一种基于格子复杂性算法的无线动态麻醉深度检测方法
【技术领域】
[0001] 本发明涉及一种麻醉深度检测装置，尤其涉及一种包含格子复杂性算法及无线传 输的用于重症监护病房的麻醉深度检测装置。
【背景技术】
[0002] 麻醉是指借助于药物等方法而产生的全身或局部感觉的消失及记忆遗忘状态，它 可以确保手术的顺利进行，麻醉过深或过浅都会对患者造成危害。因此，麻醉深度的监测尤 为重要。麻醉是通过引起可逆的中枢神经系统的抑制和兴奋，从而达到意识消失和止痛的 目的。而脑电可以直接反映出中枢神经系统的活动。因此脑电技术成为确定麻醉深度的最 佳手段之一。脑电的许多时域、频域参数都曾被用来检测麻醉深度，但效果都不是很理想。
[0003] 时域分析是最原始的脑电分析方法，主要是对脑电波波形和幅度的检测分析。时 域分析大部分只停留在定性分析上，且系统复杂、计算量大、效果也多不理想，因此限制了 其在临床上的进一步应用。
[0004] 脑电图的频域分析主要包括脑电功率谱、各频率段的脑电功率比、中心频率（MF)、 边缘频率（SEF)脚等。MF与SEF的单参数定量化特性也很适合麻醉深度的定量监测研宄， 大量研宄表明在某些药物麻醉中MF和SEF随着麻醉深度的加深作相应的变化。但同时很 多研宄也证明MF和SEF的个体差异和药物差异性较大。另外其分析基础一傅立叶变换是 基于信号的平稳性假设的，这与脑电信号的特性并不符合，因此其可靠性已越来越受到许 多学者的质疑。
[0005] 涉及时域、频域及双谱域的复合指数--双谱指数（BiPsecrtalnldexScale,BIS) 是目前麻醉深度监测中近年来最受欢迎的一个的EEG参数。它除了表达EEG信号时域和频 域信息外，更重要的是增加了相位信息，具有非线性特点。BIS是唯一被美国食物药品管 理局认可的麻醉药对大脑作用的监测仪，是目前商业化麻醉深度监测仪中敏感度和特异 度量较好的监测仪之一 26 [，27]。尽管这样，BIS的药物差异性仍然较大，缺乏明确的麻醉 安全边界指标，还不能临床推广。
[0006] 复杂度是近几年出现的一种非线性动力学分析方法，而脑电正是一种非平稳信 号，所以复杂度的分析犯法非常适合用于脑电的处理。脑电序列的复杂度表现了EEG序列 的随机程度，即大脑神经元处理信息活动的有序程度，反应了决定这段EEG序列的信息量 的大小。复杂度算法简单，易于实现而且计算速度很快；只需较短时间的数据就能得到稳定 值。已有的近似熵等复杂性算法由于计算所需序列长度长或计算所需时间长的缺点无法实 现实时监测。
[0007] 因此本技术领域人员需要一个问题是：如何找到一种新的复杂性参数来提高麻醉 深度监测的实时性和准确性。
[0008] 同时考虑到设备用于重症监护病房，以往的有线监测显得不便且经济成本较高。 这也是本技术领域人员需要考虑的。
【发明内容】
[0009] 本发明的目的就是为了解决上述问题，提供一种基于格子复杂性算法的无线动态 麻醉深度检测方法，它具有监测方便，准确的优点。
[0010] 本发明方法是基于以下麻醉深度监测装置，该装置包括采集模块、无线传输模块、 数据处理模块、中央处理模块、显示模块；采集模块的输出端与无线传输模块的接收端信号 连接，无线传输模块的输出端通过无线WIFI与数据处理模块的接收端连接，数据处理模块 的输出端与中央处理模块的接收端信号连接，中央处理模块的输出端与显示模块的输入端 信号连接；
[0011] 所述的采集模块，包括脑电信号采集电极和依次连接的前置放大模块和模数转换 模块；所述前置放大模块用于接收脑电信号采集电极所采集的模拟脑电信号，并对该模拟 脑电信号进行放大；所述模数转换模块用于接收前置放大模块放大后的模拟脑电信号，将 模拟脑电信号转换为数字脑电信号；
[0012] 所述的无线传输模块，通过WiFi无线网络将采集模块采集到的数字脑电信号数 据上传到数据处理模块；
[0013] 所述的数据处理模块用于对无线传输模块传输的脑电信号数据进行存储并预处 理，所述的预处理即为对数字脑电信号数据进行去噪处理；
[0014] 由于未预处理的脑电信号数据包含工频、眼电、电刀等各类噪声，不可直接用于脑 电信号分析，故需要去除这些噪声；
[0015] 所述的中央处理模块包括参数计算模块、决策树分类器模块；
[0016] 其中所述的参数计算模块，包括格子复杂性、边缘频率、爆发抑制比三个参数的计 算；
[0017] 所述的格子复杂性用于评价麻醉深度，尤其可以区分病人清醒与麻醉时期；但是 若病人处于麻醉时期，本发明采用边缘频率判断其麻醉深度，边缘频率在中度麻醉时期变 化最为剧烈，可以较好的区分浅麻、中麻和深麻（分别代表浅度麻醉、中度麻醉和深度麻 醉）；在深度麻醉时期，由于爆发抑制比（即幅度变化特征）最为明显，可作为此时麻醉深 度量化的指标；
[0018] 本发明方法包括以下步骤：
[0019] 步骤（1).利用采集模块脑电信号采集电极采集模拟脑电信号，经前置放大模块 对该模拟脑电信号放大后，模数转换模块将其转换为数字脑电信号；
[0020] 步骤（2).无线传输模块通过WiFi无线网络，将采集模块采集到的数字脑电信号 数据上传到数据处理模块；数据处理模块对数据进行存储并预处理，所述的预处理即为对 数字脑电信号数据进行去噪处理；
[0021] 步骤（3).中央处理模块对于步骤（2)数据处理模块预处理后的数据进行分析处 理：
[0022] 3. 1格子复杂度的计算：
[0023] 3.I. 1对步骤（2)数据处理模块预处理后的数据进行符号化处理，得到符号序列； 其中符号化处理方法为均值分划或排列分划；
[0024] 3. 1. 2对符号序列按照窗口大小，结合窗口移动长度进行分段，得到多个子序列；
[0025] 3. 1. 3对每个子序列P进行格子复杂性计算：
[0026] 本发明设子序列P=S1S2S3. . .sn，n表示子序列P的长度；Ic(n)表示格子复杂度 即格子数；S序列，Q序列都是P序列的子序列，SQ是S序列和Q序列的合并序列，SQjt序 列是SQ合并序列去掉最后一个符号后剩余部分；
[0027] 假设P序列中S前r个符号组成的子序列S已经进行格子化操作，其中S= S1S2. ..S1^ r〈n,则下一个格子划分如下：
[0028] (a)首先要找到一个序列Q满足Q序列的最后一个符号等于QJT序列中的任意一 个符号（QJT序列表示将Q序列符号串最后一个符号去掉剩余部分）：令Q=Srt，因为Q只 有一个符号，不做任何操作；继续令Q=srtsw，观察Q的最后一个符号是否等于Q 中的 任意一个符号（QJT表示将Q符号串最后一个符号去掉剩下的部分，这里有QJT=srt).若 否，重置Q，令Q=srtSp2Sp3，继续观察Q最后一个符号是否等于QJT中的任意一个符号（此 时Qji=Srt^2),若否，则继续重置Q，直到Q的最后一个符号可以由Qji中的一个符号复 制为止，接着进行下一步步骤（b);
[0029] (b)若满足步骤（a)后Q=sr+1sr+2...sr+j，Qjt中的相等符号为sr+i(0〈i〈j)，继续 观察8^+1是否等于SM+1，若是则继续观察下一个符号是否相等（即\+0是否等于srt+2)， 直到两