基于神經網絡的呼吸機狀態分析方法和裝置的制造方法
【技術領域】
[0001]本發明涉及呼吸機技術領域，尤其涉及一種基于神經網絡的呼吸機狀態分析方法和裝置。
【背景技術】
[0002]呼吸機在運行過程中，不停的對患者的呼吸狀態和產生的病癥特征進行分析判斷，得出結果后，立即執行對應的功能。而對呼吸狀態判斷的準確和及時性直接影響呼吸機的跟隨性能以及患者使用的舒適程度，病癥分析的準確性直接影響患者使用呼吸機后的治療效果。現有的呼吸機在進行治療的過程中，依靠流量和壓力傳感器采集輸送給患者的氣流信息，并對采集的信息進行分析處理，一般情況下，控制程序需要對采集到的流量數據或壓力數據進行I?2次的再加工，得到的數據才能用于分析判斷，在加工過程中，將會生成多個數據(如:流量實時斜率，峰流速，峰流速趨勢等)，這些數據綜合起來經過一定的邏輯判斷形成最終的結果。由于加工后形成的數據較多且通常情況下程序需要按一定順序順次調用加工后的數據，因此在計算效率和正確性上往往存在一定偏差。
【發明內容】
[0003]本發明的主要目的在于提供一種基于神經網絡的呼吸機狀態分析方法和裝置，能夠提尚計算效率，從而提升呼吸機狀態判斷的正確性。
[0004]為實現上述目的，本發明提供一種基于神經網絡的呼吸機狀態分析方法，所述基于神經網絡的呼吸機狀態分析方法包括如下步驟:
[0005]監測呼吸機輸入的輸入參數；
[0006]獲取預設分析權值組，根據所述預設分析權值組和輸入參數確定分析結果；
[0007]將確定的所述分析結果輸出至呼吸機，以控制所述呼吸機。
[0008]優選地，所述輸入參數包括觸發參數和病癥分析參數；其中，所述觸發參數包括流量、壓力、漏氣量、流量斜率和壓力斜率中的至少兩種；所述病癥分析參數包括流量、壓力、吸氣峰流速、平均吸氣峰流速、呼氣時長和吸氣時長中的至少兩種。
[0009]優選地，所述預設分析權值組為根據分析數據庫中的歷史數據進行加工生成訓練數據集，并通過神經網絡算法對所述訓練數據集進行自適應學習訓練得到的一組權值組。
[0010]優選地，當所述輸入參數為觸發參數時，所述獲取預設分析權值組，根據所述預設分析權值組和輸入參數確定分析結果的步驟包括:
[0011]獲取預設分析權值組，根據所述預設分析權值組中的權值與所述觸發參數中對應的參數的計算結果確定觸發結果；
[0012]當所述輸入參數為病癥分析參數時，所述獲取預設分析權值，根據所述預設分析權值和輸入參數確定分析結果的步驟包括:
[0013]獲取預設分析權值，根據所述預設分析權值組中的權值與所述病癥分析參數中對應的參數的計算結果確定病癥類型。
[0014]優選地，當所述輸入參數為觸發參數時，所述將確定的所述分析結果輸出至呼吸機，以控制所述呼吸機的步驟包括:
[0015]將確定的觸發結果輸出至呼吸機，以根據所述觸發結果控制是否觸發所述呼吸機；
[0016]當所述輸入參數為病癥分析參數時，所述將確定的所述分析結果輸出至呼吸機，以控制所述呼吸機的步驟包括:
[0017]將確定的病癥類型輸出至呼吸機，以根據所述病癥類型控制所述呼吸機進行相應的治療。
[0018]此外，本發明還提供一種基于神經網絡的呼吸機狀態分析裝置，所述基于神經網絡的呼吸機狀態分析裝置包括:
[0019]監測模塊，用于監測呼吸機輸入的輸入參數；
[0020]確定模塊，用于獲取預設分析權值組，根據所述預設分析權值組和輸入參數確定分析結果；
[0021]輸出模塊，用于將確定的所述分析結果輸出至呼吸機，以控制所述呼吸機。
[0022]優選地，所述輸入參數包括觸發參數和病癥分析參數；其中，所述觸發參數包括流量、壓力、漏氣量、流量斜率和壓力斜率中的至少兩種；所述病癥分析參數包括流量、壓力、吸氣峰流速、平均吸氣峰流速、呼氣時長和吸氣時長中的至少兩種。
[0023]優選地，所述預設分析權值組為根據分析數據庫中的歷史數據進行加工生成訓練數據集，并通過神經網絡算法對所述訓練數據集進行自適應學習訓練得到的一組權值組。
[0024]優選地，當所述輸入參數為觸發參數時，所述確定模塊用于:
[0025]獲取預設分析權值組，根據所述預設分析權值組中的權值與所述觸發參數中對應的參數的計算結果確定觸發結果；
[0026]當所述輸入參數為病癥分析參數時，所述確定模塊用于:
[0027]獲取預設分析權值，根據所述預設分析權值組中的權值與所述病癥分析參數中對應的參數的計算結果確定病癥類型。
[0028]優選地，當所述輸入參數為觸發參數時，所述輸出模塊用于:
[0029]將確定的觸發結果輸出至呼吸機，以根據所述觸發結果控制是否觸發所述呼吸機；
[0030]當所述輸入參數為病癥分析參數時，所述輸出模塊用于:
[0031]將確定的病癥類型輸出至呼吸機，以根據所述病癥類型控制所述呼吸機進行相應的治療。
[0032]本發明在監測到呼吸機輸入的輸入參數后，獲取預設分析權值組，根據所述預設分析權值組和輸入參數確定分析結果，將確定的所述分析結果輸出至呼吸機，以控制所述呼吸機。將所有加工后的數據一次性輸入神經網絡，通過神經網絡算法對呼吸機的狀態進行分析和計算，避免了算法在邏輯上的順次調用，降低了計算過程中出錯的概率，從而通過神經網絡的自適應學習能力保證了輸出結果的正確性。
【附圖說明】
[0033]圖1為本發明基于神經網絡的呼吸機狀態分析方法較佳實施例的流程示意圖；
[0034]圖2為本發明基于神經網絡的呼吸機狀態分析裝置較佳實施例的功能模塊示意圖。
[0035]本發明目的的實現、功能特點及優點將結合實施例，參照附圖做進一步說明。
【具體實施方式】
[0036]應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。
[0037]本發明提供一種基于神經網絡的呼吸機狀態分析方法。
[0038]參照圖1，圖1為本發明基于神經網絡的呼吸機狀態分析方法較佳實施例的流程示意圖。
[0039]在本發明一實施例中，基于神經網絡的呼吸機狀態分析方法包括:
[0040]步驟S10，監測呼吸機輸入的輸入參數；
[0041]步驟S20，獲取預設分析權值組，根據所述預設分析權值組和輸入參數確定分析結果;
[0042]步驟S30，將確定的所述分析結果輸出至呼吸機，以控制所述呼吸機。
[0043]本實施例所提出的基于神經網絡的呼吸機狀態分析方法可應用于呼吸機對患者的呼吸狀態和病癥特征的分析，實施該方法的應用程序可以設置在呼吸機中，也可以設置在可以與呼吸機通訊連接的控制裝置中。
[0044]在對使用呼吸機的患者的呼吸狀態或病癥進行監控時，接收呼吸機輸入的輸入參數，在對使用呼吸機的患者的呼吸狀態進行監控時輸入參數為觸發參數，該觸發參數包括流量、壓力、漏氣量、流量斜率和壓力斜率中的至少兩種，其中，流量和壓力為通過流量傳感器和壓力傳感器實際采集的值，漏氣量為估算值，流量斜率、壓力斜率為根據傳感器實際采集的值加工計算后得到的值；在對患者的病癥進行監控時輸入參數為病癥分析參數，該病癥分析參數包括流量、壓力、吸氣峰流速、平均吸氣峰流速、呼氣時長和吸氣時長中的至少兩種，其中，流量和壓力為通過流量傳感器和壓力傳感器實際采集的值，吸氣峰流速是指在吸氣階段流量達到的最大值，平均吸氣峰流速是指用戶治療的過程中，在吸氣階段所達到的最大值的平均值。
[0045]在接收到輸入參數后，獲取預設分析權值組，并根據所述預設分析權值組和輸入參數確定分析結果；本實施例中的預設分析權值組，是根據分析數據庫中的歷史數據進行加工生成訓練數據集，并通過神經網絡算法對所述訓練數據集進行自適應學習訓練得到的一組權值組，可表示為(wl，w2，w3，...wn)。根據所述預設分析權值與所有輸入參數進行計算，并