基于EEG信号复杂性和频率特征的麻醉监测的准确深度
Tianning Li1, Yi Huang2, Peng Wen3
1School of Mathematics, Physics and Computing, University of Southern Queensland, Toowoomba, Australia.
Brain informatics
|November 21, 2024
概括
这项研究引入了一种使用脑电图 (EEG) 信号实时监测麻醉深度 (DoA) 的新方法. 这种新的方法提高了准确性和稳定性,提高了麻醉期间的患者安全性.
科学领域:
- 麻醉学 麻醉学
- 生物医学工程 生物医学工程
- 信号处理 信号处理
背景情况:
- 精确的麻醉深度 (DoA) 监测对于患者的安全至关重要.
- 像双光谱指数 (BIS) 这样的现有方法缺乏实时准确性,稳定性和通用性.
- 目前的DoA监测易受人工制造物的影响,阻碍了可靠的评估.
研究的目的:
- 开发一种使用EEG信号进行DoA监测的新,准确,强大和实时的方法.
- 克服现有的DoA监控技术的局限性.
- 改善患者安全和麻醉管理.
主要方法:
- 使用波段消音和离散波段转换 (DWT) 的EEG信号预处理.
- 特性提取包括变伦佩尔-齐夫复杂性 (PLZC) 和功率光谱密度 (PSD).
- 应用随机森林回归模型用于麻醉状态估计和无监督学习 (Hurst指数,层次聚类) 以检测状态过渡.
主要成果:
- 在独立数据集上实现了高的皮尔森相关系数 (UniSQ:0.86,VitalDB:0.82).
- 在组合数据集上表现出强的表现,R-平方为0.70,RMSE为6.31,MAE为8.38,Pearson相关性为0.84.
- 在各种患者数据中展示了强度和概括性.
结论:
- 拟议的基于EEG的方法提供了一个更准确,更可靠的实时DoA监控解决方案.
- 这种方法有可能在各种临床环境中显著提高患者安全.
- 该方法的稳定性和通用性使其适用于各种麻醉管理场景.
