本發(fā)明涉及腦電信號領(lǐng)域,尤其涉及一種腦電信號監(jiān)測處理方法。
技術(shù)背景
近年來,越來越多的非線性動力學(xué)方法開始應(yīng)用于腦電信號的分析。其中應(yīng)用最多的就是熵指數(shù)或復(fù)雜度指數(shù),包括譜熵、近似熵、樣本熵、lz復(fù)雜度等。有研究表明,近似熵、樣本熵、lz復(fù)雜度對麻醉深度變化有很好的敏感性和特異性。
經(jīng)檢索發(fā)現(xiàn),中國專利申請03137747.5使用非線性動力學(xué)方法來對腦電信號進(jìn)行處理,主要采用關(guān)聯(lián)位數(shù)、復(fù)雜度和近似熵的綜合來給出一個非線性指標(biāo),用于實時腦電信號監(jiān)測,但仍對于腦電信號的處理,仍有待對腦電信號做出進(jìn)一步的細(xì)分各種狀態(tài)。
技術(shù)實現(xiàn)要素:
針對上述技術(shù)缺陷,本發(fā)明提出一種腦電信號監(jiān)測處理方法,對腦電信號的幾個重要指標(biāo)進(jìn)行了更有效的分析處理,能更好的,更直觀的顯示腦的各種狀態(tài)。
為了解決上述技術(shù)問題,本發(fā)明的技術(shù)方案如下:
一種腦電信號監(jiān)測處理方法,包括如下步驟:
101)獲得無干擾的腦電信號;
102)根據(jù)步驟101)的腦電信號獲得頻域指標(biāo),頻域指標(biāo)包括beta比率和各頻帶功率比,所述beta比率采用pwelch方法獲得,所述各頻帶功率比=p相應(yīng)的頻帶/p1-47hz;
103)根據(jù)步驟101)的腦電信號獲得復(fù)雜度指標(biāo),所述復(fù)雜度指標(biāo)為樣本熵,其具體獲得方法包括如下步驟:
201)確定模式維數(shù)m和相似容量r;
202)將腦電信號映射到m維相空間,形成點集{bi},i=1,2,...,n-m+1,其中,
bi=(xi,xi+1,...,xi+m-1);
203)計算bi與bj間的距離,
204令
其中,num是集合中元素個數(shù);
205)令
206)令
其中bi′表示m+1維相空間中的點
207)求得樣本熵,sampen(m,r,n)=-ln(am(r)/bm(r));
104)根據(jù)步驟101)的腦電信號獲得爆發(fā)抑制指標(biāo),所述爆發(fā)抑制指標(biāo)包括當(dāng)腦電信號的振幅在±5μv以內(nèi),且持續(xù)時間超過0.5秒時,認(rèn)為這是一段抑制信號,和爆發(fā)抑制比;
進(jìn)一步的,所述pwelch方法具體步驟如下:先將數(shù)據(jù)按2秒鐘一段,相鄰兩段重疊50%,分成n段,每段長m,然后計算每段信號的功率譜,以各段的平均功率譜作為整段信號的功率譜估計,設(shè)具體公式如下:
beta比率=log(p30-47hz/p11-20hz)。
進(jìn)一步的,爆發(fā)抑制比的計算如下:
本發(fā)明的有益效果在于:一般的丙泊酚麻醉腦電變化規(guī)律如圖3所示:隨著麻醉深度的加深,復(fù)雜度逐漸降低;頻率先升高后降低。從圖3中可以看到,在清醒到麻醉ⅰ期時,復(fù)雜度的下降速度明顯,而在麻醉ⅱ期以后,隨著麻醉的加深,頻率的變化比復(fù)雜度明顯。在專利03137747.5中只著重采用了復(fù)雜度指標(biāo)信息的處理,而忽視了腦電信號中的頻域指標(biāo),這樣其實對腦狀態(tài)的判斷不夠精確。本發(fā)明綜合考慮了這兩方面的信息,進(jìn)一步的完善了對腦電信號的處理,為得到的腦狀態(tài)合理的判斷,提供更精確的數(shù)據(jù)支持。
附圖說明
圖1是本發(fā)明方法的流程圖;
圖2是narcotrend分值與麻醉狀態(tài)的對應(yīng)圖;
圖3是麻醉狀態(tài)與腦電信號頻率、復(fù)雜度的關(guān)系圖;
圖4是本發(fā)明采集腦電數(shù)據(jù)的導(dǎo)聯(lián)位置圖;
圖5是ai指數(shù)與麻醉狀態(tài)的對應(yīng)圖;
圖6是本發(fā)明采用的決策樹分類器。
具體實施方式
下面結(jié)合附圖和具體實施例對本發(fā)明做進(jìn)一步的說明。
圖1是本發(fā)明的工作流程圖。本實施例中患者需滿足如下條件:
1.年齡18歲以上;
2.無精神疾?。?/p>
3.非顱面部手術(shù);
4.采用的主要麻醉藥物為丙泊酚。
一般的丙泊酚麻醉腦電變化規(guī)律如圖3所示:
隨著麻醉深度的加深,復(fù)雜度逐漸降低,頻率先升高后降低。從圖3中可以看到,在清醒到淺麻時,復(fù)雜度的下降速度明顯,而在中度麻醉期以后,隨著麻醉的加深,頻率的變化比復(fù)雜度明顯。
步驟一:首先是采集腦電信號,一般選在醫(yī)院的手術(shù)室,采用專門的心電或腦電電極,配合腦電采集設(shè)備來獲取腦電信號,電極的位置采集的位置大致如圖4所示,并由醫(yī)生每隔5分鐘根據(jù)當(dāng)時的患者的血壓、心率等生理指標(biāo)標(biāo)定一次,標(biāo)定的種類有清醒、淺麻、中麻、深麻、過深麻醉。
步驟二,去除腦電信號中的偽跡和噪聲。腦電信號由于非常微弱,且非常容易受到眼電、肌電、工頻干擾、電子設(shè)備等的干擾,去除偽跡和噪聲是一個非常重要的步驟。如果不去除這些干擾,會導(dǎo)致許多錯誤的分析結(jié)果。在本發(fā)明的算法中,先將原始信號進(jìn)行濾波,去除高頻和低頻的干擾。濾波器選擇了100階的fir凱澤窗濾波器,通帶頻率為2-47hz。然后將信號分段,每段1秒鐘,并對每一段信號進(jìn)行判定。如果判定為干擾則將該段信號去除。
步驟三,利用30秒內(nèi)無干擾的腦電信號計算指標(biāo)。頻域指標(biāo)有beta比率、各頻帶(δ、θ、α、β1、β2)功率比、平均頻率等,復(fù)雜度指標(biāo)為樣本熵。設(shè)采樣率為fs,{xt}是一段腦電信號:
計算頻域指標(biāo):先進(jìn)行功率譜估計,采用的是pwelch方法,先將數(shù)據(jù)按2秒鐘一段,相鄰兩段重疊50%,分成n段,每段長m。然后計算每段信號的功率譜,以各段的平均功率譜作為整段信號的功率譜估計。設(shè)具體公式如下:
beta比率=log(p30-47hz/p11-20hz)
平均頻率=∫1≤f≤47f×p(f)df
各頻帶功率比=p相應(yīng)的頻帶/p1-47hz
計算樣本熵:
第一步:確定模式維數(shù)m=3和相似容量r為0.2倍的信號標(biāo)準(zhǔn)差
第二步:將信號映射到m維相空間,形成點集{bi},i=1,2,...,n-m+1,其中,
bi=(xi,xi+1,...,xi+m-1)
第三步:計算bi與bj間的距離,
第四步:令
其中,num是求集合中元素個數(shù)的函數(shù)
第五步:
第六步:令
其中bi′表示m+1維相空間中的點
第七步:求得樣本熵,sampen(m,r,n)=-ln(am(r)/bm(r))
爆發(fā)抑制比的計算采用的是能量法,當(dāng)能量小于給定的閾值時,則認(rèn)為是抑制信號。本例中,當(dāng)腦電信號的振幅在±5μv以內(nèi),且持續(xù)時間超過0.5秒時,認(rèn)為這是一段抑制信號。爆發(fā)抑制比的計算如下:
步驟四:采用的是決策樹分類器,將信號分為清醒、淺麻、中麻、深麻和過深麻醉五類。分類器是由c4.5型決策樹方法,利用采集的腦電數(shù)據(jù)庫訓(xùn)練出的。自變量是步驟三中計算的指標(biāo),因變量是臨床麻醉醫(yī)生根據(jù)實際需要的標(biāo)定。一般決策樹方法都會產(chǎn)生過擬合現(xiàn)象,不利于方法的推廣,需要對訓(xùn)練出的決策樹進(jìn)行剪枝。剪枝總體的原則是:1.決策樹要盡可能的簡單,這樣有利于其推廣;2.決策樹一定要符合生理知識。本例中,最終形成的決策樹如圖5,th1、th2、th3、th4、th5分別是決策樹算法在各個節(jié)點處計算出的閾值。
步驟五:采用的是線性加權(quán)的方法,將指標(biāo)整合為ai指數(shù),計算公式如下:
其中wi為指標(biāo)indexi的權(quán)重。不同指標(biāo)在不同的麻醉狀態(tài)下的權(quán)重都不一樣。根據(jù)圖3在清醒到淺麻期復(fù)雜度的變化最明顯,因此權(quán)重最大。同樣深麻期頻率指標(biāo)的權(quán)重變得最大。ai數(shù)值和麻醉狀態(tài)的大致關(guān)系如圖6。
以上所述僅是本發(fā)明的優(yōu)選實施方式,應(yīng)當(dāng)指出,對于本技術(shù)領(lǐng)域的普通技術(shù)人員,在不脫離本發(fā)明構(gòu)思的前提下,還可以做出若干改進(jìn)和潤飾,這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明保護(hù)范圍內(nèi)。