基于脑电图信号分析的麻醉深度监测的研究进展

《基于脑电图信号分析的麻醉深度监测的研究进展》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于脑电图信号分析的麻醉深度监测的研究进展作者：朱根娣　朱政康　谢海明【关键词】麻醉深度【摘要】麻醉深度监测是外科手术中必不可少的工作。脑电图作为检测大脑皮层活动的最主要信号，在目前麻醉深度监测研究中处于主导地位。本文基于脑电图信号分析的各类麻醉深度检测方法的研究进展予以综述,供进一步临床研究借鉴和参考。　　【关键词】麻醉深度；监测；脑电图；分析　　【Abstract】Themonitoringofanestheticdepthisanabsolutelynecessaryprocedureintheprocess

2、ofsurgicaloperation.Electroencephalogram(EEG),asaprincipalsignalindetectingbrainactivities,assumesadominantpositioninthecurrentresearchfortheanestheticdepthmonitoring.TheprocessesofanestheticdepthmonitoringbasedonEEGanalysisareintroducedhereindetailandthusthey

3、canbereferencetothefurtherdevelopment.　　【Keyonitoring;electroencephalogram;analysis麻醉在外科手术中的作用极为重要，合理的麻醉可以在患者无痛觉的情况下进行手术治疗，使患者免受痛苦，同时方便医生正常工作。但如果麻醉不当，不但不能消除患者的痛苦，还会带来一系列其他的问题。麻醉过深，有损患者的健康，并可能留下神经后遗症甚至危及生命；麻醉过浅，则不能抑制伤害性刺激，使病人疼痛不适或本能体动导致手术难以进行或出现意外，还可能引起术中知晓，造成病

4、人有手术中记忆，从而可能引起严重的精神或睡眠障碍。　　随着新的肌松药和镇痛剂等药物的联合应用，全身麻醉的麻醉深度、意识状态常被掩盖或难以识别，判断并控制合适的麻醉深度已成为临床迫切需要解决的问题。麻醉深度的监测有利于控制麻醉剂量，可利用最少的麻醉药物达到最佳的麻醉效果，缩短复苏过程，且能避免术中知晓导致的病人心理和行为伤害及医疗纠纷等种种不良后果；还可减少全麻病人出现的各种危险情况。　　脑电图信号是大脑皮层神经细胞群突触电位变化的综合反映，有反映意识活动的优势及无创性特点，是目前检测麻醉深度中最有潜力的方法之一，已

5、取得较好的研究成果。基于脑电信号展开的麻醉深度监测方法主要包括：双频指数、麻醉趋势、人工神经网络方法、复杂度和小波分析法、脑电非线性分析等，现将近年来的研究进展阐述如下。　　1基于脑电图信号分析的麻醉深度监测方法　　1.1双频指数(bispectralindex，BIS)双频指数是包含了时域、频域和高阶谱变量（双谱分析）三种特性的脑电图(EEG)定量分析指标，其通过一个特定的非线性算法（AspectMedicalSystems，Natick，USA），将四个不同的EEG参数，即突发抑制率（burstsuppress

6、ionratio，BSR）、“QUAZI”、β比率(betaratio)和快慢波的相对同步性（synchfastsloan方法，做出各方法的平均值与其偏差之间的关系图谱，用以评价这两者间的一致性。结果显示，经多重回归分析计算出的NED与BIS的Pearson相关系数为0.9411，由Bland和Altman方法计算出的偏差为-0.199，一致性极值为-10.19（低限）和9.79（高限），说明偏差极小和一致性良好。此项实验研究表明，神经网络通过分析预处理过的EEG数据，可提供麻醉深度指数。Robert等［18］也比

7、较了神经网络与BIS作为EEG分析方法对麻醉深度监护的效果，结果同样表明，神经网络通过分析处理过的EEG数据产生的麻醉指数和BIS相关性良好，而且神经网络还能处理缺少相位信息的EEG数据来评估麻醉深度。　　1.4复杂度和小波分析法（plexityandpel-Ziv复杂度算法C（n）［20］，经过研究分析发现，EEG序列的复杂度与麻醉深度之间有着密切的关系。在不同的麻醉深度下，复杂度都有较灵敏的变化。麻醉深度越浅，复杂度的值越大；麻醉深度越深，复杂度的值越小。由于复杂度算法简单易实现，运算速度快，所以该参数为临床麻

8、醉深度的实时监测提供了可能。Zhang和Roy［21］用一个联合了小波分析、复杂度分析和神经网络方法的系统来进行麻醉深度的监测。其先用小波变换将原始EEG信号分解成连续不同尺度成分的六段，计算出原始EEG及其相应各段的复杂度，然后将得到的复杂度C（n）应用到一个四层人工神经网络来预测麻醉中的动作。结果显示该系统灵敏度为88％，准确性为92％，特异性达97％，