一种麻醉深度监测系统的制作方法

1.本发明涉及软件识别算法、信号处理和滤波技术领域，具体为一种麻醉深度监测系统。


背景技术：

2.在当下临床实践中，由于临床麻醉状态大都是多种药物综合效应的结果，包括意识消失、遗忘、镇痛、肌松、抑制躯体运动、抑制心血管和内分泌系统对于手术刺激的反应，因此有效地进行麻醉监测至关重要，麻醉深度评估是麻醉领域中最具主观性，也最具争议的一个话题，自从乙醚麻醉在临床应用以来，关于麻醉深度的定义有各种各样的观点，概括起来主要有两种见解：一是全麻药诱导的无意识状态；二是全麻药诱导的无意识状态加上麻醉药对手术创伤反应的抑制状态。目前的主流观点认为：麻醉深度是镇静水平，镇痛水平以及刺激反应程度等指标的综合反映，单一参数难以全面评价麻醉深度，在手术麻醉过程中，镇静、镇痛和肌松为全身麻醉最基本三要素，这三者之间可以相互影响，镇静可以加强镇痛，镇痛也可以加强镇静，两者都会加强肌松作用，反之，肌松在一定程度上也会影响镇静和镇痛的效果。临床上可以根据患者术中的血压、心率、呼吸幅度和节律、肌肉松弛程度等表现进行综合分析和判断。理想的麻醉深度应该是保证患者术中无痛觉和无意识活动，血流动力学稳定，术后苏醒完善且无术中知晓。但是由于麻醉深度的判断受到太多因素的影响，因此，通过多种手段有效的判断麻醉深度在临床工作中十分重要。
3.随着电子计算机技术的广泛应用，麻醉深度的监测技术有了质的飞跃。早期麻醉深度监测的目的主要是为了防止麻醉药过量造成的危险，现代麻醉深度监测的目的则是有效防止麻醉中潜在的危险血流动力学变化及术中觉醒，消除术中记忆和调控麻醉药的用量，过去常采用单一的参数，使用概念上的麻醉深度监护仪，现在临床医师则更加关注患者的综合情况。
4.目前非线性动力学方法开始被广泛的应用于脑电信号分析和麻醉深度监测的研究中，利用熵监测麻醉深度的方法就是其中的一种，近似熵是一种度量序列的复杂性和统计量化的规则，对脑电图的时域特征进行分析，其特点是具有较好的抗干扰和抗噪的能力，但是已有的近似熵等复杂性算法由于计算所需序列长度长或计算所需时间长的缺点无法实现实时监测，目前使用基于复杂度的非线性动力学方法对脑电信号进行处理，分别计算脑电信号的格子复杂度、边缘频率和爆发抑制比，并利用决策树算法拟合得到麻醉深度指数。
5.现有的麻醉深度监测系统存在以下两个缺陷：
6.1)由于脑电信号非常微弱，可能脑电信号处理不准确，导致脑电信号特征发生变异，以及由于外界环境的干扰，均导致采集到的脑电信号采集质量不高，易受干扰，对数据计算产生影响。
7.2)现有医疗设备通常采用差分方式采集eeg信号，提高抗干扰能力，由于通过电极采集的eeg信号幅值小且eeg频率低，在医疗设备中易被电磁环境干扰，特别是高频高能量
信号的干扰，这样对eeg分析处理和应用有很大影响。


技术实现要素：

8.(一)解决的技术问题
9.针对现有技术的不足，本发明提供了一种麻醉深度监测系统，解决了现有的麻醉深度监测系统电信号采集质量不高，易受干扰，对数据计算产生影响，同时由于通过电极采集的eeg信号幅值小且eeg频率低，在医疗设备中易被电磁环境干扰，特别是高频高能量信号的干扰，这样对eeg分析处理和应用有很大影响的问题。
10.(二)技术方案
11.为实现以上目的，本发明通过以下技术方案予以实现：一种麻醉深度监测系统，包括微处理器、脑电信号采集模块、脑电信号处理模块、数据存储模块、电源管理模块、外接电源模块、内置电池模块、网络接口、usb接口、lcd显示模块和触摸屏模块，所述脑电信号采集模块的输出端与和脑电信号处理模块的输入端电性连接，且脑电信号处理模块的输出端与微处理器的输入端电性连接，所述数据存储模块、电源管理模块、外接电源模块、内置电池模块、网络接口和usb接口均与微处理器实现双向连接，且微处理器的输出端与lcd显示模块的输入端电性连接，所述触摸屏模块的输出端与微处理器的输入端电性连接。
12.所述脑电信号采集模块输入差分信号，经过一级放大处理后，再经过二级放大和一个200hz的低通滤波，再经过三级放大和一个50hz工频陷波滤波，将脑电信号的高频部分滤掉；经过三级放大后，放大倍数为10000倍，按以下公式进行计算：
[0013][0014]
其中，f
c
代表滤波器截止频率，c1代表滤波电容1，c2代表滤波电容2，r1代表滤波电阻1，r2代表滤波电阻2。
[0015]
优选的，系统上电后，电源管理模块判断使用外接电源模块或内置电池模块为系统供电，脑电信号采集模块开始工作，脑电信号采集模块将采集到的脑电信号输出到脑电信号处理模块，在脑电信号处理模块中，将模拟信号转换为数字信号，并运算得出相关参数数据，并输出送到微处理器。
[0016]
优选的，所述微处理器通过lcd显示模块将参数显示在lcd显示屏上，且微处理器对数据存储模块进行参数数据的读取和存储操作，所述微处理器通过触摸屏模块响应用户的触摸操作。
[0017]
优选的，所述微处理器通过网络接口进行网络通信，且微处理器通过usb接口对连接的usb设备进行访问。
[0018]
优选的，脑电波信号经过导联系统采集和传输，进入前置放大器进行放大处理，然后送入低通滤波器中进行滤波，之后送入二级放大器进行第二次放大处理，模拟信号经过二次放大之后，不同频率信号之间的区间扩大，其中δ波信号的频率为0.5
‑
4hz、θ波信号的频率为4
‑
8hz、α波信号的频率为8
‑
13hz、β波信号的频率为13
‑
30hz，γ波信号的频率＞30hz，该信号强度微弱，不足以进行模数转换，需要将信号送入三级放大器进行放大，最后信号送入微控制器进行模数转换，并且在微控制器内部进行快速傅里叶变换和信号处理系
统运算，最终得出镇静/意识指数(ioc1)、镇痛/疼痛指数(ioc2)、爆发抑制比(bs)、肌电指数(emg)、信号质量(sqi)和电极的阻抗值参数。
[0019]
优选的，将截止频率设得低，一方面是滤掉高频杂波，另一方面是为了对噪声进行抑制，然后送入单片机ad进行数模转换，ad的范围是0
‑
3.3v，经过单片机定时采样并进行滤波处理后，输入算法模型进行计算。
[0020]
优选的，所述微处理器采用芯片imx6q，所述脑电信号采集模块是采用芯片ads1299，且脑电信号处理模块是采用基于arm cortex
‑
m3内核的微控制器。
[0021]
优选的，所述集成串口驱动芯片的引脚、封装和功能分别与工业标准兼容，即使工作在高数据速率下，仍然能保持rs
‑
232标准要求的正负5.0v最小发送器输出电压。
[0022]
(三)有益效果
[0023]
本发明提供了一种麻醉深度监测系统。与现有技术相比具备以下有益效果：
[0024]
(1)、该麻醉深度监测系统，可实现通过高质量采集脑电信号，在信号传输过程中进行抗干扰处理，并通过基于脑电信号特征的滤波器进行滤波，降低外界干扰对系统的影响，满足脑电信号的高质量需求，从而给微处理系统提供稳定、高质量的脑电信号数据、以及更高的采集精度，减小对于系统计算引起的偏差。
[0025]
(2)、该麻醉深度监测系统，通过利用共模电感抑制共模噪声的特点在差分采集电路中加入共模电感，经过实际检测，设备选用的共模电感和特有的电路原理可以很好的抑制高频高能量的传导骚扰。
附图说明
[0026]
图1为本发明图1为本发明电路系统框架图；
[0027]
图2为本发明eeg信号处理流程示意图；
[0028]
图3为本发明功能框架结构示意图。
[0029]
图中，1微处理器、2脑电信号采集模块、3脑电信号处理模块、4数据存储模块、5电源管理模块、6外接电源模块、7内置电池模块、8网络接口、9usb接口、10lcd显示模块、11触摸屏模块。
具体实施方式
[0030]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0031]
请参阅图1
‑
3，本发明实施例提供一种技术方案：一种麻醉深度监测系统，包括微处理器1、脑电信号采集模块2、脑电信号处理模块3、数据存储模块4、电源管理模块5、外接电源模块6、内置电池模块7、网络接口8、usb接口9、lcd显示模块10和触摸屏模块11，脑电信号采集模块2的输出端与和脑电信号处理模块3的输入端电性连接，且脑电信号处理模块3的输出端与微处理器1的输入端电性连接，数据存储模块4、电源管理模块5、外接电源模块6、内置电池模块7、网络接口8和usb接口9均与微处理器1实现双向连接，且微处理器1的输出端与lcd显示模块10的输入端电性连接，触摸屏模块11的输出端与微处理器1的输入端电
性连接。
[0032]
本发明实施例中，脑电信号采集模块2输入差分信号，经过一级放大处理后，再经过二级放大和一个200hz的低通滤波，再经过三级放大和一个50hz工频陷波滤波，将脑电信号的高频部分滤掉；经过三级放大后，放大倍数为10000倍，按以下公式进行计算：
[0033][0034]
其中，f
c
代表滤波器截止频率，c1代表滤波电容1，c2代表滤波电容2，r1代表滤波电阻1，r2代表滤波电阻2。
[0035]
本发明实施例中，系统上电后，电源管理模块5判断使用外接电源模块6或内置电池模块7为系统供电，脑电信号采集模块2开始工作，脑电信号采集模块2将采集到的脑电信号输出到脑电信号处理模块3，在脑电信号处理模块3中，将模拟信号转换为数字信号，并运算得出相关参数数据，并输出送到微处理器1，微处理器1通过lcd显示模块10将参数显示在lcd显示屏上，且微处理器1对数据存储模块4进行参数数据的读取和存储操作，微处理器1通过触摸屏模块11响应用户的触摸操作，微处理器1通过网络接口8进行网络通信，且微处理器1通过usb接口9对连接的usb设备进行访问。
[0036]
本发明实施例中，脑电波信号经过导联系统采集和传输，进入前置放大器进行放大处理，然后送入低通滤波器中进行滤波，之后送入二级放大器进行第二次放大处理，模拟信号经过二次放大之后，不同频率信号之间的区间扩大，其中δ波信号的频率为0.5
‑
4hz、θ波信号的频率为4
‑
8hz、α波信号的频率为8
‑
13hz、β波信号的频率为13
‑
30hz，γ波信号的频率＞30hz，该信号强度微弱，不足以进行模数转换，需要将信号送入三级放大器进行放大，最后信号送入微控制器进行模数转换，并且在微控制器内部进行快速傅里叶变换和信号处理系统运算，最终得出镇静/意识指数(ioc1)、镇痛/疼痛指数(ioc2)、爆发抑制比(bs)、肌电指数(emg)、信号质量(sqi)和电极的阻抗值参数，快速傅里叶理论操作系统分析原始脑电信号频谱的四个不同频带能量参数，θ波能量比e
θ
＝ln(e4‑
8hz
/e0‑
47hz
)，α波能量比e
α
＝ln(e8‑
13hz
/e0‑
47hz
)，β波能量比e
β
＝1n(e
13
‑
30hz
/e0‑
47hz
)，δ波能量比e
δ
＝ln(e
0.5
‑
4hz
/e0‑
47hz
)，模糊模型接入四个同频带能量参数，初步计算镇痛/疼痛指数(ioc2)，校正输出系统爆发抑制比(bs)校正模糊模型的输出fuzzy
output
，镇痛/疼痛指数(ioc2)的计算公式如下：
[0037]
镇痛/疼痛指数(ioc2)＝max(0，1
‑
bs/30)
·
fuzzy
output
+min(1，bs/30)
·
(41
‑
0.41bs)。
[0038]
本发明实施例中，将截止频率设得低，一方面是滤掉高频杂波，另一方面是为了对噪声进行抑制，然后送入单片机ad进行数模转换，ad的范围是0
‑
3.3v，经过单片机定时采样并进行滤波处理后，输入算法模型进行计算。
[0039]
本发明实施例中，微处理器1采用芯片imx6q，且微处理器1集成串口驱动接口功能，脑电信号采集模块2是采用芯片ads1299，且脑电信号处理模块3是采用基于arm cortex
‑
m3内核的微控制器，集成串口驱动芯片的引脚、封装和功能分别与工业标准兼容，即使工作在高数据速率下，仍然能保持rs
‑
232标准要求的正负5.0v最小发送器输出电压。
[0040]
本发明实施例中，通过专用脑电传感器将采集的到的脑电信号输入到脑电信号处理系统，脑电信号经过前置放大器进行放大处理，然后送入低通滤波器中进行滤波，之后送
入二级放大器进行第二次放大处理，模拟信号经过二次放大之后，不同频率信号之间的区间扩大，国际脑电图标准中对于脑电信号分类中，δ波信号的频率为0.5
‑
4hz、θ波信号的频率为4
‑
8hz、α波信号的频率为8
‑
13hz、β波信号的频率为13
‑
30hz，γ波信号的频率30
‑
42.5hz，该信号强度微弱，不足以进行模数转换，需要将信号送入三级放大器进行放大，最后信号送入微控制器进行模数转换，并且在微控制器内部进行快速傅里叶变换和信号处理系统运算，最终得出镇静/意识指数(ioc1)、镇痛/疼痛指数(ioc2)、爆发抑制比(bs)、肌电指数(emg)、信号质量(sqi)和电极的阻抗值参数。
[0041]
综上，本发明可实现通过高质量采集脑电信号，在信号传输过程中进行抗干扰处理，并通过基于脑电信号特征的滤波器进行滤波，降低外界干扰对系统的影响，满足脑电信号的高质量需求，从而给微处理系统提供稳定、高质量的脑电信号数据、以及更高的采集精度，减小对于系统计算引起的偏差，可通过利用共模电感抑制共模噪声的特点在差分采集电路中加入共模电感，经过实际检测，设备选用的共模电感和特有的电路原理可以很好的抑制高频高能量的传导骚扰。
[0042]
同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
[0043]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0044]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。