作为现代临床手术过程中必不可少的一个重要环节，麻醉状态的准确判断始终是一项挑战。相同剂量的麻醉药对于不同的人产生的效果也不完全相同，故麻醉具有较高的风险。麻醉过浅时患者可能会感到手术的疼痛或压力，对患者的生理和心理都产生严重的影响；麻醉过深可能会导致严重的脑损伤、神经损伤、瘫痪或者脊髓损伤及严重的术中并发症，甚至增加术后死亡率。为确保病人安全，准确监测大脑所处的麻醉状态不仅能够对麻醉医生的用药量提供指导，而且对于提供一个安全稳定的手术环境具有重要的意义。脑电信号能够直接反映中枢神经系统的活动，因此脑电技术当前成为分析麻醉状态的最佳手段之一。针对麻醉状态监测问题，高忠科教授团队设计了一套基于便携式脑电采集设备和深度学习算法的麻醉状态监测系统。如下图1所示，该系统基于自主研发的便携式脑电采集设备获取患者接受麻醉后的脑电信号，利用滑动窗口技术对脑电信号进行分割后得到一系列滑动窗口数据，根据脑电信号通道的拓扑结构，利用预处理方法从分割后的脑电信号中提取特征，构建脑电特征图像，然后利用提出的基于深度学习的智能算法进行计算分析并分类，在显示器上实时显示麻醉状态，实现患者的麻醉状态监测。
图1 麻醉监测系统框图
