中國教育報-中國教育新聞網訊（通訊員 鄭敏 記者 王志鵬）近日，安徽大學計算機科學與技術學院腦機接口團隊成功研發出一套基于腦電信號的術后意識檢測系統。該系統以低成本實現高效集成，為臨床提供智能化輔助判斷依據，顯著提升術后病房的工作效率，可降低因麻醉術后并發癥導致的醫療風險與經濟損失。

在術后監護中，準確判斷患者意識狀態對術后安全和恢復至關重要。傳統方法主要采用臨床觀察和功能性磁共振成像（fMRI）。前者依賴人工觀察，主觀性強、反應慢，后者雖然能觀察腦區活動，但無法捕捉到意識變化中快速而細微的信號。為解決這一痛點，團隊與安徽醫科大學第一附屬醫院經過長期合作，研發出了基于腦電信號的術后意識檢測系統，通過引入“聽覺注意力檢測”技術，讓機器能夠“聽懂”患者大腦的反應，實現對意識水平的實時、客觀、量化監測。

實現可靠的聽覺注意力檢測是一項具有挑戰性的工作，團隊在研究中攻克了三個關鍵難題：

一是如何從信號“提得穩”。術后的腦電信號像一池被擾動的水，波動不穩，語音刺激的非平穩特性增加了復雜性。團隊提出一種“雙重注意力與時頻融合算法”，通過雙重篩選和特征融合機制在混亂信號中自動聚焦關鍵腦電活動，就像在嘈雜聲場中精準捕捉主旋律，讓檢測結果更穩定、更可靠。

二是如何讓解碼“跑得快”。在術后監護中，患者的神經反應往往發生在毫秒之間，系統必須在第一時間捕捉到變化。為此，團隊開發了一種輕量化算法結構，“體積”僅為傳統模型的幾十分之一，能實現毫秒級實時解碼，真正滿足臨床實時監測的需求。

三是如何讓算法“學得準”。術后病人的腦電特征與普通健康人差異明顯，而術后樣本的獲取又受倫理限制，訓練模型很難直接遷移到真實臨床場景。團隊通過引入小樣本學習與特征正則化技術，讓模型學會從有限的樣本中提取“通用規律”，從而在不同人群、不同場景下都能保持準確性。

目前，該系統已在安徽醫科大學第一附屬醫院、第二附屬醫院等多家三甲醫院開展臨床測試，累計服務患者近40例。與傳統人工觀察及fMRI檢測方式相比，該系統能夠更早、更準確地識別患者的意識反應，檢測準確率超過80%，在臨床應用中表現出良好的可行性與穩定性。