麻醉深度監(jiān)測(cè)的腦電信號(hào)數(shù)據(jù)采集與處理

麻醉深度監(jiān)測(cè)不僅對(duì)于提高麻醉質(zhì)量和保障手術(shù)安全，而且對(duì)減少麻醉并發(fā)癥以及控制麻醉藥品用量具有極為重要的意義。因此，麻醉深度監(jiān)測(cè)一直是外科手術(shù)關(guān)注的重要問(wèn)題。自Gibbs等人首次提出用腦電信號(hào)EEG(ElectroEncephaloGran)監(jiān)測(cè)麻醉深度的可能性，已引起人們對(duì)應(yīng)用EEG監(jiān)測(cè)麻醉深度的研究。近年來(lái)利用腦電信號(hào)反映鎮(zhèn)靜水平和麻醉藥物濃度，以用于麻醉深度的監(jiān)測(cè)，并越來(lái)越受到臨床重視，成為研究的熱點(diǎn)。早期對(duì)腦電信號(hào)監(jiān)測(cè)麻醉深度主要是依靠EEG波形的時(shí)域特征分析,隨著快速傅里葉變換(FFT)技術(shù)的成熟，越來(lái)越多的EEG頻域特征，如中間頻率(MF)和譜邊緣頻率(SEF)等被用來(lái)反映麻醉深度。如今，最為流行的方法是EEG的雙譜指數(shù)(BIS)[1]，它較靈敏地反映了麻醉深度。但由于存在對(duì)不同藥物、不同麻醉方法反應(yīng)不同的缺點(diǎn)，使其不能獨(dú)立應(yīng)用于臨床麻醉監(jiān)測(cè)。迄今為止尚未尋找到普遍適用的，且適用于臨床麻醉深度實(shí)時(shí)監(jiān)測(cè)的特征指標(biāo)。由于腦電信號(hào)中包含了豐富的、與意識(shí)及記憶相關(guān)的信息，Theiler等人的研究表明腦電是非線性的[2]，但不是源于低維的混沌；Pritchard等人也指出腦電不是低維的非線性系統(tǒng)[3]。因此腦電信號(hào)具有非線性和混沌的特征，而熵(Entropy)則是描述這些特性的重要指標(biāo)[4-5]。目前非線性動(dòng)力學(xué)方法被廣泛地應(yīng)用于非平穩(wěn)信號(hào)的處理，時(shí)頻均譜熵[6]TBSE(Time-FrequencyBalancedSpectralEntropy)分析是其中之一。腦電信號(hào)是一種非平穩(wěn)信號(hào)，而熵分析方法適合于對(duì)腦電信號(hào)的處理。時(shí)頻均譜熵是一種對(duì)復(fù)雜性進(jìn)行度量的分析方法，它不需要對(duì)時(shí)間序列粗?；?，僅需很短的數(shù)據(jù)即可達(dá)到穩(wěn)定的值。與其他復(fù)雜性參數(shù)相比，具有計(jì)算速度快、適合在線實(shí)時(shí)分析的特點(diǎn)，因此在信號(hào)處理相關(guān)領(lǐng)域得到很好的應(yīng)用。EEG序列的時(shí)頻均譜熵表現(xiàn)了EEG序列中產(chǎn)生新模式的概率大小，其概率越大，序列的復(fù)雜性越大，時(shí)頻均譜熵值也越大。

1時(shí)頻均衡譜熵方法

時(shí)頻均衡譜熵(TBSE)是在shannon熵[7]的基礎(chǔ)上闡述頻譜熵的概念，它結(jié)合時(shí)域和頻域分析,應(yīng)用窗可變的短時(shí)傅里葉變換，計(jì)算特定腦電信號(hào)頻譜帶的不規(guī)則性。TBSE算法中計(jì)算了兩個(gè)熵值:(1)狀態(tài)熵(SE)。反映了腦電主要頻帶(0.8Hz～32Hz)的作用；(2)反應(yīng)熵(RE)。反映了腦電和額肌(0.8Hz～47Hz)的快肌肉活動(dòng)的共同作用。二者差值(RE-SE)即為肌電熵(EMG)。狀態(tài)熵和反應(yīng)熵可以區(qū)分有意識(shí)和無(wú)意識(shí)狀態(tài)，可通過(guò)肌電活動(dòng)反映鎮(zhèn)靜程度和疼痛反應(yīng)，體現(xiàn)了麻醉深度監(jiān)測(cè)中應(yīng)用多種方法進(jìn)行綜合分析的趨勢(shì)(如腦電結(jié)合肌電熵分析)。

(1)首先在不同的頻率段計(jì)算出能量譜，然后對(duì)所有的能量譜元素求和再進(jìn)行歸一化：

TBSE作為一種可描述系統(tǒng)復(fù)雜性的參數(shù)，它具有一些相對(duì)其他復(fù)雜性參數(shù)所不具備的特征：

(1)通過(guò)較短的數(shù)據(jù)序列，即可得到穩(wěn)定的肌電熵值。
(2)原始信號(hào)不需要粗?；?。
(3)具有很強(qiáng)的抗噪聲及抗干擾能力，尤其是對(duì)隨機(jī)產(chǎn)生的瞬態(tài)強(qiáng)干擾具有良好的屏蔽作用。因?yàn)殡S機(jī)產(chǎn)生的較強(qiáng)干擾勢(shì)必造成距離大于給定的相似容限距離，而在距離檢測(cè)時(shí)被忽略。
(4)適用于確定信號(hào)、隨機(jī)信號(hào)以及確定信號(hào)和隨機(jī)信號(hào)組成的混合信號(hào)。

因?yàn)樯硇盘?hào)通常是由確定信號(hào)、隨機(jī)信號(hào)組成的混合信號(hào)，而且分析所需數(shù)據(jù)長(zhǎng)度較短，很適合非平穩(wěn)信號(hào)(如腦電)的監(jiān)測(cè)，因此TBSE非常適合于臨床生理信號(hào)的監(jiān)測(cè)分析。

2腦電信號(hào)數(shù)據(jù)采集與處理

2.1數(shù)據(jù)采集

在麻醉深度監(jiān)控中，感興趣的EEG信號(hào)頻率范圍一般70Hz，通常選擇系統(tǒng)采樣頻率在200Hz以上可調(diào)，默認(rèn)為250Hz。因?yàn)橐蟮玫?~4通道的腦電及肌電信號(hào)，故信號(hào)采樣頻率采用1kHz。腦電信號(hào)的前端處理主要包括信號(hào)采集、放大、A/D轉(zhuǎn)換及去噪。

(1)電極選?。郝樽肀O(jiān)測(cè)的電極采用BIS公司的電極,這種電極具有與頭部接觸性好、對(duì)人體無(wú)損害、無(wú)痛、方便等特點(diǎn)。

(2)電極采集位置：EEG的采集位置如圖1所示，采集右前額或左前額的腦電信號(hào)，并以前額的正中間電極作為參考電極。

(3)濾波、放大及A/D的參數(shù)：正常濾波范圍是3Hz～70Hz，喪失濾波時(shí)濾波范圍0.25Hz～100Hz。采樣頻率：1000次/s。通道數(shù)：4個(gè)電極，2導(dǎo)EEG數(shù)據(jù)。

2.2信號(hào)預(yù)處理

由于頭皮記錄的腦電信號(hào)中通常包含許多干擾(如心電、眼動(dòng)、肌動(dòng)等生理學(xué)噪聲，以及電極或環(huán)境噪聲等非生理學(xué)噪聲),這些偽差往往與正常病理特征EEG的波形或頻譜相混淆,容易掩蓋EEG的波形特征。因此，獲取EEG信號(hào)中反映大腦活動(dòng)和狀態(tài)的有用信息,就必須有效地去除腦電數(shù)據(jù)中的偽差。偽差的去除通過(guò)對(duì)采集到的EEG信號(hào),首先丟棄一些噪聲非常大的信號(hào)點(diǎn)或者段，然后將信號(hào)重組分段。對(duì)于每段信號(hào)，先檢測(cè)各種可能的偽差信號(hào)的存在性，若檢測(cè)到某種偽差存在，再進(jìn)行相應(yīng)的去除操作，這樣可減小計(jì)算量。

另外需要注意的是，通常一些干擾,如眼動(dòng)、肌動(dòng)，僅在病人清醒狀態(tài)下存在,在麻醉時(shí)則很少受其影響。因此病人在清醒和麻醉期間,應(yīng)采取不同的去噪算法，當(dāng)病人狀態(tài)發(fā)生變化時(shí)，應(yīng)及時(shí)切換去噪算法,通過(guò)肌電熵閾值判斷病人狀態(tài)轉(zhuǎn)換時(shí)刻，進(jìn)行去噪算法選擇。腦電信號(hào)預(yù)處理部分框圖如圖2所示。

在采集到原始腦電信號(hào)中，不可避免會(huì)出現(xiàn)超過(guò)放大器動(dòng)態(tài)范圍的信號(hào)點(diǎn)或段，這是由于放大器設(shè)置不合適，或者電極在頭皮上發(fā)生移動(dòng)造成的。這類(lèi)偽差由于無(wú)法重建，所以被干擾的部分信號(hào)必須丟棄。根據(jù)采集到的信號(hào)的均值統(tǒng)計(jì)特性，確定其閾值并進(jìn)行識(shí)別，然后判斷是否丟棄信號(hào)。

2.3偽差檢測(cè)和去除方法

預(yù)處理過(guò)程中，將前幾段EEG信號(hào)的方差與前幾段的平均值相比，若存在明顯差異，則標(biāo)記為含噪段，然后進(jìn)行后續(xù)的各種偽差檢測(cè)和去除步驟；無(wú)明顯不同，則標(biāo)記為無(wú)噪段，無(wú)需經(jīng)過(guò)后續(xù)步驟，直接可以進(jìn)行麻醉深度參數(shù)提取。注意逐段計(jì)算過(guò)程中前幾段的方差均值需要不斷更新調(diào)整。

(1)在麻醉監(jiān)控過(guò)程中，病人呼吸是不可避免的，呼吸作用可以通過(guò)在EEG上附加一個(gè)有節(jié)奏的信號(hào)(一般0Hz~0.8Hz)。對(duì)于皮膚的反映，如流汗可能改變電極的阻抗，這些都會(huì)產(chǎn)生一些低頻波,為EEG帶來(lái)基線漂移?？刹捎媒刂诡l率為0.5Hz的高通濾波器濾去這部分干擾。另外，基于感興趣的EEG信號(hào)頻率范圍有限，故一般將其信號(hào)通過(guò)一個(gè)低通濾波器，其截止頻率可選,默認(rèn)值為70Hz。

(2)由于EEG是低功率信號(hào)，易受環(huán)境噪聲影響。手術(shù)室中，腦電信號(hào)獲取設(shè)備周?chē)赡苡写箅娏髟O(shè)備，它們會(huì)引起EEG的工頻干擾,在EEG的50/60Hz和100/120Hz附近產(chǎn)生大的擾動(dòng)，與頻率有關(guān)。因此，在檢測(cè)時(shí)采用計(jì)算50/60±2Hz上的功率占整段信號(hào)總功率之比進(jìn)行干擾判斷，若大于某給定閾值，則存在干擾。去除這種干擾，可使用50/60Hz陷波濾波器，如6thButterworth濾波器。

(3)眼電信號(hào)(EOG)偽差一般是低頻(0~16Hz)高幅波，具有明顯的時(shí)域模式，一般是方形波或者大的尖峰，可以在時(shí)域、頻域計(jì)算信號(hào)特征來(lái)識(shí)別(根據(jù)相鄰多個(gè)數(shù)據(jù)段的特征)。應(yīng)用小波自適應(yīng)閾值化方法去除EOG偽差，是在EOG存在子帶上，選擇合適的閾值及閾值化方法去除，既不需要EOG參考通道，也不需要人的干預(yù)，可自動(dòng)去除。

(4)肌電信號(hào)(ECG)一般具有周期性,頻率主要在13Hz~32Hz左右。其檢測(cè)可利用其自身規(guī)律性結(jié)合頻域特征，提取13Hz~32Hz頻帶信號(hào)計(jì)算其能量，再根據(jù)系數(shù)的局部變化選擇合適閾值，進(jìn)行閾值化以突出偽差存在位置，檢測(cè)偽差發(fā)生中心點(diǎn)；利用基于中心點(diǎn)的時(shí)序鎖定(time-locked)平均計(jì)算ECG平均模板除去ECG偽差。肌電熵(EMG)通常持續(xù)時(shí)間較短，檢測(cè)其存在性，可應(yīng)用卡爾曼自適應(yīng)濾波方法去除，同時(shí)也可除去其他瞬態(tài)大幅度信號(hào)干擾。此外，信號(hào)中也可能含有高斯白噪聲，可以采用小波Bayes估計(jì)方法去除。

3結(jié)果與分析

圖3(a)所示為一段清醒期的腦電信號(hào)，包含有肌電和眼動(dòng)的噪聲。圖3(b)是采用上述方法去噪后的結(jié)果，其中眨眼和眼球動(dòng)干擾明顯被去除，高頻的肌電干擾也被濾除掉了。表明該濾波器工作可靠有效。

圖4(a)、(b)是一段EEG信號(hào)及其對(duì)應(yīng)的麻醉藥物七氟醚濃度。從圖4(c)可以看出病人在注射麻醉藥品之后的不同時(shí)間段內(nèi)，EEG的反應(yīng)熵都有一定的變化。在EEG信號(hào)的初始階段，病人EEG的反應(yīng)熵較高，其值在0.75～0.85之間。在麻醉120s后，反應(yīng)熵明顯下降，麻醉190s后，反應(yīng)熵的值在0.4上下波動(dòng)。EEG信號(hào)的肌電熵如圖4(d)所示，可以看出，其值在0.1～0.4之間波動(dòng)，麻醉190s之后接近于0，表示病人進(jìn)入麻醉狀態(tài)。

由于病人對(duì)外界刺激的反應(yīng)，在病人清醒或麻醉不足時(shí),額前測(cè)得的腦電信號(hào)中會(huì)出現(xiàn)含有肌電信號(hào)(圖4(d))。因此肌電信號(hào)可作為由清醒到麻醉、由麻醉到覺(jué)醒的指示標(biāo)志信息。根據(jù)這一特點(diǎn)，設(shè)定一閾值，當(dāng)肌電熵大于閾值時(shí)，病人處于清醒狀態(tài)；當(dāng)肌電熵小于閾值時(shí)，病人處于麻醉狀態(tài)。由此判斷出狀態(tài)切換時(shí)刻之后，可以對(duì)應(yīng)不同的狀態(tài)，采取不同的預(yù)處理方法：眼電信號(hào)和肌電信號(hào)的偽差只可能在清醒狀態(tài)影響腦電信號(hào)，因此只能在清醒期進(jìn)行檢測(cè)和去除即可；其他偽差檢測(cè)和去除在整個(gè)記錄中均可進(jìn)行。

本文從40余例注射麻醉藥品后的EEG信號(hào)中，選取33個(gè)EEG信號(hào)片斷，進(jìn)行時(shí)頻均衡譜熵分析，將分析結(jié)果作直方圖統(tǒng)計(jì)進(jìn)行分析。圖5(a)為注射麻醉藥品之后的反應(yīng)熵分布直方圖,可以看出此時(shí)EEG信號(hào)的反應(yīng)熵主要分布在0.55～0.80之間。圖5(b)為注射麻醉藥品之后的狀態(tài)熵分布直方圖,可以看出此時(shí)EEG信號(hào)的狀態(tài)熵主要分布在0.45～0.75之間。可見(jiàn)，隨著麻醉深度的不同，反應(yīng)熵的值會(huì)隨之變化，麻醉深度越深，反應(yīng)熵的值越?。宦樽砩疃仍綔\，反應(yīng)熵的值越大。這是由于麻醉深度的加深，大腦神經(jīng)元的興奮性受到抑制，EEG信號(hào)的隨機(jī)程度降低，產(chǎn)生新模式的概率降低，反應(yīng)熵的值也就相應(yīng)降低。麻醉深度減輕時(shí)則剛好相反，這一結(jié)果很好地驗(yàn)證了時(shí)頻均衡譜熵作為臨床麻醉深度監(jiān)測(cè)指標(biāo)的正確性和可行性。

從麻醉狀態(tài)下EEG信號(hào)的時(shí)均衡譜熵分析結(jié)果可以看出，在注射麻醉藥品180s左右，反應(yīng)熵的值開(kāi)始下降，190s肌電熵趨于0，病人進(jìn)入麻醉狀態(tài)，這一結(jié)果很好地印證了七氟醚的藥理特性。通過(guò)分析可以看出,EEG序列的時(shí)均衡譜熵與麻醉深度之間有著密切的關(guān)系，可靈敏地反映出麻醉深度的變化。雖然在表征麻醉深度的變化趨勢(shì)有些緩慢，但由于時(shí)均衡譜熵本身具有達(dá)到穩(wěn)定值所需計(jì)算窗口小、抗干擾性強(qiáng)的特點(diǎn)，作為麻醉深度的實(shí)時(shí)監(jiān)測(cè)，仍然是一種好的方法。實(shí)驗(yàn)結(jié)論是基于七氟醚麻醉藥得到的，與其他麻醉藥的相關(guān)性結(jié)論還待進(jìn)一步的深入研究。