一種閉環(huán)的智能麻醉控制系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種閉環(huán)的智能麻醉控制系統(tǒng)，包括監(jiān)控屏幕、生命體征采集端、工作站端和麻醉藥劑注射裝置；生命體征采集端與工作站端相連，生命體征采集端通過傳感器、生命體征檢測裝置采集病人的生命體征傳感信息，并將獲得的傳感信息傳輸至工作站端；工作站端連接到麻醉藥劑注射裝置的輸出，工作站端對生命體征采集端傳送過來的傳感信息進行處理，得出病人所需的麻醉藥物種類、注射藥劑量和注射速度，并通過麻醉劑注射裝置對病人進行麻醉劑的注射；監(jiān)控屏幕監(jiān)控工作站端對病人進行麻醉劑注射時病人的麻醉狀態(tài)。本發(fā)明結合了人工智能與手工輸入的閉環(huán)回路麻醉控制系統(tǒng)，其應用效果非常安全。
【專利說明】一種閉環(huán)的智能麻醉控制系統(tǒng)
【技術領域】
[0001]本發(fā)明涉及醫(yī)用麻醉控制領域，特別是一種可以自動控制的智能麻醉控制系統(tǒng)，該系統(tǒng)結合了人工智能與手工輸入，可根據(jù)實時監(jiān)測病人生命體征信息進行麻醉劑輸入。
【背景技術】
[0002]麻醉定義了病人處于無意識的(同樣可以使用術語“麻醉”、“催眠”來描述這種狀態(tài))，無痛苦的(同樣可以使用術語“痛覺缺失”來形容這種狀態(tài))，肌肉放松的(同樣可以使用“神經肌肉阻滯”、“肌肉阻滯”術語來形容這種狀態(tài))一種狀態(tài)。這三個組成部分在不同程度上描述了全身麻醉的需要具備的必要條件。全身麻醉的部分形式有局部麻醉，病人處于某種程度的無意識的、昏昏欲睡的、痛覺喪失的狀態(tài)，只保證和維護病人的無痛苦狀態(tài)，以允許對其進行某些操作程序或干預。對于全身麻醉的三個組成部分，需要根據(jù)一些參數(shù)來確定其所處的不同程度。
[0003]關于麻醉組成部分之一催眠，可以根據(jù)兩種參數(shù)確定催眠等級:
1)自發(fā)的衍生腦電圖參數(shù)；
2)誘發(fā)電位，可以是患者受刺激后產生的聽覺或任何其他形式的傳感電位。
[0004]關于麻醉組成部分之二痛覺缺失，試圖通過與病人隨時進行溝通來確定痛覺缺失的程度是不可能的，需借助許多參數(shù)來確定痛覺缺失程度。例如，
1)血流動力學參數(shù)，包 括心率、血壓或衍生物；
2)身體對疼痛的反應，例如出汗、流淚的變化、瞳孔大小、手電導能力的變化；
3)對與手術無關的故意誘發(fā)疼痛刺激的反應；
4)其他形式的身體對疼痛的反應。
[0005]關于麻醉組成部分之三肌肉松弛，目前有幾種確定病人麻醉時肌肉松弛程度的方法:
1)可以根據(jù)病人服從命令的能力，直接確定肌肉力量；
2)間接地刺激運動神經，通過各種途徑確定肌肉的收縮。常用方法包括:力的直接測量、收縮的加速度、肌肉收縮的電子測量、運動的電子測量，或肌肉松弛所造成的聲音。
[0006]麻醉醫(yī)師使用這些參數(shù)的變量為每個組成部分估計藥物的劑量。這樣就可以實現(xiàn)將一到三種或更多種藥物注射進入病人的靜脈，或通過吸入、肌肉注攝、皮下注射的方式實現(xiàn)給藥。麻醉給藥最常見的形式之一是靜脈途徑，可以間歇靜脈注射或者連續(xù)靜脈注射。麻醉藥物通常是采用瓶裝容器運輸，為了便于對靜脈注射的管理，必須將麻醉藥裝載到不同大小的注射器，一般采用手工方式標記這些瓶子。

【發(fā)明內容】

[0007]本發(fā)明的目的在于提供一種閉環(huán)的智能麻醉控制系統(tǒng)。該系統(tǒng)結合了人工智能，可根據(jù)實時監(jiān)測病人生命體征信息進行麻醉劑輸入。
[0008]實現(xiàn)本發(fā)明目的的技術解決方案為:一種閉環(huán)的智能麻醉控制系統(tǒng)，包括監(jiān)控屏幕、生命體征采集端、工作站端和麻醉藥劑注射裝置。其中:監(jiān)控模塊獲取表明病人麻醉程度的信息，傳輸給生命體征采集端。生命體征采集端與工作站端相連，生命體征采集端采集病人的腦電雙頻指數(shù)BIS、動脈收縮壓、心跳、痛覺指數(shù)信息，并將獲得的傳感信息傳輸至工作站端；工作站端對生命體征采集端傳送過來的傳感信息進行相應的處理，得出病人所需的麻醉藥物種類、麻醉藥物劑量和注射速率等級，并通過麻醉劑注射裝置對病人進行麻醉劑的注射；監(jiān)控屏幕再根據(jù)工作站端對病人麻醉劑的注射情況監(jiān)控病人的麻醉狀態(tài)。
[0009]其中，麻醉“模式”包括催眠水平、疼痛刺激水平，肌肉松弛的類型和程度。生命體征檢測裝置包括痛覺檢測儀、心跳檢測儀等。
[0010]本發(fā)明與現(xiàn)有技術相比，其顯著優(yōu)點:
(I)目前已有的自動麻醉技術中雖然麻醉藥物劑量和注射過程是由自動系統(tǒng)計算并控制的，但是在麻醉實時過程中，所謂的自動系統(tǒng)無法感知被注射患者的狀況，沒有從催眠程度、痛覺喪失程度、肌肉松弛程度等幾個方面監(jiān)測病人的反應，不能構成真正的自動化閉環(huán)控制系統(tǒng)，只單方面執(zhí)行麻醉環(huán)節(jié)，缺少病人反饋環(huán)節(jié)，容易導致醫(yī)療事故。而本發(fā)明可以有效地解決這些問題。
[0011](2)結合了人工智能與手工輸入的閉環(huán)回路麻醉控制系統(tǒng)，其應用效果將會比只由麻醉醫(yī)師施打麻藥還來得安全。由于許多偏僻醫(yī)院缺乏麻醉醫(yī)師這樣的?？漆t(yī)生，而且未來麻醉醫(yī)師可能會需要同時照顧好幾位病人，支持閉環(huán)回路智能麻醉控制系統(tǒng)可大大減輕麻醉師的工作負荷，支持麻醉師更好地進行長時間手術，使其能將更多精力投入到監(jiān)控病人生理狀況等更重要的工作中。
【專利附圖】

【附圖說明】
[0012]圖1是按照本發(fā)明實現(xiàn)裝置描述的一個智能麻醉控制系統(tǒng)控制元件的模塊框圖。 圖2是圖1智能麻醉控制系統(tǒng)推斷麻醉操作的貝葉斯網絡構建和訓練過程的流程圖示 例。
[0013]圖3是圖1智能麻醉控制系統(tǒng)的貝葉斯網絡分析器推斷麻醉操作過程的流程圖示例。
【具體實施方式】
[0014]本發(fā)明一種閉環(huán)智能麻醉控制系統(tǒng)，包括監(jiān)控屏幕[10]、生命體征采集端[2]、工作站端[3]和麻醉藥劑注射裝置[140]；
生命體征采集端[2]與工作站端相連，生命體征采集端[2]通過傳感器、生命體征檢測裝置采集病人的生命體征傳感信息，并將獲得的傳感信息傳輸至工作站端[3]；
工作站端[3]連接到麻醉藥劑注射裝置[140]的輸出，工作站端[3]對生命體征采集端[2]傳送過來的傳感信息進行處理，得出病人所需的麻醉藥物種類、注射藥劑量和注射速度，并通過麻醉劑注射裝置[140]對病人進行麻醉劑的注射；
監(jiān)控屏幕[10]監(jiān)控工作站端[3]對病人進行麻醉劑注射時病人的麻醉狀態(tài)。
[0015]所述工作站端[3]包括:中央控制單元[131]、數(shù)據(jù)存儲裝置[132]、顯示控制[133]、用戶接口控制[134]、信息輸入控制[135]、麻醉劑注射控制[136]、數(shù)據(jù)庫[137]、領域知識庫[138]和貝葉斯網絡分析器[139];其中，信息輸入控制[135]、數(shù)據(jù)存儲裝置[132]、數(shù)據(jù)庫[137]、貝葉斯網絡分析器[139]都和中央控制單元[131]相連；用戶接口控制[134]和信息輸入控制[135]相連，用戶接口控制[134]接收生命體征采集端[2]輸入的傳感信息，信息輸入控制[135]對這些傳感信息進行數(shù)據(jù)清洗和預處理，將其加工成貝葉斯網絡分析器[139]可處理的格式；數(shù)據(jù)存儲裝置[132]存儲信息輸入控制[135]傳輸過來的加工后的傳感信息；數(shù)據(jù)庫[137]保存生命體征采集端[2]輸入的病人生命體征傳感信息的實時數(shù)據(jù)和歷史數(shù)據(jù)；領域知識庫[138]存儲貝葉斯網絡模型，及以規(guī)則形式存儲的針對不同類型手術的麻醉方案，供貝葉斯網絡分析器[139]推斷麻醉藥劑類型、劑量、注射速率；貝葉斯網絡分析器[139]和顯示控制[133]、麻醉劑注射控制[136]相連，顯示控制[133]和監(jiān)控屏幕[10]相連；貝葉斯網絡分析器[139]包括控制單元、Flash存儲器和基于貝葉斯網絡的自動麻醉控制模塊，F(xiàn)lash存儲器和基于貝葉斯網絡的自動麻醉控制模塊都和控制單元相連，F(xiàn)lash存儲器用來存儲數(shù)據(jù)庫[137]傳輸過來的待分類的病人生命體征傳感信息，基于貝葉斯網絡的自動麻醉控制模塊根據(jù)病人的實際情況判斷病人所需的麻醉藥物種類、劑量、注射速度并將得到的信息輸出到麻醉劑注射控制[136];麻醉劑注射控制[136]和藥物注射裝置[140]相連，控制麻醉劑注射裝置[140]對病人進行麻醉劑的注射。
[0016]所述生命體征傳感信息包括腦電雙頻指數(shù)BIS、動脈收縮壓、心跳和痛覺指數(shù)；所述麻醉狀態(tài)包括催眠深度、肌肉放松程度和痛覺喪失程度。
[0017]基于貝葉斯網絡的自動麻醉控制模塊的實現(xiàn)方法如下:
步驟1:根據(jù)先驗知識構造貝葉斯網絡；
步驟2:訓練貝葉斯網絡；
步驟3:用構建出的貝葉斯網絡推斷麻醉藥物種類、注射藥劑量和注射速度。
[0018]所述步驟I根據(jù)先驗知識構造貝葉斯網絡，具體方法如下:
(1)獲取真實手術中麻醉實施的樣本，其中，麻醉實施樣本由病人的生命體征信息及其對應的麻醉藥物種類、劑量和注射速度的選擇信息組成；
(2)由上述樣本經關聯(lián)規(guī)則挖掘算法——Apriori算法得到所有滿足最小支持度閾值的頻繁項集和所有滿足最小置信度閾值的關聯(lián)規(guī)則；其中，關聯(lián)規(guī)則即麻醉實施樣本中隨機變量之間的因果關系；
(3)根據(jù)得到的關聯(lián)規(guī)則構造相應的貝葉斯網絡。
[0019]所述步驟2訓練貝葉斯網絡，具體方法如下:
(1)當網絡結構已知并且變量可見時，采用樸素貝葉斯分類中涉及的概率計算方法計算貝葉斯網絡中的條件概率表項；
(2)當網絡結構給定但某些變量隱藏時，采用梯度下降方法計算貝葉斯網絡中的條件概率表項。
[0020]梯度下降方法的步驟如下:
[0021](I)對每個i, j, k,計算梯度:
[0022]
【權利要求】
1.一種閉環(huán)智能麻醉控制系統(tǒng)，特征在于:包括監(jiān)控屏幕[10]、生命體征采集端[2]、工作站端[3]和麻醉藥劑注射裝置[140]； 生命體征采集端[2]與工作站端相連，生命體征采集端[2]通過傳感器、生命體征檢測裝置采集病人的生命體征傳感信息，并將獲得的傳感信息傳輸至工作站端[3]； 工作站端[3]連接到麻醉藥劑注射裝置[140]的輸出，工作站端[3]對生命體征采集端[2]傳送過來的傳感信息進行處理，得出病人所需的麻醉藥物種類、注射藥劑量和注射速度，并通過麻醉劑注射裝置[140]對病人進行麻醉劑的注射； 監(jiān)控屏幕[10]監(jiān)控工作站端[3]對病人進行麻醉劑注射時病人的麻醉狀態(tài)。
2.根據(jù)權利要求1所述的閉環(huán)智能麻醉控制系統(tǒng)，其特征在于:所述工作站端[3]包括:中央控制單元[131]、數(shù)據(jù)存儲裝置[132]、顯示控制[133]、用戶接口控制[134]、信息輸入控制[135]、麻醉劑注射控制[136]、數(shù)據(jù)庫[137]、領域知識庫[138]和貝葉斯網絡分析器[139];其中，信息輸入控制[135]、數(shù)據(jù)存儲裝置[132]、數(shù)據(jù)庫[137]、貝葉斯網絡分析器[139]都和中央控制單元[131]相連；用戶接口控制[134]和信息輸入控制[135]相連，用戶接口控制[134]接收生命體征采集端[2]輸入的傳感信息，信息輸入控制[135]對這些傳感信息進行數(shù)據(jù)清洗和預處理，將其加工成貝葉斯網絡分析器[139]可處理的格式；數(shù)據(jù)存儲裝置[132]存儲信息輸入控制[135]傳輸過來的加工后的傳感信息；數(shù)據(jù)庫[137]保存生命體征采集端[2]輸入的病人生命體征傳感信息的實時數(shù)據(jù)和歷史數(shù)據(jù)；領域知識庫[138]存儲貝葉斯網絡模型，及以規(guī)則形式存儲的針對不同類型手術的麻醉方案，供貝葉斯網絡分析器[139]推斷麻醉藥劑類型、劑量、注射速率；貝葉斯網絡分析器[139]和顯示控制[133]、麻醉劑注射控制[136]相連，顯示控制[133]和監(jiān)控屏幕[10]相連；貝葉斯網絡分析器[139]包括控制單元、Flash存儲器和基于貝葉斯網絡的自動麻醉控制模塊，F(xiàn)lash存儲器和基.于貝葉斯網絡的自動麻醉控制模塊都和控制單元相連，F(xiàn)lash存儲器用來存儲數(shù)據(jù)庫[137]傳輸過來的待分類的病人生命體征傳感信息，基于貝葉斯網絡的自動麻醉控制模塊根據(jù)病人的實際情況判斷病人所需的麻醉藥物種類、劑量、注射速度并將得到的信息輸出到麻醉劑注射控制[136];麻醉劑注射控制[136]和藥物注射裝置[140]相連，控制麻醉劑注射裝置[140]對病人進行麻醉劑的注射。
3.根據(jù)權利要求1所述的閉環(huán)智能麻醉控制系統(tǒng)，其特征在于:所述生命體征傳感信息包括腦電雙頻指數(shù)BIS、動脈收縮壓、心跳和痛覺指數(shù)；所述麻醉狀態(tài)包括催眠深度、肌肉放松程度和痛覺喪失程度。
4.根據(jù)權利要求1所述的閉環(huán)智能麻醉控制系統(tǒng)，其特征在于:基于貝葉斯網絡的自動麻醉控制模塊的實現(xiàn)方法如下: 步驟1:根據(jù)先驗知識構造貝葉斯網絡； 步驟2:訓練貝葉斯網絡； 步驟3:用構建出的貝葉斯網絡推斷麻醉藥物種類、注射藥劑量和注射速度。
5.根據(jù)權利要求1或4所述的閉環(huán)智能麻醉控制系統(tǒng)，其特征在于:所述步驟I根據(jù)先驗知識構造貝葉斯網絡，具體方法如下: 獲取真實手術中麻醉實施的樣本，其中，麻醉實施樣本由病人的生命體征信息及其對應的麻醉藥物種類、劑量和注射速度的選擇信息組成； 由上述樣本經關聯(lián)規(guī)則挖掘算法——Apriori算法得到所有滿足最小支持度閾值的頻繁項集和所有滿足最小置信度閾值的關聯(lián)規(guī)則；其中，關聯(lián)規(guī)則即麻醉實施樣本中隨機變量之間的因果關系； 根據(jù)得到的關聯(lián)規(guī)則構造相應的貝葉斯網絡。
6.根據(jù)權利要求1或4所述的閉環(huán)智能麻醉控制系統(tǒng)，其特征在于:所述步驟2訓練貝葉斯網絡，具體方法如下: 當網絡結構已知并且變量可見時，采用樸素貝葉斯分類中涉及的概率計算方法計算貝葉斯網絡中的條件概率表項； 當網絡結構給定但某些變量隱藏時，采用梯度下降方法計算貝葉斯網絡中的條件概率表項。
7.根據(jù)權利要求6所述的閉環(huán)智能麻醉控制系統(tǒng)，其特征在于:梯度下降方法的步驟如下: (I)對每個i, j, k,計算梯度:
8.根據(jù)權利要求1或4所述的閉環(huán)智能麻醉控制系統(tǒng)，其特征在于:所述步驟3用構建出的貝葉斯網絡推斷麻醉藥物種類、注射藥劑量和注射速度，具體方法如下: 輸入有向無環(huán)圖DAG，不可觀察要素節(jié)點y和正規(guī)化因子α ;對所有可觀察隨機變量節(jié)點用觀察值實例化，將不可觀察節(jié)點實例化為隨機值； 對DAG進行遍歷，對每一個不可觀察節(jié)點y,計算
【文檔編號】A61M5/31GK103432651SQ201210591264
【公開日】2013年12月11日 申請日期:2012年12月31日 優(yōu)先權日:2012年12月31日
【發(fā)明者】王永利, 孫淑榮, 張功萱, 劉冬梅, 錢秀娟, 莊雪琴, 王呈, 王川 申請人:南京理工大學