基于信息整合理论的麻醉意识状态评估系统及其方法技术方案

本发明专利技术公开基于信息整合理论的麻醉意识状态评估系统及其方法，通过获取接受麻醉条件下的静息态脑电数据，将预处理后的脑电使用带通滤波得到alpha频率段；采用分箱法将连续脑电信号转换成离散变量，避免高斯假设；使用离散多通道脑电时间序列和离散条件熵的定义对多通道脑电系统的有效信息进行估计；使用原子分区，以多通道脑电信号alpha频率段的不同时延下的最大归一化整合信息Φ

【技术实现步骤摘要】
基于信息整合理论的麻醉意识状态评估系统及其方法


[0001]本专利技术属于脑电信号
，涉及一种基于信息整合理论的麻醉意识状态评估系统及其方法，涉及到一种基于信息整合理论的面向全身麻醉镇静下多通道脑电数据的麻醉意识状态评估系统及其方法。

技术介绍

[0002]每年，数千万患者的意识在全身麻醉手术中被抑制，也就是全麻镇静期间所谓的意识丧失(loss of consciousness,LOC)/无意识(unconsciousness)，以确保患者在手术过程中的安全。
[0003]目前临床对麻醉期间不同意识状态的评估和监测依赖于主观评分，而主观评分通常基于患者对外界干扰的反应。然而，在严重的脑损伤或手术麻醉后，患者可能仍然清醒，但对外界干扰没有反应。在这些情况下，我们无法评估患者是否仍然处于适宜的麻醉状态。影响现有评估和监测算法有效性的另一个主要问题是不同患者对麻醉药浓度敏感性的个体差异很大。由于个体差异，中等浓度的麻醉剂不一定会诱导所有病人失去意识。
[0004]双谱指数(Bispectral index,BIS)是帮助麻醉师进行全身麻醉的一种典型的频谱指标，在临床中得到了广泛的应用。然而，BIS值在患者个体之间表现出显著差异，并且不同的麻醉剂麻醉下对应的BIS值显著不同。目前已经发展了许多可用的算法，如M熵、听觉诱发电位等。然而，这些方法都存在不同程度的局限性，其对麻醉下意识状态的评估和监测受不同麻醉剂和个体差异影响。
[0005]除了临床指标研究，麻醉意识受不同意识理论的支持，包括全局神经元工作空间理论、预测编码理论、注意图式理论等。其中，信息整合理论(integrated information theory,IIT)为评估麻醉意识状态提供了一种可量化的度量(整合信息，即Φ)，近年来已发展出多个版本。信息整合理论的主要假设是，意识与大脑整合信息的能力有关，其认为意识是由大脑的整合和分化的平衡支持的。一个物理系统的整合信息Φ被定义为系统的最大有效信息
[0006]目前，临床对麻醉下不同意识状态的评估大多局限在主观评分和BIS监测，其对麻醉意识状态的评估和监测的准确度有待提高。而且，尚缺少一个有意识理论基础支撑的麻醉意识状态评估算法。

技术实现思路

[0007]为了解决
技术介绍
中存在的问题，本专利技术提出了一种基于信息整合理论的麻醉意识状态评估系统及其方法。本专利技术包括多通道脑电(EEG)数据采集装置。本专利技术涉及到使用多通道脑电对接受麻醉的参与者静息态下的大脑活动进行记录，同时使用针对非高斯脑电数据改进过的整合信息(Φ
EEG
)对麻醉意识状态进行评估。
[0008]本专利技术具体采用的技术方案如下：
[0009]第一方面，本专利技术提供了一种基于信息整合理论的麻醉意识状态评估方法，其包
括：
[0010]S1：数据采集
[0011]采集麻醉条件下被试的静息态多通道脑电数据；
[0012]S2：数据预处理
[0013]对静息态多通道脑电数据进行预处理，然后使用带通滤波将预处理后的多通道脑电数据滤波得到alpha频段脑电数据；
[0014]S3：脑电离散化处理
[0015]由于数据预处理后的连续脑电信号是非高斯、非平稳，对alpha频段脑电信号的每一个采样点进行离散化，得到离散化后的脑电时间序列；
[0016]S4：有效信息估计
[0017]根据上述离散化后的脑电时间序列，结合公式(1)对alpha频段多通道脑电信号的有效信息进行估计；
[0018][0019]式中表示有效信息，定义为多通道脑电产生的信息与各单通道脑电产生的信息之间的差异；X为多通道脑电信号，τ为当前时间状态和过去时间状态之间的时延，为X的预设划分比例，M
k
为X划分后的第k个子脑电信号,r为子脑电信号的数量，H(
…
|
…
)为离散条件熵；
[0020]使用条件熵的离散版本对H(
…
|
…
)进行估计：
[0021][0022]式中M和N为离散变量，m和n为M和N中的离散状态；
[0023]S5：整合信息计算
[0024]5‑
1根据多通道脑电信号的有效信息使用原子分区(atomic partition,AP)作为预设划分比例根据公式(3)得到整合信息Φ；
[0025][0026]5‑
2考虑到不同脑电通道的每个脑电信号具有不同生成信息的能力，使用归一化系数对Φ进行归一化，得到Φ
norm
[X；τ]；
[0027][0028]式中：I(
…
；
…
)为互信息的估计，为第k个子脑电信号产生的信息量；
[0029]5‑
3将所有时延的最大的归一化整合信息Φ
norm
[X；τ]作为最终整合信息Φ
EEG
；
[0030]Φ
EEG
＝arg
τ
maxΦ
norm
[X；τ]ꢀꢀꢀ
式(5)
[0031]S6：根据最终整合信息Φ
EEG
进行判断识别被试的麻醉意识状态。
[0032]作为优选，所述预处理具体是对静息态多通道脑电数据直流偏置校正，并进行0.5
–
45Hz的带通滤波，去除工频干扰，通过平均参考对电极进行重参考，将脑电数据降采样到250Hz，使用逆滤波器来检测和消除肌肉活动的干扰，使用基于小波滤波的算法去除眼电干扰，脑电信号以每4s为一段和50％的重叠进行分割，通过计算脑电信号的归一化方差来
识别异常脑电通道。
[0033]作为优选，步骤S3中采用分箱法进行离散化。
[0034]第二方面，本专利技术提供了麻醉意识状态评估系统，包括：
[0035]数据采集模块，用于采集麻醉条件下被试的静息态多通道脑电数据；
[0036]数据预处理模块，用于对数据采集模块采集到的静息态多通道脑电数据进行预处理，然后使用带通滤波将预处理后的多通道脑电数据滤波得到alpha频段脑电数据；
[0037]脑电离散化处理模块，用于对数据预处理模块输出的alpha频段脑电信号的每一个采样点进行离散化，得到离散化后的脑电时间序列；
[0038]有效信息估计模块，用于对脑电离散化处理模块输出的离散化后的脑电时间序列，提取alpha频段多通道脑电信号的有效信息
[0039]整合信息计算模块，用于根据多通道脑电信号的有效信息使用原子分区(atomic partition,AP)作为预设划分比例得到整合信息Φ；使用归一化系数对Φ进行归一化，得到Φ
norm
[X；τ]；将所有时延的最大的归一化整合信息Φ
norm
[X；τ]作为最终整合信息Φ
EEG
；
[0040]麻醉意识状态识别模块，用于根据最终整合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于信息整合理论的麻醉意识状态评估方法，其特征在于，所述方法包括以下步骤：S1：数据采集采集麻醉条件下被试的静息态多通道脑电数据；S2：数据预处理对静息态多通道脑电数据进行预处理，然后使用带通滤波将预处理后的多通道脑电数据滤波得到alpha频段脑电数据；S3：脑电离散化处理由于数据预处理后的连续脑电信号是非高斯、非平稳，对alpha频段脑电信号的每一个采样点进行离散化，得到离散化后的脑电时间序列；S4：有效信息估计根据上述离散化后的脑电时间序列，结合公式(1)对alpha频段多通道脑电信号的有效信息进行估计；式中表示有效信息，定义为多通道脑电产生的信息与各单通道脑电产生的信息之间的差异；X为多通道脑电信号，τ为当前时间状态和过去时间状态之间的时延，为x的预设划分比例，M
k
为x划分后的第k个子脑电信号，r为子脑电信号的数量，H(
…
|
…
)为离散条件熵；使用条件熵的离散版本对H(
…
|
…
)进行估计：式中M和N为离散变量，m和n为M和N中的离散状态；S5：整合信息计算5
‑
1根据多通道脑电信号的有效信息使用原子分区(atomic partition,AP)作为预设划分比例根据公式(3)得到整合信息Φ；5
‑
2考虑到不同脑电通道的每个脑电信号具有不同生成信息的能力，使用归一化系数对Φ进行归一化，得到Φ
norm
[X；τ]；式中：I(
…
；
…
)为互信息的估计，为第k个子脑电信号产生的信息量；5
‑
3将所有时延的最大的归一化整合信息Φ
norm
[X；τ]作为最终整合信息Φ
EEG
；Φ
EEG
＝arg
τ
maxΦ
norm
[X；τ]
ꢀꢀꢀꢀ
式(5)S6：根据最终整合信息Φ
EEG
进行判断识别被试的麻醉...

【专利技术属性】
技术研发人员：刘军，董康立，
申请(专利权)人：浙江大学，
类型：发明
国别省市：