radioelectronicsИзвестия высших учебных заведений России. РадиоэлектроникаJournal of the Russian Universities. Radioelectronics1993-89852658-4794Saint Petersburg Electrotechnical University10.32603/1993-8985-2018-21-6-111-117radioelectronics-281Research ArticleПРИБОРЫ МЕДИЦИНСКОГО НАЗНАЧЕНИЯ, КОНТРОЛЯ СРЕДЫ, ВЕЩЕСТВ, МАТЕРИАЛОВ И ИЗДЕЛИЙMEDICAL DEVICES, ENVIRONMENT, SUBSTANCES, MATERIAL AND PRODUCTИССЛЕДОВАНИЕ ВЛИЯНИЯ ДЛИНЫ СИГНАЛА ЭЭГ НА ТОЧНОСТЬ КЛАССИФИКАЦИИ УРОВНЕЙ АНЕСТЕЗИИINVESTIGATION OF EEG SIGNAL LENGTH INFLUENCE ON ACCURACY OF ANESTHESIA LEVELS CLASSIFICATIONАль-ГаилиМ. А.Al-GhailiMokhammed A.

Аль-Гаили Мохаммед Ахмед Хамуд – аспирант кафедры биотехнических систем Санкт-Петербургского государственного электротехнического университета "ЛЭТИ" им. В. И. Ульянова (Ленина). Автор пяти научных публикаций. Сфера научных интересов – цифровая обработка биомедицинских сигналов, машинное обучение, распознавание образов.

ул. Профессора Попова, д. 5, Санкт-Петербург, 197376

alghily@mail.ruКалиниченкоА. Н.KalinichenkoAlexander N.

Калиниченко Александр Николаевич – доктор технических наук (2009), старший научный сотрудник (1998), профессор кафедры биотехнических систем Санкт-Петербургского государственного электротехнического университета "ЛЭТИ" им. В. И. Ульянова (Ленина). Автор более 160 научных работ. Сфера научных интересов – компьютерный анализ биомедицинских сигналов, машинное обучение, распознавание образов.

ул. Профессора Попова, д. 5, Санкт-Петербург, 197376

ank-bs@yandex.ruКаидМ. Р.QaidMokhammed R.

Мохаммед Ракиб Табит Каид – магистр по направлению Биотехнические системы и технологии (2018, Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В. И. Ульянова (Ленина)). Сфера научных интересов – цифровая обработка биомедицинских сигналов.

ул. Профессора Попова, д. 5, Санкт-Петербург, 197376

mkaid@gmail.comСанкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В. И. Ульянова (Ленина)Россия20182812201806111117Copyright © Аль-Гаили М.А., Калиниченко А.Н., Каид М.Р., 20182018Аль-Гаили М.А., Калиниченко А.Н., Каид М.Р.Al-Ghaili M.A., Kalinichenko A.N., Qaid M.R.This work is licensed under a Creative Commons Attribution 4.0 License.https://re.eltech.ru/jour/article/view/281

Одной из важнейших задач при проведении хирургических операций является оценка глубины анестезии пациента. Глубина общей анестезии традиционно оценивалась с помощью гемодинамических признаков, которые плохо коррелируют с уровнем сознания пациента. Сигналы электроэнцефалограммы (ЭЭГ) содержат ценную информацию о процессах в мозге пациента, поэтому анализ ЭЭГ рассматривается как один из наиболее полезных методов в исследовании и оценке глубины анестезии в клинических применениях. Нелинейный анализ для оценки глубины анестезии позволяет получить информацию, которая не может быть получена с использованием методов спектрального анализа ЭЭГ. Формирование комплекса диагностически значимых показателей ЭЭГ во время анестезии дает возможность адекватно описать эти сложные процессы и изменения с помощью совместного использования четырех параметров ЭЭГ: SE, BSR, SEF95, RBR. Целью работы является исследование влияния длительности анализируемого фрагмента сигнала ЭЭГ на точность оценки уровней анестезии с помощью алгоритма линейного дискриминантного анализа и определение длины сигнала ЭЭГ, при которой получается приемлемая точность разделения уровней наркоза с помощью этих параметров. Предложен новый метод классификации уровней анестезии по ЭЭГ. Показана возможность классификации уровней анестезии с помощью совместного использования рассматриваемых параметров ЭЭГ (SE, BSR, SEF95, RBR). Метод может быть использован в мониторах анестезии, служащих для контроля глубины наркоза в целях выбора подходящей дозы анестезирующих препаратов во время операций, что позволит избежать как случаев интраоперационного пробуждения, так и излишне глубокого наркоза.

This paper considers one of the challenging tasks during surgical procedure, i.e. depth of anasthesia estimate. The purpose of this paper is to investigate the effect of the analyzed EEG signal fragment duration on the accuracy of anesthesia level estimate using the linear discriminant analysis algorithm and determining the EEG signal length, which yields acceptable accuracy of anesthesia level separation using these parameters.

A new method for classifying EEG anesthesia levels is proposed. The possibility of classifying levels of anesthesia is demonstrated by means of sharing the EEG parameters under consideration (SE, BSR, SEF95, RBR). The method can be used in anesthesia monitors that are used to monitor the depth of anesthesia in order to select the appropriate dose of anesthetic drugs during operations, thus avoiding both cases of intraoperative arousal and excessively deep anesthesia.

ЭЭГоценка глубины анестезиидискриминантный анализспектральная энтропияBIS-индексEEGanesthesia depth estimationlinear discriminant analysisspectral entropyBIS-indexРабота выполнена при финансовой поддержке РФФИ, проект №16-07-00722 "Алгоритмы распознавания и анализа нарушений сердечного ритма, имеющих хаотическую природу, для систем непрерывного кардиологического наблюдения"ReferencesClassification of EEG Signals Based on Pattern Recognition Approach / H. U. Amin, W. Mumtaz, A. R. Subhani, M. N. M. Saad, A. S. Malik // Frontiers in Computational Neuroscience. 2017. Vol. 11, art.103. P. 1–12.Amin H. U. , Mumtaz W., Subhani A. R., Saad M. N. M., Malik A. S. Classification of EEG Signals Based on Pattern Recognition Approach. Frontiers in Computational Neuroscience. 2017, vol. 11, art.103, pp. 1–12.Thornton C., Jones J. G. Evaluating Depth of Anesthesia: Review of Methods // International Anesthesiology Clinics. 1993. Vol. 31, iss.4. P. 67–88.Thornton C., Jones J. G. Evaluating Depth of Anesthesia: Review of Methods. International Anesthesiology Clinics. 1993, vol. 31, iss.4, pp. 67–88.Awareness During Anesthesia: a Closed Claims Analysis / K. B. Domino, K. L. Posner, R. A. Caplan, F. W. Cheney // Anesthesiology. 1999. Vol. 90. P. 1053–1061.Domino K. B., Posner K. L., Caplan R. A., Cheney F. W. Awareness During Anesthesia: a Closed Claims Analysis. Anesthesiology. 1999, vol. 90, pp. 1053–1061.Monitoring the Depth of Anesthesia Using Entropy Features and an Artificial Neural Network / R. Shalbaf, H. Behnam, J. W. Sleigh, A. Steyn-Ross, L. J. Voss // J. of Neuroscience Methods. 2013. Vol. 218, iss. 1. P. 17–24.Shalbaf R., Behnam H., Sleigh J. W., Steyn-Ross A., Voss L. J. Monitoring the Depth of Anesthesia Using Entropy Features and an Artificial Neural Network. Journal of Neuroscience Methods. 2013, vol. 218, iss. 1, pp. 17–24.Classification of Wakefulness and Anesthetic Sedation Using Combination Feature of EEG and ECG / B. Lee, D. Won, K. Seo, H. J. Kim, S. Lee // Proc. of 2017 5th Intern. Winter Conf. on Brain-Computer Interface (BCI). Sabuk, South Korea, 9–11 Jan. 2017. Piscataway: IEEE, 2017. P. 88–90. doi: 10.1109/IWW-BCI.2017.7858168Lee B., Won D., Seo K., Kim H. J., Lee S. Classification of Wakefulness and Anesthetic Sedation Using Combination Feature of EEG and ECG. Proc. of 2017 5th International Winter Conference on Brain-Computer Interface (BCI). Sabuk, South Korea, 9–11 Jan. 2017. Piscataway: IEEE, 2017, pp. 88–90. doi: 10.1109/IWWBCI.2017.7858168Tong S., Thakor N. V. Quantitative EEG Analysis Methods and Clinical Applications. Norwood: Artech House, 2009. 421 p.Tong S., Thakor N. V. Quantitative EEG Analysis Methods and Clinical Applications. Norwood: Artech House, 2009, 421 p.Wavelet Entropy Based Classification of Depth of Anesthesia / V. K. Benzy, E. A. Jasmin, R. C. Koshy, F. Amal // 2016 Intern. Conf. on Computational Techniques in Information and Communication Technologies (ICCTICT), New Delhi, India, 11–13 March 2016. Piscataway: IEEE, 2016. P. 521–524. doi: 10.1109/ICCTICT.2016.7514635Benzy V. K., Jasmin E. A., Koshy R. C., Amal F. Wavelet Entropy Based Classification of Depth of Anesthesia. 2016 International Conference on Computational Techniques in Information and Communication Technologies (ICCTICT), New Delhi, India, 11–13 March 2016. Piscataway: IEEE, 2016, pp. 521–524. doi: 10.1109/ICCTICT.2016.7514635Description of the Entropy Algorithm as Applied in the Datex-Ohmeda S/5 Entropy Module / H. Viertiö-Oja, V. Maja, M. Särkelä, P. Talja, N. Tenkanen, H. TolvanenLaakso, M. Paloheimo, A. Vakkuri, A. Yli-Hankala, P. Meriläinen // Acta Anaesthesiologica Scandinavica. 2004. Vol 48, iss. 2. P. 154–161.Viertiö-Oja H., Maja V., Särkelä M., Talja P., Tenkanen N., Tolvanen-Laakso H., Paloheimo M., Vakkuri A., Yli-Hankala A., Meriläinen P. Description of the Entropy Algorithm as Applied in the Datex-Ohmeda S/5 Entropy Module. Acta Anaesthesiologica Scandinavica. 2004, vol 48, iss. 2, pp. 154–161.Monitoring the Depth of Anesthesia from Rat EEG Using Modified Shannon Entropy Analysis / Y. Yoon, T. Kim, D. Jeong, S. Park // 2011 Annual Intern. Conf. of the IEEE Engineering in Medicine and Biology Society. Boston, MA, USA, 30 Aug.–3 Sept. 2011, Piscataway: IEEE, 2011. P. 4386–4389. doi: 10.1109/IEMBS.2011.6091088.Yoon Y., Kim T., Jeong D., Park S. Monitoring the Depth of Anesthesia from Rat EEG Using Modified Shannon Entropy Analysis. 2011 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. Boston, MA, USA, 30 Aug.–3 Sept. 2011, Piscataway: IEEE, 2011, pp. 4386–4389. doi: 10.1109/IEMBS.2011.6091088.A Comparison of Different Classification Algorithms for Determining the Depth of Anesthesia Level on a New Set of Attributes / A. Arslan, B. Şen, F. V. Çelebi, M. Peker, A. But // 2015 Intern. Symp. on Innovations in Intelligent Systems and Applications (INISTA), Madrid, Spain, 2–4 Sept. 2015. Piscataway: IEEE, 2015. P. 1–7. doi: 10.1109/INISTA.2015.7276738Arslan A., Şen B., Çelebi F. V., Peker M., But A. A Comparison of Different Classification Algorithms for Determining the Depth of Anesthesia Level on a New Set of Attributes. 2015 International Symposium on Innovations in Intelligent Systems and Applications (INISTA), Madrid, Spain, 2–4 Sept. 2015. Piscataway: IEEE, 2015, pp. 1–7. doi: 10.1109/INISTA.2015.7276738Аль-Гаили М. А., Калиниченко А. Н. Оценка глубины анестезии на основе совместного анализа частотных и временных параметров ЭЭГ // Изв. СПбГЭТУ “ЛЭТИ”. 2018. № 3. С 80–85.Al-Ghaili M. A., Kalinichenko A. N. Evaluation of Depth of Anesthesia Based on Joint Analysis of EEG Frequency and Time Parameters. Izvestiya SPBGETU “LETI” [Proceedings of Saint Petersburg Electrotechnical University], 2018, no. 3, pp. 80–85. (In Russian)Аль-Гаили М. А. Оценка стадий глубокой анестезии по электроэнцефалограмме на основе спектрального анализа // Изв. СПбГЭТУ “ЛЭТИ”. 2017. № 2. С 75–79.Al-Ghaili M. A. Evaluation of Deep Anesthesia Stages by Electroencephlogram Based on Spectral Analysis. Izvestiya SPBGETU “LETI” [Proceedings of Saint Petersburg Electrotechnical University]. 2017. № 2. С 75–79. (In Russian)Kalinichenko A. N., Manilo L. A., Nemirko A. P. Analysis of Anesthesia Stages Based on the EEG Entropy Estimation // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 2015. Vol. 25, № 4. P. 632–641.Kalinichenko A. N., Manilo L. A., Nemirko A. P. Analysis of Anesthesia Stages Based on the EEG Entropy Estimation. Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. 2015, vol. 25, № 4, pp. 632–641.Duda R. O., Hart P. E., Stork D. H. Pattern Classification: 2nd ed. NY: Wiley Interscience, 2001. 654 p.Duda R. O., Hart P. E., Stork D. H. Pattern Classification: 2nd ed. NY: Wiley Interscience, 2001, 654 p.

The authors declare that there are no conflicts of interest present.