麻醉深度监测的脑电信号数据采集与处理
脑电双频指数BIS
汇报人：
2023-11-30
目录
• BIS基本概念与原理 • BIS监测设备与方法 • 临床应用中BIS指导意义 • BIS在各类手术中应用实例分析 • BIS监测并发症预防与处理策略 • 总结：提高BIS监测效果，保障患者
安全
01
BIS基本概念与原理
BIS定义及作用
定义
脑电双频指数（BIS）是一种用于监测麻醉深度的脑电 图参数，通过处理原始脑电图信号，提取其中的双频指 数，反映大脑皮层的兴奋或抑制状态。
镇静深度评估及调整策略
01
镇静深度评估
BIS可实时监测患者镇静深度，帮助医生判断患者 是否处于适宜镇静状态，避免镇静不足或过度。
02
调整策略
根据BIS监测结果，医生可及时调整镇静药物剂量 ，确保患者维持稳定、安全的镇静水平。
肌松效果判断及优化方案
肌松效果判断
BIS可反映神经肌肉阻滞程度，协助医生判断肌松 药物效果，确保手术过程中肌松充分、有效。
心脏外科手术中BIS应用案例分享
评估心肌保护效果
在心脏外科手术中，BIS可用于评 估心肌保护效果，以确保手术过 程中患者心脏功能得到最大程度
的保护。
指导液体管理
根据BIS监测结果，医生可以调整 患者的液体管理策略，以维持稳定 的血流动力学状态。
减少术后并发症
BIS监测有助于减少心脏外科手术后 的并发症，如心肌缺血、心律失常 等。
并发症预防
分享预防和处理BIS监测 相关并发症的经验，保障 患者安全。
患者配合度
探讨提高患者对BIS监测 的配合度，确保监测顺利 进行。
展望未来发展趋势
技术创新
关注BIS监测技术的创新和发展趋势，如多模态监测等。
脑电麻醉深度参数与临床运用
脑电麻醉深度参数与临床运用脑电麻醉是一种通过监测患者的脑电活动来评估麻醉深度的方法。
在临床应用中，脑电麻醉深度参数被广泛用于监测患者的麻醉状态，并且可以帮助麻醉医生调整麻醉药物的使用，以确保患者处于适当的麻醉深度，减少麻醉的风险和并发症。
脑电麻醉深度参数的主要指标是脑电图（EEG），通过分析EEG信号的频谱特征、时域特征和相关性特征，可以获得很多有用的信息，如脑电活动的频率、强度、相干性等。
根据这些特征，可以计算出一系列定量的脑电麻醉深度参数，如BIS（Bispectral Index）指数、Spectral Entropy、State Entropy等。
BIS指数是目前应用最广泛的脑电麻醉深度参数之一、BIS指数通过结合EEG信号的二次谐波特征和频谱特征，来反映患者的麻醉深度。
值得注意的是，BIS指数在不同的麻醉药物和不同的手术类型下，其数值范围和对麻醉深度的敏感性可能会有所不同。
因此，在使用BIS指数时，需要根据具体的临床条件进行调整和解释。
另一个常用的脑电麻醉深度参数是Entropy（熵）。
Entropy可以通过计算EEG信号的频谱特征和相干性特征，来反映脑电活动的复杂度和不规则程度。
Entropy指数分为两种，一种是Spectral Entropy，用于评估EEG信号的频谱特征；另一种是State Entropy，用于评估EEG信号的相干性特征。
Entropy指数一般在0到100之间，数值越高表示脑电活动越复杂，脑电麻醉深度越浅。
通过监测脑电麻醉深度参数，麻醉医生可以及时了解患者的麻醉状态，并调整麻醉药物的使用。
临床研究表明，正确使用脑电麻醉深度参数可以有效减少麻醉风险和并发症，提高手术安全性和患者满意度。
此外，脑电麻醉深度参数还可以用于评估麻醉的质量和效果，指导麻醉的管理和监测。
然而，脑电麻醉深度参数作为一种客观的监测指标，也存在一些局限性。
首先，脑电麻醉深度参数只能反映整个大脑活动的总体情况，无法给出具体的脑区活动信息。
麻醉科麻醉深度监测方法
麻醉科麻醉深度监测方法麻醉深度监测是在麻醉科手术中非常重要的一项工作。
准确监测病人的麻醉深度可以保证手术的安全性，避免意外发生。
在麻醉科麻醉深度监测中，有多种方法可以选择，本文将介绍其中常用的几种方法。
一、脑电图监测法脑电图（Electroencephalogram，简称EEG）监测是一种常用的麻醉深度监测方法。
通过放置电极在患者头皮上，记录脑电图的信号。
根据脑电图的频率、振幅和波形变化，可以判断麻醉的深度。
脑电图监测法主要包括以下几个常用的指标：1. 峰频（Peak Frequency，简称PF）：指脑电图中出现最大振幅的频率点。
峰频越高，表明麻醉深度越低。
2. 平均频率（Mean Frequency，简称MF）：指脑电图中所有振幅的平均频率。
平均频率越高，表明麻醉深度越低。
3. 平均幅度（Mean Amplitude，简称MA）：指脑电图中振幅的平均值。
平均幅度越高，表明麻醉深度越低。
脑电图监测法通过对脑电图信号进行分析，可以实时监测病人的麻醉深度，为麻醉师提供准确的信息。
二、动眼电监测法动眼电（Electrooculogram，简称EOG）监测是一种常用的麻醉深度监测方法。
通过在眼睑、外眼角等位置放置电极，记录眼电信号。
根据眼电信号的变化，可以判断病人的麻醉深度。
动眼电监测法主要包括以下几个常用的指标：1. 动眼电数量（Number of Eye Movements，简称NEM）：指一段时间内眼睑的运动次数。
动眼电数量越多，表明麻醉深度越低。
2. 动眼电持续时间（Duration of Eye Movements，简称DEM）：指一段时间内眼睑的运动持续时间。
动眼电持续时间越长，表明麻醉深度越低。
3. 动眼电幅度（Amplitude of Eye Movements，简称AEM）：指眼电信号的振幅大小。
动眼电幅度越大，表明麻醉深度越低。
动眼电监测法通过对眼电信号的分析，可以实时监测病人的麻醉深度，为麻醉师提供准确的信息。
Narcotrend麻醉脑电意识深度监测系统在临床麻醉中的应用
Narcotrend麻醉脑电意识深度监测系统在临床麻醉中的应用许楠、徐嘉莹、薇、虞雪融、易杰、黄宇光协和医院麻醉科，100730麻醉脑电意识深度监测系统[1]〔Narcotrend，NT，MonitorTechnik，Bad Bramstedt，Germany〕是一种新型的以脑电图〔EEG〕分析为根底的麻醉深度监测仪，它是由德国Hannover大学医学院Arthur Schultz带着的研究组在Kugler麻醉/镇静下脑电图分级的根底上，创立了6个阶段15个亚级〔A、B0-2、C0-2、D0-2、E0-2和F0-1〕的麻醉深度级别〔Narcotrend stage，NTS〕，将原始脑电或视觉脑电图通过多参数〔原始脑电波的功率、频率、幅度〕统计方法进展自动分级，从而显示α、β、θ、δ波的功率谱变化情况和趋势以及麻醉深度状态。
其中A级表示清醒状态，B级表示轻度镇静状态，C级表示深度镇静状态，D级表示浅麻醉状态，E级表示深麻醉状态，F级表示脑电活动逐渐消失直到脑电静止、爆发性抑制逐渐增多。
目前，NT监测仪已经开展至5.0版本，将NTS转化为一个无量纲的麻醉深度指数〔Nacotrend inde*，NTI〕，围从100〔清醒〕到0〔脑电静止〕，见表1。
使用NT前需要先输入患者出生日期，进入个体化监测界面。
打磨患者前额皮肤并用乙醇清洁脱脂，放置3个NT专用电极〔Blue sensor， Medicotest Olstykke，Denmark〕或者普通心电图电极、杯式电极、针式电极等，确保皮肤各电阻低于6kΩ，各电极显示的皮肤电阻差值低于3.5kΩ。
NT有两种模式：单通道模式用于一般麻醉的脑电监护；双通道模式方便对两个大脑半球进展分别监测，可用于两个大脑半球的功能比拟(如大脑半球和颈动脉手术等)。
NT在欧洲已经用于临床麻醉和催眠深度监测，获得了美国FDA的批准，以及欧洲CE、中国SFDA、ISO等多项认证。
脑电双频指数监测在全凭静脉麻醉中的应用
脑电双频指数监测在全凭静脉麻醉中的应用目的：探索脑电双频指数（BIS）监测在全凭静脉麻醉中的应用。
方法：选择择期行全凭静脉麻醉手术患者60例，采用随机数字表法分为BIS组和对照组，各30例。
BIS组在麻醉手术期间监测血压、心电图、BIS值；对照组常规监测血压、心电图，术中根据生命体征的变化来调节静脉给药剂量调控麻醉深度。
记录两组患者血压、心率、麻醉用药量、术毕拔管时间、术毕患者送返病房时间。
结果：BIS组麻醉诱导期血压下降的程度、麻醉用药量、术毕拔管时间以及术毕患者送返病房时间明显低于对照组，差异均有统计学意义（P＜0.05）。
结论：在全凭静脉麻醉中应用BIS监测可使手术患者麻醉平稳、麻醉用药量减少、麻醉恢复时间缩短。
[Abstract] Objective：To explore the application of bispectral index （BIS）monitor during the total intravenous anesthesia.Method：Sixty patients undergoing the total intravenous anesthesia were randomly divided into the BIS group and the control group，30 cases in each group.The blood pressure，ECG，BIS values during anesthesia and operation in BIS group were observed；the control group routine monitoring of blood pressure，ECG，according to the changes of vital signs during operation to regulate the intravenous dose to control the depth of anesthesia.Recorded the blood pressure，heart rates，anesthesia dose，the time of extubation by postoperative，the time of postoperative patients returned to the wards of patients in two groups.Result：The decrease of blood pressure during anesthesia induction，anesthesia dose，extubation time and postoperative patients returned to the wards time of the BIS group was significantly lower than that of the control group（P＜0.05）.Conclusion：In total intravenous anesthesia in application of BIS monitoring enables operation in patients with stable anesthesia，less anesthesia dose，and can reduce anesthesia recovery time.[Key words] Bispectral index；Total intravenous anesthesia；Operation全凭静脉麻醉是临床手术的主要麻醉方式之一，随着短效、超短效静脉麻醉药的应用，其临床应用局限性越来越小[1]。
脑电麻醉深度的监测方法
基于脑电图信号分析的麻醉深度监测方法1 双频指数(bispectral index，BIS)双频指数属于频域分析，通过快速傅立叶转换技术将脑电波分解为多个不同频率、波幅和位相的标准正弦波，计算各个频率段波幅的平方和，即能量。
以0-30Hz为横坐标，以脑电功率为纵坐标，构成每单元的脑电功率谱。
BIS是将δ波段的相位锁定，将能量从δ能量中减除，并表示为0~30Hz波段双波谱密度的比率，最后得出的一个量化指标（0~100）。
其计算流程是将采集到的脑电图信号数字化后滤过高频和低频的伪迹，再将其分成2秒的小单元，经过一系列的去除伪迹处理后，对这些新形成的小单元再进行统计分析，分别采用两种不同的方法，计算其爆发性抑制程度，得到两个次级的参数——BSR和QUAZI，两者与深麻醉状态相关性最好。
同时通过快速傅里叶转化的双频分析，得到另外两个次级参数——β率（Beta ratio）和慢同步（SynchSlow），前者在镇静判断中占主要地位，后者则与中度麻醉状态相关良好。
最后对这四个次级参数进行综合分析得到BIS值，是对脑电图(EEG)信息综合后的一个无量纲指数，如图2.2所示。
BIS的开发过程采用迭代的方式，首先采集EEG，计算出一个范围的预期子参数，测试他们的相关性。
2 听觉诱发电位指数(AEPindex )听觉是麻醉时最后消失的一个感觉,也是清醒时恢复的第一个感觉。
视觉和体觉很易被麻醉药所阻滞,而听觉在麻醉中不是突然消失的,它被麻醉药逐渐抑制。
听觉诱发电位(auditoryevokedpotential,AEP)是指听觉系统在接受声音刺激后,从耳蜗毛细胞至各级中枢产生的相应电活动。
在声音刺激后10~100ms内出现的一串波属早期皮层反应,亦称为中潜伏期听觉诱发电位(middlelateneyauditoryevokedpotential,MLA AEP),它的波形标记为N。
、P。
、Na、Pa和Nb,主要反映中间膝状体和颖叶原始听皮质的电活动。
医学诊断中脑电信号处理与特征提取的技术方法
医学诊断中脑电信号处理与特征提取的技术方法在医学诊断过程中，脑电信号处理与特征提取是一种重要的技术方法。
脑电信号是通过电极记录面部或头皮上的电位变化而获得的，可以反映出人脑的神经活动情况。
通过对脑电信号的处理与特征提取，可以帮助医生对患者进行更准确的诊断和治疗。
脑电信号处理的基本步骤包括滤波、去噪、增强等。
滤波是指通过滤波器对脑电信号进行处理，去除其中的干扰信号，例如肌肉电信号和电源频率干扰。
选择合适的滤波器可以有效地提升脑电信号的信噪比。
去噪是指去除脑电信号中的噪声成分，常见的去噪方法包括小波变换、独立成分分析等。
增强是指通过技术手段增强脑电信号的特征，使其更容易被医生观察和分析。
脑电信号特征提取是指从脑电信号中提取出对特定疾病有意义的特征。
脑电信号的特征可以分为时域特征、频域特征和时频域特征等。
时域特征是指直接从时间序列中提取的特征，例如平均功率谱、波峰频率、能量等。
频域特征是指从脑电信号的频谱中提取的特征，例如频带功率比、相位同步等。
时频域特征是指从脑电信号的时频分析中提取的特征，例如小波包能量和相位等。
为了更准确地进行医学诊断，研究人员还开发了一些高级的脑电信号处理与特征提取方法。
例如，独立成分分析（ICA）是一种非线性盲源分离方法，可以将脑电信号分解成多个相互独立的成分，每个成分对应不同的脑电活动。
脑电图（EEG）网络分析是指通过构建脑电图中的连接网络，分析脑电信号之间的相互关系，从而揭示脑电活动的功能组织和动力学特征。
机器学习算法如支持向量机（SVM）和人工神经网络（ANN）等，也被广泛应用于脑电信号的处理和特征提取，可以帮助医生进行疾病的自动诊断。
脑电信号处理与特征提取的技术方法在医学诊断中有广泛的应用。
首先，它可以帮助医生鉴别脑电信号中潜在的病理特征，例如癫痫发作和脑卒中等疾病。
其次，通过对脑电信号特征的提取和分析，可以帮助医生评估脑损伤程度、预测疾病转归以及制定个体化的治疗方案。
脑电信号在麻醉深度监测中的临床应用
脑电信号分析的医学应用摘要：随着神经电生理学，计算机科学与微电子技术的高度发展，脑电信号的分析已经被广泛引用于医学领域，本文介绍了目前脑电信号分析在癫痫诊断，注意力缺陷，睡眠质量研究以及围术期麻醉深度监测几个热门方向的应用和前沿研究成果。
Abstract: With the highly developed nerve electrophysiology, computer science and microelectronics technology, analysis of EEG has been widely cited in the medical field, this paper describes the current in the diagnosis of epilepsy, attention deficit, sleep quality research EEG analysis and perioperative monitoring depth of anesthesia direction several popular applications and cutting-edge research.关键词：脑电信号，脑电波，注意力缺陷，睡眠质量，麻醉深度，脑电双频指数，脑电熵指数Keywords: EEG, brain waves, attention deficits, sleep quality, depth of anesthesia, bispectral index, EEG entropy一前言脑电信号是大脑自发的、有节律的神经电活动所产生的一种生理信号，1875年英国外科医师卡顿将电极插入猴头颅内第一次检测到脑电信号的存在，19世纪中叶随着神经电生理学的兴起，以及集成电路和计算机技术的高速发展使得检测与收集稳定的脑电信号成为可能，脑电信号检测被广泛应用于医学领域。
脑电生物信号的分析与处理
脑电生物信号的分析与处理脑电生物信号是指由大脑神经元发出的电信号，这些信号可以通过脑电图（EEG）进行测量与分析。
脑电生物信号的研究涉及到多个学科领域，包括生物医学工程、神经科学、心理学等。
本文将从脑电生物信号的信号采集、信号处理、信号特征提取等方面进行分析和探讨。
一、脑电信号采集脑电信号采集是指通过脑电图仪器对人体的大脑神经元发出的电信号进行记录和采集。
脑电图的原理是利用电极来记录头皮表面上的电位变化。
在记录脑电图时，需要使用一定数量的电极，并将它们安置在头部上以测量大脑中不同区域的电信号。
同时，还需要使用一定数量的参考电极，并将它们放在身体其他部位的表面上，以便计算不同电极间的电位变化。
脑电信号采集对电极的数量、离散度以及电极的布置有严格的要求。
一般来说，采集信号的电极数量越多，能够捕捉到的脑电信号就越精细。
此外，为了防止干扰信号，需要将电极布置在头皮上，从而避免身体的其他部位对信号的干扰。
二、脑电信号处理脑电信号采集后需要对信号进行处理，以便进一步分析和提取特征。
信号处理的方法有多种，其中常用的方法包括时频分析、小波变换、频率滤波等。
时频分析是一种将时域和频域相结合的信号分析方法。
通过时频分析，可以将脑电信号分解为不同的频段，并且可以确定在不同频段内的信号能量大小。
通过时频分析可以更好地了解脑电信号在不同频段内的分布特征，从而便于更深入地了解大脑的功能。
小波变换是一种对信号进行频域分析的方法。
通过小波变换，可以将脑电信号分解为多个不同频率的信号，每个分解分量都包含不同频率范围内的信号信息。
小波变换可以进一步提取不同频段内的信号特征，从而更好地研究脑电信号的时域特性。
频率滤波是一种对信号进行去除干扰的方法。
在采集脑电信号时，由于身体其他部位的生理活动和环境噪声等因素，会产生一些干扰信号。
通过频率滤波可以将这些干扰信号去除，从而保证采集的脑电信号的真实性和精准度。
三、脑电信号特征提取脑电信号经过采集和处理后，需要进一步进行特征提取。
脑电双频指数麻醉深度监测系统的工作原理及常见故障处理
维修工程192 ZHONGGUO YIXUEZHUANGBEI①首都医科大学附属北京同仁医院医学工程处 北京 100176*通信作者：*************作者简介：王志伟，女，(1985- )，本科学历，助理工程师，从事医院医疗设备维修保养工作。
[文章编号] 1672-8270(2023)09-0192-03 [中图分类号] R197.39 [文献标识码] BWorking principle and common troubleshooting of bispectral index anesthesia depth monitoring of electroencephalogram/WANG Zhi-wei, YANG Xiao-yu, ZHANG En-ping//China Medical Equipment,2023,20(9):192-194.[Abstract] The structural composition and working principle of bispectral index (BIS) anesthesia depth monitoring system were analyzed, the structure and functional characteristics of sensor electrode, signal collector, processing host and display were described respectively. Through the cause analysis and troubleshooting of typical faults such as signal detection, interference noise, calibration processing, etc., a troubleshooting method with standardized fault identification, comprehensive troubleshooting content, and accurate detection of circuit components was formed to improve the quality of monitoring the depth of anesthesia in clinical surgical patients.[Key words] Bispectral index (BIS); Electroencephalogram (EEG); Depth of anesthesia; Electrode patch; Signal processing[First-author’s address] Department of Medical Engineering, Beijing T ongren Hospital, Capital Medical University, Beijing 100176, China.[摘要] 分析脑电双频指数(BIS)麻醉深度监测系统的结构组成和工作原理，分别阐述传感器电极、信号采集器、处理主机和显示器的结构和功能特点，通过信号检测、干扰噪声、校准处理等典型故障的原因分析和排查处理，形成故障识别规范、排查内容全面、电路部件检测准确的故障处理方法，以提高临床手术患者麻醉深度的监测质量。
脑电双频指数在临床腹部手术麻醉深度监测中的应用效果
脑电双频指数在临床腹部手术麻醉深度监测中的应用效果摘要目的探讨脑电双频指数（BIS）被应用于临床腹部手术的麻醉深度监测中后的效果。
方法接收于我院的82例进行腹部手术的患者应用BIS对其麻醉深度监测过程进行观察和分析。
结果诱导时，在心率、血压及BIS值方面，2组患者均显著降低；插管时，2组除BIS值下降外，其余2项指标（心率和血压）均出现上升；在其切皮与缝皮阶段心率、血压方面无显著变化，而其BIS值有所下降；另外，在苏醒、拔管时间方面，七氟醚组显著低于丙泊酚组，2组差异度明显（P＜0.05）。
结论 BIS能够将麻醉深度监测以数字化的形式直观的显示出来，其能够提供给腹部外科手术中麻醉深度监测指标以临床依据。
关键词脑电双频指数；腹部手术；麻醉深度；应用效果腹部手术在临床外科手术所占比例较高，采取有效地麻醉方法对手术患者预后具有重要的影响，而麻醉深度检测是麻醉干预的一项重要内容，对麻醉效果也会产生直接影响。
有研究显示，在监测手术患者麻醉深度方面，脑电双频指数（BIS）可以更加直观显示出来并且有着很好的灵敏度[1]。
我院将82例行腹部手术的病人以BIS监测其麻醉深度并进行观察和分析，以期进一步验证病探讨脑电双频指数在临床腹部手术麻醉深度监测中的应用，结果报道如下。
1资料与方法1.1一般资料选取2016年1月-2018年1月接收于我院的82例腹部手术的患者，均采用BIS对其麻醉深度进行检测，其被分为2组（每组41例，依据随机分组法）；纳入标准：（1）所有患者均符合麻醉相关标准；（2）患者肝肾功能均正常且排除肥胖患者。
其中七氟醚组男女比例21：20，年龄最大61岁，最小26岁（平均年龄（43.5±8.8）岁），患者体质量在59~88kg之间，平均体质量为：67.94±11.2kg；而丙泊酚组男女比例23：18，年龄最大59岁，最小24岁（平均年龄（41.2±6.9）岁），患者体质量在57~89kg之间，平均体质量为：69.31±11.7kg。
人脑信号的采集与处理技术
人脑信号的采集与处理技术随着科技的不断进步，人们对脑科学的关注也日益增加。
人脑信号采集与处理技术是其中的一个分支，它通过采集人脑的电信号，对这些信号进行处理，从而帮助人们更好地了解人脑的运作机制。
一、人脑信号的采集技术人脑信号的采集技术可以分为两类，一类是非侵入式采集技术，一类是侵入式采集技术。
非侵入式采集技术是指通过传感器等外部设备从头皮上采集人脑的电信号。
这种技术的主要优点是不会对人脑造成伤害，同时还可以实现长时间的监控。
常用的非侵入式采集技术包括脑电图（EEG）、磁共振成像（MRI）和功能性磁共振成像（fMRI）等。
在这些技术中，脑电图是最常用的一种。
它通过贴在头皮上的电极来记录人脑发出的微弱电信号，可以用于研究各种脑部功能，如记忆、学习、情感和运动等。
虽然脑电图是非侵入性的采集技术，但是它的信号质量相对较低，而且容易受到外部因素的干扰。
侵入式采集技术是指直接将电极植入到脑部组织中，从而采集到更加精确的信号。
这种技术的优点是信号质量高，但缺点也很明显，即需要动手术，风险较高，目前主要应用于严重神经系统疾病的治疗和研究。
二、人脑信号的处理技术人脑信号的处理技术同样分为两个方面，一类是数据预处理技术，一类是特征提取技术。
数据预处理技术是指将采集到的原始信号进行滤波、降噪等加工处理，从而提高信号质量。
在这个过程中要采用合适的算法，以达到合理的加工效果。
目前在脑电信号的预处理技术中，常用的算法包括滑动平均法、滤波器、小波变换等。
特征提取技术是指从经过预处理的脑电信号中提取出代表脑部活动特征的数值，这些数值可以用于识别脑部活动特征，包括时域特征、频域特征、时频域特征等。
常用的特征提取技术包括小波变换、独立成分分析等。
三、人脑信号采集与处理的应用人脑信号采集与处理技术现在已经广泛应用于许多领域，包括医学、心理学、工业等。
在医学领域中，人脑信号采集与处理技术可以用于研究脑部疾病的机制和诊断，如癫痫、阿尔茨海默病等。
脑电信号采集处理的综述
生物电子学学院：电子信息学院班级：生物医学工程101班关于脑电信号采集处理的综述摘要：脑电信号是人体的一种基本生理信号, 具有重要的临床诊断和治疗价值。
由于脑电信号的自身非平稳性随机特点, 使得对它的研究成为一项具有相当难度的课题。
本文总结了脑电信号的采集方法以及后期处理的方法。
脑电的采集主要是前置级放大电路的设计，而后期的处理则是通过对实测脑电信号进行时域分析、频域分析、W ign er方法、小波方法等若干算法的仿真和对比, 深入分析和评价了脑电信号若干方法的特点以及存在的问题。
关键词：脑电信号、采集、前置级放大、信号处理方法前言：脑电信号是大脑神经元突触后电位的综合，具有丰富的大脑活动信息，是大脑研究、生理研究、临床脑疾病诊断的重要手段。
脑电信号采集的预处理是一个比较复杂的问题。
首先，脑电信号非常微弱，一般只有50μV左右，幅值范围为5μV~100μV。
所以，脑电信号放大增益要比一般的信号高得多，一般要放大20000 倍左右。
第二，脑电信号头皮与颅骨通常几千欧姆的电阻，所以要求前置部分有很高的输入阻抗，以提高脑电信号索取能力，一般输入阻抗要大于10 MΩ。
第三，脑电信号的频率低，一般在0.1 Hz ~ 100Hz，需要滤除脑电信号频率以外的高频干扰。
第四，在普通环境下，脑电信号采集受到工频干扰等共模干扰，信噪比通常低于-10 dB。
工频干扰主要是以共模形式存在，幅值在mV 数量级，所以要求放大器具有很高的共模抑制比，一般要大于120 dB。
第五，在电极与头皮接触的部位会产生电位差，称为极化电压。
极化电压一般在几毫伏到几百毫伏之间，理想情况下，在用双电极提取人体两点电位差时，两个电极保持对称则可以使极化电压互相抵消，但实际上，由于极化电压和通过电极电流大小、电极和皮肤接触阻抗不对称等很多因素有关，所以不可避免造成干扰，尤其当电极和皮肤接触不良时，干扰更严重。
如果在仪表放大器的前端不做处理，极化电压的存在使得前置放大器的增益不能过大。
脑电麻醉深度参数与临床运用
5
理想化脑电波形的能量值区间
脑电波基本参数和正常特征参数
波形名称 符号 频率（HZ) 意识程度 脑能量值（μ V） 一阶差分 形态 谐波
德尔塔波 δ
0— 4
深睡
10—60
≤3.1 ≥0.67 ≤9
塞塔波 θ
4—8
浅睡
20—40
≤3.8 ≥0.5 ≤11.2
阿尔法波 α
8—14 半醒半睡
25—75
≤9.4 ≥0.3 ≤13.5
30s计算一个平均值，爆发抑制比出现数值就说明 脑电波出现终断，脑细胞处于零电位，脑细胞就不 会进行氧气置换，手术患者会出现术中缺氧，术后 苏醒时间就会很长。
20
麻醉深度各参数使用范围
名称（英文） 名称（中文）
IOC1
脑电意识指数
IOC2
伤害敏感指数
EMG
面部肌肉指数
BS
爆发抑制比
测试范围
0-99 0-99 0-99
德尔塔波 δ
0— 4
深睡
10—60
≤3.1 ≥0.67 ≤9
塞塔波 θ
4—8
浅睡
20—40
≤3.8 ≥0.5 ≤11.2
阿尔法波 α
8—14 半醒半睡
25—75
≤9.4 ≥0.3 ≤13.5
倍塔波 β
14—40
清醒
5—30
≤9.4 ≥0.18 ≤8.4
名词解释： 频 率：一秒种内波形重复出现的次数 脑能量值：脑电波的波幅值称为脑能量值，代表脑电活动的大小 一阶差分：离散函数中连续相邻两项之差。γ（K）=X（K*1）-X(K) 谐 波：基波以外的频率形式表现的电流 形 态：脑电波形态的变化规律，低频率为“塔”形，高频率为“波浪”形
麻醉深度监测中脑电信号特征提取方法
麻醉深度监测中脑电信号特征提取方法顾家军;叶继伦【期刊名称】《中国医学物理学杂志》【年(卷),期】2016(033)002【摘要】目的:对采集得到的麻醉深度监测过程中的脑电数据进行特征提取,得出脑电信号在麻醉深度加深过程中的变化规律,为进一步的定量研究提供参考.方法:在Matlab的平台下采用幅频分析和功率谱估计的方法对采集得到的脑电数据进行分析,提取信号特征.结果:在清醒状态时,脑电信号的能量主要集中在δ段,随着麻醉深度加深,δ段的能量开始降低,并且(б)段的能量在增加;在适合的麻醉深度时,脑电的能量主要集中在(б)段,在不断加深的过程中δ段能量在增加;在过量麻醉时,脑电的δ段能量在增加.结论:通过幅频分析和功率谱估计可以很好地提取脑电信号的特征,对于指导临床手术中药物剂量的运用具有一定的意义,同时为后续开展麻醉深度研究提供指导.【总页数】6页(P157-161,194)【作者】顾家军;叶继伦【作者单位】深圳大学医学院生物医学工程系,广东深圳518060;深圳大学医学院生物医学工程系,广东深圳518060;广东省生物医学信号检测与超声成像重点实验室、深圳市生物医学重点实验室,广东深圳518060【正文语种】中文【中图分类】TP391【相关文献】1.用近似熵方法监测脑电信号分析麻醉深度 [J], 黄广轶2.监测麻醉深度的新指标40Hz听觉稳态诱发电位提取方法的探讨 [J], 李晓;陆尧胜3.麻醉过程中脑电信号处理方法研究 [J], 顾家军;黄燕;叶继伦;王开隽;张梅梅4.监测麻醉深度的脑电信号的近似熵特征研究 [J], 温军玲;和卫星;陈晓平5.麻醉监护仪中脑电双谱指数在麻醉深度判别中的应用 [J], 贾文艳;王保国;李艳;曹海勇;张歌;欧阳楷因版权原因，仅展示原文概要，查看原文内容请购买。
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朱根娣朱政康谢海明2005-10-14 13:09:44 中华现代临床医学杂志2005年10月第3卷第20期关键词：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】 The monitoring of anesthetic depth is an absolutely nece ssary procedure in the process of surgical operation. Electroencephalogram (EEG),as a principal signal in detecting brain activities, assumes a domin ant position in the current research for the anesthetic depth monitoring. The processes of anesthetic depth monitoring based on EEG analysis are int roduced here in detail and thus they can be reference to the further devel opment.【Key words】 depth of anesthesia; monitoring; 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。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
另外需要注意的是，通常一些干扰,如眼动、肌动，仅在病人清醒状态下存在,在麻醉时则很少受其影响。因此病人在清醒和麻醉期间,应采取不同的去噪算法，当病人状态发生变化时，应及时切换去噪算法,通过肌电熵阈值判断病人状态转换时刻，进行去噪算法选择。脑电信号预处理部分框图。
在采集到原始脑电信号中，不可避免会出现超过放大器动态范围的信号点或段，这是由于放大器设置不合适，或者电极在头皮上发生移动造成的。这类伪差由于无法重建，所以被干扰的部分信号必须丢弃。根据采集到的信号的均值统计特性，确定其阈值并进行识别，然后判断是否丢弃信号。
本文从40余例注射麻醉药品后的EEG信号中，选取33个EEG信号片断，进行时频均衡谱熵分析，将分析结果作直方图统计进行分析。图5(a)为注射麻醉药品之后的反应熵分布直方图,可以看出此时EEG信号的反应熵主要分布在0.55～0.80之间。图5(b)为注射麻醉药品之后的状态熵分布直方图,可以看出此时EEG信号的状态熵主要分布在0.45～0.75之间。可见，随着麻醉深度的不同，反应熵的值会随之变化，麻醉深度越深，反应熵的值越小；麻醉深度越浅，反应熵的值越大。这是由于麻醉深度的加深，大脑神经元的兴奋性受到抑制，EEG信号的随机程度降低，产生新模式的概率降低，反应熵的值也就相应降低。麻醉深度减轻时则刚好相反，这一结果很好地验证了时频均衡谱熵作为临床麻醉深度监测指标的正确性和可行性。
(1)电极选取：麻醉监测的电极采用BIS公司的电极,这种电极具有与头部接触性好、对人体无损害、无痛、方便等特点。
(2)电极采集位置： EEG的采集位置，采集右前额或左前额的脑电信号，并以前额的正中间电极作为参考电极。
(3)滤波、放大及A/D的参数：正常滤波范围是3 Hz～70 Hz，丧失滤波时滤波范围0.25 Hz～100 Hz。采样频率：1 000次/s。通道数：4个电极，2导EEG数据。
由于病人对外界刺激的反应，在病人清醒或麻醉不足时,额前测得的脑电信号中会出现含有肌电信号(图4(d))。因此肌电信号可作为由清醒到麻醉、由麻醉到觉醒的指示标志信息。根据这一特点，设定一阈值，当肌电熵大于阈值时，病人处于清醒状态；当肌电熵小于阈值时，病人处于麻醉状态。由此判断出状态切换时刻之后，可以对应不同的状态，采取不同的预处理方法：眼电信号和肌电信号的伪差只可能在清醒状态影响脑电信号，因此只能在清醒期进行检测和去除即可；其他伪差检测和去除在整个记录中均可进行。
(2)由于EEG是低功率信号，易受环境噪声影响。手术室中，脑电信号获取设备周围可能有大电流设备，它们会引起EEG的工频干扰,在EEG的50/60 Hz和100/120 Hz附近产生大的扰动，与频率有关。因此，在检测时采用计算50/60±2 Hz上的功率占整段信号总功率之比进行干扰判断，若大于某给定阈值，则存在干扰。去除这种干扰，可使用50/60 Hz陷波滤波器，如6th Butterworth滤波器。
(1)首先在不同的频率段计算出能量谱，然后对所有的能量谱元素求和再进行归一化：
பைடு நூலகம்
TBSE作为一种可描述系统复杂性的参数，它具有一些相对其他复杂性参数所不具备的特征：
(1)通过较短的数据序列，即可得到稳定的肌电熵值。 (2)原始信号不需要粗粒化。 (3)具有很强的抗噪声及抗干扰能力，尤其是对随机产生的瞬态强干扰具有良好的屏蔽作用。因为随机产生的较强干扰势必造成距离大于给定的相似容限距离，而在距离检测时被忽略。 (4)适用于确定信号、随机信号以及确定信号和随机信号组成的混合信号。
1 时频均衡谱熵方法
时频均衡谱熵(TBSE)是在shannon熵[7]的基础上阐述频谱熵的概念，它结合时域和频域分析,应用窗可变的短时傅里叶变换，计算特定脑电信号频谱带的不规则性。TBSE算法中计算了两个熵值:(1)状态熵(SE)。反映了脑电主要频带(0.8 Hz～32 Hz)的作用；(2)反应熵(RE)。反映了脑电和额肌(0.8 Hz～47 Hz)的快肌肉活动的共同作用。二者差值(RE-SE)即为肌电熵(EMG)。状态熵和反应熵可以区分有意识和无意识状态，可通过肌电活动反映镇静程度和疼痛反应，体现了麻醉深度监测中应用多种方法进行综合分析的趋势(如脑电结合肌电熵分析)。
(4)肌电信号(ECG)一般具有周期性,频率主要在13 Hz~32 Hz左右。其检测可利用其自身规律性结合频域特征，提取13 Hz~32 Hz频带信号计算其能量，再根据系数的局部变化选择合适阈值，进行阈值化以突出伪差存在位置，检测伪差发生中心点；利用基于中心点的时序锁定(time- locked)平均计算ECG平均模板除去ECG伪差。肌电熵(EMG)通常持续时间较短，检测其存在性，可应用卡尔曼自适应滤波方法去除，同时也可除去其他瞬态大幅度信号干扰。此外，信号中也可能含有高斯白噪声，可以采用小波Bayes估计方法去除。
目前非线性动力学方法被广泛地应用于非平稳信号的处理，时频均谱熵[6] TBSE(Time-Frequency Balanced Spectral Entropy)分析是其中之一。脑电信号是一种非平稳信号，而熵分析方法适合于对脑电信号的处理。时频均谱熵是一种对复杂性进行度量的分析方法，它不需要对时间序列粗粒化，仅需很短的数据即可达到稳定的值。与其他复杂性参数相比，具有计算速度快、适合在线实时分析的特点，因此在信号处理相关领域得到很好的应用。EEG序列的时频均谱熵表现了EEG序列中产生新模式的概率大小，其概率越大，序列的复杂性越大，时频均谱熵值也越大。
(3)眼电信号(EOG)伪差一般是低频(0~16 Hz)高幅波，具有明显的时域模式，一般是方形波或者大的尖峰，可以在时域、频域计算信号特征来识别(根据相邻多个数据段的特征)。应用小波自适应阈值化方法去除EOG伪差，是在EOG存在子带上，选择合适的阈值及阈值化方法去除，既不需要EOG参考通道，也不需要人的干预，可自动去除。
3 结果与分析
图3(a)所示为一段清醒期的脑电信号，包含有肌电和眼动的噪声。图3(b)是采用上述方法去噪后的结果，其中眨眼和眼球动干扰明显被去除，高频的肌电干扰也被滤除掉了。表明该滤波器工作可靠有效。
图4(a)、(b)是一段EEG信号及其对应的麻醉药物七氟醚浓度。从图4(c)可以看出病人在注射麻醉药品之后的不同时间段内，EEG的反应熵都有一定的变化。在EEG信号的初始阶段，病人EEG的反应熵较高，其值在0.75～0.85 之间。在麻醉120 s后，反应熵明显下降，麻醉190 s后，反应熵的值在0.4上下波动。EEG信号的肌电熵，可以看出，其值在0.1～0.4之间波动，麻醉190 s之后接近于0，表示病人进入麻醉状态。
2.2 信号预处理
由于头皮记录的脑电信号中通常包含许多干扰(如心电、眼动、肌动等生理学噪声，以及电极或环境噪声等非生理学噪声),这些伪差往往与正常病理特征EEG 的波形或频谱相混淆,容易掩盖EEG的波形特征。因此，获取EEG信号中反映大脑活动和状态的有用信息,就必须有效地去除脑电数据中的伪差。伪差的去除通过对采集到的EEG信号,首先丢弃一些噪声非常大的信号点或者段，然后将信号重组分段。对于每段信号，先检测各种可能的伪差信号的存在性，若检测到某种伪差存在，再进行相应的去除操作，这样可减小计算量。
2.3 伪差检测和去除方法
预处理过程中，将前几段EEG信号的方差与前几段的平均值相比，若存在明显差异，则标记为含噪段，然后进行后续的各种伪差检测和去除步骤；无明显不同，则标记为无噪段，无需经过后续步骤，直接可以进行麻醉深度参数提取。注意逐段计算过程中前几段的方差均值需要不断更新调整。
麻醉深度监测的脑电信号数据采集与处理
麻醉深度监测不仅对于提高麻醉质量和保障手术安全，而且对减少麻醉并发症以及控制麻醉药品用量具有极为重要的意义。因此，麻醉深度监测一直是外科手术关注的重要问题。自Gibbs等人首次提出用脑电信号EEG(Electro Encephalo Gran)监测麻醉深度的可能性，已引起人们对应用EEG监测麻醉深度的研究。近年来利用脑电信号反映镇静水平和麻醉药物浓度，以用于麻醉深度的监测，并越来越受到临床重视，成为研究的热点。早期对脑电信号监测麻醉深度主要是依靠EEG波形的时域特征分析,随着快速傅里叶变换(FFT) 技术的成熟，越来越多的EEG频域特征，如中间频率(MF)和谱边缘频率(SEF)等被用来反映麻醉深度。如今，最为流行的方法是EEG的双谱指数 (BIS)[1]，它较灵敏地反映了麻醉深度。但由于存在对不同药物、不同麻醉方法反应不同的缺点，使其不能独立应用于临床麻醉监测。迄今为止尚未寻找到普遍适用的，且适用于临床麻醉深度实时监测的特征指标。由于脑电信号中包含了丰富的、与意识及记忆相关的信息，Theiler等人的研究表明脑电是非线性的[2]，但不是源于低维的混沌；Pritchard 等人也指出脑电不是低维的非线性系统[3]。因此脑电信号具有非线性和混沌的特征，而熵(Entropy)则是描述这些特性的重要指标[4-5]。
从麻醉状态下EEG信号的时均衡谱熵分析结果可以看出，在注射麻醉药品180 s左右，反应熵的值开始下降，190 s肌电熵趋于0，病人进入麻醉状态，这一结果很好地印证了七氟醚的药理特性。通过分析可以看出,EEG序列的时均衡谱熵与麻醉深度之间有着密切的关系，可灵敏地反映出麻醉深度的变化。虽然在表征麻醉深度的变化趋势有些缓慢，但由于时均衡谱熵本身具有达到稳定值所需计算窗口小、抗干扰性强的特点，作为麻醉深度的实时监测，仍然是一种好的方法。实验结论是基于七氟醚麻醉药得到的，与其他麻醉药的相关性结论还待进一步的深入研究。
因为生理信号通常是由确定信号、随机信号组成的混合信号，而且分析所需数据长度较短，很适合非平稳信号(如脑电)的监测，因此TBSE非常适合于临床生理信号的监测分析。