让机器“听懂”大脑 安徽大学脑机接口团队用脑电技术辅助术后意识检测

近日，安徽大学计算机科学与技术学院脑机接口团队与安徽医科大学第一附属医院协同攻关，成功研发出基于脑电信号的术后意识检测系统（以下简称“系统”）。

(资料图片仅供参考)

系统通过引入“听觉注意力检测”技术，让机器能够“听懂”患者大脑的反应，实现对意识水平的实时、客观、量化监测，为临床提供智能化辅助判断依据。

破解三大难题 打造“可听懂大脑”算法

听觉注意力检测听起来神奇，做起来却并不容易。术后患者的大脑信号极其复杂，就像在嘈杂的环境里分辨一段低语，稍有干扰就可能“走音”。此外，要从脑电信号这样一种混沌信号中解码出听觉信息，需要高精度算法。为了让系统真正“听懂大脑”，团队在研究中攻克了三个关键难题。

第一个难题，是如何从信号中“提得稳”。

术后的脑电信号像一池被扰动的水，波动不稳。语音刺激的非平稳特性会让脑电反应更加复杂，传统算法很难从中提取有效特征。团队提出一种“双重注意力与时频融合算法”，通过双重筛选和特征融合机制在混乱信号中自动聚焦关键脑电活动，就像在嘈杂声场中精准捕捉主旋律，让检测结果更稳定、更可靠。

第二个难题，是如何让解码“跑得快”。

在术后监护中，患者的神经反应往往发生在毫秒之间，系统必须在第一时间捕捉到变化。为此，团队开发了一种轻量化算法结构，大幅减少计算量，使整个检测过程更高效。这个算法的“体积”仅为传统模型的几十分之一，能实现毫秒级实时解码，真正满足临床实时监测的需求。

第三个难题，是如何让算法“学得准”。

术后病人的脑电特征与普通健康人差异明显，而术后样本的获取又受伦理限制，训练模型很难直接迁移到真实临床场景。团队通过引入小样本学习与特征正则化技术，让模型学会从有限的样本中提取“通用规律”，从而在不同人群、不同场景下都能保持准确性。

助力智慧医疗 展现经济社会价值

这项技术的意义，不仅在科研创新，也体现在实际的医疗与经济价值上。系统能够实时检测患者脑电意识水平，并主动预警异常状态，为护士提供客观、连续的辅助判断依据，使监护过程从被动盯守转变为主动响应。该系统以低成本实现高效集成，显著提升术后病房的工作效率，降低因麻醉术后并发症导致的医疗风险与经济损失。

其无创、低成本的特性，使之具备广泛的推广潜力，可在麻醉恢复区、重症监护室（ICU）等多种场景中应用。随着智慧医疗建设的推进，该成果为“数字麻醉”和脑电智能监护提供了新的技术路径，具有良好的产业化前景。项目的实施将有助于促进国产医疗设备的智能化升级，推动“脑科学与类脑研究”重大科技项目的成果转化，为建设健康中国贡献高校力量。

近年来，团队围绕该技术在多家高水平期刊发表论文30余篇，授权国家发明专利10余项；技术成果获得多项奖励。

目前，系统已在安徽医科大学第一附属医院、第二附属医院等多家三甲医院展开应用测试。相比传统方法，该系统能更早、更准确地识别患者意识反应，检测有效率超过80%，已在临床测试中表现出良好的可行性和稳定性。

未来，安徽大学脑机接口团队将继续拓展算法在意识障碍评估、镇静深度监测等方向的研究应用，联合视觉、听觉、触觉等多感官来进行综合的评判，以更好地服务于临床诊疗与患者康复。

（安徽大学供图）