::: 科技專案

::: 研發成果

計畫名稱	整合式麻醉深度監測儀開發
報告名稱	利用Sample Entropy進行腦波信號麻醉深度評估
撰寫人	陳念慈
性質	技術
內容摘要	熵(entropy)是統計學的理論，主要是用量化的方式來定義時間序列資料的規則度。在熵理論的發展歷史上，有許多學者提出不同的熵理論來分析時域下資料的混亂特性，直到1948年，Claude Shannon首先提出了熵的概念與理論，而熵可以由頻域與時域的觀點下分為兩類，在頻域上如Powell與Percival提出以Fourier spectrum為基礎的Spectral Entropy (SE)理論與Bi-spectrum。而在時域上，近似熵(Approximate entropy, ApEn)在1991年所建立，其演算法能夠以時域分析資料的規則性，目前常見的研究有心臟疾病、癲癇、清醒與睡眠時腦波的差異等分析。而它的好處是可以直接在時域下進行資料的分析，利用資料中的點與點之間的差異以數值的方式來呈現資料是否具有可預測性。在本文中，我們利用近似熵的特色並稍作改良成為樣本熵來分析腦波訊號，進而推測病患於手術時的麻醉深度。當樣本熵的值偏低時，代表麻醉深度足以使病人處於麻醉的狀態，此時的腦波訊號呈現規律性與可預測性，反之，當近似熵的值偏高時，代表著病人的腦波訊號呈現不規律性與不可預測性，進而得知病人可能未完全麻醉或處於清醒的狀態。