买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及医疗麻醉技术领域，具体涉及基于脑电奇异谱分析的深度神经网络麻醉深度分析方法，包括以下步骤：麻醉事件标记步骤：根据脑电波形数据、面部图像数据和脑干听觉诱发方法进行麻醉事件进行标记；数据处理步骤：通过奇异谱分析法将脑电波形数据转换为矩阵并进行奇异值分解，再通过矩阵变换重新构造原始一维脑电信息；数据分析步骤：对原始一维脑电信息进行滤波处理、傅里叶变换、小波变换、功率谱分析和样本熵分析，获取脑电信息在时域频域上的特征信息；麻醉深度预测步骤：构造深度学习神经网络模型，并将标注结果和特征信息输入到神经网络模型中，并输出病人的麻醉深度预测结果。本发明能够提高麻醉深度预测的准确性。

主权项：1.基于脑电奇异谱分析的深度神经网络麻醉深度分析方法，其特征在于，包括以下步骤：数据获取步骤：获取病人临床手术中的脑电波形数据和面部图像数据；麻醉事件标记步骤：根据脑电波形数据、面部图像数据和脑干听觉诱发方法对病人处于麻醉状态中的各个麻醉事件进行标记，并获得标注结果；数据处理步骤：通过奇异谱分析法将脑电波形数据转换为矩阵并进行奇异值分解，将分解后的奇异值进行分组和去伪降噪，再通过矩阵变换重新构造原始一维脑电信息；数据分析步骤：对原始一维脑电信息进行滤波处理，获取人脑正常活动频率范围内的脑电信息，再结合傅里叶变换、小波变换、功率谱分析和样本熵分析，获取脑电信息在时域频域上的特征信息；麻醉深度预测步骤：构造深度学习神经网络模型，并将标注结果和特征信息输入到神经网络模型中，并输出病人的麻醉深度预测结果；其中麻醉事件标记步骤，包括：S3、根据脑电波数据提取特征数据，并根据特征数据进行麻醉事件的反向标注，得到第一标注结果；对采集面部图像数据进行图像识别，获取各个麻醉事件的第二标注结果；所述步骤S3还包括以下步骤：S301、根据脑电波数据提取特征数据，所述特征数据包括脑电波的振幅、相位、频率；S302、将特征数据结合频域的特征以及功率谱的分析，进行麻醉事件的反向标注，且得到第一标注结果，所述第一标注结果包括各个麻醉事件的时间节点；S303、对采集面部图像数据进行图像识别，获取各个麻醉事件的第二标注结果，所述第二标注结果包括各个麻醉事件对应的图像数据，所述图像数据包括麻醉事件起始时间点到结束时间点的图像帧数据；S304、根据第一标注结果中各个麻醉事件的时间节点，从第二标注结果中各个麻醉事件对应的图像数据里筛选匹配出时间节点相符合的关键图像帧数据，若存在相符合的关键图像帧数据，则将第一标注结果和第二标注结果标记为正常数据，若不存在相符合的关键图像帧数据或不完全相符，则将第一标注结果和第二标注结果标记为异常数据；S4、将脑电波数据、特征数据和第一标注结果进行关联存储并作为第一累计数据，以及将面部图像数据和第二标注结果作为第二累计数据，根据第一累计数据和第二累计数据构建、训练及优化神经网络模型，并将待测病人的面部图像数据输入到神经网络模型中进行麻醉事件的自动判断和标注，且得到第三标注结果；所述步骤S4还包括以下步骤：S401、当第一标注结果和第二标注结果标记为异常数据时，将第一累计数据和第二累计数据发送至医生，获取医生对于第一标注结果和第二标注结果进行麻醉事件重新标注的标注数据，并根据标注数据对第一标注结果和或第二标注结果中标注的麻醉事件进行替换；S402、随机抽取第一标注结果和第二标注结果标记为正常数据的第一累计数据和第二累计数据，并将第一累计数据和第二累计数据发送至医生，获取医生对于第一标注结果和第二标注结果进行麻醉事件重新标注的标注数据；S403、积累设定数量的标注数据以及第一累计数据和第二累计数据，并根据标注数据以及第一累计数据和第二累计数据构建、训练及优化神经网络模型；S5、输出第二标注结果，并与病人进行关联记录；还包括：根据病人的身份信息从医院的病历数据库调取其第一家属数据；所述第一家属数据包括家属姓名、与患者关系和联系方式；根据病人的人脸数据从医院调取视频监控数据，并根据视频监控数据进行人脸识别，获取陪同病人前往医院治疗的人员数据；所述人员数据包括姓名和联系方式；根据手术告知书或知情书获取其病人的第二家属数据；所述第二家属数据包括家属姓名、与患者关系和联系方式；对第一家属数据、人员数据和第二家属数据设置不同的权重分数，并设定关系亲进度参考分数综合计算各个人员的关系亲进度总分数；再根据各个人员的关系亲进度总分数进行降序排名，将排名第一的人员定义为最亲近人员；其中，当第一家属数据或人员数据为空时，数据以零值分析计算；根据最亲近人员的联系方式对其进行语音通信，并通过语音通信获取其设定的语音信息。

全文数据：

权利要求：

百度查询： 中国人民解放军陆军军医大学第二附属医院 基于脑电奇异谱分析的深度神经网络麻醉深度分析方法