用近似熵方法監測腦電信號分析麻醉深度

黃廣軼

(黑龍江省計量檢定測試院，黑龍江哈爾濱150036)

用近似熵方法監測腦電信號分析麻醉深度

黃廣軼

(黑龍江省計量檢定測試院，黑龍江哈爾濱150036)

根據基本物理思想可以認為，麻醉期間腦電信號的無序度將會降低，可以作為評估鎮靜程度的指標。近似熵作為一種有效的復雜性分析方法，適合作為麻醉中腦電信號的復雜性測度，研究中分析了麻醉實驗中記錄的40例腦電信號，計算了其近似熵測度的分布。結果表明，腦電信號近似熵可以對麻醉和清醒兩種狀態進行劃分。

近似熵;麻醉深度;腦電信號;鎮靜程度

0 引言

目前，評價麻醉深度主要靠自主神經反應，各種反應針對麻醉狀態表現出的特異性不高，難以準確反映麻醉深度。關于鎮靜程度的監測，目前只有腦電雙頻指數BIS與聽覺誘發電位AEP兩種測度。相關研究表明AEP和BIS都能描述麻醉過程中的鎮靜抑制程度，都與人的意識狀態相關。研究表明，這兩種指標在應用中均具有很大的局限性，尤其是藥物依賴問題。

本文中針對麻醉深度監測系統中的鎮靜程度監測問題，通過進行麻醉狀態下腦電信號的無序度分析，提取出以近似熵這一非線性動力學復雜性測度作為鎮靜程度的指標，分析了手術過程中麻醉狀態下的腦電信號，為麻醉深度監測領域提供了一個有效的鎮靜程度指標。

1 麻醉狀態下腦電信號無序度分析的物理思想

從基本的物理思想上考慮腦神經活動的原理，可以假定麻醉作用將引起腦電信號發生以下兩項基本變化:(1)麻醉作用引起腦電信號在不同頻帶上能量分布的改變;(2)麻醉作用將使腦電信號簡單化，即由無序向有序，由隨機性向確定性發生一定的轉化。

如果這些變化可以定量描述并在分析中得到，則可以通過比對，應用閾值方法區分麻醉狀態和清醒狀態，成為有效的麻醉深度的動力學參數。本研究中采用近似熵這種系統復雜性測度。腦電信號在麻醉狀態下趨于簡單、有序這一生理過程，是意識活動降低的系統性表現，不依賴于特定的感官區域或中樞神經機能。因而對特定神經靶位敏感度較高的不同麻醉藥物，均可以利用腦電信號復雜度測度來評價其最終對中樞神經意識活動的整體抑制程度，從基本原理上克服了鎮靜程度指標的藥物依賴性。

2 近似熵的計算方法

近似熵是立足于物理熵的概念描述非線性信號序列的無序度的測度，根據其計算原理可以認為其適合作為腦電信號的無序度指標。

設 {xi，i=1，．．．N}為一時間序列，由總共N個點組成，按原次序生成一列m維矢量，N取現實序列中的實際值n。則此序列的近似熵為:

其中?m(r)為兩點間距離小于閾值r的距離數與總距離數比值的對數平均值。

按以上計算原理，近似熵描述了增加一個維度之后序列曲線產生新形態的近似幾率，序列曲線產生新形態的可能性越大，則表明曲線越復雜。

3 麻醉狀態下腦電信號的近似熵分析

本文針對獲取的40例麻醉手術的腦電監測信號，計算手術過程中清醒和麻醉兩類狀態下的腦電信號的近似熵值，其統計分布結果如圖1所示。

圖中可見，麻醉期間腦電信號的近似熵比清醒狀態下明顯要小，但存在一定的參差現象。單因素方差分析中，F=40．1957小于 Fα=0．001(1，61) =11．97，如表1，也可以認為清醒和麻醉兩種狀態下腦電信號的近似熵為可區分的。

圖1 40例麻醉實驗中清醒狀態與麻醉狀態腦電信號近似熵值分布

如果通過閾值方法對清醒和麻醉兩種狀態進行區分，區分閾值為0．6420，清醒期/麻醉期的區分數據見表2，其中靈敏性87%和78%，特異性72%和86%，準確性80%和82%，數據可見，近似熵具備區分清醒、麻醉兩狀態的能力，且計算所需的實測數據量較少，本研究中為1280采樣點(10s)，計算時間經優化后可達秒級，這意味著可以盡可能減小現實應用中麻醉監測操作對手術的影響。

表1 腦電信號無序度指標的單因素方差分析

表2 閾值方法區分清醒狀態與麻醉狀態的分析結果

4 結論

基于麻醉狀態下，大腦活動將明顯弱化并趨于簡單有序這一基本生理現象，提出可以描述腦電信號規則程度的各種動力學指標，即鎮靜程度的度量參數。本研究結果表明，近似熵參數在麻醉和清醒兩種狀態存在分布上的明顯差異，基本可認為克服了腦電雙頻譜指數和聽覺誘發電位指數較大的藥物依賴性，可作為區分麻醉和清醒兩種狀態的指標，并且所需實測數據序列較短，計算時間有明顯優勢，更適合于在臨床麻醉深度監測進行應用。

［1］Richard B．Improving Patient Safety in Anesthesia:A Success Story［J］．International Journal of Radiation Oncology Biology Physics，2008，71(1):182-186．

［2］Gajraj P T，Doi N，Nantzaridis H．Analysis of the EEG bispectrun，Auditory evoked potentials and the EEG power speetrun during repeated transitions forn consciousnees to unconsciousness［J］．

［3］Sascha K，Jorgen B，Richard E，et al．Failure of two connercial indexes and spectral paraneters to reflect the pharnacodynanic effect of desflurane on EEG［J］．Journal of Clinical Nonitoring and Conputing，2008，22:149 -158．

［4］Rosso O A，Nartin N T．A Plastino．Brain electrical activity analysis using wavelet-based informational tools［J］．Physica A，2002，313:587-608．

R318．6

A

1002-2376(2015)05-0012-02

2015-01-11