基于體征信號分析的麻醉深度評價方法研究.pdf

1、麻醉是臨床手術(shù)中不可或缺的關(guān)鍵環(huán)節(jié)，如何保證病人在手術(shù)過程中安全和無痛苦是麻醉工作的核心問題。在復雜多變的手術(shù)過程中，為了確保麻醉安全，麻醉醫(yī)生必須長時間注意力高度集中地全面性地觀察記錄病患各種生理特征，并根據(jù)自身經(jīng)驗進行分析和判別病患術(shù)中的麻醉深度。然而，由醫(yī)生的主觀判斷來評估麻醉深度，容易出現(xiàn)因為所獲信息與個人經(jīng)驗的不足、身體的疲累與環(huán)境的干擾、潛在的因素和病患個體性差異而造成的誤判。隨著生物醫(yī)學工程與現(xiàn)代信息處理技術(shù)的深入交互和發(fā)

2、展，針對各種體征信號的測量和分析設備在很大程度上減輕了麻醉醫(yī)生的工作負擔。
　　 本文針對病患的各種生理體征信號在手術(shù)過程中麻醉和清醒狀態(tài)下的差異性，將信號處理方法和傳統(tǒng)醫(yī)學方法相結(jié)合，提出了全身麻醉手術(shù)過程中的麻醉深度分析的新指標、新方法，并開發(fā)一個能夠綜合顯示信息的實時術(shù)中全身麻醉深度分析系統(tǒng)，用于提高臨床麻醉監(jiān)測與評價的準確性，減少人為因素的診斷失誤，促進麻醉監(jiān)測與評價技術(shù)臨床應用的發(fā)展，保障病患在手術(shù)過程中的麻醉安全和術(shù)

3、后的快速良好恢復。本文的主要研究工作如下：
　　 (1)針對術(shù)中心電信號在手術(shù)過程中受到基線漂移、運動偽跡和工頻噪聲的干擾問題，通過對現(xiàn)有形態(tài)學濾波器數(shù)據(jù)進行改進以及以均方根誤差作為選取形態(tài)學中結(jié)構(gòu)元素長度的參數(shù)，提出了一種基于形態(tài)學的約束適應QRS波群濾波算法。同時提出了一種基于EMD和形態(tài)學的心電信號濾波算法。將EMD所得固有模式函數(shù)經(jīng)形態(tài)學濾波并進行最小均方根誤差對應長度的特征提取，該算法能有效地去除心電信號中基線漂移、運

4、動偽跡和減弱工頻干擾。
　　 (2)針對術(shù)中腦電信號在手術(shù)準備階段受到眼動的干擾問題，提出了基于MEMD和樣本熵的眼電干擾濾波算法。算法通過分析對低頻眼電信號高度敏感的樣本熵值，得出包含眼電干擾的腦電信號樣本熵值均小于0.5。在此基礎上，比較分析EMD、EEMD、CEEMD和MEMD在分解信號固有模式函數(shù)上的性能。
　　 (3)針對心率變異性在特定條件下麻醉深度診斷中失效的問題，提出了基于HHT的血流變異性麻醉深度評價指

5、標。血流變異性是在檢測手段和分析處理方面都優(yōu)于心率變異性的一項生理變化參數(shù)。當心率變異性在受到特定麻醉藥物作用以及手術(shù)電刀的影響下，血流變異性可作為術(shù)中病患麻醉深度和意識程度的評價指標?；贖HT的邊際譜分析，通過比較血流變異性和心率變異性的副交感神經(jīng)和交感神經(jīng)頻譜分布變化情況，經(jīng)臨床數(shù)據(jù)證明，血流變異性是一個能夠在心率變異性受到干擾時替代其作為診斷病人的麻醉狀態(tài)的生理指標。
　　 (4)針對腦電信號的非線性特點，提出了基于腦電

6、信號分析的樣本熵和多尺度熵作為麻醉深度評價指標。近似熵和樣本熵均能通過實時分析腦電信號的復雜度來判斷病患的麻醉深度和意識程度，但樣本熵在性能和敏感度上要優(yōu)于近似熵。腦電信號的多尺度熵是衡量在不同尺度上腦電信號的復雜度的指標，但是其在實時分析過程中受到信號采樣頻率和數(shù)據(jù)長度的限制。因此，提出了自適應多尺度重采樣熵作為術(shù)中麻醉深度評價指標，它通過自適應地改變有限數(shù)量信號的采樣率來有效地細化的信號分解尺度，從而建立腦電信號在不同尺度上復雜度分