Erkennung und Klassifizierung von Bewusstseinszuständen mit parietalem EEG-fNIRS während der Anästhesie

Geräte zur Datenerfassung Die elektrischen Gehirnsignale werden mit vier Elektroden und einem Cyton OpenBCI-Board mit einer Abtastfrequenz von 250 Hz gemessen. Die hämodynamischen Signale des Gehirns werden mit einem NIRSport mit 16 Optoden und einer Abtastfrequenz von 15,525 Hz und einer Wellenlänge von 760 nm gemessen. Die Elektroden und Optoden werden gemäß dem empfohlenen 10-5-System für das multimodale EEG-fNIRS-Paradigma in der parietalen Zone positioniert. Die Software Lab Streaming Layer wird verwendet, um die EEG- und fNIRS-Daten zu synchronisieren.

Datenerfassung Die Patienten werden 30 Minuten vor ihrem klinischen Termin vorgeladen, um die EEG- und fNIRS-Systeme anzulegen, anzupassen und zu kalibrieren. Vor dem Endoskopieverfahren wird bei geschlossenen Augen eine 5-minütige Basismessung durchgeführt. Danach werden die Patienten mit einer konstanten Infusionsrate von 20 mg/kg/h-1 intravenösem Propofol bis zur Bewusstlosigkeit innerhalb von 20 Minuten anästhesiert. Während der Infusion wird die modifizierte Ramsay-Skala vom verantwortlichen Anästhesisten verwendet, um den Bewusstseinsgrad zu messen, der anhand der Reaktion des Patienten auf verbale oder schmerzhafte Reize beurteilt wird. Der Bewusstseinsgrad wird alle zwei Minuten bis zum vollständigen Bewusstseinsverlust, der nach dem Verlust der Abwehr oder zielgerichteten Reaktion auf eine zweite tetanische Standardstimulation angenommen wird, bewertet. Danach wird das Endoskopieverfahren normal nach klinischen Standardprotokollen fortgesetzt. Vor der Abreise werden die Patienten gebeten, die BRICE-Umfrage zu beantworten, die verwendet wird, um die Erfahrung des Patienten während einer Operation oder ähnlichen Verfahren zu bewerten. Die Patienten werden während des gesamten Endoskopieverfahrens gemessen. Alle weiteren Erwägungen werden von Fall zu Fall durch das zuständige medizinische Personal geregelt.

Begründung der gewählten Stichprobengröße Die Stichprobengröße (n = 25) wurde durch den Cohen-Test mit einer statistischen Power von 0,8 und einer Alpha-Power von 0,05 bestimmt, um signifikante intraspezifische Probandenunterschiede beim Vergleich von Wachzustand, tiefer Sedierung und mittleren Stufen zu ermitteln des Bewusstseins.

EEG-Datenanalyse Delta (0,1–3 Hz), Theta (4–7 Hz), unteres Alpha (8–12 Hz), oberes Alpha (12–15 Hz) und Beta/Gamma (15–40 Hz) Leistungsbänder werden als Merkmale für das Dekodierungsmodell verwendet. Die Features werden mit einem gleitenden Fenster von einer Minute berechnet. Die mit der modifizierten Ramsay-Skala identifizierten Bewusstseinsebenen werden mit dem entsprechenden Fenster gepaart. Für diese Analysen wird die Software Homer 2012: MNE in Python verwendet.

fNIRS-Datenanalyse Die zeitliche Referenz des oxygenierten (HbO2) und deoxygenierten (HHb) Hämoglobins wird aus den optischen Signalen unter Verwendung des modifizierten Beer-Lambert-Gesetzes erhalten. Die Regions of Interest (ROIs) werden in Relation zur regionalen lokalen durchschnittlichen Aktivität erhalten. Der Durchschnitt, das Maximum und die Steigung des Signals jedes ROI werden erhalten. Auch Vektorphasenanalysen mit Ein-Minuten-Fenstern werden implementiert. Für diese Analysen wird die Software Homer 2021: MNE in Python verwendet.

Klassifikation durch maschinelles Lernen Für jedes einminütige Fenster werden die EEG- und fNIRS-Merkmale unter Verwendung eines Basisradius an einen Support Vector Machine (SVM)-Klassifikator übergeben. Jedes Fenster wird gemäß der modifizierten Ramsay-Skala an die Bewusstseinsebene angehängt. Drei Modelle werden getestet: nur EEG, nur fNIRS und fNIRS + EEG. Jedes Modell wird versuchen, den Bewusstseinsgrad des Patienten anhand der oben genannten Skala zu entschlüsseln.