一种基于光电融合的血液参数和电生理参数的检测方法技术

本发明专利技术公开了一种基于光电融合的血液参数和电生理参数的检测方法；该方法面向脑电、脑氧数据采集，通过柔性贴片传感器采集患者脑部区域脑电、脑氧数据，通过无线传输模块将采集的信号传送给上位机进行信号处理；通过上位机对信号进行预处理可以将信号中的伪迹信息进行去除，提高信号的信噪比；通过移动窗口提取脑电和脑氧信号中的特征，并对麻醉深度相关指标进行计算和预测；本发明专利技术通过无线传输模块对数据进行传输，解决了数据传输线易损坏的问题；将脑氧信号运用到麻醉深度监测方法中，解决了脑电信号受到干扰无法使用的问题。决了脑电信号受到干扰无法使用的问题。决了脑电信号受到干扰无法使用的问题。

【技术实现步骤摘要】
一种基于光电融合的血液参数和电生理参数的检测方法


[0001]本专利技术涉及一种优化的麻醉深度监测技术，尤其涉及一种基于光电融合的血液参数和电生理参数的检测方法。

技术介绍

[0002]不同于侵入式的检测手段，非侵入式的脑功能检测技术不会对人体大脑造成有创伤口，一直是人们研究和发展的重点。非侵入式脑功能检测技术主要包括fMRI、PET、EEG以及NIRS等。其中fMRI和PET具有高空间分辨率和低时间分辨率的特点，通过脑功能成像可以迅速找到大脑或病变的具体位置，但是临床应用成本较高，因此该类技术在脑功能的基础研究中应用较为广泛。而EEG与NIRS的检测技术则有较好的时间分辨率，能够对大脑相关状态变化快速响应，能够用于长时间的脑功能监测任务，在设备的使用环境和移动性上具有很大的灵活性。
[0003]随着对脑功能状态研究的不断深入，准确的反应麻醉手术过程中患者所处的状态就显得比较重要；麻醉是通过麻醉剂对中枢神经系统的抑制和兴奋作用达到意识消失的目的，而脑电正好可以反映出中枢神经系统的活动水平；传统的手术实施过程中主要通过患者的基本信息来估计麻醉剂的使用量，但由于个体差异性，基于此方法估算的麻醉剂需求量往往不能使患者处于最佳的麻醉水平；目前市场上也相继出现了多种商用的麻醉深度监护设备，这些设备大都是通过患者的前额脑电信号特征对麻醉深度进行预测；脑电分析方法主要是通过脑电的时域、频域以及非线性特征来反映不同脑电信号所处的麻醉状态；在遇到较多伪迹信号的时候，脑电信号的信噪比较低，麻醉监护设备往往就不能准确的反映该时刻的麻醉深度；一般都是通过提示信号质量较低来表示当前指标的可信度，并无更好的解决方案；
[0004]因此本
的研究人员需要解决的一个问题是：如何找到一种新的方法来解决脑电信号被干扰情况下的准确反映麻醉深度的问题，并解决传统麻醉监测装置数据传输线易损坏，更换费用较高的问题；

技术实现思路

[0005]本专利技术的目的在于针对现有技术的不足，提供一种基于双模态的无线麻醉深度检测方法；数据通过无线传输，解决了传统数据传输线易损坏的问题，基于脑电、脑氧信号的双模态方法使得在信号干扰较大时麻醉深度检测具有较高的准确性；
[0006]本专利技术方法是基于以下装置，该装置主要包括数据采集模块、无线信号传输模块、中央数据处理模块、数据显示模块；数据采集模块通过专有电极片与大脑前额连接；采集的脑电、脑氧信号通过无线信号传输模块输出，并与上位机的中央数据处理模块的数据接收端连接；上位机的中央数据处理模块最后将结果传输到上位机数据显示模块；
[0007]进一步地，所述的数据采集模块，包括脑电信号采集模块和脑氧信号采集模块，脑电信号采集模块包括专有脑电采集电极、信号放大模块以及模数转换模块，脑氧信号采集
模块主要包括脑氧专有数据采集电极和模数转换模块；所述的信号放大模块主要用于接收模拟脑电信号，并对微弱的脑电信号进行放大；所述的模数转换模块主要将信号放大模块的模拟脑电数据信号、采集到的脑氧数据信号转换为数字信号；
[0008]进一步地，所述的无线信号传输模块，通过wifi无线网络将数据采集模块采集到的脑电、脑氧数字信号传送到上位机的中央数据处理模块；
[0009]进一步地，所述的中央数据处理模块主要包括信号预处理模块、特征参数计算模块和模型预测模块；信号预处理模块接收无线信号传输模块传来的脑电和脑氧数字信号，并对信号进行预处理，所述的信号预处理主要去除包括但不限于眼电伪迹、肌电伪迹、极限漂移、电刀伪迹等，提高信号的信噪比；
[0010]进一步地，由于上述的伪迹信号属于噪声信号，不携带有脑电脑氧信息，其存在对于结果特征的存在较大的影响，故在计算信号特征之前剔除掉主要的干扰噪声，提高结果的可信度；
[0011]进一步地，所述的中央数据处理模块中的特征参数计算模块用来计算特定窗口条件下的脑电、脑氧信号特征，包括爆发抑制比、小波熵、排序熵、beta比率、肌电值、氧合血红蛋白含量变化量和脱氧血红蛋白变化量等参数的计算；
[0012]进一步地，所述的beta比率、小波熵主要用来对清醒和麻醉状态进行区分；所述的排序熵主要用来对轻度麻醉状态和中度麻醉状态进行区分；所述的爆发抑制比主要用来对麻醉过深阶段进行识别；所述的肌电值、氧合血红蛋白含量变化量和脱氧血红蛋白变化量主要用来辅助解决伪迹较多时麻醉深度预测不准的情况；
[0013]进一步地，所述的中央数据处理的模型预测模块主要接收特征参数计算模块的输出特征，并计算最后大脑所处的麻醉状态水平；
[0014]该方法主要包括以下步骤：
[0015]步骤(1)、脑电、脑氧数据采集模块主要各自通过专有电极采集手术过程中大脑前额的脑电脑氧信号，并通过数模转换器将模拟信号转换为数字信号；
[0016]步骤(2)、将步骤(1)中采集的数字信号通过无线信号传输模块，传输到上位机中央数据处理模块；上位机中央数据处理模块通过对接收到的脑电和脑氧数据进行保存，并进行预处理；所述的预处理主要将一些对原始信号有干扰的伪迹信号进行剔除处理，包括但不限于眼电伪迹，肌电伪迹，电刀伪迹等，提高信号的信噪比；
[0017]剔除处理属于本领域技术人员所掌握的成熟技术；
[0018]步骤(3)、通过移动窗口对步骤(2)处理之后的干净信号进行分析处理，计算特定时间窗口中的脑电和脑氧信号特征，包括爆发抑制比、小波熵、排序熵、beta比率、肌电值、氧合血红蛋白含量变化量和脱氧血红蛋白变化量；
[0019]3.1非线性分析：计算脑电信号的小波熵
[0020]对步骤(2)中的脑电信号进行离散小波变换得到不同的小波系数，在每一层小波分解之后都会通过2倍的降采样处理，采用最大重复小波变换来解决降采样过后小波系数和源信号长度不一致的问题；信号分解之后小波系数长度一致的特性在计算小波系数的相对能量时能够减少其他性质带来的影响；小波熵通过计算小波系数的相对能量，并且结合熵理论可得；脑电信号通过n层的离散小波分解之后可得近似小波系数和细节小波系数，每一层小波能量等于该层小波系数的平方和；脑电信号总的小波能量为：
[0021][0022]其中，A
n
表示第n层近似小波系数，D
j
表示第j层细节小波系数，j＝1，2，...，n；
[0023]相对小波能量为当前层的小波能量与总的小波能量的比值：
[0024][0025]其中，E
j
表示脑电信号中各层小波分解系数的能量；
[0026]根据香农提出的熵理论以及相对小波能量，小波熵S
wte
可定义为：
[0027]S
wte
＝-∑
j
p
j
log p
j
[0028]3.2时域分析：计算脑电信号的爆发抑制比
[0029]所述的爆发抑制比为爆发抑制状态信号在过去30秒内的占比，可以很好的量化麻醉过深状态；爆发抑制状态表现为低电位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于近红外光谱检测血流参数和电生理参数的双模态无线脑部生理状态的监护方法；该方法面向脑电和脑氧双模态的无线麻醉深度监护方法，是基于以下装置，该装置主要包括数据采集模块、无线信号传输模块、中央数据处理模块、数据显示模块；数据采集模块通过专有电极片与大脑前额连接；采集的脑电、脑氧信号通过无线信号传输模块输出，并与上位机的中央数据处理模块的数据接收端连接；上位机的中央数据处理模块最后将结果传输到上位机数据显示模块；其特征在于该方法主要包括以下步骤：步骤(1)、脑电、脑氧数据采集模块主要各自通过专有电极采集手术过程中大脑前额的脑电脑氧信号，并通过数模转换器将模拟信号转换为数字信号；步骤(2)、将步骤(1)中采集的数字信号通过无线信号传输模块，传输到上位机中央数据处理模块；上位机中央数据处理模块通过对接收到的脑电和脑氧数据进行保存，并进行预处理；所述的预处理主要将一些对原始信号有干扰的伪迹信号进行剔除处理，包括但不限于眼电伪迹，肌电伪迹，电刀伪迹等，提高信号的信噪比；步骤(3)、通过移动窗口对步骤(2)处理之后的干净信号进行分析处理，计算特定时间窗口中的脑电和脑氧信号特征，包括爆发抑制比、小波熵、排序熵、beta比率、肌电值、氧合血红蛋白含量变化量和脱氧血红蛋白变化量；3.1非线性分析：计算脑电信号的小波熵对步骤(2)中的脑电信号进行离散小波变换得到不同的小波系数，在每一层小波分解之后都会通过2倍的降采样处理，采用最大重复小波变换来解决降采样过后小波系数和源信号长度不一致的问题；信号分解之后小波系数长度一致的特性在计算小波系数的相对能量时能够减少其他性质带来的影响；小波熵通过计算小波系数的相对能量，并且结合熵理论可得；脑电信号通过n层的离散小波分解之后可得近似小波系数和细节小波系数，每一层小波能量等于该层小波系数的平方和；脑电信号总的小波能量为：其中，A
n
表示第n层近似小波系数，D
j
表示第j层细节小波系数，j＝1，2，...，n；相对小波能量为当前层的小波能量与总的小波能量的比值：其中，E
j
表示脑电信号中各层小波分解系数的能量；根据香农提出的熵理论以及相对小波能量，小波熵S
wte
可定义为：S
wte
＝-∑
j
p
j
log p
...

【专利技术属性】
技术研发人员：刘军，章翔，王玲玲，
申请(专利权)人：浙江象立医疗科技有限公司，
类型：发明
国别省市：