基于模糊神经网络麻醉深度监测的研究

摘要

本文的工作重点在于建立模糊神经网络(fuzzyneuralnetwork，FNN)模型来对麻醉信号进行信息融合，以期能建立DOA指标，实现对DOA的监测。实验数据来自31位不同麻醉药下全麻病人提供的脑电图(electroencephalogram，EEG)信号，病人年龄从25岁到86岁。从EEG信号中提取Kc复杂度(Kccomplexity，Kc)、近似熵(approximateentropy，ApEn)、小波熵(Waveletentropy，WE)三个非线性动力学特征参数，这三个特征参数作为FNN的输入，返回一个参数——麻醉深度。通过不同特征参数对FNN的训练，成功监测病人是否处于麻醉状态，输出值精确度达到98.66％/93.86％(麻醉状态/正常状态)，初步建立DOA指标，实现对DOA的监测。最后，在对全文所做工作进行总结的基础上，展望了今后进一步研究的方向。 实验证明，FNN具有良好的准确性和稳定性，是DOA监测有效而又有潜力的一个工具，是具有临床应用价值的。

目录

文摘

英文文摘

1.麻醉深度监测研究背景

2.麻醉期EEG信号的特征参数

3.模糊神经网络原理和建立

4.EEG信号的麻醉深度监测

5.展望

参考文献

致谢