초록 ▼

o마취중인환자의 마취심도를 감시할 수 있는 시스템을 개발하여 수술 중인 환자의 상태를 정확하게 분석하여 적절한 마취제의 투여 하에서 마취심도 감시 시스템과 통증을 호소하는 환자의 통증강도를 분석할 수 있는 통증강도 진단 시스템을 개발하고 임상평가를 수행하고자 한다.
o마취의 각 단계에서 ECG, EEG, 체온의 변화를 측정하고 자료를 수집?저장?분석하여 데이터베이스를 구축하였으며 마취심도의 감시에 필요한 방법론을 제시하여 마취 단계에 따른 마취단계별 분류기를 구현하였다.
o통증의 강도 측정을 위해 ECG, 맥파, 호흡의

o마취중인환자의 마취심도를 감시할 수 있는 시스템을 개발하여 수술 중인 환자의 상태를 정확하게 분석하여 적절한 마취제의 투여 하에서 마취심도 감시 시스템과 통증을 호소하는 환자의 통증강도를 분석할 수 있는 통증강도 진단 시스템을 개발하고 임상평가를 수행하고자 한다.
o마취의 각 단계에서 ECG, EEG, 체온의 변화를 측정하고 자료를 수집?저장?분석하여 데이터베이스를 구축하였으며 마취심도의 감시에 필요한 방법론을 제시하여 마취 단계에 따른 마취단계별 분류기를 구현하였다.
o통증의 강도 측정을 위해 ECG, 맥파, 호흡의 양상을 측정하여 자료를 수집하였고 동물실험의 통증유발 실험을 통해 실험동물에서의 기초자료를 작성하였으며 이를 다양한 알고리듬에 적용하였다. 그리고 실제 통증환자의 자료를 수집하여 통증환자의 주관에 따른 통증 강도측정을 객관화시키고 진통제 투여 효과를 검증하였다.
o수집된 데이터를 통하여 CNS와 ANS의 활성도를 평가하기 위하여 여러 가지 특정 파라미터들을 추출하고 다양한 분석 알고리듬을 적용하여 마취심도의 감시와 통증강도를 진단할 수 있는 시스템을 구현하였다.
o마취심도 감시 시스템의 알고리듬 개발
가. EEG 분석
1). 파워스펙트럼 분석 : 95% SEF, MF, Delta ratio는 진정수준을 평가하는 중요한 지표로 사용되었다.
2). 바이스펙트럼 : PSD 분석과는 별개로 EEG의 비선형적 특징을 보다 정확하게 분석하기 위하여 2차 FFT에 의한 바이스펙트럼 연산을 수행하고, 피크 출현 빈도를 계산하여
2 차원의 맵 형태로 표현하였다.
- 수술 전과 수술 후 단계에서는 Peak의 출현이 광범위하게 분포하였으나 다소 고 주파수 영역에서 집중되는 현상을 볼 수가 있었고, 마취유도에서 수술 중 단계
로 진행됨에 따라서 Peak의 출현이 저 주파수 영역으로 이동하였다.
나. ECG 분석
1). HRV 신호의 시간 영역 분석 : NN10-NN50, 평균, 표준편차, 제곱근 평균 등의 파라미터들을 사용하였다. NN10 파라미터가 마취 전?후와 수술 중 단계에서는 각 특성들이 잘 나타내었다.
2). HRV 신호의 주파수 영역 분석 : LF, HF 값은 NN10과 비슷하게 마취가 되었을 때와 그렇지 않을 때를 구별 가능하였다.
3). 카오스분석 : 상관차원와 엔트로피 분석에서는 마취전에 높은 값을 가지다가 마취유도 과정에서는 마취전과 비교하여 유의하게 낮은 값으로 감소하였다.
다. 체온 : 마취가 진행됨에 따라 체온이 감소됨을 관찰하였다.
o통증강도 진단 시스템의 알고리듬 개발
가. 맥파 분석
1). 카오스분석 : 상관차원, 리야프노프 지수, 엔트로피 파라미터들을 사용하였다.
통증 강도의 3 단계 분석에서는 2 차 미분 신호에 의한 상관차원값이 전문의의 주관적인 진단과 90%이상 일치하였으며 맥파를 이용한 상관차원의 값으로말기암 환자의 통증상태를 비교적 정확히 평가할 수 있었다.
나. PTT 분석 : 환자가 느끼는 통증이 클수록 PTT는 빠르게 나타났으며 환자가느끼는 통증이 작을수록 PTT는 느리게 관측되었다.
다. 호흡 분석 : PTT 변화 양상을 이용한 통증에 따른 호흡 변화량 측정하였다.
o마취심도 및 통증강도 분류기의 구현
- 분석 알고리듬을 적용하여 퍼지 분류기를 구현하였다.
- 마취심도를 분류하기 위한 마취 단계를 수술전, 마취유도, 피부절개, 수술중, 각성, 수술 후의 6단계로 나누어 분류기를 적용하였다.
- 통증강도 분류기는 통증 정도에 따라 Good, Fair, Poor의 3단계로 나누어 분류를 적용.
o마취심도와 통증강도 시스템의 개발
- 마취심도 및 통증강도 통합 시스템을 개발하였다.
: 마취심도 감시를 위한 ECG, EEG, 체온을 측정할 수 있는 시스템을 개발하였다.
: 통증강도 진단을 위한 ECG, 맥파, 호흡을 측정할 수 있는 시스템을 개발하였다.

Abstract ▼

o We want to design the development of anesthetic depth monitoring system for the
proper anesthetic concentration and of pain intensity monitoring system for patients
with pain compared with general condition of surgical patient and pain complaints.
o We measured ECG, EEG and temperature re

o We want to design the development of anesthetic depth monitoring system for the
proper anesthetic concentration and of pain intensity monitoring system for patients
with pain compared with general condition of surgical patient and pain complaints.
o We measured ECG, EEG and temperature respect anesthesia step, and checked,
collected and analyzed data. also we implemented classifier for anesthesia.
o To measure the pain intensity, we checked and collected the data from the pulse
wave, ECG, and respiratory pattern and made the database from the experimental
animal model of pain provocation test for the application of various algorithm.
o To measure CNS and ANS activity, we constructed anesthetic depth and pain intensity
monitoring systems after we extract various characteristic parameters from the original
data and apply analysisalgorithm to make the automatic diagnostic machine
o Development on the monitoring system algorithm for anesthetic depth
a. ECG analysis
1) Time domain analysis for heart beat : NN10-N50, average, SD, RMS parameters.
NN10 was the best parameter to indicate anesthetic event during pre, post-anesthesia
and operation.
2) Frequency domain analysis for heart beat : LF, HF value could
discriminate from anesthetic states.
3) Chaos analysis : correlation dimension and entropy analysis were high during
pre-anesthesia, but decreased during anesthetic induction.
4)Wavelet analysis : LF, HF and PSD parameter of LF/HF were collected
according WVD analysis. we observed change of parameter according
anesthetic procedure.
b.EEG analysis
1)Power spectral analysis : 95% SEF, MF, Delta ratio are important
standards to evaluate sedation procedure.
2)Bispectrum : bispectral operation by 2rd FFT for non-linear feature
regardness PSD. map was displayed by the second dimension according peak
frequency.
- The peak points spread out during pro-anesthesia and post-anesthesia but gathered
into high frequency. thepeak points moved to lower frequency as operation went
on.
c. Temperature : decrease as anesthesia goes on
o Development on the diagnosis system algorithm for pain intensity
a.Pulse wave analysis
1)Chaos analysis(correlation dimension, Lyapunov exponent, entropy) :
correlation dimension values were equivalent of doctor`s opinion over 90% on 3 step
analysis and seemed to get dynamics information
b. PTT analysis : PPT according pain using ECG and pulse wave
c. Respiratory analysis : change of resporatory according pain using PPT
o Construction of classifier for anesthesia depth and pain intensity monitoring
- Classifier for automatic diagnosis using analysis algorithm
- Classifier using fussy neuron
- Classifier consists of 6 grade as pro-anesthesia, induction, incision, operation, awake
and post-anesthesia for anesthesia depth
- Classifier consists of 3 grade as Good, Fair and Poor for pain intensity
monitoring
o development of anesthesia depth system and pain intensity monitoring
- development combination system for anesthesia depth system and pain intensity
monitoring
:development of system with ECG, EEG, temperature for anesthesia depth
:development of system with ECG, pulse wave, respiration for pain
intensity monitoring

목차 Contents

• Ⅰ. 연구계획 요약문...3
• 1. 국문요약문...3
• Ⅱ. 연구결과 요약문...4
• 1. 국문요약문...4
• 2. 영문요약문...5
• Ⅲ. 연구내용...6
• 1. 서론...6
• 2. 연구방법 및 이론...9
• 3. 결과 및 고찰...50
• 4. 결론...69
• 5. 인용문헌...71