绝对血容量不足(AHV)是全麻术中的一种麻醉并发症。在中、大型手术的进行过程中,因为病人失血或脱水等原因,很有可能发生AHV;而如果没有及时的诊断和处理(如补充全血或血浆、补液等),将对病人造成严重的后果,甚至危及生命。实际临床中,因为缺少手术中测定绝对血容量的方法,麻醉医生往往需要时刻关注病人的各项体征及其变化,并根据自己的医学知识和经验对AHV做出诊断,这是临床上麻醉医生工作中的难点之一。因此,如何利用病人的临床信息进行AHV的及时或早期诊断已成为相关领域的研究热点之一。本文围绕着AHV的监测与早期诊断问题运用多种技术方法进行了研究,基于麻醉医生的专家知识,深入分析了病人常规体征信号与AHV的相关关系,利用临床普通麻醉监护仪提供的四种体征信号:血压、心率、脉量和呼气末二氧化碳浓度,设计了诊断AHV的综合指标体系,引入了三种AHV辅助诊断算法,并结合虚拟仪器技术,进行了麻醉监测与诊断的系统设计和实现。系统测试和分析结果表明,算法(系统)诊断结果与麻醉医生的诊断结果有强的一致性,并且具有提前诊断的优点(比麻醉医生提前3～5分钟左右做出诊断),从而对于减轻麻醉医生工作压力、保障麻醉安全具有重要意义。此外,本文还针对局麻术中的声带麻痹并发症的诊断问题做了研究。在臂从麻醉和颈从麻醉术中,声带麻痹的发生率在某些年龄群体中可达50%以上,术中声带麻痹往往反映了喉的运动神经(喉返神经)受到影响,及时的诊断和处理可防止喉返神经长期损害的发生。而目前的声带麻痹无损检测法需要专业人员对病人术前术后声音进行鉴别,存在着依赖医师经验、主观性强的不足,因此本文提出了一种新的无损检测与诊断声带麻痹的算法,深入研究了小波包分析和支持向量机等技术在诊断病人术后声带麻痹方面的应用。本文主要的研究内容及成果如下:提出了诊断术中绝对血容量不足的统计警示算法。统计警示算法是一种实时的、基于病人体征信号统计特征的算法。算法首先基于麻醉医生的专业知识及经验,构建了诊断AHV的指标体系,再对这些指标(病人的临床生理特征)进行分析和处理,并最终将这些信号转换为其标准差的倍数作为病人实时警示水平,根据可调的警示阈值判断是否警示。统计警示算法提供了一条新的途径来评价术中病人的血容量状态,不但考虑了相关信号值的变化,而且同时考虑了这些变化的发生点,从而增加了算法的可靠性和普适性。提出了诊断术中血容量不足的基于模糊逻辑的算法。通过观测构建的一系列诊断生理指标的变化(血压、心率和脉量),将参数的变化趋势及一段时间内参数变化的范围组合起来,应用模糊匹配过程技术来区分AHV与其它术中并发症,并做出相应的诊断。还对诊断绝对血容量不足的另一种方法:动脉收缩压变化算法进行了研究。对于控制性机械通气的病人,动脉收缩压的变化能灵敏地反映低血容量,提供心室功能曲线。动脉收缩压变化算法和模糊逻辑算法是对统计警示算法的补充,前者仅适用于机械通气的病人,应用范围不同;后者是离线算法,可对统计警示算法的结果进行对比验证。三者一起组成了麻醉智能监测与诊断系统的诊断模块,起到互相补充及验证的作用,可提供更多的诊断信息,增强麻醉医生的诊断信心。针对局部麻醉术中可能出现的声带麻痹,提出了一种基于小波包分析和最小二乘支持向量机的无损诊断方法。在研究最小二乘支持向量机的过程中,引入一种改进的交叉验证参数选择算法,能够有效降低算法的复杂度;并与常用的评价声音质量的HDm方法(Hoarseness Diagram Method)进行了对比实验。实验结果表明,对于麻醉术后出现声带麻痹、表现为声音嘶哑的病人声音数据,新算法的准确率、灵敏度及特异性均比HDm方法要高,有着一定的临床应用前景。在对以上诊断方法进行了分析和阐述之后,应用LabVIEW建立了基于虚拟仪器的麻醉智能监测与诊断系统。经过实际运行和Kappa分析测试,该系统与麻醉专家的诊断结果有强的一致性,可以应用于临床实践,从而对减轻麻醉医生工作负担、提高麻醉安全和计算机辅助诊断技术的发展有着较大的帮助。本课题受到中国国家自然科学基金和新西兰奥克兰理工大学合作项目(Coorperative Project)的支持,所研究的成果除了以论文形式发表以外,研制的系统:麻醉术中并发症的智能监测与诊断系统(SMDS)已在新西兰奥克兰市医院(Auckland City Hospital, New Zealand)和Middlemore Hospital(New Zealand)得到临床试应用。