静脉麻醉的神经-脑氧代谢机制模型仿真与闭环控制系统设计研究

Closed-loop control of anesthesia is a great challenge both in clinic and neural engineering. The key issues include establishing a computational drug-brain effect model, researching on stable monitoring indexes and reliable control algorithms. In this proposal, intravenous anesthesia is taken as the research object. Firstly, we established a computational model describing the process from drug infection to neural effect and cerebral oxygen metabolism at mesoscopic and macroscopic scale. In consideration of patients' age and drug interactions, we utilize Bayesian inversion algorithm to optimize the model parameters and create virtual patient database to evaluate the control algorithm. Secondly, the Renyi permutation entropy, synchronization measures and phase-amplitude modulation methods are taken to extract the information of sedation, analgesia and cerebral oxygen from the EEG and NIRS obtained by clinic and rat experiment. Combined with other physiological parameters, we can accomplish multi-parameter observation from the multi-view deep neural networks. For the complicated mechanism model, we mainly use extended predictive self adaptive control and iterative learning data-driven control algorithms to design the controller. The orthogonal particle filter and cross correlation are proposed to optimize the model parameters and estimate the variable time delay. Finally, a high performance computing platform is established to simulate the proposed model and evaluate the performance of the control algorithms in real time. Additionally, We constructed the test platform for animal test and clinical test to verify the reliability of the control system. This project is expected to provide new tools and algorithms for the study of close-loop anesthesia control, contribute to the understanding of the action mechanisms of anesthesia, and build an new theoretical foundation for the study of brain modulation.

麻醉闭环控制是神经工程和临床的一个挑战性难题。建立药物脑效应模型，研究稳定的观测指标和可靠控制算法是麻醉闭环控制要解决的关键问题。项目以静脉麻醉为研究对象，在介观和宏观层建立药物输注到神经效应及脑氧代谢的计算模型；考虑年龄因素和药物协同效应，采用贝叶斯理论优化模型参数，生成虚拟病人替代数据评估控制算法。其次，基于临床数据，采用Renyi排序熵、同步分析、相位-幅度调制等算法从EEG和NIRS中提取镇静、镇痛及脑氧信息；融合其他生理参数，以多视角深度神经网络实现多参数观测。采用扩展预测自适应、迭代学习数据驱动等控制算法设计控制器，以正交粒子滤波优化控制器参数及交叉相关估计时延。最后，设计仿真平台实现模型快速计算，并基于模型分析控制算法性能；建立动物和临床测试平台验证控制系统可靠性。课题的开展将为研究麻醉闭环控制提供新的工具和算法，有助于理解麻醉药物的脑作用机制，为研究脑调控提供新的理论基础。

项目在“静脉麻醉的意识作用机制和闭环控制系统设计”领域做了深入的研究。在基金的支持下，在国内外专业领域期刊发表论文13篇，获批发明专利4项。本项目的主要成果包括：在麻醉意识机制评估方面，提出了纯正排序交叉互信息、相位模式复杂度同步等方法描述介观尺度的意识水平变化。结合非线性度量方法和基于遗传算法的支持向量机构建意识评估框架，分析了麻醉恢复期的模式，以及麻醉中脑电特征的年龄依赖性问题。在麻醉的闭环控制系统仿真方面，建立了一个虚拟病人数据库来测试控制系统，提出了采用Renyi排序熵作为麻醉深度监控指标，针对个人化模型的辨识问题，在辨识模型的基础上采用了模型预测控制方法。设计了多模态麻醉闭环控制系统和个人化的麻醉闭环控制系统。针对植物人的意识水平评估问题，分析了脊髓刺激对最小意识障碍患者额叶的Delta和Gamma振荡的影响，振荡的长程相关性变化，以及互样本熵和脑网络的变化。针对麻醉的神经影响机制，提出了基于丘脑-皮层神经群模型和皮质-皮层神经群模型。针对麻醉的年龄影响问题，基于功能近红外成像技术研究了小儿的脑发育问题，提出了基于符号时间序列分析方法和血流动力学振荡相位差分析方法。在项目的支持下，所设计的麻醉闭环控制系统已完成了初步的临床测试。该课题的进行为研究麻醉闭环控制提供新的工具和算法，有助于理解麻醉药物的脑作用机制，为研究脑调控提供新的理论基础，项目的研究成果对于推进麻醉的闭环个性化给药调控具有重要意义。