[发明专利]一种基于脑电微状态分析的麻醉深度监测系统及方法

权利要求书

1.一种基于脑电微状态的麻醉深度监测系统，包括脑电信号采集模块(A)、微状态时间序列构建模块(B)、微状态参数计算模块(C)和分类识别模块(D)四个模块；

所述的脑电信号采集模块(A)：用于采集接受全身麻醉的样本不同麻醉状态下的脑电信号；

所述的微状态时间序列构建模块(B)：先对脑电信号采集模块(A)采得的信号通过脑电微状态算法对不同麻醉状态的脑电信号进行分析，构建相应的微状态时间序列；

所述的微状态参数计算模块(C)：根据得到的微状态时间序列，计算其相应的时间占比、出现频率、持续时间、能量等微状态参数；

所述的分类识别模块(D)：通过主成分分析简化获得的微状态参数，将其作为特征值输入到SVM进行模式识别分类，SVM的二分类结果即为麻醉深度的检测结果。

2.基于权利要求1所述的一种基于脑电微状态的麻醉深度监测系统的监测方法，其特征在于，包括以下步骤：

(1)利用脑血氧信号采集模块(A)采集进行全身麻醉的样本在不同麻醉状态下的脑电信号；

(2)利用微状态时间序列构建模块(B)对采得的信号通过脑电微状态算法对不同麻醉状态的脑电信号进行分析，构建相应的微状态时间序列；

(3)利用微状态参数计算模块(C)根据得到的微状态时间序列，计算其相应的时间占比、出现频率、持续时间、能量等微状态参数；

(4)利用分类识别模块(D)先对得到的微状态参数进行主成分分析，将得到的特征值输入到SVM进行模式识别分类，SVM的二分类结果即为麻醉深度的检测结果。

3.根据权利要求2所述的监测方法，其特征在于，所述步骤(2)具体包括：

(2.1)对于测得的脑电信号，通过cross-validation和Krzanowski-Lai Criterion两种准则来决定微状态的理想个数；

(2.2)提取脑电信号的全局能量谱(GFP,Global fieldpower)的峰值点，其中GFP的具体公式如下：

公式中，K代表总导联数，V_i表示第i个导联的电位；

(2.3)对GFP对应时刻的脑电信号通过Modified k-means算法来进行聚类，获得微状态拓扑，在聚类的同时，计算全局可解释方差GEV，通过计算100次GEV使得GEV最大来保证最终得到的微状态拓扑能最大程度克服Modified k-means算法的随机性；

(2.4)将聚类出的微状态与原始脑电信号的GFP函数峰值点脑电进行空间相关性配对，取最高空间相关性的微状态拓扑作为此时的微状态，即标记此时刻的脑电为该微状态的序号；

空间相关性的公式如下：

式中，C为空间相关性，N_e为导联数量，u为Map u的脑电地形图，v为Map v的脑电地形图，i为第i个导联；

(2.5)对其余的脑电信号根据最近的GFP峰值对应微状态进行标记，即可得到相应麻醉状态的微状态序列。

4.根据权利要求2所述的监测方法，所述步骤(3)具体包括：

计算得到的微状态序列的微状态参数，分别如下：

(3.1)时间占比Coverage：即每一种微状态在总时间里的占比；

(3.2)出现频率Occurrence：即在指定的时间内某一种微状态出现的次数，这个时间通常设定为1秒；

(3.3)持续时间Duration：即某一微状态每次出现的平均长度，等于该微状态出现的总时长除以出现的总次数；

(3.4)能量Power：即某一微状态k拓扑下各脑电通道的能量总和P_k，其计算公式如下：

式中，P_k表示微状态k的能量，s_i为第i个导联的脑电信号,γ_k,t在时间t标记为微状态k时等于1，否则为0，Ls是该麻醉状态下微状态时间序列的长度。