-
公开(公告)号：CN109567823B
公开(公告)日：2020-05-15
申请号：CN201811346506.2
申请日：2018-11-13
Applicant: 西安交通大学
IPC: A61B5/1455 , A61B5/00
Abstract: 一种基于近红外光谱技术的麻醉深度监测系统及方法，包括脑血氧信号采集模块A，样本熵计算模块B，目标信号辨识模块C，最佳阈值确定模块D，先利用波长为735nm和850nm的近红外光分别采集病人前额叶的多种Hb和HbO2信号，并且进行0.01‑0.04Hz的带通滤波；然后利用样本熵算法进行数据处理，计算病人在不同阶段的样本熵值；再通过绘制ROC曲线，利用AUC值，选出对麻醉与清醒状态区分能力最强的信号；最后，利用尤登指数，找到能区分麻醉与清醒这两个阶段的最佳的阈值，使用该阈值进行麻醉深度监测；本发明具有计算所需的数据长度较短，运算效率高、更快速的筛选出所需监测的信号、安全便携、价格低廉的特点。
-
公开(公告)号：CN110811556A
公开(公告)日：2020-02-21
申请号：CN201911118032.0
申请日：2019-11-15
Applicant: 西安交通大学
IPC: A61B5/00 , A61B5/0476 , A61B5/145
Abstract: 一种基于脑电微状态分析的麻醉深度监测系统及方法，系统包括脑电信号采集模块A、微状态时间序列构建模块B、微状态参数计算模块C和分类识别模块D四个模块，先用高密度脑电采集被试全脑脑电信号，然后根据微状态算法构建相应的微状态时间序列；再计算该时间序列的如时间占比、能量等微状态参数；接着通过主成分分析对微状态参数精简，得到特征值，使用支持向量机进行识别分类；本发明在把大脑作为一个有机整体的基础上，将脑电的时间信息和空间信息结合起来，反映脑电拓扑在时域上的特征，同时能够有效、准确地监测病人麻醉深度。
-
公开(公告)号：CN116662736A
公开(公告)日：2023-08-29
申请号：CN202310647188.8
申请日：2023-06-02
Applicant: 西安交通大学
IPC: G06F18/00 , A61B5/374 , A61B5/00 , G06F18/10 , G06F18/25 , G06F17/16 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 一种基于深度学习混合模型的人体状态评估方法，包括获取传感器空间多通道麻醉状态下脑电信号并对获取的脑电信号进行预处理；脑电源成像并重建，并分区计算各脑区活动分布进行脑电源重建生成源空间脑电信号；计算无偏加权相位延迟指数连接矩阵，利用两组人之间的置换检验，找出有显著差异的频带，利用有显著差异的频带进行后续分析；基于有显著差异的频带，训练特征解离双编码器卷积自编码器模型；将训练完的自编码器模型与卷积神经网络模型连接构成深度学习混合模型，训练模型，最后进行模型评估；本发明对传感器脑电信号进行分析，利用深度学习混合模型进行识别分类，减少了数据中的无用信息，提高了模型的准确率。
-
Patent Agency Ranking
公开(公告)号：CN109893097B
公开(公告)日：2020-12-08
申请号：CN201910244092.0
申请日：2019-03-28
Applicant: 西安交通大学
IPC: A61B5/00 , A61B5/1455
Abstract: 一种基于近红外相位幅值耦合的麻醉深度监测系统及方法，监测系统包括脑血氧信号采集模块，相位幅值耦合调制指数计算模块，最佳频段选定模块，目标信号辨识模块，最佳阈值确定模块和应用模块，先用近红外采集病人前额的Hb和HbO2信号，粗滤波后用相位幅值耦合算法计算各信号MI值；后比较不同阶段的信号MI值差值，得到最佳频段；再重新滤波，计算信号MI值；再用ROC曲线的AUC值，选出对麻醉、清醒区分能力最强的目标信号；再用尤登指数，找到能区分这两阶段的最佳阈值；对进行全麻的新病人，便可采集目标信号，在最佳频段滤波，计算MI值，使用最佳阈值进行麻醉深度监测；本发明具有运算效率高、快速的筛选所需监测信号、安全便携、价格低廉的特点。
-
公开(公告)号：CN110811557A
公开(公告)日：2020-02-21
申请号：CN201911118047.7
申请日：2019-11-15
Applicant: 西安交通大学
IPC: A61B5/00 , A61B5/0476 , A61B5/145
Abstract: 一种基于微状态功率谱分析的麻醉深度监测系统及方法，系统包括脑电信号采集模块A、微状态时间序列构建模块B、脑电时-频信息计算模块C、微状态功率谱构建模块D和分类识别模块E五个模块，先用高密度脑电采集被试全脑脑电信号，然后根据微状态算法构建相应的微状态时间序列；同时通过MEMD对脑电信号信号进行分解，得到不同时间点的脑电信号的瞬时频段和功率,进而得到各通道的希尔伯特谱；再将微状态时间序列构和脑电态时-频信息相结合，得到不同频率的微状态功率谱；接着不同频段的微状态功率谱分别为特征输入到SVM进行模式识别分类；本发明利用脑电微状态及其时-频信息对麻醉深度进行监测，同时能够有效、准确地监测病人麻醉深度。
-
公开(公告)号：CN109893097A
公开(公告)日：2019-06-18
申请号：CN201910244092.0
申请日：2019-03-28
Applicant: 西安交通大学
IPC: A61B5/00 , A61B5/1455
Abstract: 一种基于近红外相位幅值耦合的麻醉深度监测系统及方法，监测系统包括脑血氧信号采集模块，相位幅值耦合调制指数计算模块，最佳频段选定模块，目标信号辨识模块，最佳阈值确定模块和应用模块，先用近红外采集病人前额的Hb和HbO2信号，粗滤波后用相位幅值耦合算法计算各信号MI值；后比较不同阶段的信号MI值差值，得到最佳频段；再重新滤波，计算信号MI值；再用ROC曲线的AUC值，选出对麻醉、清醒区分能力最强的目标信号；再用尤登指数，找到能区分这两阶段的最佳阈值；对进行全麻的新病人，便可采集目标信号，在最佳频段滤波，计算MI值，使用最佳阈值进行麻醉深度监测；本发明具有运算效率高、快速的筛选所需监测信号、安全便携、价格低廉的特点。
-
公开(公告)号：CN109567823A
公开(公告)日：2019-04-05
申请号：CN201811346506.2
申请日：2018-11-13
Applicant: 西安交通大学
IPC: A61B5/1455 , A61B5/00
Abstract: 一种基于近红外光谱技术的麻醉深度监测系统及方法，包括脑血氧信号采集模块A，样本熵计算模块B，目标信号辨识模块C，最佳阈值确定模块D，先利用波长为735nm和850nm的近红外光分别采集病人前额叶的多种Hb和HbO2信号，并且进行0.01-0.04Hz的带通滤波；然后利用样本熵算法进行数据处理，计算病人在不同阶段的样本熵值；再通过绘制ROC曲线，利用AUC值，选出对麻醉与清醒状态区分能力最强的信号；最后，利用尤登指数，找到能区分麻醉与清醒这两个阶段的最佳的阈值，使用该阈值进行麻醉深度监测；本发明具有计算所需的数据长度较短，运算效率高、更快速的筛选出所需监测的信号、安全便携、价格低廉的特点。
-
公开(公告)号：CN116842453A
公开(公告)日：2023-10-03
申请号：CN202310647192.4
申请日：2023-06-02
Applicant: 西安交通大学
IPC: G06F18/2411 , A61B5/374 , A61B5/00 , G06F18/2136 , G06F17/16
Abstract: 一种基于的人体状态评估方法，包括获取脑电信号；脑电源成像并重建，根据Brodmann脑分区计算各脑区活动分布进行脑电源重建生成源空间脑电信号；在所有时域下，计算所有人所有通道对的不同样本的无偏加权相位延迟指数连接矩阵；利用两组人之间的置换检验，找出有显著差异的频带以及对应的无偏加权相位延迟指数连接矩阵；在不同稀疏度下分别计算传感器空间脑电信号和源空间脑电信号的脑网络参数，按照稀疏度计算对应的参数的曲线下面积作为特征；特征输入支持向量机模型完成易麻醉人群和不易麻醉人群的区分；本发明计算效率高，提升精度，同时测试时仅使用清醒状态下的数据，就能实现预测。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
