本發明涉及醫用麻醉控制領域，特別是一種個人化的麻醉閉環控制系統。

背景技術：

臨床手術中，全身麻醉是確保手術順利實施非常重要的一步。傳統的麻醉處理是由麻醉師依據他們自身的經驗來確定麻醉劑的注射劑量和給藥速度的，但是可能會出現麻醉劑注射過量或者不足的情況，這可能導致嚴重的并發癥，如術中知曉、嘔吐、心血管疾病、神經活動異常以及術后認知障礙。

現在的麻醉閉環控制系統病人模型大部分是基于群體藥代藥效動力學模型而建，但是由于病人間的個體差異，這樣的系統會有一定的誤差。同時，這些系統大部分采用雙頻指數(BIS)作為麻醉深度指標值，但是BIS易受到噪聲的干擾，會使基準值無法恢復，所以考慮將Renyi熵和香農排序熵結合，將得到的歸一化Renyi排序熵(RPE)用于麻醉深度的監測。

經對現有文獻的檢索發現論文名為FPGA Implementation of Explicit Model Predictive Control for Closed Loop Control of Depth of Anesthesia，該論文中關于麻醉閉環的部分是采用了四房室的藥代藥效動力學模型來調節藥物的輸入，并以BIS作為最主要的麻醉深度指標值，但是沒有對病人模型進行參數優化的辨識過程，同時不是個體化的麻醉閉環控制，難以解決病人個體差異的問題。

技術實現要素：

本發明目的在于提供一種對病人麻醉深度進行實時自動監測，并能自動精確控制給藥的個人化麻醉閉環控制系統。

為實現上述目的，采用了以下技術方案：本發明所述系統包括腦電數據采集裝置、腦電信號預處理裝置、腦電信號分析裝置、閉環控制系統及注射裝置；腦電數據采集裝置的信號采集端獲取腦電數據，腦電信號預處理裝置將采集到的腦電數據進行噪聲與異常值的去除，之后傳輸至腦電信號分析裝置，腦電信號分析裝置與閉環控制系統相連并對預處理后的數據進行分析，得到期望的麻醉深度指標RPE(Renyi permutation entropy)值，并將RPE值傳送到閉環控制系統中；閉環控制系統與注射裝置相連并控制其工作，閉環控制系統計算出下一步麻醉劑輸注速度，注射裝置接收到信號后，注射裝置完成麻醉劑輸注速度的實時控制。

進一步的，腦電數據采集裝置將采集到的腦電數據傳送到預處理裝置中，預處理裝置進行50HZ的工頻噪聲、基線漂移和頭動噪聲的去除，并除去幅值大于200uV異常值和在mean±2SD范圍以外的數據點和肌電噪聲。

進一步的，所述閉環控制系統由藥代藥效動力學PKPD(pharmacokinetic—pharmacodynamics)模型和蟻群PID控制器組成；PKPD模型用于計算出當前麻醉深度指標RPE值，其中的藥效動力學(PD)模型以RPE作為麻醉深度指標，并用粒子群優化算法對PD模型進行辨識，得到模型參數經過優化后的個人化模型，描述效應室濃度和RPE之間的關系；蟻群PID控制器以當前的RPE值與期望的RPE值之間的誤差作為輸入，計算出下一步麻醉劑輸注速度。

進一步的，所述麻醉深度指標RPE定義如下：

式中，p_j代表概率分布，a是概率選擇系數，m為嵌入維數，m！表示排序模式共有m！種。

進一步的，所述系統的藥代藥效動力學(PKPD)模型設定初始麻醉劑的輸注速度為0mg/min，計算出當前的RPE值；其中，基于RPE指標的PD模型，用粒子群優化算法進行辨識，得到參數經過優化的個人化病人模型，PD模型通過將血藥濃度和藥物效應聯系起來，式中，k_e0是藥物在中央室與效應室之間藥物平衡快慢的參數，x_e(t)代表效應室藥物濃度，k_1e為藥物從中央室到效應室的傳遞速率，x₁(t)表示的是中央室的藥物濃度；

效應室和RPE指標之間的關系通過如下進行描述：

式中，E_max和E_min分別是最大和最小的RPE值，EC₅₀為得到最大RPE值的50％時所對應的麻醉藥物的濃度，γ是效應室濃度和RPE之間關系曲線的斜率，x_e(t)代表的是效應室濃度。

與現有技術相比，本發明系統具有如下優點：

1、可根據不同病人的年齡、體重、身高、性別等基本信息，計算出麻醉深度指標值和麻醉劑的輸注速度，對病人麻醉深度進行實時的自動監測與精確的控制給藥。

2、采用RPE作為麻醉深度指標值，并且對PD模型的參數進行了辨識優化，比傳統的麻醉方式更加安全，并能大大減輕麻醉師的工作負擔。

附圖說明

圖1是本發明的系統結構圖。

圖2是本發明的ACO-PID閉環控制結果圖。

附圖標號：1-病人、2-腦電數據采集裝置、3-腦電信號預處理裝置、4-腦電信號分析裝置、5-閉環控制系統、6-藥代藥效動力學模型、7-蟻群PID控制器、8-注射裝置。

具體實施方式

下面結合附圖對本發明做進一步說明：

如圖1所示，本發明所述系統由病人1、腦電數據采集裝置2、腦電信號預處理裝置3、腦電信號分析裝置4、閉環控制系統5及注射裝置8組成；腦電數據采集裝置的信號采集端獲取腦電數據，并將腦電數據傳輸到腦電信號預處理裝置中進行50HZ的工頻噪聲、基線漂移和頭動噪聲的去除，并除去幅值大于200uV異常值和在mean±2SD范圍以外的數據點和肌電噪聲，之后腦電信號預處理裝置將預處理后的腦電數據傳送到腦電信號分析裝置中；

腦電信號分析裝置與閉環控制系統相連并對預處理后的數據進行分析，得到期望的麻醉深度指標RPE(Renyi permutation entropy)值，并將RPE值傳送到閉環控制系統中；所述麻醉深度指標RPE定義如下：

式中，p_j為概率分布，a是概率選擇系數，m為嵌入維數，m！表示排序模式共有m！種。

閉環控制系統與注射裝置相連并控制其工作，所述閉環控制系統由藥代藥效動力學PKPD(pharmacokinetic—pharmacodynamics)模型和蟻群PID控制器組成；PKPD模型用于計算出當前麻醉深度指標RPE值，其中的藥效動力學(PD)模型以RPE作為麻醉深度指標，并用粒子群優化算法對PD模型進行辨識，得到模型參數經過優化后的個人化模型，描述效應室濃度和RPE之間的關系；蟻群PID控制器以當前的RPE值與期望的RPE值之間的誤差作為輸入，計算出下一步麻醉劑輸注速度。注射裝置接收到信號后，注射裝置完成麻醉劑輸注速度的實時控制。

其中，藥代藥效動力學(PKPD)模型設定初始麻醉劑的輸注速度為0mg/min，計算出當前的RPE值；基于RPE指標的PD模型，用粒子群優化算法進行辨識，得到參數經過優化的個人化病人模型，PD模型通過將血藥濃度和藥物效應聯系起來，式中，k_e0是藥物在中央室與效應室之間藥物平衡快慢的參數，x_e(t)代表效應室藥物濃度，k_1e為藥物從中央室到效應室的傳遞速率，x₁(t)表示的是中央室的藥物濃度；

效應室和RPE指標之間的關系通過如下進行描述：

式中，E_max和E_min分別是最大和最小的RPE值，EC₅₀為得到最大RPE值的50％時所對應的麻醉藥物的濃度，γ是效應室濃度和RPE之間關系曲線的斜率，x_e(t)代表的是效應室濃度。

如圖2所示的本發明的ACO-PID閉環控制結果，圖2(A)表示了八個病人采用本系統得到的的麻醉深度控制結果，其中，實線是目標RPE曲線，不同的虛線為實際測得的不同病人的RPE曲線，圖2(B)表示了采用本系統得到的自動調節的丙泊酚輸注速度的曲線。

以上所述的實施例僅僅是對本發明的優選實施方式進行描述，并非對本發明的范圍進行限定，在不脫離本發明設計精神的前提下，本領域普通技術人員對本發明的技術方案做出的各種變形和改進，均應落入本發明權利要求書確定的保護范圍內。