一种基于神经网络的曲率变化判断触发通气的方法及系统技术方案

本发明专利技术涉及触发通气判断、神经网络和曲率突变领域，涉及一种基于神经网络的曲率变化判断触发通气的方法。本发明专利技术方法包括：对吸气流量值或通气管路压力值进行数据采集，并处理获得流量值曲率序列或压力值曲率序列；将获得的流量值曲率序列或压力值曲率序列输入预先建立并训练好的基于神经网络的判断触发通气模型中，输出得到触发等级，从而进行触发通气判断。断。断。

【技术实现步骤摘要】
一种基于神经网络的曲率变化判断触发通气的方法及系统


[0001]本专利技术涉及触发通气判断、神经网络和曲率突变领域，具体涉及一种基于神经网络的曲率变化判断触发通气的方法及系统。

技术介绍

[0002]触发通气判断，是麻醉机和呼吸机中较为关键的功能，该功能用于判断患者是否进行了主动吸气，并根据设定的触发等级高低，决定出是否要给予患者机控通气。
[0003]现在所用的触发通气判断，基本都是基于简单的压力下降量或者流量提升量进行判断，当有外界干扰时，容易导致触发误判或者难触发的问题。
[0004]传统触发通气判断的缺点：
[0005]1、判断机制简单，容易造成误触发或者难触发；
[0006]2、适用场景单一，不一定适合所有的患者。

技术实现思路

[0007]本专利技术的目的在于为了解决
技术介绍
中存在的上述问题，提供了一种基于神经网络的曲率变化判断触发通气的方法。
[0008]为达到上述目的，本专利技术通过下述技术方案实现。
[0009]本专利技术提出了一种基于神经网络的曲率变化判断触发通气的方法，所述方法包括：
[0010]对吸气流量值或通气管路压力值进行数据采集，并处理获得流量值曲率序列或压力值曲率序列；
[0011]将获得的流量值曲率序列或压力值曲率序列输入预先建立并训练好的基于神经网络的判断触发通气模型中，输出得到触发等级，从而进行触发通气判断。触发等级是在机器上设置的，用于判断是否满足触发条件的阈值，该阈值和触发数据绑定，用于训练神金网络。当被应用时，神经网络可根据输入数据判断出该曲线所代表的触发等级是多少，和设备上面上面设置好的触发等级相对比，当计算值大于设置值，则认为是触发成功。
[0012]作为上述技术方案的改进之一，所述对吸气流量值或通气管路压力值进行数据采集，并处理获得流量值曲率序列或压力值曲率序列，具体包括：
[0013]使用滑动通道法，每间隔设定时间对吸气流量值或通气管路压力值进行采集；
[0014]在采集的吸气流量值或通气管路压力值中，选取每三个连续的吸气流量值或通气管路压力值计算出一个曲率，从而获得流量值曲率序列或压力值曲率序列。
[0015]作为上述技术方案的改进之一，所述在采集的吸气流量值或通气管路压力值中，选取每三个连续的吸气流量值或通气管路压力值计算出一个曲率，从而获得流量值曲率序列或压力值曲率序列，其中，选取每三个连续的吸气流量值或通气管路压力值计算出一个曲率k的计算式为：
[0016][0017]其中，p1、p2、p3分别表示三个连续的吸气流量值或通气管路压力值，t1、t2、t3分别表示三个连续的吸气流量值或通气管路压力值对应的时间点，a、b、c分别为p1和p2之间、p2和p3之间以及p1和p3之间的距离。
[0018]作为上述技术方案的改进之一，所述判断触发通气模型的神经网络包括：输入层、隐藏层和输出层；其中，输入层包括8输入接口，隐藏层包括12层中间层；
[0019]所述神经网络为使用粒子群优化过的神经网络，即采用随机性方式确定神经网络层中中间层的权值，使用多组不同初始状态的神经网络同时运行。
[0020]训练的成功率的目标为99％。有时达不到，可以使用粒子群优化过的神经网络，防止神经网络陷入局部最优，即采用随机性方式确定，神经网络层中中间层的权值，使用多组不同初始状态的神经网络同时运行，可以增大目标达成的几率。
[0021]作为上述技术方案的改进之一，所述方法还包括：对判断触发通气模型进行训练；其中，训练过程中建立的训练数据集，包括：根据历史病人临床信息获得的通过不同触发等级进行触发通气判断成功的数据，及相同数量的进行触发通气判断失败的数据。
[0022]作为上述技术方案的改进之一，所述进行触发通气判断，包括：
[0023]将基于神经网络的判断触发通气模型输出的触发等级与设置好的触发等级阈值相比较，当输出的触发等级大于设置好的触发等级阈值时，则触发成功。
[0024]本专利技术还提出了一种基于神经网络的曲率变化判断触发通气的系统，所述系统包括：数据采集处理模块和判断触发通气模块；其中，
[0025]所述数据采集处理模块，用于对吸气流量值或通气管路压力值进行数据采集，并处理获得流量值曲率序列或压力值曲率序列；
[0026]所述判断触发通气模块，用于将获得的流量值曲率序列或压力值曲率序列输入预先建立并训练好的基于神经网络的判断触发通气模型中，输出得到触发等级，从而进行触发通气判断。
[0027]作为上述技术方案的改进之一，所述数据采集处理模块的采集处理过程，具体包括：
[0028]使用滑动通道法，每间隔设定时间对吸气流量值或通气管路压力值进行采集；
[0029]在采集的吸气流量值或通气管路压力值中，选取每三个连续的吸气流量值或通气管路压力值计算出一个曲率，从而获得流量值曲率序列或压力值曲率序列。
[0030]作为上述技术方案的改进之一，所述数据采集处理模块的采集处理过程，其中，选取每三个连续的吸气流量值或通气管路压力值计算出一个曲率k的计算式为：
[0031][0032]其中，p1、p2、p3分别表示三个连续的吸气流量值或通气管路压力值，t1、t2、t3分别表示三个连续的吸气流量值或通气管路压力值对应的时间点，a、b、c分别为p1和p2之间、p2和p3之间以及p1和p3之间的距离。
[0033]作为上述技术方案的改进之一，所述判断触发通气模型的神经网络包括：输入层、隐藏层和输出层；其中，输入层包括8输入接口，隐藏层包括12层中间层。
[0034]本专利技术与现有技术相比优点在于：
[0035]1、本专利技术方法关注压力下降、流量上升的过程特征进行判断，通过压力或流量的曲率变化判断信息进行触发通气判断，可以排除外界意外险干扰，提高判断的准确性；
[0036]2、使用典型的三层前馈神经网络，可自主学习触发时曲率的变化，学习什么样的曲率变化才符合触发条件；
[0037]3、相比于传统触发判断方式：在呼气周期，首先判断波形是否已经稳定，例如判断压力波形、流速波形是否变得平整、稳定，当稳定后记录，稳定值，例如压力、流速的稳定值，然后记录该值，当压力或流速与稳定值的差值，超过设定的触发阈值时，则认为是达到了触发条件。但是麻醉机工作时会有泄露，且没有基础流，导致病人不吸气时也能造成压力下降，导致错误触发。本申请的最大创新处，就是不再使用简单的同稳定值做比较的方式去判断，而是利用一定时间内，波形变化的过程，学习波形的形状，根据形状去判断发生了多大程度的吸气，判断是否满足触发条件。主要创新就是将波形曲线的变化过程充分利用，并结合神经网络进行学习，进行判断。创新细节：神经网络可能会陷入局部最优，造成神经网络在识别触发结果的正确性不是最高。使用n组相同拓扑结构的神经网络同时运行，使用随机初始化法对神经网络的初始权值进行初始化，相当于得到不同初始状态的神经网络，同时进行训练，最终使用正确率最高的神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的曲率变化判断触发通气的方法，所述方法包括：对吸气流量值或通气管路压力值进行数据采集，并处理获得流量值曲率序列或压力值曲率序列；将获得的流量值曲率序列或压力值曲率序列输入预先建立并训练好的基于神经网络的判断触发通气模型中，输出得到触发等级，从而进行触发通气判断。2.根据权利要求1所述的基于神经网络的曲率变化判断触发通气的方法，其特征在于，所述对吸气流量值或通气管路压力值进行数据采集，并处理获得流量值曲率序列或压力值曲率序列，具体包括：使用滑动通道法，每间隔设定时间对吸气流量值或通气管路压力值进行采集；在采集的吸气流量值或通气管路压力值中，选取每三个连续的吸气流量值或通气管路压力值计算出一个曲率，从而获得流量值曲率序列或压力值曲率序列。3.根据权利要求2所述的基于神经网络的曲率变化判断触发通气的方法，其特征在于，所述在采集的吸气流量值或通气管路压力值中，选取每三个连续的吸气流量值或通气管路压力值计算出一个曲率，从而获得流量值曲率序列或压力值曲率序列，其中，选取每三个连续的吸气流量值或通气管路压力值计算出一个曲率k的计算式为：其中，p1、p2、p3分别表示三个连续的吸气流量值或通气管路压力值，t1、t2、t3分别表示三个连续的吸气流量值或通气管路压力值对应的时间点，a、b、c分别为p1和p2之间、p2和p3之间以及p1和p3之间的距离。4.根据权利要求2所述的基于神经网络的曲率变化判断触发通气的方法，其特征在于，所述判断触发通气模型的神经网络包括：输入层、隐藏层和输出层；其中，输入层包括8输入接口，隐藏层包括12层中间层；所述神经网络为使用粒子群优化过的神经网络，即采用随机性方式确定神经网络隐藏层的权值，使用多组不同初始状态的神经网络同时运行。5.根据权利要求4所述的基于神经网络的曲率变化判断触发通气的方法，其特征在于，所述方法还包括：对判断触发通气模型进行训练；其中，训练过程中建立的训练数据集，包括：根据历史病人临床信息...

【专利技术属性】
技术研发人员：宋恒利，李洪祥，何倩倩，
申请(专利权)人：北京谊安医疗系统股份有限公司，
类型：发明
国别省市：