丙泊酚麻醉閉環(huán)控制的仿真研究
發(fā)布時(shí)間:2023-04-01 00:59
麻醉給藥是否安全是臨床手術(shù)能否順利進(jìn)行的一個(gè)必要條件。隨著醫(yī)學(xué)水平的逐步提升,人們對(duì)麻醉控制問題越來(lái)越重視,怎樣實(shí)現(xiàn)精確的麻醉給藥成為越來(lái)越多學(xué)者關(guān)注的熱點(diǎn)。但是,在當(dāng)前的實(shí)際手術(shù)中,麻醉給藥仍主要通過麻醉醫(yī)生來(lái)控制,而在麻醉觀測(cè)指標(biāo)和麻醉給藥的控制之間缺少必要的聯(lián)系。所以,如何將麻醉給藥實(shí)現(xiàn)精確控制已成為急需解決的重要問題。本研究從被控對(duì)象模型、狀態(tài)觀測(cè)指標(biāo)和控制算法等角度對(duì)丙泊酚麻醉的閉環(huán)控制進(jìn)行了仿真研究。首先,針對(duì)狀態(tài)觀測(cè)指標(biāo),研究了以腦電為輸出的觀測(cè)指標(biāo)的性能。分別對(duì)近似熵、樣本熵、同步快慢比等指標(biāo)與已經(jīng)用于閉環(huán)控制的雙頻指數(shù)指標(biāo)進(jìn)行了曲線趨勢(shì)對(duì)比和相關(guān)性分析。結(jié)果表明,在所有的指標(biāo)中,近似熵、β比率、香農(nóng)排序熵、樣本熵以及Renyi排序熵均表現(xiàn)出與雙頻指數(shù)指標(biāo)相似的變化趨勢(shì)。在相關(guān)性的分析中,Renyi排序熵與雙頻指數(shù)指標(biāo)之間的相關(guān)程度最高(相關(guān)系數(shù):0.72±0.14)。其次,通過兩種手段建立被控對(duì)象模型。一方面,選取經(jīng)典的藥代藥效動(dòng)力學(xué)模型作為被控對(duì)象。由于藥效動(dòng)力學(xué)模型存在參數(shù)未知的現(xiàn)象,采用粒子群算法進(jìn)行了模型的參數(shù)辨識(shí)。另一方面,通過深度學(xué)習(xí)方法構(gòu)建藥物代謝模型,...
【文章頁(yè)數(shù)】:69 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題背景及意義
1.2 靜脈麻醉閉環(huán)控制的研究現(xiàn)狀
1.2.1 被控對(duì)象模型的國(guó)內(nèi)外研究現(xiàn)狀
1.2.2 麻醉狀態(tài)觀測(cè)指標(biāo)的國(guó)內(nèi)外研究現(xiàn)狀
1.2.3 麻醉閉環(huán)控制算法的國(guó)內(nèi)外研究現(xiàn)狀
1.3 論文主要研究?jī)?nèi)容
第2章 麻醉狀態(tài)觀測(cè)指標(biāo)
2.1 引言
2.2 狀態(tài)觀測(cè)算法
2.2.1 排序熵
2.2.2 近似熵
2.2.3 樣本熵
2.2.4 譜熵
2.2.5 同步快慢比和β比率
2.2.6 邊緣頻率和中值頻率
2.3 麻醉觀測(cè)算法的參數(shù)選取
2.3.1 腦電信號(hào)的采集
2.3.2 腦電信號(hào)的預(yù)處理
2.3.3 參數(shù)選取
2.4 不同的麻醉狀態(tài)觀測(cè)指標(biāo)的比較
2.4.1 評(píng)價(jià)指標(biāo)
2.4.2 對(duì)比結(jié)果
2.5 本章小結(jié)
第3章 丙泊酚麻醉的人體代謝模型
3.1 引言
3.2 PKPD模型
3.3 粒子群算法的基本流程
3.4 基于RPE、SPE的藥效學(xué)模型辨識(shí)
3.4.1 評(píng)價(jià)指標(biāo)
3.4.2 辨識(shí)結(jié)果
3.5 基于深度學(xué)習(xí)的代謝模型研究
3.5.1 模型構(gòu)建思路
3.5.2 CNN算法介紹
3.5.3 CNN各層參數(shù)設(shè)置
3.5.4 評(píng)估指標(biāo)
3.5.5 實(shí)驗(yàn)結(jié)果
3.6 本章小結(jié)
第4章 麻醉閉環(huán)控制的仿真研究
4.1 引言
4.2 蟻群PID控制算法
4.3 模型預(yù)測(cè)控制
4.4 評(píng)價(jià)指標(biāo)
4.5 基于PKPD的麻醉閉環(huán)控制的仿真
4.5.1 閉環(huán)控制框圖
4.5.2 閉環(huán)控制的仿真結(jié)果及分析
4.6 基于CNN訓(xùn)練模型的麻醉閉環(huán)控制的仿真
4.6.1 閉環(huán)控制框圖
4.6.2 閉環(huán)控制仿真結(jié)果及分析
4.6.3 對(duì)比分析
4.7 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝
本文編號(hào):3776138
【文章頁(yè)數(shù)】:69 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題背景及意義
1.2 靜脈麻醉閉環(huán)控制的研究現(xiàn)狀
1.2.1 被控對(duì)象模型的國(guó)內(nèi)外研究現(xiàn)狀
1.2.2 麻醉狀態(tài)觀測(cè)指標(biāo)的國(guó)內(nèi)外研究現(xiàn)狀
1.2.3 麻醉閉環(huán)控制算法的國(guó)內(nèi)外研究現(xiàn)狀
1.3 論文主要研究?jī)?nèi)容
第2章 麻醉狀態(tài)觀測(cè)指標(biāo)
2.1 引言
2.2 狀態(tài)觀測(cè)算法
2.2.1 排序熵
2.2.2 近似熵
2.2.3 樣本熵
2.2.4 譜熵
2.2.5 同步快慢比和β比率
2.2.6 邊緣頻率和中值頻率
2.3 麻醉觀測(cè)算法的參數(shù)選取
2.3.1 腦電信號(hào)的采集
2.3.2 腦電信號(hào)的預(yù)處理
2.3.3 參數(shù)選取
2.4 不同的麻醉狀態(tài)觀測(cè)指標(biāo)的比較
2.4.1 評(píng)價(jià)指標(biāo)
2.4.2 對(duì)比結(jié)果
2.5 本章小結(jié)
第3章 丙泊酚麻醉的人體代謝模型
3.1 引言
3.2 PKPD模型
3.3 粒子群算法的基本流程
3.4 基于RPE、SPE的藥效學(xué)模型辨識(shí)
3.4.1 評(píng)價(jià)指標(biāo)
3.4.2 辨識(shí)結(jié)果
3.5 基于深度學(xué)習(xí)的代謝模型研究
3.5.1 模型構(gòu)建思路
3.5.2 CNN算法介紹
3.5.3 CNN各層參數(shù)設(shè)置
3.5.4 評(píng)估指標(biāo)
3.5.5 實(shí)驗(yàn)結(jié)果
3.6 本章小結(jié)
第4章 麻醉閉環(huán)控制的仿真研究
4.1 引言
4.2 蟻群PID控制算法
4.3 模型預(yù)測(cè)控制
4.4 評(píng)價(jià)指標(biāo)
4.5 基于PKPD的麻醉閉環(huán)控制的仿真
4.5.1 閉環(huán)控制框圖
4.5.2 閉環(huán)控制的仿真結(jié)果及分析
4.6 基于CNN訓(xùn)練模型的麻醉閉環(huán)控制的仿真
4.6.1 閉環(huán)控制框圖
4.6.2 閉環(huán)控制仿真結(jié)果及分析
4.6.3 對(duì)比分析
4.7 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝
本文編號(hào):3776138
本文鏈接:http://sikaile.net/shoufeilunwen/mpalunwen/3776138.html
最近更新
教材專著