2018
DOI: 10.1007/s13246-018-0688-x
|View full text |Cite
|
Sign up to set email alerts
|

Automatic anesthesia depth staging using entropy measures and relative power of electroencephalogram frequency bands

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1

Citation Types

0
2
0
1

Year Published

2022
2022
2024
2024

Publication Types

Select...
2

Relationship

0
2

Authors

Journals

citations
Cited by 2 publications
(3 citation statements)
references
References 48 publications
0
2
0
1
Order By: Relevance
“…Vienas iš bendrosios nejautros tikslų -slopinti paciento prisiminimus ir patirtį nuo anestezijos indukcijos iki planuojamo pabudimo [8]. Kasdienėje klinikinėje praktikoje atliekamų intervencijų veiksmingumas gali būti vertinamas pagal tokius fiziologinius rodiklius, kaip arterinis kraujospūdis, kvėpavimo dažnis, širdies susitraukimų dažnis [5]. Šie rodikliai anestezijos metu kinta ir dažnai jų nepageidaujamus pokyčius sukelia tam tikri medikamentai ar jų deriniai, kuriais siekiama, jog pacientas procedūros metu išliktų nesąmoningas.…”
Section: įVadasunclassified
“…Vienas iš bendrosios nejautros tikslų -slopinti paciento prisiminimus ir patirtį nuo anestezijos indukcijos iki planuojamo pabudimo [8]. Kasdienėje klinikinėje praktikoje atliekamų intervencijų veiksmingumas gali būti vertinamas pagal tokius fiziologinius rodiklius, kaip arterinis kraujospūdis, kvėpavimo dažnis, širdies susitraukimų dažnis [5]. Šie rodikliai anestezijos metu kinta ir dažnai jų nepageidaujamus pokyčius sukelia tam tikri medikamentai ar jų deriniai, kuriais siekiama, jog pacientas procedūros metu išliktų nesąmoningas.…”
Section: įVadasunclassified
“…Artificial intelligence techniques have been employed to analyze EEG signals to assess DOA [17][18][19][20][21][22][23][24][25][26]. DOA estimation involves two primary tasks.…”
Section: Introductionmentioning
confidence: 99%
“…The second task focuses on directly fitting the BIS, utilizing a more nuanced index to characterize the various levels of anesthesia. In the context of classification, Jahanseir et al [19] proposed a DOA assessment method based on a least squares support vector machine classifier, using the relative power of EEG signal bands and entropy measures. The accuracy was 80% for the classification of four anaesthesia states: awake, light anaesthesia, moderate anaesthesia, and deep anaesthesia.…”
Section: Introductionmentioning
confidence: 99%