基于脑电分析技术的麻醉状态监测设备的制作方法

1.本实用新型属于脑电分析、麻醉状态监测技术领域，尤其涉及一种基于脑电分析技术的麻醉状态监测设备。


背景技术：

2.全身麻醉（general anesthesia，ga）深度水平需要适合接受手术的个体患者，如果麻醉比保持患者无意识所需的深度更深，那么麻醉相关的并发症可能会增加，例如术后恶心、呕吐和认知功能障碍等；如果麻醉深度太浅，患者可能没有完全失去意识，则有发生术中知晓的风险；因此，最佳给药剂量对于实现理想有效的镇痛、无意识和不动性以减少剂量不足或过量给药的潜在负面影响至关重要，传统的麻醉技术上，麻醉医生主要通过观察临床体征如血压、心率、呼吸、出汗、瞳孔反射、脉搏血氧饱和度、流泪、眼球运动、面部表情等判断麻醉深度和调整麻醉用药，然而，肌肉松弛剂和血管扩张剂等药物的使用，使对这些体征的分析变得困难和不可靠，通过简单的临床观察并不能完全掌握麻醉深度水平，进一步讲，在传统的麻醉状态下的脑电贴片使用上，都是采用常规的压力吸附贴片和涂抹医用检测凝胶完成的，操作较为繁琐，而且多人共用一套设备，杀菌消毒和环境卫生难以保证，对于患者而言，检测的体验感非常不佳。


技术实现要素：

3.本实用新型的目的在于提供一种基于脑电分析技术的麻醉状态监测设备以解决上述存在的问题，该设备结合量化指标的趋势分析和脑电实时频谱图分析的麻醉深度监测，测量和描述额叶皮层自发或诱发的节律性生物电活动以监测患者麻醉下的无意识状态深度，大大提高了该系统对麻醉使用监测的高效性和安全性，一次性贴片使用，提高了该系统的环境卫生，进而大大提高了患者的体验和医务工作人员的工作效率。
4.本实用新型采用的技术方案如下：
5.一种基于脑电分析技术的麻醉状态监测设备，包括用于对患者麻醉状态下进行脑电信号采集预处理的eeg采集设备、用于对采集患者麻醉状态下的脑电信号进行处理规整的中央处理器以及用于对预处理规整后的患者脑电信号进行核心算法解析处理的后台分析终端；
6.所述eeg采集设备包括用于贴附在患者前额上的脑电采集贴片，所述脑电采集贴片内还固定安装有用于采集脑电波信号的脑电采集器，在所述脑电采集贴片的外侧还设置有导电硅胶层，所述导电硅胶层的外侧还粘结有pet保护膜胶片，且所述脑电采集器一端贯穿所述导电硅胶层与患者前额接触、另一端通过导线连接所述中央处理器，便于进行皮肤接触和信号采集；
7.所述中央处理器包括用于接收脑电信号数据的信号接收器、用于对脑电信号原始数据进行一级信号处理放大的前置放大器、用于对脑电信号数据进行二级放大处理的二级放大器、用于对采集到的脑电信号进行滤波处理的滤波器、用于对脑电信号进行数模转换
处理的数模转换器、用于对脑电信号进行初始光耦信号隔离处理的光耦信号隔离器以及用于将预处理规整后的脑电信号数据进行传输的网络传输模块，且所述中央处理器集成安装在所述eeg采集设备内；
8.所述后台分析终端包括用于接收中央处理器预处理规整脑电波信号的信号接收模块、用于对获得的预处理脑电信号各参数进行核心算法处理的算法解析模块、用于对基于算法解析模块处理结果参考值进行指数转换的麻醉意识分类模块、用于对采集的脑电信号数据和算法解析数据进行直观展示的显示模块以及用于对采集的脑电信号数据和算法解析数据进行存储的数据储存模块；
9.其中所述麻醉意识分类模块包括基于对患者脑电信号数据进行算法解析处理后的结果值进行判断分类的麻醉状态指数模块以及用于基于对患者麻醉状态下监测算法解析处理的麻醉状态指数模块分类判断定级的麻醉意识分级模块；
10.所述显示模块包括用于进行直观显示患者麻醉状态下脑电信号波动的脑电波形图模块、用于显示患者麻醉状态时经过解析算法处理后呈现意识波动的麻醉深度趋势图模块、用于对患者麻醉状态下的肌体表现进行展示的肌电指数波形图模块、用于直观显示患者麻醉情况下麻醉状态指数的麻醉指数树状图模块以及用于显示患者麻醉情况下的麻醉意识指数的麻醉意识树状图模块。
11.优选的，所述脑电采集贴片为带状长条形结构，所述脑电采集贴片上且位于脑电采集器的部位为圆形、三角形、方形、心形结构的任一种。
12.进一步优选的，所述脑电采集贴片上的脑电采集器为均匀分布的m个，m≥2。
13.进一步优选的，在所述脑电采集贴片内还设置有微型锂电源，且所述微型锂电源分别与所述脑电采集器和中央处理器电性连接。
14.优选的，所述网络传输模块采用5g网络传输协议。
15.优选的，所述麻醉状态指数模块包括一级指数模块、二级指数模块、三级指数模块和四级指数模块，且所述一级指数模块的bis参考值为85-100；所述二级指数模块的bis参考值为65-84；所述三级指数模块的bis参考值为40-64；所述四级指数模块的bis参考值为0-39。
16.进一步优选的，与所述麻醉状态指数模块相连的所述麻醉意识分级模块包括与所述一级指数模块相对应的正常意识级别、与所述二级指数模块相对应的镇静意识级别、与所述三级指数模块相对应的麻醉意识级别以及与所述四级指数模块相对应的过度麻醉意识级别。
17.优选的，所述后台分析终端以app的方式安装在外界的网络显示终端上。
18.进一步优选的，所述网络显示终端为电脑或移动网络设备的任一种。
19.综上所述，由于采用了上述技术方案，本实用新型的有益效果是：
20.1、本实用新型中，通过设置eeg采集设备和后台分析终端，结合量化指标的趋势分析和脑电实时频谱图分析的麻醉深度监测，测量和描述额叶皮层自发或诱发的节律性生物电活动以监测患者麻醉下的无意识状态深度，大大提高了该系统对麻醉使用监测的高效性和安全性，具体设置脑电采集贴片为信号监测的载体，并设置均匀分布的多个特殊结构的脑电采集器部位，用于采集脑电波信号，并在脑电采集贴片的外侧设置洁净自粘性的医用导电硅胶层，提高了该系统的环境卫生，进而大大提高了患者的体验和医务工作人员的工
作效率；
21.2、本实用新型中，通过设置脑电采集贴片、导电硅胶层和pet保护膜胶片，实现了直接接触人体皮肤的eeg采集设备的便捷一次性使用，脑电采集器设置部位采用特殊外形结构设计，具有良好的标记性和识别性，脑电信号采集和中央处理器预处理规整一体式结构整合设计，使用时撕掉最外层的pet保护膜胶片，并设置微型锂电源对eeg采集设备进行供电，合理有效，便于提高信号采集的准确性，整体eeg采集设备套装一次性使用，安全卫生，防止疫病交叉感染，导电硅胶是一种掺有特殊导电微粒的连续挤出或模压成型的硅橡胶，它硬度适中、具有高导电性和水汽密封作用，能改善绝缘屏蔽层的电场分布，减少绝缘的破坏，导电硅胶粘合脑电采集器能够有效的保证信号采集数据的稳定性；
22.3、本实用新型中，通过设置中央处理器，实现了对患者麻醉状态下脑电信号采集的预处理和规整处理，具体设置信号接收器，用于接收脑电采集器采集到的脑电波动信号数据，设置前置放大器，用于对脑电信号原始数据进行一级信号的处理放大，设置二级放大器，用于对脑电信号数据进行二级放大处理，设置滤波器，用于对采集到的脑电信号进行滤波处理，设置数模转换器，用于对脑电信号进行数模转换处理，设置光耦信号隔离器，用于对脑电信号进行初始是光耦信号隔离处理，设置网络传输模块，用于将预处理规整后的脑电信号数据进行传输，且中央处理器集成安装在eeg采集设备内，便于实现对患者的信号采集固定和数据传输，减少了线缆传递的损耗和插接的麻烦；
23.4、本实用新型中，通过设置后台分析终端，实现了对患者麻醉状态下的实时性监测、参数算法的解析处理、麻醉深度指标的分级判断，满足了合理高效的保证了患者的麻醉使用情况，同时也满足了医务人员的实时性了解患者麻醉状态和麻醉用药的合理性，节约资源，保证安全性；具体是接收中央处理器预处理规整后的脑电波信号获取相应的脑电数据参数，并对获得的预处理脑电信号各参数进行核心算法处理得到结果参考值，然后对基于算法解析模块处理结果参考值进行指数转换来实现对患者麻醉深度的麻醉意识分类，同时还实现了对采集的脑电信号数据和算法解析数据进行直观展示，比如脑电波形图、麻醉深度趋势图、肌电指数波形图、麻醉指数树状图以及麻醉意识树状图，然后将各项数据进行记录存储，便于调用查看；
24.5、本实用新型中，eeg信号特征提取就是以脑电信号作为源信号，确定各种参数并以此为向量组成表征信号特征的特征向量，特征参数主要包括时域信号(如幅值)和频域信号(如频率)两大类，频域分析方法主要是基于eeg信号各频段功率、相干等这类方法是建立在假设eeg信号具有平稳特性的基础上，在eeg信号研究中，常用的频域分析方法包括功率谱估计(直接法和间接法)时域分析方法则主要分析eeg波形的几何性质，如幅度、均值、方差、偏歪度、峭度等，用微机将原始脑电图进行快速傅立叶转换产生脑电图功率、频率和相位的信息，将功率和频率进行综合，并排除相位信息的影响，由此产生的数据包含了双频谱分析和传统的频率一功率分析，将二者进行定量处理得出bis麻醉状态指数，通过分析脑电图各成分之间相位偶联关系而确定信号的二次非线性特征和偏离正态分布的程度。
附图说明
25.图1为本实用新型的整体结构连接原理流程框图；
26.图2为本实用新型的eeg采集设备的俯视结构图；
27.图3为本实用新型的eeg采集设备的层次结构分布图。
28.图中标记：1-eeg采集设备，101-脑电采集贴片，102-脑电采集器，103-导电硅胶层，104-pet保护膜胶片，105-微型锂电源，2-中央处理器，201-信号接收器，202-前置放大器，203-二级放大器，204-滤波器，205-数模转换器，206-光耦信号隔离器，207-网络传输模块，3-后台分析终端，301-信号接收模块，302-算法解析模块，303-麻醉意识分类模块，304-显示模块，305-数据储存模块，306-麻醉状态指数模块，307-麻醉意识分级模块，308-脑电波形图模块，309-麻醉深度趋势图模块，310-肌电指数波形图模块，311-麻醉指数树状图模块，312-麻醉意识树状图模块，313-一级指数模块，314-二级指数模块，315-三级指数模块，316-四级指数模块，317-正常意识级别，318-镇静意识级别，319-麻醉意识级别，320-过度麻醉意识级别，4-网络显示终端。
具体实施方式
29.为了使本实用新型的目的、技术方案及优点更加清楚明白，以下结合实施例，对本实用新型进行进一步详细说明。
30.结合图1-图3所示；
31.一种基于脑电分析技术的麻醉状态监测系统，包括用于对患者麻醉状态下进行脑电信号采集预处理的eeg采集设备1、用于对采集患者麻醉状态下的脑电信号进行处理规整的中央处理器2以及用于对预处理规整后的患者脑电信号进行核心算法解析处理的后台分析终端3；通过设置eeg采集设备和后台分析终端，结合量化指标的趋势分析和脑电实时频谱图分析的麻醉深度监测，测量和描述额叶皮层自发或诱发的节律性生物电活动以监测患者麻醉下的无意识状态深度，大大提高了该系统对麻醉使用监测的高效性和安全性，具体设置脑电采集贴片为信号监测的载体，并设置均匀分布的多个特殊结构的脑电采集器部位，用于采集脑电波信号，并在脑电采集贴片的外侧设置洁净自粘性的医用导电硅胶层，提高了该系统的环境卫生，进而大大提高了患者的体验和医务工作人员的工作效率。
32.eeg采集设备1包括用于贴附在患者前额上的脑电采集贴片101，脑电采集贴片101上还固定安装有用于采集脑电波信号的脑电采集器102，在脑电采集贴片101的外侧还设置有导电硅胶层103，导电硅胶层103内侧与脑电采集贴片固定连接、外侧还粘结有pet保护膜胶片104，且脑电采集器102一端贯穿所述导电硅胶层103与患者前额接触、另一端通过导线连接所述中央处理器2，脑电采集贴片101为带状长条形结构，脑电采集贴片101上且位于脑电采集器102的部位为圆形、三角形、方形、心形结构的任一种，脑电采集贴片101上的脑电采集器10）为均匀分布的m个，m≥2，在所述脑电采集贴片101内还设置有微型锂电源105，且所述微型锂电源105分别与所述脑电采集器102和中央处理器2电性连接。
33.通过设置脑电采集贴片、导电硅胶层和pet保护膜胶片，实现了直接接触人体皮肤的eeg采集设备的便捷一次性使用，脑电采集器设置部位采用特殊外形结构设计，具有良好的标记性和识别性，脑电信号采集和中央处理器预处理规整一体式结构整合设计，使用时撕掉最外层的pet保护膜胶片，脑电采集器的端部突出0.5-1mm设置，并设置微型锂电源对eeg采集设备进行供电，合理有效，便于提高信号采集的准确性，整体eeg采集设备套装一次性使用，安全卫生，防止疫病交叉感染，导电硅胶是一种掺有特殊导电微粒的连续挤出或模压成型的硅橡胶，它硬度适中、具有高导电性和水汽密封作用，能改善绝缘屏蔽层的电场分
布，减少绝缘的破坏，导电硅胶粘合脑电采集器能够有效的保证信号采集数据的稳定性。
34.中央处理器2包括用于接收脑电信号数据的信号接收器201、用于对脑电信号原始数据进行一级信号处理放大的前置放大器202、用于对脑电信号数据进行二级放大处理的二级放大器203、用于对采集到的脑电信号进行滤波处理的滤波器204、用于对脑电信号进行数模转换处理的数模转换器205、用于对脑电信号进行初始光耦信号隔离处理的光耦信号隔离器206以及用于将预处理规整后的脑电信号数据进行传输的网络传输模块207，网络传输模块207采用5g网络传输协议，且中央处理器2集成安装在eeg采集设备1内，经公共电话网络、通过一个调频信道、利用时分多路复用方式可同步传输多达20导联的脑电信号;通过另一个调频信道,接收方还能实时获知受测试者的当前意识状态以及实现收发双方的同步，经在此基础上开发的脑电遥测系统的使用验证:该技术能涵盖大部分临床诊断的实际需要、并且信号的传输质量较好、失真度小、无明显噪声污染、无基漂。
35.通过中卫值滤波法连续采取n次（n位奇数）把n次采样值按照大小排序，取中间值为本次有效值，通过小波分解与重构法去噪小波的多分辨分析特性能将信号在不同尺度下进行多分辨率的分解，并将交织在一起的各种不同频率组成的混合信号分解成不同频段的子信号，因而对信号具有按频带处理的能力。应用小波分解与重构的方法去噪，具体步骤是：根据需要，将含有噪声信号在某一尺度下分解到不同的频带内，然后再将噪声所处的频带置零（或直接提取有用信号所在的频带），进行小波重构，从而达到去噪的目的；eeg信号特征提取就是以脑电信号作为源信号，确定各种参数并以此为向量组成表征信号特征的特征向量，特征参数主要包括时域信号(如幅值)和频域信号(如频率)两大类，相应的特征提取方法也分为时域法、频域法和时-频域方法，频域分析方法主要是基于eeg信号各频段功率、相干等这类方法是建立在假设eeg信号具有平稳特性的基础上，同时只是考虑信号的频域信息，忽略信号在时间上的分辨率。在eeg信号研究中，常用的频域分析方法包括功率谱估计(直接发和间接法)时域分析方法则主要分析eeg波形的几何性质，如幅度、均值、方差、偏歪度、峭度等。
36.通过设置中央处理器，实现了对患者麻醉状态下脑电信号采集的预处理和规整处理，具体设置信号接收器，用于接收脑电采集器采集到的脑电波动信号数据，设置前置放大器，用于对脑电信号原始数据进行一级信号的处理放大，设置二级放大器，用于对脑电信号数据进行二级放大处理，设置滤波器，用于对采集到的脑电信号进行滤波处理，设置数模转换器，用于对脑电信号进行数模转换处理，设置光耦信号隔离器，用于对脑电信号进行初始是光耦信号隔离处理，设置网络传输模块，用于将预处理规整后的脑电信号数据进行传输，且中央处理器集成安装在eeg采集设备内，便于实现对患者的信号采集固定和数据传输，减少了线缆传递的损耗和插接的麻烦。
37.后台分析终端3包括用于接收中央处理器2预处理规整脑电波信号的信号接收模块301、用于对获得的预处理脑电信号各参数进行核心算法处理的算法解析模块302、用于对基于算法解析模块302处理结果参考值进行指数转换的麻醉意识分类模块303、用于对采集的脑电信号数据和算法解析数据进行直观展示的显示模块304以及用于对采集的脑电信号数据和算法解析数据进行存储的数据储存模块305。
38.通过设置后台分析终端，实现了对患者麻醉状态下的实时性监测、参数算法的解析处理、麻醉深度指标的分级判断，满足了合理高效的保证了患者的麻醉使用情况，同时也
满足了医务人员的实时性了解患者麻醉状态和麻醉用药的合理性，节约资源，保证安全性；具体是接收中央处理器预处理规整后的脑电波信号获取相应的脑电数据参数，并对获得的预处理脑电信号各参数进行核心算法处理得到结果参考值，然后对基于算法解析模块处理结果参考值进行指数转换来实现对患者麻醉深度的麻醉意识分类，同时还实现了对采集的脑电信号数据和算法解析数据进行直观展示，比如脑电波形图、麻醉深度趋势图、肌电指数波形图、麻醉指数树状图以及麻醉意识树状图，然后将各项数据进行记录存储，便于调用查看。
39.其中麻醉意识分类模块303包括基于对患者脑电信号数据进行算法解析处理后的结果值进行判断分类的麻醉状态指数模块306以及用于基于对患者麻醉状态下监测算法解析处理的麻醉状态指数模块306分类判断定级的麻醉意识分级模块307；麻醉状态指数模块306包括一级指数模块313、二级指数模块314、三级指数模块315和四级指数模块316，且一级指数模块313的bis参考值为85-100；二级指数模块314的bis参考值为65-84；三级指数模块315的bis参考值为40-64；四级指数模块316的bis参考值为0-39，与麻醉状态指数模块306相连的麻醉意识分级模块307包括与一级指数模块313相对应的正常意识级别317、与二级指数模块314相对应的镇静意识级别318、与三级指数模块315相对应的麻醉意识级别319以及与四级指数模块316相对应的过度麻醉意识级别320。
40.bis是一种单变量指数，同时包括频率、波幅和位相三种特性，可以对脑电图的定量分析指标，能准确测定大脑神经生理改变，且与大多数麻醉药物的血药浓度有良好的相关性，适合用于麻醉深度监测指标。根据指标进行判断麻醉用药。
41.显示模块304包括用于进行直观显示患者麻醉状态下脑电信号波动的脑电波形图模块308、用于显示患者麻醉状态时经过解析算法处理后呈现意识波动的麻醉深度趋势图模块309、用于对患者麻醉状态下的肌体表现进行展示的肌电指数波形图模块310、用于直观显示患者麻醉情况下麻醉状态指数的麻醉指数树状图模块311以及用于显示患者麻醉情况下的麻醉意识指数的麻醉意识树状图模块312，后台分析终端3以app的方式安装在外界的网络显示终端4上，网络显示终端4为电脑或移动网络设备的任一种。
42.eeg信号特征提取就是以脑电信号作为源信号，确定各种参数并以此为向量组成表征信号特征的特征向量，特征参数主要包括时域信号(如幅值)和频域信号(如频率)两大类，频域分析方法主要是基于eeg信号各频段功率、相干等这类方法是建立在假设eeg信号具有平稳特性的基础上，在eeg信号研究中，常用的频域分析方法包括功率谱估计(直接法和间接法)时域分析方法则主要分析eeg波形的几何性质，如幅度、均值、方差、偏歪度、峭度等，用微机将原始脑电图进行快速傅立叶转换产生脑电图功率、频率和相位的信息，将功率和频率进行综合，并排除相位信息的影响，由此产生的数据包含了双频谱分析和传统的频率一功率分析，将二者进行定量处理得出bis麻醉状态指数，通过分析脑电图各成分之间相位偶联关系而确定信号的二次非线性特征和偏离正态分布的程度。
43.以上所述仅为本实用新型的较佳实施例而已，并不用以限制本实用新型，凡在本实用新型的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本实用新型的保护范围之内。