一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器的制作方法

1.本发明涉及医用麻醉技术领域，特别涉及一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器。


背景技术：

2.目前，确保病人在无痛与安全的条件下顺利地接受手术治疗，是麻醉临床的基本任务，但这还只是现代麻醉学科的部分工作内容。麻醉工作还包括麻醉前后的准备和处理，危重病人的监测治疗，急救复苏、疼痛治疗等方面的工作。为了做好临床麻醉工作，必须掌握麻醉基础理论和熟练地应用各种麻醉技术操作，还要熟悉各种病情手术的特点。
3.目前在临床麻醉手术中，大部分给药剂量、给药速度等操作通常由麻醉医师的经验来实施，而对于不同病患身体各项参数指标、耐受程度又多采用统一制式化的标准，同时，在操作中还受到人为因素的影响；在麻醉维持期，麻醉医生根据患者生命体征参数来控制麻醉用药，麻醉深度尽管与生命体征紧密关联，但并非所有手术患者的生命体征的变化是麻醉药物引起的，所以会造成唯生论，而忽略手术麻醉的质量给患者造成后期的伤害；还有容易导致麻醉给药等操作不能最大限度的适应各项参数指标、耐受程度各异的病患，且容易在麻醉手术中产生环节错漏、剂量控制不当、给药泵速不人性化等问题。
4.为此，本技术方案提出一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，通过获取患者手术前的脑电参数和生物参数，生成最佳注射方案，标准化规范化麻醉给药，使各个泵给药的泵速达到最佳要求，使刚从事麻醉的新人，也能完成高质量的麻醉；同时，在手术麻醉中，患者生命体征出现异常，本系统根据不同的生命体征参数的异变程度，及时给相关药物，让手术患者的生命体征参数，始终维持在正常范围。


技术实现要素：

5.本发明提供一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，通过获取患者手术前的脑电参数和生物参数，生成最佳注射方案，标准化规范化麻醉给药，使各个泵给药的泵速达到最佳要求，使刚从事麻醉的新人，也能完成高质量的麻醉。
6.本发明提供一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，包括：
7.数据获取模块，用于获取患者的脑电信号与生物信号，进而得到患者的脑电参数与生理参数；
8.智能处理模块，用于基于所述脑电参数与生理参数，生成多个注射方案；
9.控制模块，用于根据手术流程，获取最佳注射方案，生成输注泵控制方案控制输注泵向患者注射药剂。
10.优选的，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，所述输注泵包括：镇静注射泵、舒芬注射泵、瑞芬注射泵、肌松注射泵、升压药注射泵、降压药注射泵、心率过缓注射泵，中的任一种或多种。
11.优选的，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，所述控
制模块，包括：
12.方案接收子模块，用于接收所述智能处理模块生成的多个注射方案；
13.方案解析子模块，用于对所述多个注射方案进行解析，获取最佳注射方案，并生成相应工作指令；
14.指令下达子模块，用于基于所述工作指令，控制输注泵执行相应操作。
15.优选的，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，所述指令下达子模块，用于向所述输注泵下达工作指令，控制输注泵中相关的镇静注射泵、舒芬注射泵、瑞芬注射泵、、肌松注射泵、升压药注射泵、降压药注射泵、心率过缓注射泵，，按规定时间与规定剂量向患者注射相应药剂。
16.优选的，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，还包括：
17.病例获取模块，用于获取患者从接收治疗到结束治疗期间的病例文件，包括：
18.病例生成子模块，用于获取按控制方案进行药剂注射后患者的实时反应，并结合与所述患者相关的身体信息，生成病例文件；
19.病例加密子模块，用于根据患者姓名与病例特征，对所述病例文件进行命名，将命名后的病例文件进行加密处理，得到加密病例文件，将秘钥与加密病例文件对应关系输入本地客户端中秘钥对应库中，并将加密病例文件上传至云端数据库中进行储存；
20.信息搜索子模块，用于基于患者姓名与病例特征，在云端数据库中搜索相匹配的病例文件，并根据所得加密病例文件，在本地客户端的秘钥对应库中查找与其对应的解码秘钥对加密病例文件进行解密，得到相应患者的病例文件。
21.优选的，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，所述数据采集模块，还包括：
22.信号采集单元，用于在手术前采集患者的脑电信号；
23.信号处理单元，用于对所述脑电信号进行放大处理，得到放大脑电信号；
24.将所得放大脑电信号输入预设噪声检测模型，输出所述放大脑电信号对应的噪声信号类型；
25.基于预设噪声信号类型-滤波方法对应表，获取所述噪声信号类型的去噪方法，并对所述放大脑电信号进行相应滤波降噪，得到第一去噪脑电信号；
26.获取所述第一去噪脑电信号频率的最大峰值点，判断所述最大峰值点是否处于预设范围之内；
27.若处于，则将所述第一去噪脑电信号作为第二去噪脑电信号输出；
28.若不处于，则将第一去噪脑电信号输入所述预设噪声检测模型中，并根据预设噪声信号类型-滤波方法对应表重新获取相应去噪方法进行相应滤波降噪，直至所述最大峰值点处于预设范围之内，并将最大峰值点处于预设范围之内的信号作为第二去噪脑电信号输出；
29.参数获取单元，用于获取所述第二去噪脑电信号的奇异谱，对所述奇异谱进行分解，获取第二去噪脑电信号各阶奇异谱分量；
30.基于所述第二去噪脑电信号各阶奇异谱分量，获取对应的第二去噪脑电信号波段，基于预设小波函数对对应第二去噪脑电信号波段进行多层小波变换，得到对应第二去噪脑电信号波段的小波系数；
31.获取各相邻第二去噪脑电信号波段的小波系数差值，获取所有小波系数差值的标准差，并判断所述标准差是否处于预设范围之内；
32.若处于，则将所述第二去噪脑电信号输出；
33.若不处于，则基于所述预设小波函数，计算第二去噪脑电信号的补偿系数，基于所述补偿系数对第二去噪脑电信号进行补偿处理，对补偿后的第二去噪脑电信号进行预处理，直至所述标准差处于预设范围之内，并将所述标准差处于预设范围之内的第二去噪脑电信号输出；
34.将输出的第二去噪脑电信号输入预先建立的脑电特征检测模型，输出当前脑电特征与对应的当前特征类型，并获取脑电参数。
35.优选的，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，所述智能处理模块，还包括：
36.抑制获取子模块，用于基于大数据平台，获取与患者脑电参数相关的第一案例，得到第一案例库；
37.第一获取子模块，用于获取第一案例库中每个第一案例的提供方的完整信息以及获取对相应提供方的评价总数，计算对应第一案例的提供方的可信指数；
38.将可信指数低于预设阈值的提供方所对应第一案例从所述第一案例库中剔除，得到第二案例库，获取所述第二案例库中每个第二案例的脑电参数对不同种类麻醉药的抑制程度，基于麻醉药种类信息，对所得第二案例库进行分类，并确定同种类麻醉药的抑制程度的平均值作为对应类麻醉药的标准抑制程度；
39.建立子模块，用于基于所述第二案例库的案例参数，确定注射不同种类麻醉药时的人体身体信号，并结合所述标准抑制程度，建立同种类麻醉药的人体承受模型；
40.第二获取子模块，用于获取当前患者脑电参数对应的当前脑电信号，并对所述当前脑电信号基于预设时间节点划分为多个子信号，并获取每个子信号的信号波向量，基于向量匹配数据库，匹配得到每个信号波向量的标志值，并构建得到标志曲线；
41.基于所述人体承受模型以及标志曲线，建立所述当前患者在不同种类麻醉药下的允许最大承受曲线以及允许最小承受曲线；
42.筛选子模块，用于筛选同种类麻醉药下对应的允许最大承受曲线的第一活跃点以及允许最小承受曲线中的第二活跃点，并作为对应的麻醉临界点；
43.方案获取子模块，用于基于不同种类麻醉药对应多个麻醉临界点，获取所述当前患者在不同麻醉临界点所对应的标准注射剂量，基于不同种类麻醉药的最佳注射速度与标准注射剂量，得到多个注射方案。
44.优选的，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，所述方案解析子模块，还包括：
45.方案确定单元，用于获取手术流程，基于手术流程，与不同麻醉药对应注射方案进行匹配，获取匹配度最高的麻醉药对应的注射方案作为最佳注射方案；
46.指令生成单元，用于基于手术流程与手术开始时间，获取患者达到麻醉临界点的最佳时间点，基于所述最佳注射方案与最佳时间点，生成相应工作指令。
47.优选的，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，，还包括：
48.状态监测模块，用于在手术过程中实时检测患者的睡眠程度以及身体状态，包括：
49.麻醉状态确定子模块，用于当输注泵执行相应操作时，实时获取患者的实时脑电参数以及实时生物参数；
50.基于所述实时脑电参数，获取患者睡眠程度，判断所述患者睡眠程度是否处于预设范围之内；
51.若处于，则继续按最佳注射方案进行麻醉药注射；
52.若患者睡眠程度小于预设范围，则加大麻醉药注射剂量；
53.若患者睡眠程度大于预设范围，则减小麻醉药注射剂量。
54.优选的，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，其特征在于，所述脑电信号获取子模块，还包括：
55.信号检测单元，用于对信号采集单元采集到的患者的脑电信号进行检测，计算采集到的患者的脑电信号的信噪比，并判断所得患者的脑电信号的信噪比是否小于预设信噪比阈值；
56.若否，则判定所得患者的脑电信号合格；
57.若是，则判定所得患者的脑电信号不合格，需重新采集。
58.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
59.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
60.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
61.图1为本发明实施例中一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器流程图；
62.图2为本发明又一实施例中一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器流程图；
63.图3为本发明又一实施例中一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器流程图；
64.图4为本发明又一实施例中一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器流程图。
具体实施方式
65.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
66.下面参考图1至图4来描述本发明实施例提出的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器。
67.实施例1：
68.如图1所示，本发明实施例提供一种基于脑电参数反馈的麻醉靶控智能化输注泵
控制器，包括：
69.数据获取模块，用于获取患者的脑电信号与生物信号，进而得到患者的脑电参数与生理参数；
70.智能处理模块，用于基于所述脑电参数与生理参数，生成多个注射方案；
71.控制模块，用于根据手术流程，获取最佳注射方案，生成输注泵控制方案控制输注泵向患者注射药剂。
72.该实施例中，脑电信号是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映，脑电信号中包含了大量的生理与疾病信息在临床医学方面脑电信号处理不仅可为某些脑疾病提供诊断依据，而且还为某些脑疾病提供了有效的治疗手段。
73.该实施例中，注射方案为根据患者脑电参数、生理参数以及麻醉药类型得到的对患者进行麻醉药注射的多个方案。
74.该实施例中，最佳注射方案为注射速度以及达到预设麻醉效果的时间与手术流程最匹配的注射方案。
75.该实施例中，控制方案为基于最佳注射方案生成的可控制输注泵按最佳注射方案进行药剂注册的控制方案。
76.该实施例中，生物信号为是由复杂的生命体发出的不稳定的自然信号，从信号本身特征、检测方式到处理技术，都不同于一般的信号。
77.该实施例中，脑电参数为根据脑电信号的得到的患者大脑内的脑电波的各项参数，例如波段、频率等。
78.该实施例中，生物参数为根据生物信号得到的患者的心电类、血压类、血氧类、呼出二氧化碳的参数；
79.上述方案的有益效果：本方案可通过取患者手术前的脑电参数和生物参数，从而获取最佳注射方案，根据最佳注射方案实现标准化规范化麻醉给药，使各个泵给药的泵速达到，既人性化、又标准化，使刚从事麻醉的新人，也能完成高质量的麻醉。
80.实施例2：
81.基于实施例1的基础上，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，所述输注泵包括：镇静注射泵、舒芬注射泵、瑞芬注射泵、肌松注射泵、升压药注射泵、降压药注射泵、心率过缓注射泵，中的任一种或多种。
82.上述方案的有益效果：本方案利用普通的注射泵就能满足就能满足麻醉靶控智能化系统要求，无需使用tci泵；同时可以控制镇静注射泵、舒芬注射泵、瑞芬注射泵、肌松注射泵、升压药注射泵、降压药注射泵、心率过缓注射泵，可以在需要时及时注射相应药剂，可以减少医生的工作强度，减少医疗事故。
83.实施例3：
84.基于实施例1的基础上，所述控制模块，包括：
85.方案接收子模块，用于接收所述智能处理模块生成的多个注射方案；
86.方案解析子模块，用于对所述多个注射方案进行解析，获取最佳注射方案，并生成相应工作指令；
87.指令下达子模块，用于基于所述工作指令，控制输注泵执行相应操作。
88.该实施例中，工作指令为对注射方案进行解析后得到最佳注射方案，根据最佳注
射方案生成的控制输注泵执行可以按照最佳注射方案进行注射操作的工作指令。
89.上述方案的有益效果：本发明可根据对接收到的注射方案进行解析，得到最佳注射方案，并根据最佳注射方案生成工作指令控制输注泵进行注射操作，可以确保注射操作的精确性。
90.实施例4：
91.基于实施例3的基础上，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，所述指令下达子模块，用于向所述输注泵下达工作指令，控制输注泵中相关的镇静注射泵、舒芬注射泵、瑞芬注射泵、肌松注射泵、升压药注射泵、降压药注射泵、心率过缓注射泵，按规定时间与规定剂量向患者注射相应药剂。
92.上述方案的有益效果：可以根据需求，对不同注射泵下达相应指令，使各个泵可以按照需求标准化、规范化给药，能根据不同患者的耐药性进行差异化控制，具有很强的实用性。
93.实施例5：
94.基于实施例1的基础上，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，还包括：
95.病例获取模块，用于获取患者从接收治疗到结束治疗期间的病例文件，包括：
96.病例生成子模块，用于获取按控制方案进行药剂注射后患者的实时反应，并结合与所述患者相关的身体信息，生成病例文件；
97.病例加密子模块，用于根据患者姓名与病例特征，对所述病例文件进行命名，将命名后的病例文件进行加密处理，得到加密病例文件，将秘钥与加密病例文件对应关系输入本地客户端中秘钥对应库中，并将加密病例文件上传至云端数据库中进行储存；
98.信息搜索子模块，用于基于患者姓名与病例特征，在云端数据库中搜索相匹配的病例文件，并根据所得加密病例文件，在本地客户端的秘钥对应库中查找与其对应的解码秘钥对加密病例文件进行解密，得到相应患者的病例文件。
99.该实施例中，病例文件为医务人员对患者疾病的发生、发展、转归，进行检查、诊断、治疗等医疗活动过程的记录。
100.该实施例中，身体信息为患者实时身体健康信息以及病史；
101.上述方案的有益效果：本发明可实时记录患者按控制方案进行药剂注射后患者的反应与身体信息，生成病例文件，并对将病例文件命名，然后加密发送至云端数据库中储存，将解码密钥储存至本地客户端，当需要调取病例时，根据患者名字与病例特征在云端数据库中获取相应的病例，然后由本地客户端所储存解码密钥对所得病例进行解密，将病例文件储存至云端，便于随时随地回去，并对其进行加密处理，确保病例文件的隐私性。
102.实施例6：
103.基于实施例1的基础上，如图2所示，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，所述数据采集模块，还包括：
104.信号采集单元，用于在手术前采集患者的脑电信号；
105.信号处理单元，用于对所述脑电信号进行放大处理，得到放大脑电信号；
106.将所得放大脑电信号输入预设噪声检测模型，输出所述放大脑电信号对应的噪声信号类型；
107.基于预设噪声信号类型-滤波方法对应表，获取所述噪声信号类型的去噪方法，并对所述放大脑电信号进行相应滤波降噪，得到第一去噪脑电信号；
108.获取所述第一去噪脑电信号频率的最大峰值点，判断所述最大峰值点是否处于预设范围之内；
109.若处于，则将所述第一去噪脑电信号作为第二去噪脑电信号输出；
110.若不处于，则将第一去噪脑电信号输入所述预设噪声检测模型中，并根据预设噪声信号类型-滤波方法对应表重新获取相应去噪方法进行相应滤波降噪，直至所述最大峰值点处于预设范围之内，并将最大峰值点处于预设范围之内的信号作为第二去噪脑电信号输出；
111.参数获取单元，用于获取所述第二去噪脑电信号的奇异谱，对所述奇异谱进行分解，获取第二去噪脑电信号各阶奇异谱分量；
112.基于所述第二去噪脑电信号各阶奇异谱分量，获取对应的第二去噪脑电信号波段，基于预设小波函数对对应第二去噪脑电信号波段进行多层小波变换，得到对应第二去噪脑电信号波段的小波系数；
113.获取各相邻第二去噪脑电信号波段的小波系数差值，获取所有小波系数差值的标准差，并判断所述标准差是否处于预设范围之内；
114.若处于，则将所述第二去噪脑电信号输出；
115.若不处于，则基于所述预设小波函数，计算第二去噪脑电信号的补偿系数，基于所述补偿系数对第二去噪脑电信号进行补偿处理，对补偿后的第二去噪脑电信号进行预处理，直至所述标准差处于预设范围之内，并将所述标准差处于预设范围之内的第二去噪脑电信号输出；
116.将输出的第二去噪脑电信号输入预先建立的脑电特征检测模型，输出当前脑电特征与对应的当前特征类型，并获取脑电参数。
117.该实施例中，预设噪声检测模型为预先训练好的噪声检测模型，可对噪声类型进行检测，是基于互联网数据库中各类型噪声样本训练得到的。
118.该实施例中，最大峰值点为第一去噪脑电信号频率的最大值对应的点。
119.该实施例中，奇异谱为根据所观测到信号的时间序列构造出轨迹矩阵，并对轨迹矩阵进行分解、重构，从而提取出代表原时间序列不同成分的信号，如长期趋势信号、周期信号、噪声信号等，从而对时间序列的结构进行分析，并可进一步预测。
120.该实施例中，补偿系数为根据所示预设小波函数得到得，对第二去噪脑电信号具有增益效果的系数。
121.上述方案的有益效果：本方案可对采集到的脑电信号进行处理，使处理后的去噪脑电信号可以达到符合要求，当去噪脑电信号符合预设要求时，将得到去噪脑电信号输入脑电特征检测模型，可以准确的得到去噪脑电信号中包含的脑电特征与其所对应的特征类型，本方案可以有效的避免脑电信号达不到预设要求而使模型检测结果出现误差的问题。
122.实施例7：
123.基于实施例1的基础上，如图3所示，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，所述智能处理模块，还包括：
124.抑制获取子模块，用于基于大数据平台，获取与患者脑电参数相关的第一案例，得
到第一案例库；
125.第一获取子模块，用于获取第一案例库中每个第一案例的提供方的完整信息以及获取对相应提供方的评价总数，计算对应第一案例的提供方的可信指数；
126.将可信指数低于预设阈值的提供方所对应第一案例从所述第一案例库中剔除，得到第二案例库，获取所述第二案例库中每个第二案例的脑电参数对不同种类麻醉药的抑制程度，基于麻醉药种类信息，对所得第二案例库进行分类，并确定同种类麻醉药的抑制程度的平均值作为对应类麻醉药的标准抑制程度；
127.建立子模块，用于基于所述第二案例库的案例参数，确定注射不同种类麻醉药时的人体身体信号，并结合所述标准抑制程度，建立同种类麻醉药的人体承受模型；
128.第二获取子模块，用于获取当前患者脑电参数对应的当前脑电信号，并对所述当前脑电信号基于预设时间节点划分为多个子信号，并获取每个子信号的信号波向量，基于向量匹配数据库，匹配得到每个信号波向量的标志值，并构建得到标志曲线；
129.基于所述人体承受模型以及标志曲线，建立所述当前患者在不同种类麻醉药下的允许最大承受曲线以及允许最小承受曲线；
130.筛选子模块，用于筛选同种类麻醉药下对应的允许最大承受曲线的第一活跃点以及允许最小承受曲线中的第二活跃点，并作为对应的麻醉临界点；
131.方案获取子模块，用于基于不同种类麻醉药对应多个麻醉临界点，获取所述当前患者在不同麻醉临界点所对应的标准注射剂量，基于不同种类麻醉药的最佳注射速度与标准注射剂量，得到多个注射方案。
132.该实施例中，标准抑制程度为患者自身对不同种类麻醉药麻醉效果的抑制程度；
133.该实施例中，第一案例库为记录了案例患者的案例脑电参数对麻醉药的抑制程度的数据库；
134.该实施例中，可信指数为根据提供方的完整信息以及互联网中对相应提供方的评价总数计算得到的数据提供方的信息的有效程度；
135.该实施例中，麻醉药种类信息为按照一个指标对麻醉进行分类，比如：按照麻醉药麻醉药厂家进行分类的；
136.该实施例中，麻醉临界点为患者达到深度麻醉状态与浅度麻醉状态时对应的值，或者患者处于不同麻醉状态的临界点。
137.该实施例中，标志值为各向量在数据库中对应得到的，且向量匹配数据库包括：信号波向量以及对应的标志值在内，且信号波向量可以是按照信号的峰值、谷值得到的。
138.该实施例中，比如，不同种类麻醉是按照麻醉浓度确定的，此时，可以确定患者针对不同浓度下的麻醉承受能力，进而得到对应的最大和最小承受曲线。
139.该实施例中，允许最大承受曲线中的最大峰值、最小峰值、最大谷值、最小谷值对应的信号点，即可视为第一活跃点，允许最小承受曲线中的最大峰值、最小峰值、最大谷值、最小谷值对应的信号点即可视为第二活跃点。
140.该实施例中，标志曲线为根据多个标志值基于时间顺序构成的曲线。
141.上述方案的有益效果：本方案可基于大数据平台获取患者的脑电参数对应的对麻醉药的抑制程度，得到标准抑制程度，根据注射不同种类麻醉药时的人体身体信号，并结合所述标准抑制程度，建立同种类麻醉药的人体承受模型，并根据人体承受模型的脑电信号
获取麻醉临界点，本方案可通过脑电参数判断不同手术患者镇静深与浅的临界点，有了镇静深与浅的临界，可以把每位患者镇静深度控制在手术所需要的深度减少了麻醉药量控制不合适而造成手术患者的伤害。
142.实施例8：
143.基于实施例3的基础上，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，所述方案解析子模块，还包括：
144.方案确定单元，用于获取手术流程，基于手术流程，与不同麻醉药对应注射方案进行匹配，获取匹配度最高的麻醉药对应的注射方案作为最佳注射方案；
145.指令生成单元，用于基于手术流程与手术开始时间，获取患者达到麻醉临界点的最佳时间点，基于所述最佳注射方案与最佳时间点，生成相应工作指令。
146.该实施例中，手术流程为根据患者病情制定的手术开始之后的操作流程。
147.上述方案的有益效果：本发明可根据患者手术流程，计算与手术流程匹配程度最高的麻醉方案，得到最佳麻醉方案，并根据手术开始时间与手术流程，指定麻醉药开始注射时间，确保进行手术时患者可达到预期麻醉效果，确保手术的正常进行。
148.实施例9：
149.基于实施例1的基础上，如图4所示，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，还包括：
150.状态监测模块，用于在手术过程中实时检测患者的睡眠程度以及身体状态，包括：
151.麻醉状态确定子模块，用于当输注泵执行相应操作时，实时获取患者的实时脑电参数以及实时生物参数；
152.基于所述实时脑电参数，获取患者睡眠程度，判断所述患者睡眠程度是否处于预设范围之内；
153.若处于，则继续按最佳注射方案进行麻醉药注射；
154.若患者睡眠程度小于预设范围，则加大麻醉药注射剂量；
155.若患者睡眠程度大于预设范围，则减小麻醉药注射剂量。
156.该实施例中，睡眠程度为患者注射麻醉药以后的睡眠深浅状态。
157.上述方案的有益效果：本方案可在手术开始后实时检测患者实时脑电参数以及实时生物参数进行分析，获取患者的睡眠程度，并判断患者睡眠程度是否处于预设范围之内，根据判断结果加大或者减少麻醉剂量，本发明可确保患者麻醉程度的准确性，确保麻醉效果达到最佳。
158.实施例10：
159.基于实施例6的基础上，所述的一种基于脑电参数反馈的麻醉靶控智能化输注泵控制器，所述脑电信号获取子模块，还包括：
160.信号检测单元，用于对信号采集单元采集到的患者的脑电信号进行检测，计算采集到的患者的脑电信号的信噪比，并判断所得患者的脑电信号的信噪比是否小于预设信噪比阈值；
161.若否，则判定所得患者的脑电信号合格；
162.若是，则判定所得患者的脑电信号不合格，需重新采集。
163.该实施例中，当采集到所述脑电信号时，将所述脑电信号分割为多个分量信号；
164.获取采集所述脑电信号时的采样频率、所采集脑电信号的总功率、各分量信号的功率以及各分量信号的载波频率；
165.根据所得数据，可计算第i个分量信号中噪声信号的功率w
zi
，计算公式如下所示：
[0166][0167]
其中，γ为第i个分量信号的滚降系数，且取值为0.34；wi为第i个分量信号的总功率；τ为采集所述脑电信号时的采集频率；εi为第i个分量信号的载波频率；θ为信号采集时的误差系数，且取值为0.95；δ为信号的衰减系数，且取值为0.96；w
i有
表示第i个分量信号的有效功率；
[0168]
根据所得第i个分量信号中噪声信号的功率w
zi
，可计算第i个分量信号的信噪比∈i，计算公式如下所示：
[0169][0170]
其中，w为所采集的脑电信号的总功率；l为分量信号的个数；δ为对所有分量信号对应的平均功率的有效调节参数，且取值与所有噪声信号的功率的平均值有关，即所有噪声信号的功率的平均值越大，对应的有效调节参数越大，比如：所有噪声信号的功率的平均值为10db，对应的有效调节参数也为10db。
[0171]
将得到的各分量信号的信噪比与预设信噪比阈值进行比较，若存在所得分量信号的信噪比小于预设信噪比阈值的情况，则判定所采集脑电信号不合格。
[0172]
可根据算法，准确的计算各分量信号的信噪比，从而根据信噪比判断所采集信号的合格性，确保了后续信号分析中不会因为信号不合格而对分析结果产生影响。
[0173]
本发明可将所采集脑电信号分为多个分量信号，并判断每个分量信号的信噪比是否小于预设信噪比阈值，当存在小于预设信噪比阈值的分量信号时，判定所采集脑电信号不合格，可以确保所采集脑电信号的质量，确保脑电参数的正确性。
[0174]
上述方案的有益效果：本方案可实时检测所采集脑电信号的信噪比，当信噪比达不到预设要求时重新采集脑电信号，避免采集到的脑电信号异常导致后续处理中出现问题。
[0175]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。