一种磷丙芬麻醉状态监测方法及系统

本发明涉及术中麻醉状态监测领域，更具体地，涉及一种磷丙芬麻醉状态监测方法及系统。

背景技术：

1、术中麻醉状态监测对于降低术中知晓、避免过度镇静以及促进术后平稳恢复具有重要意义。麻醉过浅可能导致患者在术中出现意识恢复、疼痛感知及应激反应增强，不仅影响手术安全性，还可能造成严重的心理创伤；而麻醉过深则可能增加循环抑制、呼吸抑制、苏醒延迟及术后认知功能障碍等风险。脑电图（eeg）作为能够直接反映中枢神经系统活动状态的客观信号，具有时间分辨率高、与麻醉药物作用靶点联系紧密、可连续床旁监测等优点，已广泛应用于麻醉深度监测及意识状态评估。现有临床常用方法多建立在通用功率谱指标、经验指数或固定参数模型基础上，通常将每个时间窗视为相互独立的样本进行判别，缺乏对特定药物药代—药效动态过程的专属性建模，因此在实际应用中往往难以兼顾实时性、稳定性和针对性。

2、磷丙芬用于麻醉时，受试者的脑电信号会随药物作用过程及个体生理状态发生变化。与此同时，脑电信号还可能受到肌电、体动、电极接触状态及环境干扰等因素影响，使同一麻醉阶段内的脑电监测特征产生一定波动，尤其在麻醉状态变化过程中，连续监测结果可能出现不稳定。

3、现有脑电麻醉状态监测方案通常基于预设脑电指标或通用状态评估模型，对分段脑电信号进行处理并输出麻醉状态。由于不同麻醉药物在作用过程、个体响应及脑电表现方面存在差异，通用监测方案在特定药物应用场景中的适配性仍有不足。同时，短时异常、个体差异及状态过渡等因素，可能造成相邻分析时段的监测结果发生波动，影响麻醉状态监测的连续性和可靠性。

4、因此，如何在兼顾实时处理能力和工程实现复杂度的情况下，提高磷丙芬麻醉状态监测的稳定性、连续性和药物针对性，仍是本领域需要解决的技术问题。

技术实现思路

1、本发明针对现有技术中存在的技术问题，提供一种磷丙芬麻醉状态监测方法及系统，以克服现有方法在实际应用中往往难以兼顾实时性、稳定性和针对性的问题。

2、根据本发明的第一方面，提供了一种磷丙芬麻醉状态监测方法，包括：

3、步骤s1，在磷丙芬麻醉状态下，持续采集受试者额区及额颞区多个通道的脑电信号，并将每个通道的脑电信号组织为固定时长的分析窗；

4、步骤s2，对于每一个分析窗，提取每个通道的脑电信号的α频段信号和δ频段信号，并计算α频段功率和δ频段功率，以及计算多个通道的α频段平均功率和δ频段平均功率；

5、步骤s3，计算每一个分析窗的α频段平均功率和δ频段平均功率的比值，作为每一个分析窗的adr特征；

6、步骤s4，对当前分析窗及其之前的多个分析窗的adr特征进行时间加权融合，得到当前分析窗的加权adr特征；

7、步骤s5，将当前分析窗的加权adr特征输入预先训练好的约束型隐马尔可夫模型中，得到当前分析窗初步分类结果。

8、在上述技术方案的基础上，本发明还可以作出如下改进。

9、可选的，所述步骤s1，在磷丙芬麻醉状态下，持续采集受试者额区及额颞区多个通道的脑电信号，包括：

10、在磷丙芬麻醉状态下，持续采集受试者额区及额颞区的fp1、fp2、f7和f8四个通道的脑电信号，将采集的四通道的脑电信号按通道编号和时间顺序写入缓存区；

11、将连续的原始脑电信号组织为固定时长的分析窗，设通道数为c，采样率为fs，单个分析窗长度为t，则单个分析窗内的采样点总数n为：

12、。

13、可选的，所述步骤s1，在磷丙芬麻醉状态下，持续采集受试者额区及额颞区多个通道的脑电信号，之后还包括：

14、对采集的每一个通道的脑电信号进行预处理和伪迹检测，所述预处理包括数字带通滤波处理和陷波处理；

15、所述伪迹检测包括：

16、对于每一个通道，若当前分析窗的当前采样点的脑电信号幅值大于幅值阈值，或者当前采样点与前一个采样点的脑电信号的幅值梯度超过梯度阈值，则判定当前采样点为伪迹采样点；

17、若当前分析窗内的伪迹采样点的占比小于比例阈值，则当前分析窗为有效分析窗，保留；否则，当前分析窗为无效分析窗，剔除。

18、可选的，所述步骤s4，对当前分析窗及其之前的多个分析窗的adr特征进行时间加权融合，得到当前分析窗的加权adr特征，包括：

19、

20、其中，表示第t个分析窗的加权adr特征，表示第t个分析窗的adr特征，表示第t-1个分析窗的adr特征，表示第t-2个分析窗的adr特征；

21、、、为时间加权系数，并满足：

22、

23、表示第i个时间加权系数。

24、可选的，所述步骤s5，将当前分析窗的加权adr特征输入预先训练好的约束型隐马尔可夫模型中，得到当前分析窗初步分类结果，包括：

25、将当前第t个分析窗的加权adr特征输入预先训练好的约束型隐马尔可夫模型，输出当前分析窗的麻醉状态标签、每一个麻醉状态后验概率以及瞬时置信度，其中，瞬时置信度为所有麻醉状态后验概率中的最大值，j是指各麻醉状态，各麻醉状态包括清醒/轻度镇静状态、中度镇静状态和深度镇静/无反应状态；

26、将最大后验概率对应的麻醉状态作为当前分析窗的麻醉状态标签，即当前分析窗的初步分类结果。

27、可选的，所述步骤s5之后还包括：

28、获取连续分析窗的初步分类结果，设置连续k个分析窗作为一致性判断区间；

29、当连续k个分析窗的初步分类结果一致，且k个分析窗的瞬时置信度均大于等于预设置信度阈值时，确定当前分析窗的麻醉状态标签成立，其中，当前分析窗之前的k-1个分析窗和当前分析窗共同组成连续的k个分析窗；

30、若连续k个分析窗的初步分类结果不一致，则将当前分析窗的麻醉状态标签设置为低置信度待确认状态，将上一已确认麻醉状态作为当前分析窗的暂时麻醉状态。

31、可选的，对于低置信度待确认状态的当前分析窗，进行闭环反馈调权机制处理，对多个分析窗的adr特征的时间加权系数进行约束修正；

32、基于修正后的时间加权系数，对低置信度待确认状态的当前分析窗的麻醉状态重新进行确认。

33、可选的，所述对多个分析窗的adr特征的时间加权系数进行约束修正，包括：

34、设当前分析窗的当前时间加权系数向量为：

35、

36、以当前时间加权系数向量为基础构造候选时间加权系数向量，设扰动步长为δ，构造两组候选时间加权系数向量：

37、

38、

39、分别基于w、和对当前分析窗的最近连续m个已获取的有效分析窗重新计算加权adr特征，并基于预先训练好的约束型隐马尔可夫模型推断m个有效分析窗的麻醉状态和瞬时置信度；

40、基于m个有效分析窗的瞬时置信度，计算当前分析窗的平均置信度；

41、基于当前分析窗的每组候选时间加权系数向量对应的平均置信度，将最大平均置信度对应的候选时间加权系数向量作为当前分析窗修正后的时间加权系数，并对修正后的时间加权系数进行归一化和非负约束处理。

42、可选的，所述步骤s5之后还包括：

43、按照预设刷新周期显示每个分析窗的记录向量，记为，其表示为：

44、

45、其中，t表示分析窗，表示adr特征，表示加权adr特征，表示当前分析窗的麻醉状态标签，表示瞬时置信度，表示当前使用的时间加权系数向量。

46、根据本发明的第二方面，提供一种磷丙芬麻醉状态监测系统，包括脑电信号采集模块和数据处理与控制模块，其中，数据处理与控制模块包括计算单元、融合单元和预测单元；

47、脑电信号采集模块，用于在磷丙芬麻醉状态下，持续采集受试者额区及额颞区多个通道的脑电信号，并将每个通道的脑电信号组织为固定时长的分析窗；

48、计算单元，用于对于每一个分析窗，提取每个通道的脑电信号的α频段信号和δ频段信号，并计算α频段功率和δ频段功率，以及计算多个通道的α频段平均功率和δ频段平均功率；以及计算每一个分析窗的α频段平均功率和δ频段平均功率的比值，作为每一个分析窗adr特征；

49、融合单元，用于对当前分析窗及其之前的多个分析窗的adr特征进行时间加权融合，得到当前分析窗的加权adr特征；

50、预测单元，用于将当前分析窗的加权adr特征输入预先训练好的约束型隐马尔可夫模型中，以预测当前分析窗初步分类结果。

51、本发明提供的一种磷丙芬麻醉状态监测方法及系统，以预处理后的脑电α频段功率与δ频段功率之比作为唯一核心观测量，并围绕该指标完成后续状态判别，不依赖大量频谱特征、复杂度特征或连接性特征的并行堆叠。这样既保留了指标明确的生理意义和解释基础，又降低了特征提取、系统实现和说明书表达的复杂度，使整体技术方案更加集中清晰。