG信号执行低频带通滤波;对在低频带通滤波后获得的信号执行高频带通滤波;通过按预定时间单位划分在低频带通滤波后获得的信号来产生第一时期信号;通过按预定时间单位划分在高频带通滤波后获得的信号来产生第二时期信号;去除来自第一时期信号的噪音;以及通过按具有从其去除的噪音的时期信号的均方根值划分第二时期信号来执行正规化。
根据本发明的优选实施例,所述方法包含:计算通过对其中噪音被去除的时期信号执行高速傅立叶变换输出的频率分量的功率谱密度;以及通过从功率谱密度执行频谱熵计算来提取频谱熵计算值。
根据本发明的优选实施例,所述方法包含通过从正规化的信号执行香农熵计算来提取香农熵计算值。
根据本发明的优选实施例,所述方法包含对正规化的信号执行高速傅立叶变换和从功率谱密度提取频谱熵计算值。
根据本发明的优选实施例,所述方法包含通过乘以在对待求和到预定频带、然后乘以常数的正规化的信号执行离散傅立叶变换后获得的值来计算临界值至少两次。
根据本发明的优选实施例,所述方法包含通过计数大于临界值的点的数目、将计数的数目除以时期信号的点的总数且用预定值乘以经相除的值来提取CAI计算值。
根据本发明的另一个实施例,根据本发明的一种用于测量麻醉深度的设备包含:CAI提取部分,其经配置以按时间段划分EEG信号来产生时期信号,设定来自时期信号的预定临界值,以及通过计数在时期信号中超出临界值的点的数目来提取CAI计算值(CAI);修改的香农熵提取部分,其经配置以通过乘以从EEG信号计算的香农熵计算值(ShEn)与从EEG信号计算的频谱熵计算值(SpEn)来输出修改的香农熵计算值(MshEn);以及MsCAI提取部分,其经配置以通过对修改的香农熵计算值(MshEn)和CAI计算值(CAI)执行逻辑运算来提取麻醉深度指标(MsCAI)。
根据本发明的优选实施例,MsCAI提取部分通过根据以下等式对将修改的香农熵计算值(MshEn)乘以第一常数(L)与将CAI计算值(CAI)乘以第二常数(U)求和来提取麻醉深度指标(MsCAI):MsCAI=L*MshEn+U*CAI(L=0.243,0.65≤U≤0.74)。
根据本发明的优选实施例,CAI提取部分还包含临界值提取部分,其经配置以根据麻醉程度或频带不固定地改变由临界值相乘的常数,以便将麻醉程度或频带应用到临界值。
根据本发明的优选实施例,临界值提取部分通过乘以在对待求和到预定频带、然后乘以常数的正规化的信号执行离散傅立叶变换后获得的值来提取临界值至少两次。
根据本发明的优选实施例,CAI提取部分还包含计数器,其经配置以计数时期信号中大于临界值的点的数目且将计数的数目除以时期信号中的点的总数。
根据本发明的优选实施例,设备还包含:第一时期划分部分,其经配置以通过按预定时间单位划分通过对EEG信号执行低频带通滤波获得的信号来产生第一时期信号;以及第二时期划分部分,其经配置以通过对在低频带通滤波后获得的信号执行高频带通滤波且通过按预定时间单位划分所得信号来产生第二时期信号。
根据本发明的优选实施例,设备还包含:噪音去除部分,其经配置以通过小波技术从第一时期划分部分的输出去除噪音;正规化部分,其经配置以计算噪音去除部分的输出时期信号的均方根值且按均方根值划分第二时期划分部分的输出时期信号;以及香农熵计算部分,其经配置以从正规化部分的输出计算香农熵以便输出香农熵计算值。
根据本发明的优选实施例设备还包含:功率频谱计算部分,其经配置以对噪音去除部分的输出执行高速傅立叶变换且输出功率谱密度;以及频谱熵计算部分,其经配置以通过从功率频谱计算部分的输出计算频谱熵来输出频谱熵计算值。
有益效果
在本发明中,费舍尔评分为74.6365,且与常规BIS麻醉深度分析设备(费舍尔评分为47.11)相比,可因此更准确地测量麻醉程度。
解决了以下常规问题:当麻醉程度迅速改变时,由于常规BIS技术的低追踪速度(tracking speed),反应速度较低,且因此,可通过比具有平均为15秒快的反应速度的常规麻醉深度分析设备更迅速地反应来准确且及时地检测从苏醒(awake)状态到麻醉状态(催眠(hypnosis))的状态的改变。
在本发明中,通过香农熵技术和从频谱熵技术改善的修改的香农熵技术,不仅应用了时域和频域中的不规则性,且通过与CAI技术组合也应用了脑波自身特性,由此准确且迅速地根据各种麻醉条件提供麻醉状态的经测量值。
本发明与常规BIS设备具有0.9877的高相关性(correlation),由此与常规BIS设备具有高兼容性,且与伴随用于BIS设备的结构具有高兼容性,且确保高利用率。
根据本发明,实时过程可归因于简单算法而容易地执行,由此更准确地捕获麻醉期间的状态的改变。
本发明可应用于医疗仪器以用于评估麻醉深度,并且也可应用于具有不同信号处理技术的与脑波信号处理有关的仪器。
附图说明
图1是显示根据麻醉程度的脑波的改变的曲线图。
图2说明根据本发明的用于测量麻醉深度的设备。
图3显示根据本发明的用于测量麻醉深度的方法的算法。
图4是图2中说明的误差去除部分的概念图。
图5说明图2中说明的屏幕显示器部分。
具体实施方式
下文,将参看附图描述用于进行本发明的特定实施例。在附图中,为了说明的清晰起见,放大主要部分的尺寸且省去辅助部分。因此,不应将本发明解释为限于附图。
根据研究,已知手术期间的脑波的特性改变与麻醉程度具有大的相关性。参看图1,图1(a)显示苏醒状态期间的测量脑波,且苏醒状态期间的脑波具有小振幅和高频分量。随着受治疗者进入麻醉(催眠(hypnosis)),振幅变得较大且频率分量变得较低,如图1(b)和图1(c)中所示。当受治疗者经极深度麻醉时,输出如图1(d)中所示的平信号,且间歇地观测到具有高振幅和高频分量的信号(爆发抑制(burst suppression))。例如心率、心电图以及肌电图的改变的生物信号与麻醉程度具有低直接相关性。这是因为各种其它原因可影响心率。另一方面,不同于心率的相关性,通过若干研究已知在脑波信号的分量改变时,脑波信号的特性与患者的麻醉程度具有直接相关性。
下文,参照图2中说明的用于测量麻醉深度的设备和图3中说明的用于测量麻醉深度的算法,将给出本发明的用于测量麻醉深度的方法和设备的描述。
图2中说明的根据本发明的用于测量麻醉深度的设备包含:低频带通滤波器(1);高频带通滤波器(7);第一时期划分部分(2);第二时期划分部分(8);噪音去除部分;正规化部分(9);功率频谱计算部分(4);香农熵计算部分(10);频谱熵计算部分(5);修改的香农熵(MsCAI)计算部分(11)、临界值提取部分(6);计数器(12);CAI(皮层活动指标(cortical activity index))提取部分(13);MsCAI(具有皮层活动指标的修改的香农熵(Modified shannonentropy with cortical activity index))提取部分(14);误差去除部分(16);屏幕显示器部分(17);和数据存储部分(19)。
低频带通滤波器(1)通过黏附于受治疗者的前额上的补片从脑电图(Electroencephalography:下文被称作“EEG”)信号去除大致60Hz或以上的电噪音。虽然可从EEG信号获得的信息存在于各种频带中,但低频带通滤波器(1)通过使用在大致0到60Hz之间的频率执行分析,且将具有大致60Hz或以上的信号考虑为噪音。
高频带通滤波器(7)对穿过低频带通滤波器(1)的信号执行高频带通滤波。由于高频带的脑波中的电功率的改变与麻醉深度具有更直接的相关性,因此将低频带通滤波器1的输出信号滤波为低频带信号。
第一时期划分部分(2)将低频带通滤波器(1)的串行(serial)进入的输出信号划分成时期(epoch)信号(下文被称作第一时期信号,以与第二时期划分部分的时期信号区分开来),每一个具有预定时间单位(例如,16秒)。经划分的信号可重叠(overlap)邻近信号。例如,邻近信号在15秒段内重叠,每秒产生经划分的信号以输出到噪音去除部分(3)。
第二时期划分部分(8)具有与第一时期划分部分(2)相同的结构,但不同于第一时期划分部分,因为输入信号为高频带通滤波器(7)的输出信号。第二时期划分部分(8)将高频带通滤波器(7)的输出信号划分成时期信号(下文被称作第二时期信号以与第一时期划分部分的时期信号区分开来),以输出到正规化部分(9)。
噪音去除部分(3)去除由眼睛造成的噪音(伪影(artifact))和由受治疗者从第一时期划分部分(2)的移动造成的噪音。噪音去除部分(3),例如执行基于小波(wavelet)的去噪(denoising)技术。
正规化部分(9)计算噪音去除部分(3)的输出时期信号的均方根(Rootmean square;下文被称作“RMS”),且按待正规化(mormalize)的RMS来划分第二时期划分部分(8)的输出时期信号。
功率频谱计算部分(4)对已从其去除噪音的信号执行快速傅立叶变换(fast Fourier transformation:FFT),且获得输出的频率分量的功率谱密度(power spectrum density:PSD)。即,获得信号点的功率(平方值)的直方图(histogram)。
如等式1中所显示的香农熵(Shannon Entropy)计算部分(10)计算正规化部分(9)的输出信号的香农熵,且输出香农熵计算值(ShEn)。p(ai)为在根据大小按k(k>1)划分信号后对应于每一块的因数的数目和频率。例如,假定每一时期信号的绝对值的大小为1、2、2、3,经划分成三个部分[0.5,1.5]、[1.5,2.5]和[2.5,3.5],且每一块分别为a1、a2或a3,p(a2)=2/4。可借助于香农熵技术通过应用EEG信号的直方图的不规则性(即,时域的不规则性)来执行计算。可将香农熵技术应用于熟知技术。
等式1
如等式2中所显示,频谱熵计算部分(5)对功率频谱计算部分(4)的输出信号执行频谱熵(Spectra Entropy)计算以提取频谱熵计算值(SpEn)。频谱熵计算类似于香农熵(Shannon Entropy),但通过使用针对功率谱密度(PSD)获得的值执行香农熵(ShEn)计算。通过频谱熵计算,可将EEG信号的功率频谱(即,频域的不规则性)应用于麻醉深度指标。可将频谱熵计算技术应用于熟知技术。
等式2
修改的香农熵(modified shannon entropy;下文被称作“MshEn”)提取部分(11)在预定范围中按比例调整,且乘以每一时期信号的香农熵(ShEn)计算值与频谱熵(SpEn)计算值。按比例调整标准可与输出信号的麻醉程度成反比地映射到(例如)大致1到100的值上。
如等式3中所显示,临界值(阈值(threshold))提取部分(6)通过将在离散傅立叶变换(discrete fourier transform:DFT)后获得的值求平方、将值求和到预定频带且接着乘以常数(K)来输出临界值(阈值(threshold))。计算用于计算脉冲(impulse)信号的密度的临界值。由于信号的振幅倾向于在受治疗者深度麻醉时增大,因此临界值不固定为一个值,而根据信号的特性不固定地改变。因此,将低频带的大小设定为临界值。在以下等式3中,K为以实验方式推算出的系数(coefficient),DFT为离散傅立叶变换(discretefourier transform),为正规化部分的输出时期信号,且M为离散时域(discrete time domain)中的4Hz频带。临界值提取部分(6)可通过在低频带较大且受治疗者深度麻醉时增大临界值来补偿随着信号的振幅增大而产生的偏移(bias)误差。
等式3
计数器(12)按时期计数大于从临界值提取部分(6)提取的临界值的点的数目,且将计数的数目除以时期(epoch)的点的总数。
皮层活动指标(cortical activity index;下文被称作“CAI”)提取部分(13)通过按比例(scaling)调整计数器(12)的输出来输出CAI计算值(CAI)。CAI提取部分(13)将从人大脑细胞发射的信号考虑为脉冲(impulse)信号(或峰值(peak)信号)的总和,且将EEG信号考虑为测量点中的脉冲的总和。由于大脑活动在苏醒状态下较高,因此在EEG信号中存在许多脉冲信号。基于脉冲在麻醉期间较低的事实测量CAI计算值(CAI)。
MsCAI提取部分(14)通过将修改的香农熵计算值(MshEn)和CAI计算值(CAI)乘以通过实验获得的预定係数来计算麻醉深度指标(MsCAI)。通过(例如)等式4和等式5计算MsCAI提取部分(14)中的麻醉深度指标(MsCAI)。
等式4
MsCAl=((A*ShEn)*(B*SpEn))+U*CAl
等式5
MsCAl=L*MshEn+U*CAl(L=A*B)
常数A、常数B和常数U为以实验方式推算出的系数,其允许通过重复的实验和模拟来优化费舍尔评分。当常数A、常数B和常数U按0.01单位在0与1之间改变时,可如表1中举例说明Ms CAI技术的费舍尔评分(Fisherscore)的改变。当A=0.54、B=0.45且U=0.71时,费舍尔评分为74.6365,这是最好的评分。此外,当A=0.54、B=0.45且0.65≤U≤0.74时,即,当L(A*B)=0.243且0.65≤U≤0.74时,与BIS算法相比,本发明的麻醉深度指标(MsCAI)增大了至少大致上40%。参看表1和表2,可看出,与常规BIS技术相比,根据本发明的用于测量麻醉深度的设备具有显著改善的功能。
[表1]
[表2]
算法名称 | 费舍尔评分(Fisher score) |
MsCAI | 74.6365 |
BIS | 47.11 |
MshEn | 58.6232 |
CAI | 42.4912 |
误差去除部分(16)从MsCAI提取部分(14)的输出去除不正常信号。从噪音产生的值并非正确值是高度可能的。将来自邻近点的大小的差异表示为直方图(histogram),如图4中所显示,且接着将对应于顶部0.5%的点确定为不当值。用于不当值,将预定数目(例如,大致15到30)个过去值平均化,且通过将较高权重(weighting)添加到最近值来执行计算。
如图5中所说明的屏幕显示器部分(17)在屏幕上显示误差去除部分(16)的输出。当每秒将经按比例(scaling)调整的信号传输到监控软件时,屏幕显示器部分(17)借助于监控软件在屏幕上显示麻醉深度。同时,将原始(raw)EEG信号和麻醉深度指标趋势、信号质量和其它生物信号(心率和肌电图)显示在一起,由此使审查员能够作出准确的确定。
数据存储部分(19)存储测量的麻醉深度数据,且可在手术后提取数据以用作未来的调研材料。
根据本发明的用于测量麻醉深度的设备可通过应用时间轴的不规则性和频带的不规则性(通过将香农熵计算值与频谱计算值相乘)来测量麻醉深度,使得费舍尔评分(fisher score)较高且根据麻醉程度的反应速度比通过香农熵计算技术或频谱熵计算技术获得的反应速度高。此外,通过分别对具有应用于其的脑波特性的修改的香农熵技术和CAI技术加权,通过实验来提取最佳麻醉深度分析系数,其中香农熵计算技术和频谱熵计算技术经倍增,且时域和频域中的不规则性可应用于修改的香农熵技术。结果,参看表2,根据本发明的MsCAI技术的费舍尔评分大大地改善到74.6365(CAI为42.4912且MshEn为58.6232),且根据麻醉程度的反应速度和追踪速度(tracking speed)也平均起来比常规设备快15秒。此外,与稳定状态中的BIS设备的相关性(correlation)高(0.9877),由此就与BIS分析设备的兼容性来说显示出优异结果。
虽然实施例已经参考其许多说明性实施例来描述,但应理解,可由所属领域的技术人员设计将属于以下权利要求的精神和范畴的众多其它修改和实施例。
Claims (17)
1.一种用于测量麻醉深度的方法,所述方法包括:
由时期划分部分将EEG信号在时间轴上划分成多个时期信号,由计数部分通过计数比确定的临界值高的值的时期信号点的数目来提取CAI计算值(CAI),由香农熵计算部分通过执行来自所述EEG信号的香农熵计算来提取香农熵计算值(ShEn),以及由频谱熵计算部分通过执行频谱熵计算来提取频谱熵计算值(SpEn);
由修改的香农熵计算部分通过乘以所述香农熵计算值(ShEn)以及所述频谱熵计算值(SpEn)来提取修改的香农熵计算值(MshEn);以及
由CAI提取部分通过对所述修改的香农熵计算值(MshEn)以及所述CAI计算值(CAI)执行逻辑运算来提取麻醉深度指标(MsCAI)。
2.根据权利要求1所述的用于测量麻醉深度的方法,其特征在于所述麻醉深度指标(MsCAI)的所述提取包括通过根据以下等式将用第一常数(L)乘以所述修改的香农熵计算值(MshEn)与用第二常数(U)乘以所述CAI计算值(CAI)求和来提取所述麻醉深度指标(MsCAI):MsCAI=L*MshEn+U*CAI(L=0.243,0.65≤U≤0.74)。
3.根据权利要求1所述的用于测量麻醉深度的方法,其特征在于所述频谱熵计算值(SpEn)的所述提取包括:
对所述EEG信号执行低频带通滤波;
对在所述低频带通滤波后获得的信号执行高频带通滤波;
通过按预定时间单位划分在所述低频带通滤波后获得的信号来产生第一时期信号;
通过按预定时间单位划分在所述高频带通滤波后获得的信号来产生第二时期信号;
去除来自所述第一时期信号的噪音;以及
通过按具有从其去除的噪音的所述时期信号的均方根值划分所述第二时期信号来执行正规化。
4.根据权利要求3所述的用于测量麻醉深度的方法,其特征在于所述频谱熵计算值(SpEn)的所述提取还包括:
计算通过对其中噪音被去除的所述时期信号执行高速傅立叶变换输出的频率分量的功率谱密度;以及
通过从所述功率谱密度执行频谱熵计算来提取所述频谱熵计算值。
5.根据权利要求4所述的用于测量麻醉深度的方法,其还包括通过从所述正规化的信号执行香农熵计算来提取所述香农熵计算值。
6.根据权利要求5所述的用于测量麻醉深度的方法,其还包括对所述正规化的信号执行高速傅立叶变换以及从所述功率谱密度提取所述频谱熵计算值。
7.根据权利要求5所述的用于测量麻醉深度的方法,其还包括通过乘以在对待求和到预定频带、然后乘以常数的正规化的信号执行离散傅立叶变换(discrete fourier transform)后获得的值来计算所述临界值至少两次。
8.根据权利要求7所述的用于测量麻醉深度的方法,其还包括通过计数大于所述临界值的点的所述数目、将所述计数的数目除以所述时期信号的点的总数以及用预定值乘以所述经相除的值来提取所述CAI计算值(CAI)。
9.一种用于测量麻醉深度的设备,所述设备包括:
CAI提取部分,其经配置以按时间段划分EEG信号来产生时期(epoch)信号,设定来自所述时期信号的预定的临界值,以及通过计数在所述时期信号中超出所述临界值的点的数目来提取CAI(皮层活动指标(cortical activityindex))计算值(CAI);
修改的香农熵提取部分,其经配置以通过乘以从所述EEG信号计算的香农熵计算值(ShEn)与从所述EEG信号计算的频谱熵计算值(SpEn)来输出修改的香农熵计算值(MshEn);以及
麻醉深度指标提取部分,其经配置以通过组合所述修改的香农熵计算值(MshEn)与所述CAI计算值(CAI)来提取麻醉深度指标(MsCAI)。
10.根据权利要求9所述的用于测量麻醉深度的设备,其特征在于所述MsCAI提取部分通过根据以下等式对将所述修改的香农熵计算值(MshEn)乘以第一常数(L)与将所述CAI计算值(CAI)乘以第二常数(U)求和来提取所述麻醉深度指标(MsCAI):MsCAI=L*MshEn+U*CAI(L=0.243,0.65≤U≤0.74)。
11.根据权利要求10所述的用于测量麻醉深度的设备,其特征在于所述CAI提取部分还包括临界值提取部分,其经配置以根据麻醉程度或频带不固定地改变由所述临界值相乘的常数,以便将所述麻醉程度或所述频带应用到所述临界值。
12.根据权利要求11所述的用于测量麻醉深度的设备,其特征在于所述临界值提取部分通过乘以在对待求和到预定频带、然后乘以常数的正规化的信号执行离散傅立叶变换后获得的值来提取所述临界值至少两次。
13.根据权利要求9所述的用于测量麻醉深度的设备,其特征在于所述CAI提取部分还包含计数器,其经配置以计数所述时期信号中大于所述临界值的点的所述数目以及将所述计数的数目除以所述时期信号中的点的总数。
14.根据权利要求9所述的用于测量麻醉深度的设备,其还包括:
第一时期划分部分,其经配置以通过按预定时间单位划分通过对所述EEG信号执行低频带通滤波获得的信号来产生第一时期信号;以及
第二时期划分部分,其经配置以通过对在所述低频带通滤波后获得的所述信号执行高频带通滤波以及通过按预定时间单位划分所述所得信号来产生第二时期信号。
15.根据权利要求14所述的用于测量麻醉深度的设备,其还包括:
噪音去除部分,其经配置以通过小波技术从所述第一时期划分部分的输出去除噪音;
正规化部分,其经配置以计算所述噪音去除部分的输出时期信号的均方根值以及按所述均方根值划分所述第二时期划分部分的输出时期信号;以及
香农熵计算部分,其经配置以从所述正规化部分的输出计算香农熵以便输出所述香农熵计算值。
16.根据权利要求15所述的用于测量麻醉深度的设备,其还包括:
功率频谱计算部分,其经配置以对所述噪音去除部分的输出执行高速傅立叶变换以及输出功率谱密度;以及
频谱熵计算部分,其经配置以通过从所述功率频谱计算部分的输出计算频谱熵来输出频谱熵计算值。
17.一种计算机可读记录媒体,其中存储用于执行根据权利要求1到权利要求8中任一权利要求所述的用于测量麻醉深度的方法的计算机程序。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020130016794A KR101400362B1 (ko) | 2013-02-18 | 2013-02-18 | 마취 심도 측정 방법 및 장치 |
KR10-2013-0016794 | 2013-02-18 | ||
PCT/KR2014/001201 WO2014126406A1 (ko) | 2013-02-18 | 2014-02-13 | 마취 심도 측정 방법 및 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104994782A true CN104994782A (zh) | 2015-10-21 |
CN104994782B CN104994782B (zh) | 2017-09-15 |
Family
ID=50895522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480008609.1A Active CN104994782B (zh) | 2013-02-18 | 2014-02-13 | 基于脑波信号进行分析的方法和设备 |
Country Status (9)
Country | Link |
---|---|
US (1) | US20150374285A1 (zh) |
EP (1) | EP2962634B1 (zh) |
JP (1) | JP6259471B2 (zh) |
KR (1) | KR101400362B1 (zh) |
CN (1) | CN104994782B (zh) |
DK (1) | DK2962634T3 (zh) |
ES (1) | ES2662601T3 (zh) |
SG (1) | SG11201505990QA (zh) |
WO (1) | WO2014126406A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107595247A (zh) * | 2017-08-29 | 2018-01-19 | 深圳市德力凯医疗设备股份有限公司 | 一种基于脑电信号的麻醉深度的监测方法及*** |
CN108378845A (zh) * | 2018-01-29 | 2018-08-10 | 湖北民族学院附属民大医院 | 一种多功能麻醉科用麻醉深度监测装置 |
CN110418604A (zh) * | 2017-03-22 | 2019-11-05 | 赛佛欧普手术有限公司 | 用于检测电生理诱发电位变化的医疗***和方法 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2989569B1 (en) | 2013-04-24 | 2021-06-23 | Fresenius Kabi Deutschland GmbH | Method of operating a control device for controlling an infusion device |
US11000224B2 (en) | 2017-09-05 | 2021-05-11 | Korea University Research And Business Foundation | Method and apparatus of monitoring anaesthesia and consciousness depth through brain network analysis |
WO2019060298A1 (en) | 2017-09-19 | 2019-03-28 | Neuroenhancement Lab, LLC | METHOD AND APPARATUS FOR NEURO-ACTIVATION |
KR102099949B1 (ko) * | 2017-09-29 | 2020-04-10 | 서울대학교 산학협력단 | 인위적 혈액 순환에서 뇌세포 활성도 측정 장치 및 방법 |
US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
WO2019133997A1 (en) | 2017-12-31 | 2019-07-04 | Neuroenhancement Lab, LLC | System and method for neuroenhancement to enhance emotional response |
US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
KR102198723B1 (ko) * | 2018-08-14 | 2021-01-05 | 주식회사 인바디 | 의식 상태 모니터링 방법 및 장치 |
WO2020036256A1 (ko) * | 2018-08-14 | 2020-02-20 | 주식회사 인바디 | 의식 상태 모니터링 방법 및 장치 |
EP3849410A4 (en) | 2018-09-14 | 2022-11-02 | Neuroenhancement Lab, LLC | SLEEP ENHANCEMENT SYSTEM AND METHOD |
CN109645989B (zh) * | 2018-12-10 | 2021-01-08 | 燕山大学 | 一种麻醉深度估计*** |
US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0013183A1 (en) * | 1978-12-29 | 1980-07-09 | Erwin Roy John | Electroencephalographic system for the quantitative description of patient brain states |
JP2006255134A (ja) * | 2005-03-17 | 2006-09-28 | Ikeda Denshi Kogaku Kenkyusho:Kk | 脳波計測表示方法及び装置 |
CN101690659A (zh) * | 2009-09-29 | 2010-04-07 | 华东理工大学 | 脑电波分析方法 |
CN102416215A (zh) * | 2011-09-16 | 2012-04-18 | 无敌科技(西安)有限公司 | 脑波信号分析***、装置及方法、储存媒体及计算机程序产品 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6190639A (ja) * | 1984-10-11 | 1986-05-08 | コーリン電子株式会社 | 麻酔深度測定装置 |
JPH09271516A (ja) * | 1996-04-05 | 1997-10-21 | Nippon Koden Corp | 麻酔深度判定方法及び装置 |
CA2448806C (en) * | 2001-06-13 | 2011-10-18 | Compumedics Limited | Methods and apparatus for monitoring consciousness |
JP2003175105A (ja) * | 2001-12-11 | 2003-06-24 | K & S:Kk | 麻酔深度測定装置 |
US7509161B2 (en) * | 2003-10-22 | 2009-03-24 | Instrumentarium Corporation | Method and apparatus for determining the cerebral state of a patient using generalized spectral entropy of the EEG signal |
US7625340B2 (en) * | 2004-12-02 | 2009-12-01 | Instrumentarium Corporation | Identification of a dominant signal component in a biosignal |
US7805187B2 (en) * | 2005-07-07 | 2010-09-28 | The General Electric Company | Monitoring of the cerebral state of a subject |
US20090275853A1 (en) * | 2008-04-30 | 2009-11-05 | The General Electric Company | Method and apparatus for monitoring physiological state of a subject |
JP5754054B2 (ja) * | 2009-08-14 | 2015-07-22 | バートン、デビッド | 意識深度(a&cd)の監視装置 |
KR101079785B1 (ko) * | 2010-04-19 | 2011-11-03 | 주식회사 멕 아이씨에스 | 마취심도 지표 산출을 위한 뇌전도 분석 장치 |
KR101111498B1 (ko) * | 2010-07-19 | 2012-02-22 | 주식회사 멕 아이씨에스 | 마취 심도 모니터링 시스템 및 방법 |
KR101248118B1 (ko) | 2011-05-24 | 2013-03-27 | 한국과학기술원 | 뇌파의 뇌활성도 및 마취심도 분석장치 및 분석방법 |
-
2013
- 2013-02-18 KR KR1020130016794A patent/KR101400362B1/ko active IP Right Grant
-
2014
- 2014-02-13 WO PCT/KR2014/001201 patent/WO2014126406A1/ko active Application Filing
- 2014-02-13 US US14/767,286 patent/US20150374285A1/en not_active Abandoned
- 2014-02-13 SG SG11201505990QA patent/SG11201505990QA/en unknown
- 2014-02-13 EP EP14751919.3A patent/EP2962634B1/en active Active
- 2014-02-13 ES ES14751919.3T patent/ES2662601T3/es active Active
- 2014-02-13 CN CN201480008609.1A patent/CN104994782B/zh active Active
- 2014-02-13 DK DK14751919.3T patent/DK2962634T3/en active
- 2014-02-13 JP JP2015555929A patent/JP6259471B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0013183A1 (en) * | 1978-12-29 | 1980-07-09 | Erwin Roy John | Electroencephalographic system for the quantitative description of patient brain states |
JP2006255134A (ja) * | 2005-03-17 | 2006-09-28 | Ikeda Denshi Kogaku Kenkyusho:Kk | 脳波計測表示方法及び装置 |
CN101690659A (zh) * | 2009-09-29 | 2010-04-07 | 华东理工大学 | 脑电波分析方法 |
CN102416215A (zh) * | 2011-09-16 | 2012-04-18 | 无敌科技(西安)有限公司 | 脑波信号分析***、装置及方法、储存媒体及计算机程序产品 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110418604A (zh) * | 2017-03-22 | 2019-11-05 | 赛佛欧普手术有限公司 | 用于检测电生理诱发电位变化的医疗***和方法 |
US11963775B2 (en) | 2017-03-22 | 2024-04-23 | Safeop Surgical, Inc. | Medical systems and methods for detecting changes in electrophysiological evoked potentials |
CN107595247A (zh) * | 2017-08-29 | 2018-01-19 | 深圳市德力凯医疗设备股份有限公司 | 一种基于脑电信号的麻醉深度的监测方法及*** |
WO2019041772A1 (zh) * | 2017-08-29 | 2019-03-07 | 深圳市德力凯医疗设备股份有限公司 | 一种基于脑电信号的麻醉深度的监测方法及*** |
CN108378845A (zh) * | 2018-01-29 | 2018-08-10 | 湖北民族学院附属民大医院 | 一种多功能麻醉科用麻醉深度监测装置 |
Also Published As
Publication number | Publication date |
---|---|
EP2962634B1 (en) | 2018-01-31 |
DK2962634T3 (en) | 2018-03-26 |
CN104994782B (zh) | 2017-09-15 |
EP2962634A4 (en) | 2016-11-23 |
KR101400362B1 (ko) | 2014-05-30 |
ES2662601T3 (es) | 2018-04-09 |
JP2016508781A (ja) | 2016-03-24 |
US20150374285A1 (en) | 2015-12-31 |
WO2014126406A1 (ko) | 2014-08-21 |
SG11201505990QA (en) | 2015-08-28 |
EP2962634A1 (en) | 2016-01-06 |
JP6259471B2 (ja) | 2018-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104994782A (zh) | 用于测量麻醉深度的方法和设备 | |
Chua et al. | Application of higher order statistics/spectra in biomedical signals—A review | |
CN105496363B (zh) | 基于检测睡眠脑电信号对睡眠阶段进行分类的方法 | |
CN101690659B (zh) | 脑电波分析方法 | |
Subha et al. | EEG signal analysis: a survey | |
Zarjam et al. | Characterizing working memory load using EEG delta activity | |
US7373198B2 (en) | Method and apparatus for the estimation of anesthetic depth using wavelet analysis of the electroencephalogram | |
Lay-Ekuakille et al. | Entropy index in quantitative EEG measurement for diagnosis accuracy | |
KR101371299B1 (ko) | 캡스트럼 기법을 이용한 마취 심도 측정 방법 및 장치 | |
US8280501B2 (en) | Systems and methods for quantitatively characterizing slow wave activities and states in sleep | |
Mirzaei et al. | EEG analysis based on wavelet-spectral entropy for epileptic seizures detection | |
US20090247893A1 (en) | Method and apparatus for measuring responsiveness of a subject | |
KR101535352B1 (ko) | 전두엽 뇌파를 이용한 우울증 심도 측정 방법 | |
Wang et al. | Temporal lobe seizure prediction based on a complex Gaussian wavelet | |
SE532705C2 (sv) | Apparat och metod för övervakning av epileptiform aktivitet | |
Vijayalakshmi et al. | Spike detection in epileptic patients EEG data using template matching technique | |
Wu et al. | Fast, accurate localization of epileptic seizure onset zones based on detection of high-frequency oscillations using improved wavelet transform and matching pursuit methods | |
Meenakshi et al. | Frequency analysis of healthy & epileptic seizure in EEG using fast Fourier transform | |
Tiwari et al. | Detection of insomnia using advanced complexity and entropy features of sleep stage data of EEG recordings | |
Mirzaei et al. | Spectral entropy for epileptic seizures detection | |
Radhakrishnan et al. | Investigating EEG Signals of Autistic Individuals Using Detrended Fluctuation Analysis. | |
US11819336B2 (en) | Anesthesia stage identification and anesthesia depth calculation method and device | |
Benzy et al. | Approximate entropy and wavelet entropy based depth of anesthesia monitoring | |
Omar et al. | An analysis of EEG signal generated from ischemic stroke patient | |
Fahruzi et al. | Screening of non-overlapping apnea and non-apnea from single lead ECG-apnea recordings using time-frequency approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190220 Address after: 702 Xiangsheng Building, 253-1 Zhutian Road, Shuizhi District, Longren City, Gyeonggi Road, Korea Patentee after: Boruiyou Co., Ltd. Address before: South Simian Brothers Road, Churen District, Longren City, Gyeonggi Road, Korea Patentee before: Charm Engineering Co., Ltd. |
|
TR01 | Transfer of patent right |