一种闭环的智能麻醉控制系统的制作方法
【专利摘要】本发明公开了一种闭环的智能麻醉控制系统，包括监控屏幕、生命体征采集端、工作站端和麻醉药剂注射装置；生命体征采集端与工作站端相连，生命体征采集端通过传感器、生命体征检测装置采集病人的生命体征传感信息，并将获得的传感信息传输至工作站端；工作站端连接到麻醉药剂注射装置的输出，工作站端对生命体征采集端传送过来的传感信息进行处理，得出病人所需的麻醉药物种类、注射药剂量和注射速度，并通过麻醉剂注射装置对病人进行麻醉剂的注射；监控屏幕监控工作站端对病人进行麻醉剂注射时病人的麻醉状态。本发明结合了人工智能与手工输入的闭环回路麻醉控制系统，其应用效果非常安全。
【专利说明】一种闭环的智能麻醉控制系统
【技术领域】
[0001]本发明涉及医用麻醉控制领域，特别是一种可以自动控制的智能麻醉控制系统，该系统结合了人工智能与手工输入，可根据实时监测病人生命体征信息进行麻醉剂输入。
【背景技术】
[0002]麻醉定义了病人处于无意识的(同样可以使用术语“麻醉”、“催眠”来描述这种状态)，无痛苦的(同样可以使用术语“痛觉缺失”来形容这种状态)，肌肉放松的(同样可以使用“神经肌肉阻滞”、“肌肉阻滞”术语来形容这种状态)一种状态。这三个组成部分在不同程度上描述了全身麻醉的需要具备的必要条件。全身麻醉的部分形式有局部麻醉，病人处于某种程度的无意识的、昏昏欲睡的、痛觉丧失的状态，只保证和维护病人的无痛苦状态，以允许对其进行某些操作程序或干预。对于全身麻醉的三个组成部分，需要根据一些参数来确定其所处的不同程度。
[0003]关于麻醉组成部分之一催眠，可以根据两种参数确定催眠等级:
1)自发的衍生脑电图参数；
2)诱发电位，可以是患者受刺激后产生的听觉或任何其他形式的传感电位。
[0004]关于麻醉组成部分之二痛觉缺失，试图通过与病人随时进行沟通来确定痛觉缺失的程度是不可能的，需借助许多参数来确定痛觉缺失程度。例如，
1)血流动力学参数，包 括心率、血压或衍生物；
2)身体对疼痛的反应，例如出汗、流泪的变化、瞳孔大小、手电导能力的变化；
3)对与手术无关的故意诱发疼痛刺激的反应；
4)其他形式的身体对疼痛的反应。
[0005]关于麻醉组成部分之三肌肉松弛，目前有几种确定病人麻醉时肌肉松弛程度的方法:
1)可以根据病人服从命令的能力，直接确定肌肉力量；
2)间接地刺激运动神经，通过各种途径确定肌肉的收缩。常用方法包括:力的直接测量、收缩的加速度、肌肉收缩的电子测量、运动的电子测量，或肌肉松弛所造成的声音。
[0006]麻醉医师使用这些参数的变量为每个组成部分估计药物的剂量。这样就可以实现将一到三种或更多种药物注射进入病人的静脉，或通过吸入、肌肉注摄、皮下注射的方式实现给药。麻醉给药最常见的形式之一是静脉途径，可以间歇静脉注射或者连续静脉注射。麻醉药物通常是采用瓶装容器运输，为了便于对静脉注射的管理，必须将麻醉药装载到不同大小的注射器，一般采用手工方式标记这些瓶子。
【发明内容】
[0007]本发明的目的在于提供一种闭环的智能麻醉控制系统。该系统结合了人工智能，可根据实时监测病人生命体征信息进行麻醉剂输入。
[0008]实现本发明目的的技术解决方案为:一种闭环的智能麻醉控制系统，包括监控屏幕、生命体征采集端、工作站端和麻醉药剂注射装置。其中:监控模块获取表明病人麻醉程度的信息，传输给生命体征采集端。生命体征采集端与工作站端相连，生命体征采集端采集病人的脑电双频指数BIS、动脉收缩压、心跳、痛觉指数信息，并将获得的传感信息传输至工作站端；工作站端对生命体征采集端传送过来的传感信息进行相应的处理，得出病人所需的麻醉药物种类、麻醉药物剂量和注射速率等级，并通过麻醉剂注射装置对病人进行麻醉剂的注射；监控屏幕再根据工作站端对病人麻醉剂的注射情况监控病人的麻醉状态。
[0009]其中，麻醉“模式”包括催眠水平、疼痛刺激水平，肌肉松弛的类型和程度。生命体征检测装置包括痛觉检测仪、心跳检测仪等。
[0010]本发明与现有技术相比，其显著优点:
(I)目前已有的自动麻醉技术中虽然麻醉药物剂量和注射过程是由自动系统计算并控制的，但是在麻醉实时过程中，所谓的自动系统无法感知被注射患者的状况，没有从催眠程度、痛觉丧失程度、肌肉松弛程度等几个方面监测病人的反应，不能构成真正的自动化闭环控制系统，只单方面执行麻醉环节，缺少病人反馈环节，容易导致医疗事故。而本发明可以有效地解决这些问题。
[0011](2)结合了人工智能与手工输入的闭环回路麻醉控制系统，其应用效果将会比只由麻醉医师施打麻药还来得安全。由于许多偏僻医院缺乏麻醉医师这样的专科医生，而且未来麻醉医师可能会需要同时照顾好几位病人，支持闭环回路智能麻醉控制系统可大大减轻麻醉师的工作负荷，支持麻醉师更好地进行长时间手术，使其能将更多精力投入到监控病人生理状况等更重要的工作中。
【专利附图】
【附图说明】
[0012]图1是按照本发明实现装置描述的一个智能麻醉控制系统控制元件的模块框图。 图2是图1智能麻醉控制系统推断麻醉操作的贝叶斯网络构建和训练过程的流程图示 例。
[0013]图3是图1智能麻醉控制系统的贝叶斯网络分析器推断麻醉操作过程的流程图示例。
【具体实施方式】
[0014]本发明一种闭环智能麻醉控制系统，包括监控屏幕[10]、生命体征采集端[2]、工作站端[3]和麻醉药剂注射装置[140]；
生命体征采集端[2]与工作站端相连，生命体征采集端[2]通过传感器、生命体征检测装置采集病人的生命体征传感信息，并将获得的传感信息传输至工作站端[3]；
工作站端[3]连接到麻醉药剂注射装置[140]的输出，工作站端[3]对生命体征采集端[2]传送过来的传感信息进行处理，得出病人所需的麻醉药物种类、注射药剂量和注射速度，并通过麻醉剂注射装置[140]对病人进行麻醉剂的注射；
监控屏幕[10]监控工作站端[3]对病人进行麻醉剂注射时病人的麻醉状态。
[0015]所述工作站端[3]包括:中央控制单元[131]、数据存储装置[132]、显示控制[133]、用户接口控制[134]、信息输入控制[135]、麻醉剂注射控制[136]、数据库[137]、领域知识库[138]和贝叶斯网络分析器[139];其中，信息输入控制[135]、数据存储装置[132]、数据库[137]、贝叶斯网络分析器[139]都和中央控制单元[131]相连；用户接口控制[134]和信息输入控制[135]相连，用户接口控制[134]接收生命体征采集端[2]输入的传感信息，信息输入控制[135]对这些传感信息进行数据清洗和预处理，将其加工成贝叶斯网络分析器[139]可处理的格式；数据存储装置[132]存储信息输入控制[135]传输过来的加工后的传感信息；数据库[137]保存生命体征采集端[2]输入的病人生命体征传感信息的实时数据和历史数据；领域知识库[138]存储贝叶斯网络模型，及以规则形式存储的针对不同类型手术的麻醉方案，供贝叶斯网络分析器[139]推断麻醉药剂类型、剂量、注射速率；贝叶斯网络分析器[139]和显示控制[133]、麻醉剂注射控制[136]相连，显示控制[133]和监控屏幕[10]相连；贝叶斯网络分析器[139]包括控制单元、Flash存储器和基于贝叶斯网络的自动麻醉控制模块，Flash存储器和基于贝叶斯网络的自动麻醉控制模块都和控制单元相连，Flash存储器用来存储数据库[137]传输过来的待分类的病人生命体征传感信息，基于贝叶斯网络的自动麻醉控制模块根据病人的实际情况判断病人所需的麻醉药物种类、剂量、注射速度并将得到的信息输出到麻醉剂注射控制[136];麻醉剂注射控制[136]和药物注射装置[140]相连，控制麻醉剂注射装置[140]对病人进行麻醉剂的注射。
[0016]所述生命体征传感信息包括脑电双频指数BIS、动脉收缩压、心跳和痛觉指数；所述麻醉状态包括催眠深度、肌肉放松程度和痛觉丧失程度。
[0017]基于贝叶斯网络的自动麻醉控制模块的实现方法如下:
步骤1:根据先验知识构造贝叶斯网络；
步骤2:训练贝叶斯网络；
步骤3:用构建出的贝叶斯网络推断麻醉药物种类、注射药剂量和注射速度。
[0018]所述步骤I根据先验知识构造贝叶斯网络，具体方法如下:
(1)获取真实手术中麻醉实施的样本，其中，麻醉实施样本由病人的生命体征信息及其对应的麻醉药物种类、剂量和注射速度的选择信息组成；
(2)由上述样本经关联规则挖掘算法——Apriori算法得到所有满足最小支持度阈值的频繁项集和所有满足最小置信度阈值的关联规则；其中，关联规则即麻醉实施样本中随机变量之间的因果关系；
(3)根据得到的关联规则构造相应的贝叶斯网络。
[0019]所述步骤2训练贝叶斯网络，具体方法如下:
(1)当网络结构已知并且变量可见时，采用朴素贝叶斯分类中涉及的概率计算方法计算贝叶斯网络中的条件概率表项；
(2)当网络结构给定但某些变量隐藏时，采用梯度下降方法计算贝叶斯网络中的条件概率表项。
[0020]梯度下降方法的步骤如下:
[0021](I)对每个i, j, k,计算梯度:
[0022]
【权利要求】
1.一种闭环智能麻醉控制系统，特征在于:包括监控屏幕[10]、生命体征采集端[2]、工作站端[3]和麻醉药剂注射装置[140]； 生命体征采集端[2]与工作站端相连，生命体征采集端[2]通过传感器、生命体征检测装置采集病人的生命体征传感信息，并将获得的传感信息传输至工作站端[3]； 工作站端[3]连接到麻醉药剂注射装置[140]的输出，工作站端[3]对生命体征采集端[2]传送过来的传感信息进行处理，得出病人所需的麻醉药物种类、注射药剂量和注射速度，并通过麻醉剂注射装置[140]对病人进行麻醉剂的注射； 监控屏幕[10]监控工作站端[3]对病人进行麻醉剂注射时病人的麻醉状态。
2.根据权利要求1所述的闭环智能麻醉控制系统，其特征在于:所述工作站端[3]包括:中央控制单元[131]、数据存储装置[132]、显示控制[133]、用户接口控制[134]、信息输入控制[135]、麻醉剂注射控制[136]、数据库[137]、领域知识库[138]和贝叶斯网络分析器[139];其中，信息输入控制[135]、数据存储装置[132]、数据库[137]、贝叶斯网络分析器[139]都和中央控制单元[131]相连；用户接口控制[134]和信息输入控制[135]相连，用户接口控制[134]接收生命体征采集端[2]输入的传感信息，信息输入控制[135]对这些传感信息进行数据清洗和预处理，将其加工成贝叶斯网络分析器[139]可处理的格式；数据存储装置[132]存储信息输入控制[135]传输过来的加工后的传感信息；数据库[137]保存生命体征采集端[2]输入的病人生命体征传感信息的实时数据和历史数据；领域知识库[138]存储贝叶斯网络模型，及以规则形式存储的针对不同类型手术的麻醉方案，供贝叶斯网络分析器[139]推断麻醉药剂类型、剂量、注射速率；贝叶斯网络分析器[139]和显示控制[133]、麻醉剂注射控制[136]相连，显示控制[133]和监控屏幕[10]相连；贝叶斯网络分析器[139]包括控制单元、Flash存储器和基于贝叶斯网络的自动麻醉控制模块，Flash存储器和基.于贝叶斯网络的自动麻醉控制模块都和控制单元相连，Flash存储器用来存储数据库[137]传输过来的待分类的病人生命体征传感信息，基于贝叶斯网络的自动麻醉控制模块根据病人的实际情况判断病人所需的麻醉药物种类、剂量、注射速度并将得到的信息输出到麻醉剂注射控制[136];麻醉剂注射控制[136]和药物注射装置[140]相连，控制麻醉剂注射装置[140]对病人进行麻醉剂的注射。
3.根据权利要求1所述的闭环智能麻醉控制系统，其特征在于:所述生命体征传感信息包括脑电双频指数BIS、动脉收缩压、心跳和痛觉指数；所述麻醉状态包括催眠深度、肌肉放松程度和痛觉丧失程度。
4.根据权利要求1所述的闭环智能麻醉控制系统，其特征在于:基于贝叶斯网络的自动麻醉控制模块的实现方法如下: 步骤1:根据先验知识构造贝叶斯网络； 步骤2:训练贝叶斯网络； 步骤3:用构建出的贝叶斯网络推断麻醉药物种类、注射药剂量和注射速度。
5.根据权利要求1或4所述的闭环智能麻醉控制系统，其特征在于:所述步骤I根据先验知识构造贝叶斯网络，具体方法如下: 获取真实手术中麻醉实施的样本，其中，麻醉实施样本由病人的生命体征信息及其对应的麻醉药物种类、剂量和注射速度的选择信息组成； 由上述样本经关联规则挖掘算法——Apriori算法得到所有满足最小支持度阈值的频繁项集和所有满足最小置信度阈值的关联规则；其中，关联规则即麻醉实施样本中随机变量之间的因果关系； 根据得到的关联规则构造相应的贝叶斯网络。
6.根据权利要求1或4所述的闭环智能麻醉控制系统，其特征在于:所述步骤2训练贝叶斯网络，具体方法如下: 当网络结构已知并且变量可见时，采用朴素贝叶斯分类中涉及的概率计算方法计算贝叶斯网络中的条件概率表项； 当网络结构给定但某些变量隐藏时，采用梯度下降方法计算贝叶斯网络中的条件概率表项。
7.根据权利要求6所述的闭环智能麻醉控制系统，其特征在于:梯度下降方法的步骤如下: (I)对每个i, j, k,计算梯度:
8.根据权利要求1或4所述的闭环智能麻醉控制系统，其特征在于:所述步骤3用构建出的贝叶斯网络推断麻醉药物种类、注射药剂量和注射速度，具体方法如下: 输入有向无环图DAG，不可观察要素节点y和正规化因子α ;对所有可观察随机变量节点用观察值实例化，将不可观察节点实例化为随机值； 对DAG进行遍历，对每一个不可观察节点y,计算
【文档编号】A61M5/31GK103432651SQ201210591264
【公开日】2013年12月11日 申请日期:2012年12月31日 优先权日:2012年12月31日
【发明者】王永利, 孙淑荣, 张功萱, 刘冬梅, 钱秀娟, 庄雪琴, 王呈, 王川 申请人:南京理工大学