麻醉術(shù)中并發(fā)癥的智能監(jiān)測(cè)與診斷方法研究及實(shí)現(xiàn).pdf

1、絕對(duì)血容量不足(AHV)是全麻術(shù)中的一種麻醉并發(fā)癥。在中、大型手術(shù)的進(jìn)行過(guò)程中，因?yàn)椴∪耸а蛎撍仍颍苡锌赡馨l(fā)生AHV；而如果沒(méi)有及時(shí)的診斷和處理(如補(bǔ)充全血或血漿、補(bǔ)液等)，將對(duì)病人造成嚴(yán)重的后果，甚至危及生命。實(shí)際臨床中，因?yàn)槿鄙偈中g(shù)中測(cè)定絕對(duì)血容量的方法，麻醉醫(yī)生往往需要時(shí)刻關(guān)注病人的各項(xiàng)體征及其變化，并根據(jù)自己的醫(yī)學(xué)知識(shí)和經(jīng)驗(yàn)對(duì)AHV做出診斷，這是臨床上麻醉醫(yī)生工作中的難點(diǎn)之一。因此，如何利用病人的臨床信息進(jìn)行AHV的及時(shí)

2、或早期診斷已成為相關(guān)領(lǐng)域的研究熱點(diǎn)之一。本文圍繞著AHV的監(jiān)測(cè)與早期診斷問(wèn)題運(yùn)用多種技術(shù)方法進(jìn)行了研究，基于麻醉醫(yī)生的專家知識(shí)，深入分析了病人常規(guī)體征信號(hào)與AHV的相關(guān)關(guān)系，利用臨床普通麻醉監(jiān)護(hù)儀提供的四種體征信號(hào)：血壓、心率、脈量和呼氣末二氧化碳濃度，設(shè)計(jì)了診斷AHV的綜合指標(biāo)體系，引入了三種AHV輔助診斷算法，并結(jié)合虛擬儀器技術(shù)，進(jìn)行了麻醉監(jiān)測(cè)與診斷的系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)。系統(tǒng)測(cè)試和分析結(jié)果表明，算法(系統(tǒng))診斷結(jié)果與麻醉醫(yī)生的診斷結(jié)果有

3、強(qiáng)的一致性，并且具有提前診斷的優(yōu)點(diǎn)(比麻醉醫(yī)生提前3～5分鐘左右做出診斷)，從而對(duì)于減輕麻醉醫(yī)生工作壓力、保障麻醉安全具有重要意義。此外，本文還針對(duì)局麻術(shù)中的聲帶麻痹并發(fā)癥的診斷問(wèn)題做了研究。在臂從麻醉和頸從麻醉術(shù)中，聲帶麻痹的發(fā)生率在某些年齡群體中可達(dá)50％以上，術(shù)中聲帶麻痹往往反映了喉的運(yùn)動(dòng)神經(jīng)(喉返神經(jīng))受到影響，及時(shí)的診斷和處理可防止喉返神經(jīng)長(zhǎng)期損害的發(fā)生。而目前的聲帶麻痹無(wú)損檢測(cè)法需要專業(yè)人員對(duì)病人術(shù)前術(shù)后聲音進(jìn)行鑒別，存在著

4、依賴醫(yī)師經(jīng)驗(yàn)、主觀性強(qiáng)的不足，因此本文提出了一種新的無(wú)損檢測(cè)與診斷聲帶麻痹的算法，深入研究了小波包分析和支持向量機(jī)等技術(shù)在診斷病人術(shù)后聲帶麻痹方面的應(yīng)用。
　　 本文主要的研究?jī)?nèi)容及成果如下：
　　 提出了診斷術(shù)中絕對(duì)血容量不足的統(tǒng)計(jì)警示算法。統(tǒng)計(jì)警示算法是一種實(shí)時(shí)的、基于病人體征信號(hào)統(tǒng)計(jì)特征的算法。算法首先基于麻醉醫(yī)生的專業(yè)知識(shí)及經(jīng)驗(yàn)，構(gòu)建了診斷AHV的指標(biāo)體系，再對(duì)這些指標(biāo)(病人的臨床生理特征)進(jìn)行分析和處理，并最終

5、將這些信號(hào)轉(zhuǎn)換為其標(biāo)準(zhǔn)差的倍數(shù)作為病人實(shí)時(shí)警示水平，根據(jù)可調(diào)的警示閾值判斷是否警示。統(tǒng)計(jì)警示算法提供了一條新的途徑來(lái)評(píng)價(jià)術(shù)中病人的血容量狀態(tài)，不但考慮了相關(guān)信號(hào)值的變化，而且同時(shí)考慮了這些變化的發(fā)生點(diǎn)，從而增加了算法的可靠性和普適性。
　　 提出了診斷術(shù)中血容量不足的基于模糊邏輯的算法。通過(guò)觀測(cè)構(gòu)建的一系列診斷生理指標(biāo)的變化(血壓、心率和脈量)，將參數(shù)的變化趨勢(shì)及一段時(shí)間內(nèi)參數(shù)變化的范圍組合起來(lái)，應(yīng)用模糊匹配過(guò)程技術(shù)來(lái)區(qū)分AHV

6、與其它術(shù)中并發(fā)癥，并做出相應(yīng)的診斷。
　　 還對(duì)診斷絕對(duì)血容量不足的另一種方法：動(dòng)脈收縮壓變化算法進(jìn)行了研究。對(duì)于控制性機(jī)械通氣的病人，動(dòng)脈收縮壓的變化能靈敏地反映低血容量，提供心室功能曲線。動(dòng)脈收縮壓變化算法和模糊邏輯算法是對(duì)統(tǒng)計(jì)警示算法的補(bǔ)充，前者僅適用于機(jī)械通氣的病人，應(yīng)用范圍不同；后者是離線算法，可對(duì)統(tǒng)計(jì)警示算法的結(jié)果進(jìn)行對(duì)比驗(yàn)證。三者一起組成了麻醉智能監(jiān)測(cè)與診斷系統(tǒng)的診斷模塊，起到互相補(bǔ)充及驗(yàn)證的作用，可提供更多的診斷

7、信息，增強(qiáng)麻醉醫(yī)生的診斷信心。
　　 針對(duì)局部麻醉術(shù)中可能出現(xiàn)的聲帶麻痹，提出了一種基于小波包分析和最小二乘支持向量機(jī)的無(wú)損診斷方法。在研究最小二乘支持向量機(jī)的過(guò)程中，引入一種改進(jìn)的交叉驗(yàn)證參數(shù)選擇算法，能夠有效降低算法的復(fù)雜度；并與常用的評(píng)價(jià)聲音質(zhì)量的HDm方法(Hoarseness Diagram Method)進(jìn)行了對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，對(duì)于麻醉術(shù)后出現(xiàn)聲帶麻痹、表現(xiàn)為聲音嘶啞的病人聲音數(shù)據(jù)，新算法的準(zhǔn)確率、靈敏度及特異

8、性均比HDm方法要高，有著一定的臨床應(yīng)用前景。
　　 在對(duì)以上診斷方法進(jìn)行了分析和闡述之后，應(yīng)用LabVIEW建立了基于虛擬儀器的麻醉智能監(jiān)測(cè)與診斷系統(tǒng)。經(jīng)過(guò)實(shí)際運(yùn)行和Kappa分析測(cè)試，該系統(tǒng)與麻醉專家的診斷結(jié)果有強(qiáng)的一致性，可以應(yīng)用于臨床實(shí)踐，從而對(duì)減輕麻醉醫(yī)生工作負(fù)擔(dān)、提高麻醉安全和計(jì)算機(jī)輔助診斷技術(shù)的發(fā)展有著較大的幫助。
　　 本課題受到中國(guó)國(guó)家自然科學(xué)基金和新西蘭奧克蘭理工大學(xué)合作項(xiàng)目(Coorperative