申请/专利权人：武汉大学人民医院(湖北省人民医院)

申请日：2023-12-07

公开（公告）日：2024-03-22

公开（公告）号：CN117439614B

主分类号：H03M7/30

分类号：H03M7/30;A61B5/00;A61B5/369;A61B5/318;A61B5/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.02.09#实质审查的生效;2024.01.23#公开

摘要：本发明公开了一种麻醉深度监测电数据处理方法及系统，包括步骤S1：获取麻醉深度监测电数据；步骤S2：获取不同子序列的相似性；步骤S3：于获取相似度较好的脑电图电信号子区间数据；步骤S4：基于每个最优子区间对应的分组阈值获取最优子区间步长；得到处理后的麻醉深度监测电数据序列；步骤S5：对处理后的麻醉深度监测电数据序列进行编码压缩，得到压缩后的数据，将压缩后的数据进行存储。本发明大大提高了麻醉深度监测电数据的压缩效果，达到高效传输与存储的目的。

主权项：1.一种麻醉深度监测电数据处理方法，其特征在于，包括以下步骤：步骤S1：获取麻醉深度监测电数据，所述麻醉深度监测电数据为脑电图电信号数据或心电图电信号数据或呼吸活动数据；步骤S2：基于麻醉深度监测电数据的平均值获取麻醉深度监测电数据子段，标记每段数据子段中的最大值点和最小值点，根据数据子段上最大值点之间的距离序列与数据子段上最小值点之间的距离序列间的平均值获取分组阈值的备选区间；根据分组阈值的备选区间获取每个分组阈值下麻醉深度监测电数据中的若干组子序列；根据备选区间中每个分组阈值以及每个分组阈值下麻醉深度监测电数据中相邻子序列间的差异获取每个分组阈值下麻醉深度监测电数据中相邻子序列的序列相似度；所述步骤S2中根据麻醉深度监测电数据的平均值获取麻醉深度监测电数据子段，包括的步骤为：首先获取麻醉深度监测电数据序列的平均值，将平均值记为麻醉深度监测电数据序列中大于且连续分布的信号数据作为麻醉深度监测电数据子段，麻醉深度监测电数据序列中小于等于且连续分布的信号数据也作为麻醉深度监测电数据子段；S2中根据数据子段上最大值点之间的距离序列与数据子段上最小值点之间的距离序列间的平均值获取分组阈值的备选区间，包括的步骤为：获取每个大于平均值的数据子段中的最大值，并标记每个大于平均值的数据子段中最大值的位置，获取每个小于等于平均值的数据子段中的最小值，并标记每个小于等于平均值的数据子段中最小值的位置；相邻的大于平均值的数据子段中，获取最大值的位置之间的距离maxL，所有相邻的大于平均值的数据子段中最大值的位置之间的距离构成距离序列，记为最大值序列[maxL1,maxL2,maxL3,…,maxLg1-1]；其中maxLg1-1表示最大值序列中第g1-1个距离；相邻的小于等于平均值的数据子段中，获取最小值的位置之间的距离minL，所有相邻的小于等于平均值的数据子段中最小值的位置之间的距离构成距离序列，记为最小值序列[minL1,minL2,minL3,…,minLg2-1]；其中minLg2-1表示最小值序列中第g2-1个距离，根据相邻标记最大值间的距离序列与相邻标记最小值间的距离序列间的平均值获取分组阈值的备选区间，公式为： 其中，amax表示分组阈值备选区间的最大值，表示向下取整，g1表示大于平均值的数据子段个数，g2表示小于等于平均值的数据子段个数，maxLt表示最大值序列中第t个相邻标记最大值间的距离与相邻标记最小值间的距离；maxLt表示最小值序列中第t个相邻标记最大值间的距离与相邻标记最小值间的距离，由此得到分组阈值的备选区间为[2,amax]；所述步骤S2中根据分组阈值的备选区间获取每个分组阈值下麻醉深度监测电数据中的若干组子序列，包括的步骤为：遍历备选区间[2,amax]中的每个整数，将遍历到的整数记为分组阈值a，以每a个数据为一组对麻醉深度监测电数据进行分组，在最后一个分组中，若分组中的数据量不足a时，将分组中不足a个的麻醉深度监测电数据量也纳为一组，由此完成麻醉深度监测电数据序列的初始分组，分组总个数记为Ba；将第b组麻醉深度监测电数据序列记为第b个麻醉深度监测电数据子序列；遍历麻醉深度监测电数据序列，得到多个麻醉深度监测电数据子序列，麻醉深度监测电数据子序列的个数为Ba；其中第b个麻醉深度监测电数据子序列为[db,1,db,2,…,db,i,…,db,a]，db,i表示第b个麻醉深度监测电数据子序列第i个电信号数据值，第b+1麻醉深度监测电数据子序列为[db+1,1,db+1,2,,……,db+1,a]；所述步骤S2中根据备选区间中每个分组阈值以及每个分组阈值下麻醉深度监测电数据中相邻子序列间的差异获取每个分组阈值下麻醉深度监测电数据中相邻子序列的序列相似度，包括的步骤为：序列相似度的获取方法为： 式中cb表示第b+1组麻醉深度监测电数据子序列与第b组麻醉深度监测电数据子序列的序列相似度，exp表示以自然常数为底数的指数函数，a表示麻醉深度监测电数据子序列的长度，db+1，i表示第b+1麻醉深度监测电数据子序列中第i个数据的值，db，i表示第b个脑电图电信号数据子序列中第i个数据的值；步骤S3：基于每个分组阈值下的相邻子序列相似度间的差异获取每个分组阈值下麻醉深度监测电数据的一类区间与二类区间；根据分组阈值的大小及一类区间的长度获取所有一类区间的优选程度，根据所有一类区间的优选程度获取多个最优子区间；所述步骤S3中根据每个分组阈值下的序列相似度间的差异获取每个分组阈值下脑电图电信号数据的一类区间与二类区间，包括的步骤为：获取序列相似度序列fa，判断fa中第r个序列相似度值cr，若cr大于等于第一阈值，此时计算c1，c2，...，cr的均值c，从c1，c2，...，cr中选择与c差异最小的序列相似度值作为参考序列相似度值，记为Δc，判断序列相似度值cr与参考序列相似度值Δc差值的绝对值是否小于等于第二阈值，若fa中第r个序列相似度值cr大于等于第一阈值且cr与Δc差值的绝对值小于等于第二阈值，则将序列相似度值c1，c2，...，cr对应的麻醉深度监测电数据子序列归为一个区间，若fa中第r个序列相似度值cr小于第一阈值或cr与Δc差值的绝对值大于第二阈值，此时判断停止，将序列相似度值c1，c2，...，cr-1对应的麻醉深度监测电数据子序列归为一个区间；将其记为第一子区间，将第一子区间从麻醉深度监测电数据序列中去除，获取第二子区间、第三子区间，直至麻醉深度监测电数据序列进行区间划分完成后停止，将满足cr大于等于第一阈值的区间记为一类区间，将不满足cr大于等于第一阈值的区间记为二类区间；所述步骤S3中根据分组阈值的大小及一类区间的长度获取所有一类区间的优选程度，包括的步骤为：一类区间的优选程度计算公式为： 式中wa，z表示分组阈值为a的数据序列区间中第z个一类区间的优选程度，amax表示分组阈值最大值，a表示分组阈值，S表示麻醉深度监测电数据序列中数据总数，sa，z表示分组阈值为a的数据序列区间中第z个一类区间的数据个数，exp表示以自然常数为底数的指数函数；步骤S4：基于每个最优子区间对应的分组阈值获取最优子区间步长；通过每个最优子区间的步长以及二类区间的预设步长对每个最优子区间内的麻醉深度监测电数据进行差分处理，得到处理后的麻醉深度监测电数据序列；所述步骤S4中，根据每个最优子区间对应的分组阈值获取最优子区间步长，包括的步骤为：每一个最优子区间对应一个分组阈值，将每一个最优子区间对应的每一个分组阈值作为每一个最优子区间的最优子区间步长，所有的二类区间的步长均为1，由此得到每一个子区间的步长；所述步骤S4中，通过每个最优子区间的步长以及二类区间的预设步长对每个最优子区间内的麻醉深度监测电数据进行差分处理，得到处理后的麻醉深度监测电数据序列，包括的步骤为：通过每个子区间对应的步长对子区间内的数据进行差分处理，对于最优子区间，保留每个最优子区间对应分组阈值长度的麻醉深度监测电数据，第y个最优子区间对应的分组阈值长度为v，则第y个最优子区间中前v位保留原始的麻醉深度监测电数据，从麻醉深度监测电数据序列中的第v+1位开始对麻醉深度监测电数据序列进行差分处理，得到差分数据，将前v位保留的原始的麻醉深度监测电数据置于差分步长之后，将差分步长与前v位保留的原始的脑电图电信号数据进行标记，将差分数据置于前v位保留的原始的麻醉深度监测电数据之后，由此得到该最优子区间处理之后的数据，对其他最优子区间的处理方法相同；对于二类区间，由于差分步长默认为1，仅需要保留二类区间中的第一位原始的麻醉深度监测电数据，对于二类区间，将差分步长置于区间首位，将前1位保留的原始的麻醉深度监测电数据置于差分步长之后，将差分步长与前1位保留的原始的麻醉深度监测电数据进行标记，将差分数据置于前1位保留的原始的麻醉深度监测电数据之后，由此得到该二类区间处理之后的数据，对其他二类区间的处理方法相同；由此完成所有数据的处理；将处理后的数据按区间划分的顺序进行排列，得到处理后的麻醉深度监测电数据序列步骤S5：对处理后的麻醉深度监测电数据序列进行编码压缩，得到压缩后的数据，将压缩后的数据进行存储。

全文数据：

权利要求：

百度查询： 武汉大学人民医院(湖北省人民医院) 一种麻醉深度监测电数据处理方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD