在现今的全身麻醉手术过程中,非人体侵入性以及高准确性的麻醉深度监测系统是很重要的议题,麻醉深度监测系统不只可以提供给麻醉医师当作参考,判断病人当下的麻醉深度当作是否可以开始进行手术,同时也能帮助病人在更合适的麻醉状态下进行手术。在本研究中利用多重生命讯号,如心率(Heart rate,HR),平均血压(Mean blood pressure)及肌电图(electromyography,EMG)作为输入,并以BIS(Bispectral Index)当作目标,通过三种不同方法:类神经网络(ANN),自适应神经模糊推理系统(ANFIS)、支持向量机(SVM)分别进行回归建立模型,得到不同的预测结果,其中ANFIS表现最好,平均绝对误差表现为9.2848±3.2653,相关系数为0.767±0.0874。再使用集成学习技术(Ensemble technique),对三种模型结果进行再次处理,使模型具有更广泛的适用性和准确性。通过与原来BIS值及单一模型结果进行比对,结果显示ANFIS与SVM结合的集成方法比单一模型表现更好,平均绝对误差最低,为8.9419±3.3584,同时相关系数最高,为0.797±0.0861,证明此模型代替BIS的可行性,未来希望可以将建立起来的模型运用在临床实验上。