【技术实现步骤摘要】
本专利技术涉及麻醉状态监测分析，尤其涉及一种基于体征数据的患者麻醉状态分析方法及系统。
技术介绍
1、麻醉状态监测是麻醉管理中至关重要的环节，旨在确保患者在手术过程中处于适当的麻醉深度，以保障患者安全并优化麻醉效果。传统的麻醉状态评估较多依赖于脑电图信号，例如通过脑电指标如脑电阻抗指数来监测患者的麻醉深度。这种聚焦于脑电信号的变化进行麻醉状态分析的方案，在麻醉诱导阶段由于麻醉药物的快速作用，患者的脑电波会发生较为剧烈的变化，这时脑电信号的变化较为敏感且剧烈，因此可以较为精确地进行麻醉深度评估及异常检测。但随着麻醉药物浓度的稳定，麻醉深度达到相对稳定的状态，脑电波的变化趋于平稳，且变化幅度较小，导致单纯依赖脑电信号进行监测时，很难发现麻醉维持阶段中潜在的局部异常。此时麻醉深度不再像诱导阶段那样波动剧烈，可能存在的麻醉状态异常难以通过脑电信号的变化来提前发现。
2、在麻醉维持阶段下患者的麻醉深度相对稳定，药物浓度对神经活动的影响趋于平稳，患者的生理状态与体征数据之间的关联更加显著，能够提供关于麻醉药物对器官系统影响的实时信息。因此，仅基于脑电信号进行的麻醉状态监测可能无法充分反映麻醉药物对身体各器官系统的综合影响，容易忽视潜在的麻醉异常或生理波动，导致延迟对患者麻醉状态异常的发现。
技术实现思路
1、针对上述技术问题，本专利技术提供一种基于体征数据的患者麻醉状态分析方法及系统，结合脑电信号和体征数据的多维度分析，通过对实时脑电信号与体征数据的关联分析，能够更精准地监测麻醉维
2、作为本专利技术的其中一个方面，提供一种基于体征数据的患者麻醉状态分析方法，包括：
3、在获取到待分析患者在当前检测阶段的实时麻醉状态监测数据后，实时麻醉状态监测数据包括待分析患者的实时脑电状态监测数据和实时体征监测数据，提取出待分析患者的实时脑电状态参数序列和多个实时体征状态参数序列；
4、分别计算实时脑电状态参数序列和多个实时体征状态参数序列之间的条件熵，以构建得到待分析患者在当前检测阶段的实时脑电体征关联向量；
5、根据当前检测阶段下的实时脑电状态监测数据确定待分析患者的第一局部麻醉阶段，确定实时脑电体征关联向量对应的脑电体征目标关联向量和脑电体征关联参考范围；
6、根据脑电体征目标关联向量和脑电体征关联参考范围对待分析患者进行麻醉状态局部异常检测，得到麻醉状态局部异常检测结果；
7、若麻醉状态局部异常检测结果为待分析患者未存在麻醉状态局部异常，则对待分析患者进行麻醉状态扩散检测以生成麻醉状态扩散异常检测结果；
8、对待分析患者进行麻醉状态扩散检测包括获取待分析患者在下个检测阶段的实时麻醉状态监测数据，根据下个检测阶段的实时麻醉状态监测数据确定待分析患者第二局部麻醉阶段，生成待分析患者的目标麻醉状态扩散路径，确定目标麻醉状态扩散路径的脑电体征目标扩散向量，基于脑电体征目标扩散向量对待分析患者在下个检测阶段的实时麻醉状态监测数据进行麻醉状态扩散检测。
9、优选地，对于脑电体征目标关联向量和脑电体征关联参考范围，还包括：
10、获取多位患者位于麻醉维持阶段的历史麻醉状态监测数据，历史麻醉状态监测数据包括患者在麻醉维持阶段的历史脑电状态监测数据和历史体征监测数据；
11、根据历史脑电状态监测数据将麻醉维持阶段分为多个局部麻醉阶段，从多组历史麻醉状态监测数据中提取出每个局部麻醉阶段的多组历史样本数据，构建得到每个局部麻醉阶段的阶段样本数据集合；
12、提取出每个阶段样本数据集合中每组历史样本数据的历史脑电状态参数序列和多个历史体征状态参数序列，分别计算每组历史样本数据中历史脑电状态参数序列和多个历史体征状态参数序列之间的条件熵，构建得到每组历史样本数据的历史脑电体征关联向量；
13、根据阶段样本数据集合中的多个历史脑电体征关联向量构建得到每个阶段样本数据集合的脑电体征关联矩阵，对每个脑电体征关联矩阵进行协方差计算以生成每个脑电体征关联矩阵的协方差矩阵，分别对多个协方差矩阵进行特征值分解得到多个参考特征向量和每个参考特征向量的特征值；
14、从多个参考特征向量中确定多个目标特征向量，根据多个目标特征向量分别对应的特征值计算得到每个体征状态参数的关联评分，生成每个局部麻醉阶段的脑电体征关联参考向量，根据脑电体征关联参考向量确定每个局部麻醉阶段的脑电体征目标关联向量和脑电体征关联参考范围。
15、优选地，根据脑电体征关联参考向量确定每个局部麻醉阶段的脑电体征目标关联向量和脑电体征关联参考范围，包括：
16、基于脑电体征关联参考向量对每个局部麻醉阶段的阶段样本数据集合中的多个历史脑电体征关联向量进行关联修正，得到每个历史脑电体征关联向量对应的历史脑电体征修正关联向量；
17、根据多个历史脑电体征修正关联向量生成每个局部麻醉阶段的脑电体征目标关联向量，分别计算脑电体征目标关联向量与多个历史脑电体征修正关联向量之间的距离，根据脑电体征目标关联向量确定脑电体征关联参考范围，并对脑电体征关联参考范围进行目标累计分析，包括以脑电体征目标关联向量为中心确定脑电体征关联参考范围，在每次基于目标参考距离对脑电体征关联参考范围进行扩大后统计目标累计比例，在达到目标累积阈值后完成对脑电体征关联参考范围的扩大，输出每个局部麻醉阶段的脑电体征关联参考范围。
18、优选地，对于脑电体征目标扩散向量，还包括：
19、确定每个局部麻醉阶段的麻醉阶段扩散路径，构建每个麻醉阶段扩散路径的包含多组扩散样本数据的扩散样本数据集合；
20、提取出每个扩散样本数据集合中每组扩散样本数据的第一脑电体征修正关联向量和第二脑电体征修正关联向量，根据第一脑电体征修正关联向量和第二脑电体征修正关联向量生成每组扩散样本数据的关联状态扩散趋势向量，根据多个关联状态扩散趋势向量生成每个麻醉阶段扩散路径的脑电体征目标扩散向量。
21、优选地，根据脑电体征目标关联向量和脑电体征关联参考范围对待分析患者进行麻醉状态局部异常检测，得到麻醉状态局部异常检测结果，包括：
22、根据待分析患者的第一局部麻醉阶段对应的脑电体征关联参考向量，对在待分析患者在当前检测阶段的实时脑电体征关联向量进行修正生成实时脑电体征关联修正向量，计算实时脑电体征关联修正向量与脑电体征目标关联向量之间的目标距离，若目标距离处于脑电体征关联参考范围，则认为待分析患者未存在麻醉状态局部异常，否则认为待分析患者存在麻醉状态局部异常并进行麻醉状态异常预警。
23、优选地，基于脑电体征目标扩散向量对待分析患者在下个检测阶段的实时麻醉状态监测数据进行麻醉状态扩散检测，包括：
24、提取出待分析患者在下个检测阶段的实时麻醉状态监测数据对应的实时脑电体征关联向量，根据待分析患者在当前检测阶段的实时脑电本文档来自技高网...
【技术保护点】
1.一种基于体征数据的患者麻醉状态分析方法，其特征在于，包括：
2.根据权利要求1所述的一种基于体征数据的患者麻醉状态分析方法，其特征在于，对于脑电体征目标关联向量和脑电体征关联参考范围，还包括：
3.根据权利要求2所述的一种基于体征数据的患者麻醉状态分析方法，其特征在于，根据脑电体征关联参考向量确定每个局部麻醉阶段的脑电体征目标关联向量和脑电体征关联参考范围，包括：
4.根据权利要求3所述的一种基于体征数据的患者麻醉状态分析方法，其特征在于，对于脑电体征目标扩散向量，还包括：
5.根据权利要求3所述的一种基于体征数据的患者麻醉状态分析方法，其特征在于，根据脑电体征目标关联向量和脑电体征关联参考范围对待分析患者进行麻醉状态局部异常检测，得到麻醉状态局部异常检测结果，包括：
6.根据权利要求4所述的一种基于体征数据的患者麻醉状态分析方法，其特征在于，基于脑电体征目标扩散向量对待分析患者在下个检测阶段的实时麻醉状态监测数据进行麻醉状态扩散检测，包括：
7.根据权利要求2所述的一种基于体征数据的患者麻醉状态分析方法
8.一种基于体征数据的患者麻醉状态分析系统，其特征在于，所述系统用于实现上述权利要求1-7任一项所述的一种基于体征数据的患者麻醉状态分析方法，包括：
...【技术特征摘要】
1.一种基于体征数据的患者麻醉状态分析方法，其特征在于，包括：
2.根据权利要求1所述的一种基于体征数据的患者麻醉状态分析方法，其特征在于，对于脑电体征目标关联向量和脑电体征关联参考范围，还包括：
3.根据权利要求2所述的一种基于体征数据的患者麻醉状态分析方法，其特征在于，根据脑电体征关联参考向量确定每个局部麻醉阶段的脑电体征目标关联向量和脑电体征关联参考范围，包括：
4.根据权利要求3所述的一种基于体征数据的患者麻醉状态分析方法，其特征在于，对于脑电体征目标扩散向量，还包括：
5.根据权利要求3所述的一种基于体征数据的患者麻醉状态分析方法，其特征在于，根据脑电体征目标...
【专利技术属性】
技术研发人员：李梦圆，朱丽，易春芳，李倩倩，程中贵，蒋章颉，宋志平，
申请(专利权)人：南昌大学第一附属医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。