基于脑电复合排列熵指数的麻醉监测方法

摘要

该发明属于麻醉深度的监测方法。包括参数的初始化、模体分割与识别、确定模体概率、计算信息熵和复合排列熵。该发明根据三点之间的大小关系巧妙地将模体分为13种类别，同时引入阈值以控制噪声对模体识别的影响。再将各模体出现的频率作为其出现的概率来计算信息熵，进而计算出复合排列熵。复合排列熵就是最终的麻醉深度指标。该发明有效地降低了计算复杂度，提高了麻醉监测技术的实时性，必能应用于工程当中。

主权项

1.一种基于脑电复合排列熵的麻醉监测方法，包括：步骤1.设置参数；步骤2.将EEG信号分割成一系列的模体：每个模体取3个点，模体内部相邻两点之间的延时通过参数τ来控制，τ＝1是两点之间的延时为一个采样周期，即模体内部的相邻两点就是EEG信号的相邻两点，另外我们还要分别在τ＝2，3的情况下分割EEG信号；步骤3.按模体内部三个点之间的大小关系将模体分为13类；步骤4.计算每一类模体所包含模体的数目，并除以总模体数得到该类模体的频率，该频率作为该模体出现的概率；步骤5.根据模体概率分布计算信息熵；熵可以利用公式H＝-∑p_i×1n(p_i)计算得到；步骤6.归一化便得到排列熵，并进一步计算出复合排列熵指数；排列熵就是按照公式进行归一化的，复合排列指数是PE的推广，是对于不同的τ计算出来的熵相加再进行归一化处理计算出来的，其计算公式为乘以100是为了让指标分布在0到100的数值范围内。