基于脑电数据分析的麻醉状态评估方法和系统

本技术涉及脑电数据分析，尤其是涉及基于脑电数据分析的麻醉状态评估方法和系统。

背景技术：

1、目前，在脑科学临床研究中，如何将脑电数据应用到麻醉状态评估，从而辅助麻醉工作，是尤为重要的研究课题。

2、传统的将脑电数据应用于麻醉状态评估的方式为：在麻醉患者的过程中，通过采集患者的脑电信号，对脑电信号的频谱特征、相干性等指标综合起来，得出一个综合的数值作为脑电双频指数，再通过脑电双频指数来评估患者的麻醉状态。脑电双频指数又称为bis值，bis值是一种用于评估麻醉深度的监测指标，其数值范围为0至100。bis值越大，表示患者越清醒；bis值越小，则表示大脑皮质受抑制越严重，患者麻醉程度也越深。

3、然而，不同的患者由于存在年龄、抵抗力等个人差异，即使是使用相同的麻醉药物，而依据脑电信号所得的bis存在差异，而同一个患者也可能对不同的麻醉药物存在不同程度的抵抗能力，所以相同的bis值也很难反映达到相同的麻醉深度。因此，当前通过脑电数据评估麻醉状态的评估方式，存在着评估不够精准的问题。

技术实现思路

1、为了解决依据脑电数据评估麻醉状态精确度不高的问题，本技术提供一种基于脑电数据分析的麻醉状态评估方法和系统。

2、在本技术的第一方面，提供了一种基于脑电数据分析的麻醉状态评估方法。该方法包括：

3、根据患者的属性信息确定麻醉评估策略，所述属性信息包括年龄、病史和手术类别，所述麻醉评估策略为人机对话测评、周期性指令测评、手持物坠落测评和按压装置测评中的一项或者多项；

4、在麻醉所述患者的过程中，采用所述麻醉评估策略对所述患者进行评估得到意识分值，所述意识分值用于反映所述患者的麻醉深度；

5、在麻醉所述患者的过程中，采集所述患者的脑电信号；

6、建立所述意识分值和所述脑电信号的映射关系得到意识评估模型，所述意识评估模型用于评估所述患者是否进入麻醉状态。

7、通过采用上述技术方案，首先，选择与患者对应的麻醉评估策略，并在麻醉患者的过程中，使用所选择的麻醉评估策略对患者的麻醉深度进行评估，从而得到意识分值。同时，在麻醉患者的过程中还实时监测患者的脑电信号，然后建立意识分值和脑电信号的映射关系，并进行迭代训练得到意识评估模型，以便于后续在得到脑电信号后，能够由意识评估模型匹配得到与脑电信号对应的意识分值及与意识分值对应的麻醉深度。由此可知，本技术不再单一以脑电信号作为评估患者是否进入麻醉状态的依据，而是以在麻醉过程中患者是否能够做出回应判断患者的麻醉深度（即得到意识分值），再加上脑电信号一起评估患者的麻醉深度，从而保障评估患者是否进入麻醉状态的准确度。

8、在一种可能的实现方式中：当所述人机对话测评确定为所述麻醉评估策略时，所述采用所述麻醉评估策略对所述患者进行评估得到意识分值，包括：

9、确定评估时间点；

10、当麻醉所述患者至评估时间点时，输出对话指令；

11、采集所述患者发出的实际音频；

12、根据所述实际音频和参考音频的相似度得到意识分值，所述参考音频为与所述对话指令对应的音频。

13、在一种可能的实现方式中：当所述周期性指令测评确定为所述麻醉评估策略时，所述采用所述麻醉评估策略对所述患者进行评估得到意识分值，包括：

14、确定评估时间点；

15、当麻醉所述患者至评估时间点时，输出指示指令；

16、采集所述患者做出的实际响应行为；

17、根据所述实际响应行为和参考响应行为的相似度得到意识分值，所述参考响应行为为与所述指示指令对应的行为。

18、在一种可能的实现方式中：当所述手持物坠落测评确定为所述麻醉评估策略时，所述采用所述麻醉评估策略对所述患者进行评估得到意识分值，包括：

19、确定评估时间点；

20、当麻醉所述患者至评估时间点时，驱动手持物坠落；

21、采集所述患者抓握所述手持物的实际时间；

22、根据所述实际时间和参考时间的差值得到意识分值。

23、在一种可能的实现方式中：当所述按压装置测评确定为所述麻醉评估策略时，所述采用所述麻醉评估策略对所述患者进行评估得到意识分值，包括：

24、确定评估时间点；

25、当麻醉所述患者至评估时间点时，输出按压指令；

26、采集所述患者对按压装置的实际按压时间和在所述实际按压时间内的按压力度变化趋势；

27、根据在所述实际按压时间内的按压力度变化趋势得到意识分值。

28、在一种可能的实现方式中：所述根据在所述实际按压时间内的按压力度变化趋势得到意识分值，包括：

29、确定所述患者在实际按压时间内的按压力度为递减趋势时，得到预设的初始分值；

30、计算按压力度递减的变化量得到附加分值；

31、计算所述初始分值和所述附加分值的和值确定为所述意识分值。

32、通过采用上述技术方案，本技术提供了四项用于供患者在麻醉时评估麻醉深度用的测评方式，所以在实际使用时，可以根据患者的属性信息匹配与患者对应的测评方式，从而保障测评所得的准确度，进而保障计算所得的意识分值的准确度。

33、在一种可能的实现方式中：所述建立所述意识分值和所述脑电信号的映射关系得到意识评估模型，包括：

34、以在相同的评估时间点上，计算所得的意识分值和采集所得的脑电信号作为一对关联数据，一对关联数据中的意识分值与脑电信号具有映射关系；

35、将所述关联数据输入训练模型进行迭代训练得到意识评估模型。

36、通过采用上述技术方案，使用关联数据进行模型训练得到意识评估模型，以便于后续在得到脑电信号后，能够由意识评估模型匹配得到与脑电信号对应的意识分值及与意识分值对应的麻醉深度，所以本技术不再单一以脑电信号作为评估患者是否进入麻醉状态的依据，而是以在麻醉过程中患者是否能够作出回应判断患者的麻醉深度（即得到意识分值），再加上脑电信号的强度值一起评估患者的麻醉深度，从而保障评估患者是否进入麻醉状态的准确度。

37、在一种可能的实现方式中：所述根据患者的属性信息确定麻醉评估策略，包括：

38、调取所述患者的历史麻醉状态评估数据，所述历史麻醉状态评估数据包括历史麻醉评估策略及与历史麻醉评估策略对应的历史年龄、历史病史和历史手术类别；

39、计算所述历史麻醉状态评估数据和所述属性信息的总相似度值；

40、判断总相似度值是否大于相似度阈值；

41、若是，则确定所述历史麻醉评估策略为所述麻醉评估策略；

42、若否，则根据所述属性信息匹配得到所述麻醉评估策略。

43、在一种可能的实现方式中：所述计算所述历史麻醉状态评估数据和所述属性信息的总相似度值，包括：

44、根据所述历史年龄和所述年龄得到第一相似度值；

45、根据所述历史病史和所述病史得到第二相似度值；

46、根据所述历史手术类别和所述手术类别得到第三相似度值；

47、根据所述第一相似度值、第二相似度值和第三相似度值得到总相似度值。

48、通过采用上述技术方案，先依据患者的历史麻醉状态评估数据确定是否要选择历史麻醉评估策略为当前的麻醉评估策略，一方面能够减少选择麻醉评估策略的时间，另一方面是降低更换麻醉评估策略带来的患者不适应而造成的测评误差，从而保障计算所得的意识分值的准确度。

49、在本技术的第二方面，提供了一种基于脑电数据分析的麻醉状态评估系统。该系统包括：

50、数据确定模块，用于根据患者的属性信息确定麻醉评估策略，所述属性信息包括年龄、病史和手术类别，所述麻醉评估策略为人机对话测评、周期性指令测评、手持物坠落测评和按压装置测评中的一项或者多项；

51、数据计算模块，用于在麻醉所述患者的过程中，采用所述麻醉评估策略对所述患者进行评估得到意识分值，所述意识分值用于反映所述患者的麻醉深度；

52、数据采集模块，用于在麻醉所述患者的过程中，采集所述患者的脑电信号；

53、数据生成模块，用于建立所述意识分值和所述脑电信号的映射关系得到意识评估模型，所述意识评估模型用于评估所述患者是否进入麻醉状态。

54、综上所述，本技术包括以下一种有益技术效果：

55、首先，选择与患者对应的麻醉评估策略，并在麻醉患者的过程中，使用所选择的麻醉评估策略对患者的麻醉深度进行评估，从而得到意识分值。同时，在麻醉患者的过程中还实时监测患者的脑电信号，然后以相同评估时间点上，计算所得的意识分值和采集所得的脑电信号对应的强度值作为一对关联数据，使用关联数据进行模型训练得到意识评估模型，以便于后续在得到脑电信号后，能够由意识评估模型匹配得到与脑电信号对应的意识分值及与意识分值对应的麻醉深度。由此可知，本技术不再单一以脑电信号作为评估患者是否进入麻醉状态的依据，而是以在麻醉过程中患者是否能够做出回应判断患者的麻醉深度（即得到意识分值），再加上脑电信号的强度值一起评估患者的麻醉深度，从而保障评估患者是否进入麻醉状态的准确度。