麻醉閉環(huán)控制系統(tǒng)模型的研究.pdf

1、在臨床手術中，麻醉是必不可少的一項措施。為了能夠對病人的麻醉深度進行實時的自動監(jiān)測控制，本文建立了一個基于Renyi排序熵(RPE)的麻醉閉環(huán)控制系統(tǒng)模型。本文提出的麻醉閉環(huán)控制系統(tǒng)包括：三房室藥代學模型，由粒子群優(yōu)化算法(Particle SwarmOptimization, PSO)辨識的藥效學模型；蟻群PID(AntColony Optimization-Proportional Integral Derivative, ACO-

2、PID)和模型預測控制(Model Predictive Control, MPC)控制器。為了評估方兩種控制法的控制效果，采用上升時間、超調量、誤差、中值誤差、絕對中值誤差和波動等指標對控制結果進行統(tǒng)計分析，結果證明RPE可以用于麻醉閉環(huán)控制系統(tǒng)中對病人的麻醉深度進行評估，兩種控制方法都可以很快通過調整給藥速度使麻醉深度達到期望值，并維持不同手術操作所需的麻醉深度，滿足臨床需求。
　　為了實現(xiàn)在仿真中產生腦電信號，建立更接近臨床

3、實際的麻醉閉環(huán)控制系統(tǒng)模型，本文還提出了丘腦皮層神經群模型。此模型主要由丘腦-皮層中繼細胞神經群(Thalamo-corticalrelay cell population, TCR)、丘腦網狀核神經群(Thalamic reticular nucleus, TRN)、錐體神經元(Pyramidal neurons)，興奮性神經元(Excitatory interneurons)、慢速動力學抑制性神經元(GABAA,slow)和快速動力

4、學抑制性神經元(GABAA,fast)六個神經群組成。通過調整丘腦-皮層中繼細胞神經群,丘腦網狀核神經群和錐體神經元群的輸入，模擬產生的腦電信號具有和實際腦電信號相同的頻譜，可以實現(xiàn)不同麻醉狀態(tài)的切換。
　　同時，由于麻醉閉環(huán)控制系統(tǒng)中常用的麻醉深度指標均為單一尺度指標，而神經信號往往是多尺度信號，為了探索多尺度麻醉深度指標，本文提出了六種多尺度排序熵方法來量化EEG信號中的藥物效應。六種多尺度排序熵由三種排序熵，即香農排序熵(S

5、hannonpermutation entropy, SPE)、Renyi排序熵(Renyipermutation entropy, RPE)、Tsallis排序熵(Tsallispermutation entropy, TPE)，與兩種多尺度分解方法-粗?；椒?coarse-graining, CG)和移動均值化方法(moving-average, MA)組合構成，從跟蹤麻醉深度的能力、抗噪性和區(qū)分不同麻醉狀態(tài)等方面進行評估，探索最