一种呼吸机智能控制方法及系统技术方案

本发明专利技术公开了一种呼吸机智能控制方法及系统，其方法包括获取呼吸机的状态参数；基于预设的漏气估计模型分析状态参数，估算得到漏气参数；基于状态参数和漏气参数，估算得到呼吸参数；结合时间参数，执行睡眠判定，得到历史睡眠数据；基于历史睡眠数据和标准呼吸数据计算

【技术实现步骤摘要】
一种呼吸机智能控制方法及系统


[0001]本专利技术涉及呼吸机
，尤其是涉及一种呼吸机智能控制方法及系统
。

技术介绍

[0002]呼吸机作为一项能人工替代自主通气功能的有效手段，已普遍用于各种原因所致的呼吸衰竭
、
大手术期间的麻醉呼吸管理
、
呼吸支持治疗和急救复苏中，在现代医学领域内占有十分重要的位置，其目前的应用效果多元化，包括用于治疗睡眠障碍等
。
[0003]呼吸机的通气压力需要根据每个用户的实际情况确定（即压力滴定）
。
压力滴定通常在睡眠实验室进行，包括整夜的监测和调整呼吸机设置，一般由有经验的技术人员进行细致的工作，因此相对不便
。
[0004]公告号为
CN107982615B
的专利公开了一种优化的压力滴定方法及装置，该方法包括：接收数据采集器预先采集的目标用户的历史睡眠数据；将历史睡眠数据发送至终端设备，以使终端设备对历史睡眠数据进行处理，得到目标用户进行压力滴定时的滴定参数；根据滴定参数对目标用户进行压力滴定，得到目标用户的滴定结果
。
[0005]上述内容提供了一种应用呼吸机收集呼吸相关特征信息，使呼吸机可自主进行压力滴定的方案，但是其对呼吸机辅助通气效果的反馈和以之衍生的相关异常状态的判断和预测存在欠缺，因此本申请提出一种新的技术方案
。

技术实现思路

[0006]为了改善呼吸机及其系统的应用效果，本专利技术提供一种呼吸机智能控制方法及系统
。
[0007]第一方面，本申请提供一种呼吸机智能控制方法，采用如下的技术方案：一种呼吸机智能控制方法，包括智能压力调整，还包括睡眠特征判断；其中，所述智能压力调整包括：获取呼吸机的状态参数；基于预设的漏气估计模型分析状态参数，估算得到漏气参数；基于状态参数和漏气参数，估算得到呼吸参数；结合时间参数，执行睡眠判定逻辑，得到历次的历史睡眠数据；以及，基于前一次的历史睡眠数据和标准呼吸数据计算
AHI
指数，执行预设滴定逻辑，确定和调整滴定参数，并发送至对应的呼吸机；所述睡眠特征判断包括：获取临床发现的各种异常状态对应的呼吸系统的特征以及反应在呼吸信号上的特征，建立呼吸特征
‑
异常状态的循证数据库；获取目标用户的个体特征数据，并绑定历史睡眠数据，得到个体呼吸关联数据集；基于呼吸特征
‑
异常状态的循证数据库对个体呼吸关联数据集做异常状态判断和
/
或预测分析，得到异常状态报告
。
[0008]上述
AHI
指数为睡眠呼吸指数，表示睡眠中平均每小时呼吸暂停和低通气的次数
。
[0009]可选的，所述睡眠判定逻辑包括：基于呼吸参数建立对应的时域
/
频域图；调用预选的入睡阶段和清醒阶段的呼吸特征，与时域
/
频域图比对，确定差值小于睡眠误差阈值的时段，记为准睡眠时段；比对当前次准睡眠时段及前一次准睡眠时段的始末时间区间
T
内的呼吸特征，做相似度分析，标记相似度大于睡眠误差阈值的时段，记为
K
；剔除准睡眠时段中的
K
，并匹配对应呼吸参数，得到历史睡眠数据；其中，所述预选的入睡阶段和苏醒阶段的呼吸特征为用户前一次睡眠于入睡时触发
a
信号，记录的
a
信号后
t1
时间内的呼吸特征；或于苏醒时触发
b
信号，记录的
b
信号前
t2
时间内的呼吸特征
。
[0010]可选的，还包括：获取用户的疲劳度
、
精神状态
、
睡眠姿势
、
用药信息和辅助睡眠措施信息，并根据预设的分类标准做分类，分类的类别作为主动干涉标签标记对应的呼吸参数；所述睡眠特征判断包括：识别历史睡眠数据的主动干涉标签类别，基于同一类别的主动干涉标签调用预选的入睡阶段和清醒阶段的呼吸特征
。
[0011]可选的，所述滴定逻辑包括：确定
CPAP
模式
4cmH2O
为滴定起始；如果超过5分钟时出现：事件
A、
事件
B
或事件
C
，则升高
1cmH2O
；如果
CPAP
模式达到
15cmH2O
，且仍不能消除阻塞性呼吸事件，则调整呼吸机为
BPAP
模式；如果在
30
分钟未出现阻塞性呼吸事件，转为
CPAP
模式，且以预设步长降低压力，直至再次出现阻塞性呼吸事件；其中，
A
为超过两次阻塞性呼吸暂停；
B
为多于三次低通气；
C
为多于5次
RERAs。
[0012]上述
CPAP
为持续气道正压通气，
BPAP
为双水平气道正压通气，
RERAs
为呼吸努力引起的短暂惊醒
。
[0013]可选的，所述获取临床发现的各种异常状态对应的呼吸系统的特征以及反应在呼吸信号上的特征包括：以数据表的形式存储已知的用户个体特征数据和历史睡眠数据；其中，个体特征数据包括个人信息和异常状态信息；所述数据表，其采用数学分析处理，设置合适的时间窗口，进行各个异常状态的呼吸数据的特征提取，并用作异常状态预测模型训练；所述异常状态预测分析包括比对预设的异常状态预测模型和目标用户的历史睡眠数据
。
[0014]可选的，所述数学分析处理包括：基于数据表建立对应的时域
/
频域图，概率分析各个异常状态的呼吸特征的出现时段，取符合概率阈值的时段为时间窗口
。
[0015]可选的，还包括：获取用户主动发送的睡眠变化查询请求，并绑定身份信息；其中，睡眠变化查询请求包括查询始末日期；
根据睡眠变化查询请求绑定的身份信息调取对应的历史睡眠数据；比较查询始末日期的历史睡眠数据，计算呼吸特征变化量，并作为睡眠改善
/
恶化报告输出
。
[0016]可选的，还包括：基于历史睡眠数据和异常状态报告，判断是否存在非生理性睡眠障碍，如果是，则执行辅助睡眠逻辑；所述辅助睡眠逻辑包括：发送睡眠计划表至指定的用户，并获取填报后的睡眠计划表；根据睡眠计划表确定计划睡眠时间，并于每日的计划睡眠时间发送睡眠提示至指定的用户；基于历史睡眠数据和异常状态报告，从预设的睡眠意见数据库调取匹配的睡眠意见并发送至指定的用户
。
[0017]上述所述的异常状态包括疲劳
、
精神异常
、
睡眠姿势变化
、
通气管路受压
、
生理病变等
。
[0018]第二方面，本申请提供一种呼吸机智能控制系统，采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种呼吸机智能控制方法，包括智能压力调整，其特征在于：还包括睡眠特征判断；其中，所述智能压力调整包括：获取呼吸机的状态参数；基于预设的漏气估计模型分析状态参数，估算得到漏气参数；基于状态参数和漏气参数，估算得到呼吸参数；结合时间参数，执行睡眠判定逻辑，得到历次的历史睡眠数据；基于前一次的历史睡眠数据和标准呼吸数据计算
AHI
指数，执行预设滴定逻辑，确定和调整滴定参数，并发送至对应的呼吸机；所述睡眠特征判断包括：获取临床发现的各种异常状态对应的呼吸系统特征以及反应在呼吸信号上的特征，建立呼吸特征
‑
异常状态的循证数据库；获取目标用户的个体特征数据，并绑定历史睡眠数据，得到个体呼吸关联数据集；基于呼吸特征
‑
异常状态的循证数据库对个体呼吸关联数据集做异常状态判断和
/
或预测分析，得到异常状态报告
。2.
根据权利要求1所述的呼吸机智能控制方法，其特征在于：所述睡眠判定逻辑包括：基于呼吸参数建立对应的时域
/
频域图；调用预选的入睡阶段和清醒阶段的呼吸特征，与时域
/
频域图比对，确定差值小于睡眠误差阈值的时段，记为准睡眠时段；比对当前次准睡眠时段及前一次准睡眠时段的始末时间区间
T
内的呼吸特征，做相似度分析，标记相似度大于睡眠误差阈值的时段，记为
K
；剔除准睡眠时段中的
K
，并匹配对应呼吸参数，得到历史睡眠数据；其中，所述预选的入睡阶段和清醒阶段的呼吸特征为用户上一次睡眠于入睡时触发
a
信号，记录的
a
信号后
t1
时间内的呼吸特征；或于苏醒时触发
b
信号，记录的
b
信号前
t2
时间内的呼吸特征
。3.
根据权利要求2所述的呼吸机智能控制方法，其特征在于：还包括：获取用户的疲劳度
、
精神状态
、
睡眠姿势
、
用药信息和辅助睡眠措施信息，并根据预设的分类标准做分类，分类的类别作为主动干涉标签标记对应的呼吸参数；所述睡眠特征判断包括：识别历史睡眠数据的主动干涉标签类别，基于同一类别的主动干涉标签调用预选的入睡阶段和清醒阶段的呼吸特征
。4.
根据权利要求1所述的呼吸机智能控制方法，其特征在于：所述滴定逻辑包括：确定
CPAP
模式
4cmH2O
为滴定起始；如果超过5分钟时出现：事件
A、
事件
B
或事件
C
，则升高

【专利技术属性】
技术研发人员：唐雪峰，张弘弢，韩理，王帅，楼田甜，王成，牛建勋，王春香，
申请(专利权)人：南京舒普思达医疗设备有限公司，
类型：发明
国别省市：