Real-time quantification of the patient’s consciousness level during anesthesia is an important issue to avoid intraoperative awareness and post-operative side effects. A depth-of-anesthesia (DoA) monitoring method called Bispectral Index (BIS) is generally used for this purpose. However, BIS is known to be inaccu-rate at the transitory state, and also shows a critical time delay in quantifying the patient’s consciousness level.
This thesis introduces a novel method to reduce the response time in the quantification process. This thesis develops a new index called HDoA by analyzing EEG using Hidden Markov Model. The proposed ap-proach is composed by two steps, training and testing. In the training step, two HMM, awakened and anesthetized model are learned based on the each training set. In the testing step, by evaluating the probability of producing the testing EEG from two models respectively, the index HDoA is derived. Since the evaluation of DoA using HMM is training based method, it have better performance with more training process. In addition, the run-time complexity of proposed method is lower than other training-testing methods.
Experiments show that HDoA has a high correlation with BIS at a steady state, and outperforms BIS in two ways: (1) higher Fisher Score, (2) shorter delay time in transition state, and (3) stability in poor signal quality. The validity of HDoA has been tested by 64 real clinical data.
마취 중의 환자의 의식 수준을 실시간으로 정량화 하는 것은 수술 중 각성과 수술 후 후유증을 막기 위한 중요한 이슈이다. 바이스펙트럴 인덱스(BIS)라고 불리는 마취 심도 모니터링 방법이 일반적으로 이런 목적에 사용된다. 하지만 BIS는 변화하는 구간(transitory state)에서 부정확하다고 알려져 있으며, 또한 환자의 의식 수준을 정량화 하는데 치명적인 시간 지연을 보인다.
본 논문은 반응 시간을 줄이기 위한 정량화 과정을 소개한다. 본 연구에서 HDoA라 불리는 히든 마르코프(Hidden Markov Model, HMM) 모델을 이용한 뇌파(EEG) 분석 방법을 개발했다. 학습 과정에서 완전히 깨어있는, 그리고 마취 된 상태의 두 개의 HMM이 학습 데이터를 바탕으로 학습된다. 테스트 과정에서 두 개의 각 모델이 테스트 뇌파를 생성할 확률을 구한 후 지표 HDoA가 계산된다. HMM을 이용한 마취 심도 지표 도출은 학습 방법에 기반을 두고 있으므로 더 많은 학습 과정을 거칠수록 더 좋은 성능을 낸다. 또한, 다른 학습-테스트 방법보다 실행 시 시간 복잡도가 더 낮다.
본 연구에서 시행된 실험에서 HDoA는 안정된 상태(steady state)에서 BIS와 높은 상관관계를 보이며 두 가지 측면에서 BIS보다 좋은 성능을 보인다: (1) 더 높은 Fisher Score, (2) 변화하는 구간에서의 더 짧은 지연시간, (3) 낮은 신호 품질에서의 안정성. HDoA의 검증은 64개의 실제 임상 데이터를 기반으로 이루어졌다.
