袁思念 1,3 , 叶继伦 1,2,3 , 张旭 1,2,3 , 周晶晶 1,3 , 檀雪 1,3 , 李若薇 1,3 , 邓铸强 4 , 丁耀茂 4
  • 1. 深圳大学 医学部 生物医学工程系(广东深圳 518060);
  • 2. 广东省生物医学信号检测与超声成像重点实验室(广东深圳 518060);
  • 3. 深圳市生物医学工程重点实验室(广东深圳 518060);
  • 4. 高州市人民医院(广东高州 525200);
导出 下载 收藏 扫码 引用

全身麻醉是外科手术中保证患者安全的必不可少的部分,脑电图(EEG)能反映大脑活动状况,包含丰富的信息,因此已广泛应用于监测麻醉深度。本文提出了一种将小波变换与人工神经网络(ANN)相结合的方法来估计麻醉深度。利用离散小波变换(DWT)将脑电信号进行分解,根据分解得到的近似系数与细节系数计算 9 种特征参数,并对这 9 种特征参数进行克鲁斯卡尔-沃利斯统计检验,结果表明这 9 种特征参数在清醒、轻度麻醉、中度麻醉和深度麻醉这四种不同麻醉水平间的差异均有统计学意义(P < 0.001)。将这 9 种特征参数作为 ANN 的输入,以双谱指数(BIS)作为参考输出,使用 8 例全麻手术的患者数据对该方法进行了评估。该方法在 7∶3 留出法中对测试集四种不同麻醉水平的分类准确度为 85.98%,与 BIS 的相关系数为 0.977 0。结果表明,该方法能较好地区分四种不同麻醉水平,对于麻醉深度监测具有广阔的应用前景。

引用本文: 袁思念, 叶继伦, 张旭, 周晶晶, 檀雪, 李若薇, 邓铸强, 丁耀茂. 基于小波变换与人工神经网络的麻醉深度计算方法研究. 生物医学工程学杂志, 2021, 38(5): 838-847. doi: 10.7507/1001-5515.202007003 复制

  • 上一篇

    基于脑功能网络的混合情绪因素对错误记忆影响的研究
  • 下一篇

    基于自回归移动平均模型拟合的高效心律失常自动分类研究