麻醉閉環(huán)控制系統(tǒng)模型的研究.pdf

1、在臨床手術(shù)中，麻醉是必不可少的一項(xiàng)措施。為了能夠?qū)Σ∪说穆樽砩疃冗M(jìn)行實(shí)時(shí)的自動(dòng)監(jiān)測(cè)控制，本文建立了一個(gè)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(xué)模型，由粒子群優(yōu)化算法(Particle SwarmOptimization, PSO)辨識(shí)的藥效學(xué)模型；蟻群PID(AntColony Optimization-Proportional Integral Derivative, ACO-

2、PID)和模型預(yù)測(cè)控制(Model Predictive Control, MPC)控制器。為了評(píng)估方兩種控制法的控制效果，采用上升時(shí)間、超調(diào)量、誤差、中值誤差、絕對(duì)中值誤差和波動(dòng)等指標(biāo)對(duì)控制結(jié)果進(jìn)行統(tǒng)計(jì)分析，結(jié)果證明RPE可以用于麻醉閉環(huán)控制系統(tǒng)中對(duì)病人的麻醉深度進(jìn)行評(píng)估，兩種控制方法都可以很快通過調(diào)整給藥速度使麻醉深度達(dá)到期望值，并維持不同手術(shù)操作所需的麻醉深度，滿足臨床需求。
　　為了實(shí)現(xiàn)在仿真中產(chǎn)生腦電信號(hào)，建立更接近臨床

3、實(shí)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(jīng)群模型。此模型主要由丘腦-皮層中繼細(xì)胞神經(jīng)群(Thalamo-corticalrelay cell population, TCR)、丘腦網(wǎng)狀核神經(jīng)群(Thalamic reticular nucleus, TRN)、錐體神經(jīng)元(Pyramidal neurons)，興奮性神經(jīng)元(Excitatory interneurons)、慢速動(dòng)力學(xué)抑制性神經(jīng)元(GABAA,slow)和快速動(dòng)力

4、學(xué)抑制性神經(jīng)元(GABAA,fast)六個(gè)神經(jīng)群組成。通過調(diào)整丘腦-皮層中繼細(xì)胞神經(jīng)群,丘腦網(wǎng)狀核神經(jīng)群和錐體神經(jīng)元群的輸入，模擬產(chǎn)生的腦電信號(hào)具有和實(shí)際腦電信號(hào)相同的頻譜，可以實(shí)現(xiàn)不同麻醉狀態(tài)的切換。
　　同時(shí)，由于麻醉閉環(huán)控制系統(tǒng)中常用的麻醉深度指標(biāo)均為單一尺度指標(biāo)，而神經(jīng)信號(hào)往往是多尺度信號(hào)，為了探索多尺度麻醉深度指標(biāo)，本文提出了六種多尺度排序熵方法來量化EEG信號(hào)中的藥物效應(yīng)。六種多尺度排序熵由三種排序熵，即香農(nóng)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(dòng)均值化方法(moving-average, MA)組合構(gòu)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(jìn)行評(píng)估，探索最