[发明专利]一种基于神经网络的麻醉程度监测装置在审
申请号: | 201911035480.4 | 申请日: | 2019-10-29 |
公开(公告)号: | CN110680285A | 公开(公告)日: | 2020-01-14 |
发明(设计)人: | 张萍萍;赵倩倩;付晓 | 申请(专利权)人: | 张萍萍 |
主分类号: | A61B5/00 | 分类号: | A61B5/00;A61B5/04;A61B5/0476;G06K9/00;G06N3/04 |
代理公司: | 53113 昆明合众智信知识产权事务所 | 代理人: | 叶春娜 |
地址: | 262700 山东省潍*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 麻醉 监测装置 脑电信号 神经网络 状态传递 处理器 可靠识别 提取模块 外科手术 便利 监测 更新 申请 | ||
1.一种基于神经网络的麻醉程度监测装置,其特征在于,包括:
脑电信号提取模块,用于对麻醉过程中的脑电信号进行提取;
处理器,用于对所述脑电信号进行处理,以确定人体的麻醉程度并进行显示。
2.根据权利要求1所述的监测装置,其特征在于,所述处理器通过传递函数实现人体麻醉程度的识别,所述的通过传递函数实现人体麻醉程度的识别过程如下:
将人体的麻醉程度分为四个时期:清醒期、诱导期、维持期、恢复期,假定人体麻醉过程中大脑皮层的电活动为所述四个时期间的状态转变过程,对这四个时期进行定义,分别定义为S1、S2、S3、S4,定义传递函数H,H表示状态转变过程;
设输入的脑电信号为观测变量x,则函数H就是变量x在状态S1到S4之间转变的函数,该函数H产生了一个在0-10之间变化的值i,可以表示为:
H:x∈[S1,S2,S3,S4]→i∈[0,10] (1),
其中,变量x是通过对脑电信号进行处理得到的,对脑电信号进行处理得到变量x的过程如下:
首先,利用脑电电极采集人体在麻醉过程中的脑电信号并进行预处理,得到脑电信号的时间序列{X1,X2,......,XT},其中T为采集的样本总数,利用AR模型,得到信号x,其中x(t)代表的对应于时刻t的信号x(t),x(t)为过去P个值的加权平均和与随机扰动噪声相加,p代表模型的阶数,可以表示为:
其中ε(t)表示t时刻的噪声因子,αp(i)表示权值,t=1,2,……,T,x(t-i)表示第t-i时刻的信号;
得到代表脑电信号(EEG)的变量x,其中x={X1,X2,......,XT} (3)
为了定义函数H,假定S1对应于清醒期、S2对应于诱导期,S3维持期、S4对应于恢复期,定义这些时期后,得到对应于在时期S1、S2、S3、S4的参考数据集,具体如下:
其中k=1,2,……,M,
其中包括有限个数量的样本,分别表示参考数据集的第K个时期;
特征提取函数f被应用到每个数据集来计算k个时期内每个时期的特征,如下:
f:x→f(x)=f (8)
参考数据的每个时期然后与特征关联,特征f为平均值或RMS幅度;
通过对特征数据进行平均得到特定状态的平均特征,如下:
假定在每两个状态之间具有一个中间状态c,同时得到一个脑电信号的观察变量xc,使用fc=f(xc)得到相应的特征fc,其中xc是通过截取每5秒的数据进行处理后得到的;
为了确定从S1到S2状态转变了多少,将fc与平均特征进行比较,得到距离j1、j2,具体如下:
其中||·||1表示一阶范数,因此,j1、j2测量了距状态S1或S2的距离,进一步得到如下的距离:
令其中σ代表距离ji(i=1,2,3,4)的标准偏差,设D=ji-J,i=1,2,3,4;记录D大于0的次数,令N=0,若D大于0,则N加1,若N大于阈值γ,则初步认定为当前麻醉状态为对应的状态Si,i=1,2,3,4。
3.根据权利要求2所述的装置,其特征在于,对通过公式(3)得到的脑电信号进行以下处理:
步骤1:对公式(3)中得到的信号进一步进行处理,在公式(3)中得到的EEG信号长度可能存在不连续的问题,为了解决在麻醉中对EEG信号抑制造成的不连续问题,首先,使用多项式插值法对信号进行重新采样,然后对重新采样后的信号进行短时傅里叶变换;
步骤2:对经过短时傅里叶变换的信号通过卷积神经网络进行识别,所述的神经网络模型为CNN模型,其中在对CNN模型进行训练时,分别对所述四个时期进行训练;
步骤3:对CNN模型的输出与初步认定的麻醉状态Si进行比对,若两者一致,则表明当前选择的γ合理,若不一致,则重新调整γ值,并重复步骤1-2,直到CNN模型的输出与初步认定的麻醉状态Si一致,由此得到合适的阈值γ;
步骤4:得到合适的阈值γ后,采用初步认定的过程对后续的脑电信号进行处理,以对麻醉程度进行监测。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于张萍萍,未经张萍萍许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911035480.4/1.html,转载请声明来源钻瓜专利网。