一種基于反向傳播算法的呼吸機治療壓力穩定方法
【專利摘要】本發明公開一種基于反向傳播算法的呼吸機治療壓力穩定方法，包括以下步驟：先判定樣本數量；若樣本量小于N，再增加新樣本，讀取新樣本的各樣本參數，將該狀態下的各樣本參數采用反向傳播算法得到訓練階段的計算治療壓力值，判定訓練階段的治療壓力值?訓練階段的計算治療壓力值的均方誤差是否小于閾值；若小于閾值，計算各參數的權值并替換，若均方誤差大于或等于閾值，則重新判斷樣本量，進入循環。在治療過程中，讀取治療狀態下的實際參數值，調用存儲區域中的各參數的權值，再計算出靜態治療狀態下的計算治療壓力，采用該面罩端治療壓力給病患治療。本發明能夠實現漏氣量的快速、精確補償，有效保證治療的效果和患者使用的舒適度。
【專利說明】
一種基于反向傳播算法的呼吸機治療壓力穩定方法
技術領域
[0001] 本發明屬于呼吸機領域，具體而言，涉及一種呼吸機使用過程中發生漏氣時進行 壓力追蹤及穩定的方法，尤其是一種基于反向傳播算法的呼吸機治療壓力穩定方法。
【背景技術】
[0002] 目前，睡眠呼吸機是治療睡眠呼吸暫停綜合癥的最有效的手段，其使用簡單、治療 效果明顯，主機通過一條呼吸管路經口鼻面罩，給患者輸送所需要的治療壓力。顯然，穩定 和及時準確的壓力控制，是睡眠呼吸機療效的有效保證。
[0003] 然而，患者在使用過程中，面罩或管路等部位可能會發生不同程度的漏氣，如果沒 有及時的檢測和準確的判斷并做出相應的控制措施，壓力會有所下降，導致治療效果失敗。
[0004] 據發明人了解，傳統的呼吸機對漏氣過程中壓力的補償采用的是流速補償，當呼 吸機漏氣時，主機的流量傳感器檢測到系統流量增加，通過計算新的流量基線，并將當前新 的流量基線與呼吸機未漏氣時的流量基線相比較，根據基線差值增加相關的流速，以達到 提高壓力來保證治療效果。
[0005] 這種補償技術雖然在一定程度上能使治療壓力達到預設的范圍，但是仍然存在一 些不可避免的缺點：這是由于呼吸機根據流量基線的變化調整響應的速度比較慢，不能及 時根據漏氣的情況調整治療壓力，有時會出現患者使用過程中不舒適或呼吸到的流量不足 的情況。這是因為流量基線的計算是通過計算一段時間內流量的平均值來實現的，也就是 說需要在采集一段時間內的不同流量的基礎上，才能計算出這段時間內流量的平均值，而 在采集流量并計算這段時間的新的流量基線時，呼吸機還是按照之前的流量基線進行運 作，無法即時做出調整，因此采用該補償技術就注定了其響應速度慢，無法時刻保證治療效 果及患者的舒適度。
[0006] 因此，為了解決上述問題，提供一種基于反向傳播算法的呼吸機治療壓力穩定方 法是本發明所要研究的課題。
【發明內容】
[0007] 本發明提供一種基于反向傳播算法的呼吸機治療壓力穩定方法，其目的是為了解 決現有技術中，當面罩或管路等部位發生不同程度的漏氣時，由于呼吸機在調整治療壓力 時響應速度慢，從而導致治療效果失敗的問題。
[0008] 為達到上述目的，本發明采用的技術方案是：一種基于反向傳播算法的呼吸機治 療壓力穩定方法，所述呼吸機包括主機、呼吸管路、面罩、壓力傳感器以及流量傳感器，所述 壓力傳感器以及流量傳感器用于檢測主機風道內的壓力值和流量值，其創新點在于： 所述治療壓力穩定方法包括學習階段和治療階段，所述學習階段包括以下步驟： 步驟1.1:開啟呼吸機進行學習，令呼吸機的學習次數為i，i為〇、1、2、3、……，設定學習 次數i的上限值為N，N為正整數，設六個權值存儲單元用于存儲六個參數的權值，其中： 第一權值存儲單元用于存儲壓力參數P的權值Wp; 第二權值存儲單元用于存儲流量參數F的權值Wf; 第三權值存儲單元用于存儲面罩泄氣量參數Lm的權值Wlm; 第四權值存儲單元用于存儲漏氣量參數Lv的權值Wlv; 第五權值存儲單元用于存儲控制壓力參數Pc的權值Wpc; 第六權值存儲單元用于存儲呼吸管路壓力損耗參數P1的權值Wpl; i=〇為呼吸機開啟后的初始狀態，設六個參數的初始權值為常數Cl; 步驟1.2:使用呼吸機模擬第一漏氣量的漏氣狀態，令i=l，并在該漏氣狀態下主機獲取 以下六個參數的數值作為第一個樣本： 壓力參數P，該壓力參數P的數值為所述主機通過壓力傳感器獲得的壓力值P1; 流量參數F，該流量參數F的數值為所述主機通過流量傳感器獲得的流量值F1; 面罩泄氣量參數Lm，該面罩泄氣量參數Lm的數值為將流量參數F的數值代入面罩廠家 給出的面罩特性曲線獲得的面罩泄氣量值Lml; 漏氣量參數Lv，該漏氣量參數Lv的數值為流量平均值減去面罩泄氣量參數Lm的數值， 所述流量平均值為流量傳感器在采樣時間段內所采集到的所有樣本的流量值疊加后除以 采樣次數所獲得的值Lvl; 控制壓力參數Pc，該控制壓力參數Pc的數值為預先設定的面罩端的治療壓力理論值 Pci； 呼吸管路壓力損耗參數P1，該呼吸管路壓力損耗參數P1的數值為將壓力參數P的數值 以及所述流量參數F的數值代入管路廠家給出的管路特性曲線獲得的呼吸管路壓力損耗的 值 P11; 主機將第一個樣本中的數值P1乘以常數C1，數值F1乘以常數C1，數值Lml乘以常數C1， 數值Lv 1乘以常數C1，數值Pc 1乘以常數C1，數值P11乘以常數C1，得到六個輸入值，再將該六 個輸入值作為輸入代入反向傳播算法公式：
中計算得到學習階段的計算治療壓力值Psl以及第一個樣本對應的六個參數的權值， 即壓力參數P的權值Wpl、流量參數F的權值WH、面罩泄氣量參數Lm的權值Wlml、漏氣量參數 Lv的權值W1 v 1、控制壓力參數Pc的權值Wpc 1和呼吸管路壓力損耗參數P1的權值Wp 11;其中， 8=0.712~0.895，C2=4500~5500; n=〇. 1~〇. 2;所述計算治療壓力值Psl用于調整風機轉速； 步驟1.3:將Wpl存入第一權值存儲單元，WH存入第二權值存儲單元，Wlml存入第三權 值存儲單元，Wlvl存入第四權值存儲單元，Wpcl存入第五權值存儲單元，Wpll存入第六權值 存儲單元； 步驟1.4:判定學習次數i是否大于或等于N;若i小于N，則轉到步驟1.5;若i大于或等于 N，則轉到步驟1.8; 步驟1.5:使用呼吸機模擬第二漏氣量的漏氣狀態，該漏氣狀態的呼吸機學習次數為i+ 1;并在該漏氣狀態下主機獲取以下六個參數的數值作為第二個樣本，按照第一樣本的方式 對應獲得以下第二個樣本的六個參數： 壓力參數P的數值P2; 流量參數F的數值F2; 面罩泄氣量參數Lm的數值Lm2; 漏氣量參數Lv的數值Lv2; 控制壓力參數Pc的數值Pc2; 呼吸管路壓力損耗參數P1的數值P12; 主機將第二樣本中的數值P2乘以第一存儲單元中的當前數值，數值F2乘以第二存儲單 元中的當前數值，數值Lm2乘以第三存儲單元中的當前數值，數值Lv2乘以第四存儲單元中 的當前數值，數值Pc2乘以第五存儲單元中的當前數值，數值P12乘以第六存儲單元中的當 前數值，得到六個輸入值，再將該六個輸入值作為輸入代入反向傳播算法公式：
中計算得到第二個樣本的學習階段的計算治療壓力值Ps2以及第二個樣本對應的六個 參數的權值，即壓力參數P的權值Wp2、流量參數F的權值Wf 2、面罩泄氣量參數Lm的權值 Wlm2、漏氣量參數Lv的權值Wlv2、控制壓力參數Pc的權值Wpc2和呼吸管路壓力損耗參數P1 的權值Wpl2;其中，S=〇 ? 712~0 ? 895，C2=4500~5500 ;n=〇 ? 1~? 2;所述計算治療壓力值Ps2用 于調整風機轉速； 步驟1.6:將Wp2替換第一權值存儲單元的值，Wf2替換第二權值存儲單元的值，Wlm2替 換第三權值存儲單元的值，Wlv2替換第四權值存儲單元的值，Wpc2替換第五權值存儲單元 的值，Wpl2替換第六權值存儲單元的值； 步驟1.7:判定學習階段的實際治療壓力值Pm2與學習階段的計算治療壓力值Ps2的均 方誤差是否小于第一閾值T1，該第一閾值T1預先設定;所述學習階段的實際治療壓力值Pm2 等于壓力參數P的數值P2減去呼吸管路壓力損耗參數P1的數值P12,再減去面罩泄氣量參數 Lm的數值Lm2在面罩特性曲線上所對應的壓力值所得到的數值;若該均方誤差小于第一閾 值T1，則轉到步驟1.8;若該均方誤差大于或等于第一閾值T1，則回到步驟1.4,進行第三個 樣本的學習，第三個樣本模擬第三漏氣量的漏氣狀態，并在該漏氣狀態下主機獲取的六個 參數的數值作為第三個樣本;第三漏氣量與第二漏氣量不同；以此循環往復，進行第四個樣 本、第五個樣本、第六個樣本……的學習，直至均方誤差小于第一閾值T1或者i等于N時為 止； 步驟1.8:結束學習； 所述治療階段包括以下步驟： 步驟2.1:使用學習結束后的呼吸機對患者進行治療，主機獲取治療狀態下的六個參數 的數值，該六個參數是治療狀態下的壓力參數K、流量參數K、面罩泄氣量參數Ln/、漏氣量 參數L/、控制壓力參數Pc/以及呼吸管路壓力損耗參數P1'，該治療狀態下的六個參數的數 值與學習階段中樣本的六個參數的數值的獲取方式一致； 步驟2.2:主機將治療狀態下壓力參數P'的數值乘以第一存儲單元中的當前數值，流量 參數F'的數值乘以第二存儲單元中的當前數值，面罩泄氣量參數Ln/的數值乘以第三存儲 單元中的當前數值，漏氣量參數L/的數值乘以第四存儲單元中的當前數值，控制壓力參數 PV的數值乘以第五存儲單元中的當前數值，呼吸管路壓力損耗參數P1'的數值乘以第六存 儲單元中的當前數值，得到六個輸入值，再將該六個輸入值作為輸入代入反向傳播算法公 式：
中計算得到治療階段的計算治療壓力值Ps'以及治療階段對應的六個參數的權值;其 中，5=0 ? 712~0 ? 895，C2=4500~5500; n=〇 ? 1~〇 ? 2; 步驟2.3:主機根據計算治療壓力值PY，調整風機電機轉速以滿足呼吸機治療壓力要 求； 步驟2.4:將治療階段中的壓力參數P'的權值替換第一權值存儲單元的值，流量參數F' 的權值替換第二權值存儲單元的值，面罩泄氣量參數Ln/的權值替換第三權值存儲單元的 值，漏氣量參數L/的權值替換第四權值存儲單元的值，控制壓力參數Pc/的權值替換第五 權值存儲單元的值，呼吸管路壓力損耗參數PV的權值替換第六權值存儲單元的值； 所述呼吸機在治療階段實時監測患者治療壓力，主機實時獲取治療狀態下的六個參數 的數值，并按照步驟2.1至步驟2.4的方式重復操作，以此循環往復，直至結束治療。
[0009]上述技術方案中的有關內容解釋如下： 1、上述方案中，在治療階段中，實時計算實際治療壓力值Pn/，該實際治療壓力值Pn/等 于壓力參數K的數值減去呼吸管路壓力損耗參數PV的數值，再減去面罩泄氣量參數Ln/的 數值在面罩特性曲線上所對應的壓力值所得到的數值；當實際治療壓力值Pn/與治療階段 的計算治療壓力值Ps'的均方誤差大于閾值T時，按如下步驟進行動態調整： 步驟3 ? 1:主機讀取治療狀態下的壓力參數K的數值、控制壓力參數Pc/、呼吸管路壓力 損耗參數PV、面罩泄氣量參數Ln/ ; 步驟3 ? 2:計算目標壓力PV的值，目標壓力PV是將控制壓力參數Pc/加上呼吸管路壓 力損耗參數PV的數值，再加上面罩泄氣量參數Ln/的數值在面罩特性曲線上所對應的壓力 值所獲得的數值； 步驟3 ? 3:將壓力參數P'的數值與目標壓力PV比較，當壓力參數P'的數值與目標壓力 PV的差的絕對值小于或等于預先設定的第二閾值T2時，則轉到步驟3.4;當壓力參數P'的 數值與目標壓力PV的差的絕對值大于預先設定的第二閾值T2時，根據壓力參數P'的數值 與目標壓力PV的差值調整電機轉速，然后回到步驟3.1重復步驟3.1至步驟3.3操作，以此 循環往復； 步驟3.4:結束動態調整。
[0010] 2、上述方案中，所述動態調整還包括： 預先設定一個系數K的值； 在步驟3.3中，當壓力參數P'的數值與目標壓力Pt'的差的絕對值大于預先設定的第二 閾值T2時，主機讀取流量參數F'的數值，然后將壓力參數P'的數值除以流量參數F'平方的 數值得到商值，若該商值小于K，則主機提示異常。
[0011] 3、上述方案中，理論上，數值N越大則學習的效果越精確，誤差越小，這樣的治療效 果越好，廠家可以根據需要調整學習所需的次數。
[0012] 4、上述方案中，所述呼吸管路壓力損耗參數指的是面罩與呼吸機主機之間連接的 管路。
[0013] 5、上述方案中，其中第一權值存儲單元中的數值是不停地被壓力參數P的權值所 更替的，第二權值存儲單元中的數值是不停地被流量參數F的權值所更替的，第三權值存儲 單元中的數值是不停地被面罩泄氣量參數Lm的權值所更替的;第四權值存儲單元中的數值 是不停地被漏氣量參數Lv的權值所更替的，第五權值存儲單元中的數值是不停地被控制壓 力參數Pc的權值所更替的，第六權值存儲單元中的數值是不停地被呼吸管路壓力損耗參數 P1的權值所更替的，每經過一次樣本學習，這些值都要被新的樣本參數的權值所更替一次， 直到樣本學習結束。
[0014] 本發明原理、構思和效果如下： 本發明提供的一種基于反向傳播算法的呼吸機治療壓力穩定方法，該方法包括兩個部 分:第一部分是在呼吸機出廠前，先通過后向傳播算法批量學習，讓呼吸機自學習在不同漏 氣量下的治療壓力輸出，然后再將數據保存，當呼吸機真正開始治療時，通過對比調用符合 要求的治療壓力，這就類似于將不同漏氣量的治療壓力事先試驗好，并存儲在數據庫當中， 當需要正式治療使用時，只需要通過比對將符合要求的治療壓力調用出，就可以實現治療， 因此，采用這種方法比普通的在線補償響應速度大大提高；第二部分是在呼吸機使用過一 段時間后，誤差逐漸加大，進行動態調整治療壓力。
[0015]與現有技術相比，該發明由于在呼吸機出廠前已經學習了各種漏氣量下所對應的 治療壓力，在實際治療過程中只需調用符合要求的治療壓力，因此能夠快速給予因面罩或 管路等部位發生漏氣時的治療壓力補償，使治療輸出端壓力及時地穩定在設定壓力，這就 類似于將不同漏氣量的治療壓力事先試驗好，并存儲在數據庫當中，當需要正式治療使用 時，只需要通過比對將符合要求的治療壓力調用出，就可以實現治療，因此，采用這種方法 比普通的在線補償響應速度大大提高。而當呼吸機在使用一段時間后，出現較大誤差時，通 過重新的計算方法動態調整治療壓力，仍然能夠使治療輸出端壓力及時地穩定在設定壓 力。本發明采用這兩個部分達到漏氣量的快速、精確補償，有效保證治療的效果和患者使用 的舒適度。
【附圖說明】
[0016]附圖1為本發明實施例中反向傳播算法的模型圖； 附圖2為本發明實施例中反向傳播算法的示意圖； 附圖3為本發明實施例中壓力流量PQ曲線圖； 附圖4為本發明實施例中呼吸機學習階段的流程圖； 附圖5為本發明實施例1中呼吸機壓力穩定的流程圖 附圖6為本發明實施例3中呼吸機壓力穩定的流程圖。
【具體實施方式】
[0017]下面結合實施例對本發明作進一步描述： 實施例1: 一種基于反向傳播算法的呼吸機治療壓力穩定方法 參見附圖1-2、4-5所示，所述呼吸機包括主機、呼吸管路、面罩、壓力傳感器以及流量傳 感器，所述壓力傳感器以及流量傳感器用于檢測主機風道內的壓力值和流量值，其特征在 于： 所述治療壓力穩定方法包括學習階段和治療階段，所述學習階段包括以下步驟： 步驟1.1:開啟呼吸機進行學習，令呼吸機的學習次數為i，i為〇、1、2、3、……，設定學習 次數i的上限值為N，N為正整數，設六個權值存儲單元用于存儲六個參數的權值，其中： 第一權值存儲單元用于存儲壓力參數P的權值Wp; 第二權值存儲單元用于存儲流量參數F的權值Wf; 第三權值存儲單元用于存儲面罩泄氣量參數Lm的權值Wlm; 第四權值存儲單元用于存儲漏氣量參數Lv的權值Wlv; 第五權值存儲單元用于存儲控制壓力參數Pc的權值Wpc; 第六權值存儲單元用于存儲呼吸管路壓力損耗參數P1的權值Wpl; i=〇為呼吸機開啟后的初始狀態，設六個參數的初始權值為常數Cl; 步驟1.2:使用呼吸機模擬第一漏氣量的漏氣狀態，令i=l，并在該漏氣狀態下主機獲取 以下六個參數的數值作為第一個樣本： 壓力參數P，該壓力參數P的數值為所述主機通過壓力傳感器獲得的壓力值P1; 流量參數F，該流量參數F的數值為所述主機通過流量傳感器獲得的流量值F1; 面罩泄氣量參數Lm，該面罩泄氣量參數Lm的數值為將流量參數F的數值代入面罩廠家 給出的面罩特性曲線獲得的面罩泄氣量值Lml; 漏氣量參數Lv，該漏氣量參數Lv的數值為流量平均值減去面罩泄氣量參數Lm的數值， 所述流量平均值為流量傳感器在采樣時間段內所采集到的所有樣本的流量值疊加后除以 采樣次數所獲得的值Lvl; 控制壓力參數Pc，該控制壓力參數Pc的數值為預先設定的面罩端的治療壓力理論值 Pci； 呼吸管路壓力損耗參數PI，該呼吸管路壓力損耗參數PI的數值為將壓力參數p的數值 以及所述流量參數F的數值代入管路廠家給出的管路特性曲線獲得的呼吸管路壓力損耗的 值 P11; 主機將第一個樣本中的數值P1乘以常數C1，數值F1乘以常數C1，數值Lml乘以常數C1， 數值Lv 1乘以常數C1，數值Pc 1乘以常數C1，數值P11乘以常數C1，得到六個輸入值，再將該六 個輸入值作為輸入代入反向傳播算法公式：
中計算得到學習階段的計算治療壓力值Psl以及第一個樣本對應的六個參數的權值， 即壓力參數P的權值Wpl、流量參數F的權值WH、面罩泄氣量參數Lm的權值Wlml、漏氣量參數 Lv的權值W1 v 1、控制壓力參數Pc的權值Wpc 1和呼吸管路壓力損耗參數P1的權值Wp 11;其中， 8=0.712~0.895，C2=4500~5500; n=〇. 1~〇. 2;所述計算治療壓力值Psl用于調整風機轉速;本 實施例中，8=0 ? 8，C2=5000，n=〇 ? 15; 步驟1.3:將Wpl存入第一權值存儲單元，wn存入第二權值存儲單元，Wlml存入第三權 值存儲單元，Wlvl存入第四權值存儲單元，Wpcl存入第五權值存儲單元，Wpll存入第六權值 存儲單元； 步驟1.4:判定學習次數i是否大于或等于N，本實施例中，N取值5000;若i小于N，則轉到 步驟1.5;若i大于或等于N，則轉到步驟1.8，也就是說，若i小于5000，則轉到步驟1.5，若i大 于等于5000，則轉到步驟1.8; 步驟1.5:使用呼吸機模擬第二漏氣量的漏氣狀態，該漏氣狀態的呼吸機學習次數為i+ 1;并在該漏氣狀態下主機獲取以下六個參數的數值作為第二個樣本，按照第一樣本的方式 對應獲得以下第二個樣本的六個參數： 壓力參數P的數值P2; 流量參數F的數值F2; 面罩泄氣量參數Lm的數值Lm2; 漏氣量參數Lv的數值Lv2; 控制壓力參數Pc的數值Pc2; 呼吸管路壓力損耗參數P1的數值P12; 主機將第二樣本中的數值P2乘以第一存儲單元中的當前數值，數值F2乘以第二存儲單 元中的當前數值，數值Lm2乘以第三存儲單元中的當前數值，數值Lv2乘以第四存儲單元中 的當前數值，數值Pc2乘以第五存儲單元中的當前數值，數值P12乘以第六存儲單元中的當 前數值，得到六個輸入值，再將該六個輸入值作為輸入代入反向傳播算法公式：
中計算得到第二個樣本的學習階段的計算治療壓力值Ps2以及第二個樣本對應的六個 參數的權值，即壓力參數P的權值Wp2、流量參數F的權值Wf 2、面罩泄氣量參數Lm的權值 Wlm2、漏氣量參數Lv的權值Wlv2、控制壓力參數Pc的權值Wpc2和呼吸管路壓力損耗參數P1 的權值Wpl2;其中，S=〇 ? 712~0 ? 895，C2=4500~5500 ;n=〇 ? 1~? 2;所述計算治療壓力值Ps2用 于調整風機轉速;本實施例中，8=0.8，C2=5000，n=〇. 15; 步驟1.6:將Wp2替換第一權值存儲單元的值，Wf2替換第二權值存儲單元的值，Wlm2替 換第三權值存儲單元的值，Wlv2替換第四權值存儲單元的值，Wpc2替換第五權值存儲單元 的值，Wpl2替換第六權值存儲單元的值； 步驟1.7:判定學習階段的實際治療壓力值Pm2與學習階段的計算治療壓力值Ps2的均 方誤差是否小于第一閾值T1，該第一閾值T1預先設定，本實施例中，該第一閾值T1設為0.2; 所述學習階段的實際治療壓力值Pm2等于壓力參數P的數值P2減去呼吸管路壓力損耗參數 P1的數值P12，再減去面罩泄氣量參數Lm的數值Lm2在面罩特性曲線上所對應的壓力值所得 到的數值;若該均方誤差小于第一閾值T1，也就均方誤差小于是小于0.2，則轉到步驟1.8; 若該均方誤差大于或等于第一閾值T1，也就是均方誤差大于或等于0.2,則回到步驟1.4,進 行第三個樣本的學習，第三個樣本模擬第三漏氣量的漏氣狀態，并在該漏氣狀態下主機獲 取的六個參數的數值作為第三個樣本;第三漏氣量與第二漏氣量不同；以此循環往復，進行 第四個樣本、第五個樣本、第六個樣本……的學習，直至均方誤差小于0.2或者i等于5000時 為止； 步驟1.8:結束學習； 所述治療階段包括以下步驟： 步驟2.1:使用學習結束后的呼吸機對患者進行治療，主機獲取治療狀態下的六個參數 的數值，該六個參數是治療狀態下的壓力參數K、流量參數K、面罩泄氣量參數Ln/、漏氣量 參數L/、控制壓力參數Pc/以及呼吸管路壓力損耗參數P1'，該治療狀態下的六個參數的數 值與學習階段中樣本的六個參數的數值的獲取方式一致； 步驟2.2:主機將治療狀態下壓力參數P'的數值乘以第一存儲單元中的當前數值，流量 參數F'的數值乘以第二存儲單元中的當前數值，面罩泄氣量參數Ln/的數值乘以第三存儲 單元中的當前數值，漏氣量參數L/的數值乘以第四存儲單元中的當前數值，控制壓力參數 PV的數值乘以第五存儲單元中的當前數值，呼吸管路壓力損耗參數P1'的數值乘以第六存 儲單元中的當前數值，得到六個輸入值，再將該六個輸入值作為輸入代入反向傳播算法公 式：
中計算得到治療階段的計算治療壓力值Ps'以及治療階段對應的六個參數的權值;其 中，S=0.8，C2=5000，n=0.15; 步驟2.3:主機根據計算治療壓力值PY，調整風機電機轉速以滿足呼吸機治療壓力要 求； 步驟2.4:將治療階段中的壓力參數P'的權值替換第一權值存儲單元的值，流量參數F' 的權值替換第二權值存儲單元的值，面罩泄氣量參數Ln/的權值替換第三權值存儲單元的 值，漏氣量參數L/的權值替換第四權值存儲單元的值，控制壓力參數Pc/的權值替換第五 權值存儲單元的值，呼吸管路壓力損耗參數PV的權值替換第六權值存儲單元的值； 所述呼吸機在治療階段實時監測患者治療壓力，主機實時獲取治療狀態下的六個參數 的數值，并按照步驟2.1至步驟2.4的方式重復操作，以此循環往復，直至結束治療。
[0018]實施例2: -種基于反向傳播算法的呼吸機治療壓力穩定方法 其余與實施例1相同，不同之處在于，在治療階段中，實時計算實際治療壓力值Pn/，該 實際治療壓力值Pn/等于壓力參數K的數值減去呼吸管路壓力損耗參數PV的數值，再減去 面罩泄氣量參數Ln/的數值在面罩特性曲線上所對應的壓力值所得到的數值；當實際治療 壓力值Pn/與治療階段的計算治療壓力值PY的均方誤差大于閾值T時，按如下步驟進行動 態調整： 步驟3 ? 1:主機讀取治療狀態下的壓力參數K的數值、控制壓力參數Pc/、呼吸管路壓力 損耗參數PV、面罩泄氣量參數Ln/ ; 步驟3 ? 2:計算目標壓力PV的值，目標壓力PV是將控制壓力參數Pc/加上呼吸管路壓 力損耗參數PV的數值，再加上面罩泄氣量參數Ln/的數值在面罩特性曲線上所對應的壓力 值所獲得的數值； 步驟3 ? 3:將壓力參數P'的數值與目標壓力PV比較，當壓力參數P'的數值與目標壓力 PV的差的絕對值小于或等于預先設定的第二閾值T2時，則轉到步驟3.4;當壓力參數P'的 數值與目標壓力PV的差的絕對值大于預先設定的第二閾值T2時，根據壓力參數P'的數值 與目標壓力PV的差值調整電機轉速，然后回到步驟3.1重復步驟3.1至步驟3.3操作，以此 循環往復，本實施例中，第二閾值T2取值0.2，也就是說，當壓力參數P'的數值與目標壓力 PV的差的絕對值小于或等于0.2時，則轉到步驟3.4;當壓力參數P'的數值與目標壓力Pt' 的差的絕對值大于0.2時，根據壓力參數P'的數值與目標壓力PV的差值調整電機轉速，然 后回到步驟3.1重復步驟3.1至步驟3.3操作，以此循環往復； 步驟3.4:結束動態調整。
[0019] 實施例3: -種基于反向傳播算法的呼吸機治療壓力穩定方法 參見附圖1_3、5、6所示，其余與實施例1相同，不同之處在于:所述動態調整還包括： 預先設定一個系數K的值，本實施例中，K取值0.0002; 在步驟3.3中，當壓力參數P'的數值與目標壓力Pt'的差的絕對值大于預先設定的第二 閾值T2時，主機讀取流量參數F'的數值，然后將壓力參數P'的數值除以流量參數F'平方的 數值得到商值，若該商值小于K，則主機提示異常。
[0020] 下面針對以上實施例作進一步解釋如下： 1、以上實施例中，設定學習次數i的上限值為N，N取值為5000,實際上，N取值4000、 4500、4800、5500、5001、6000……都是可行，數值N越大則學習的效果越精確，誤差越小，這 樣的治療效果越好，但是當學習次數已經遠遠大于5000,但是呼吸機還是沒有學習結束，這 有可能代表著呼吸機是次品或者存在一定的故障，而且實際上廠家可以根據需要調整學習 所需的次數。
[0021] 2、以上實施例中，第一閾值T1取值0.2，實際上第一閾值取值還可以是0.19、0.21、 0.15,0.25……都是可行的，一般第一閾值的取值范圍在0_0.2的范圍內，實際上稍微大于 0.2也是可行的，但是第一閾值取得越大，相對而言誤差越大，設計人員可以根據需要調整 第一閾值n的取值。
[0022] 3、以上實施例中，同理，第二閾值T2取值0.2，實際上第二閾值取值還可以是0.19、 0.21,0.15,0.25……都是可行的，一般第二閾值的取值范圍在0-0.2的范圍內，實際上稍微 大于0.2也是可行的，但是第一閾值取得越大，相對而言誤差越大，設計人員可以根據需要 調整第二閾值T2的取值。
[0023] 4、以上實施例中，系數K取值0.0002,實際上系數K取值還可以是0.0001、 0.00011、0.00013、0.0003、0.0005……都是可行的，一般系數K的取值范圍在00001-0.0005 的范圍內，實際上稍微大于0.0005、或者稍微小于0.0001當然也是可行的，設計人員可以根 據需要調整K的取值。
[0024] 5、以上實施例中，S取0.712~0.895范圍內的任意一個數值，C2取4500~5500范圍內 的任意一個數值，n取0.1~0.2范圍內的任意一個數值均是可行的。本領域的技術人員通過 本發明可以得到S、C2以及n取上述各自的取值范圍內的值均可實施的啟示。
[0025] 6、以上實施例中，各附圖中出現的W(y)中，y為以上樣本對應的六個參數，即W(y) 實質指的是Wp、Wf、Wlm、Wlv、Wpc、Wpl。
[0026] 結合本實施例3具體描述如下：圖1-2中主要涉及到的后向傳播算法為批量學習模 式，呼吸機在治療之前需要進行批量學習，呼吸機的主機MCU實時讀取呼吸機在不同漏氣量 Lv下的壓力傳感器信號和流量傳感器信號，并將信號進行處理，如進行濾波和放大處理，通 過運算來調整系統壓力驅動電路信號，產生需要的控制壓力Pc，進而計算出呼吸管路壓力 損耗P1和面罩泄氣量Lm。將上述壓力參數P、流量參數F、呼吸管路壓力損耗參數P1、控制壓 力參數Pc、面罩泄氣量參數Lm和當前漏氣量參數Lv組合成5000份學習樣本帶入后向傳播算 法中進行批量學習。當面罩端學習階段的實際的治療壓力Pm和學習階段的計算治療壓力值 Ps的第一均方誤差小于閾值T時即結束批量學習，計算各參數的權值并存入存儲區域E2中。
[0027] 當呼吸機在治療時會讀取E2中各輸入參數的權值并帶入計算，下面詳細講解實現 過程： 如圖5和6所示:呼吸機通電并開始進行靜態治療時，采集靜態治療階段的與樣本相對 應的六個參數的數值，主機讀取存入E2中的壓力傳感器信號對應的壓力參數P的權值、流量 傳感器信號對應的流量參數F的權值、控制壓力參數Pc的權值、呼吸機管路壓力損耗參數P1 的權值W、面罩泄氣量參數Lm的權值W和漏氣量參數Lv的權值W。然后將各參數乘以更替后的 權值帶入后向傳播算法，計算出面罩端治療壓力理論值Pn/，并判斷實際值和理論值之間的 第二均方誤差大小。如果誤差小于閾值T，則只需要輸入批量學習計算的輸入控制壓力Pc， 則面罩端就會出現符合要求的治療壓力；如果出現第二均方誤差大于或等于設定閾值T時 則在治療時采用下述方法動態調整。
[0028] 參見附圖3,在呼吸機系統中，假如從鼓風機出風口直接經過管路、面罩到達患者， 管路和面罩部分相當于鼓風機的負載。鼓風機輸出的壓力經過負載后會有不通程度的降 低，降低的多少取決于負載的氣路阻力的大小。根據風量力學理論，風量流量與風機的轉速 成正比即：Q2/Q1 =RPM2/RPM1，Q代表流量，RPM代表風機的轉速；同時風量對應的壓力與風 機的轉速的平方成正比，即：P2/P1= (RPM2* RPM2/RPM1* RPM1)，其中，P代表壓力，從上面 的公式中可以推導出：P2/P1= (Q2*Q2/Q1*Q1)，如果在等號后面的分子和分母中都加一個 系數K結果不變，從而可以簡化出壓力和流量的關系式P=K*Q*Q，此時，K是一個常數。這個就 是我們計算壓力的基本公式依據。通過K，此時流量Q以及此時的壓力P，則計算此時的控制 壓力Pc。
[0029] 上述實施例只為說明本發明的技術構思及特點，其目的在于讓熟悉此項技術的人 士能夠了解本發明的內容并據以實施，并不能以此限制本發明的保護范圍。凡根據本發明 精神實質所作的等效變化或修飾，都應涵蓋在本發明的保護范圍之內。
【主權項】
1. 一種基于反向傳播算法的呼吸機治療壓力穩定方法，所述呼吸機包括主機、呼吸管 路、面罩、壓力傳感器以及流量傳感器，所述壓力傳感器以及流量傳感器用于檢測主機風道 內的壓力值和流量值，其特征在于： 所述治療壓力穩定方法包括學習階段和治療階段，所述學習階段包括以下步驟： 步驟1.1:開啟呼吸機進行學習，令呼吸機的學習次數為i，i為〇、1、2、3、……，設定學習 次數i的上限值為N，N為正整數，設六個權值存儲單元用于存儲六個參數的權值，其中： 第一權值存儲單元用于存儲壓力參數P的權值Wp; 第二權值存儲單元用于存儲流量參數F的權值Wf; 第三權值存儲單元用于存儲面罩泄氣量參數Lm的權值Wlm; 第四權值存儲單元用于存儲漏氣量參數Lv的權值Wlv; 第五權值存儲單元用于存儲控制壓力參數Pc的權值Wpc; 第六權值存儲單元用于存儲呼吸管路壓力損耗參數P1的權值Wpl; i=〇為呼吸機開啟后的初始狀態，設六個參數的初始權值為常數Cl; 步驟1.2:使用呼吸機模擬第一漏氣量的漏氣狀態，令i=l，并在該漏氣狀態下主機獲取 以下六個參數的數值作為第一個樣本： 壓力參數P，該壓力參數P的數值為所述主機通過壓力傳感器獲得的壓力值P1; 流量參數F，該流量參數F的數值為所述主機通過流量傳感器獲得的流量值F1; 面罩泄氣量參數Lm，該面罩泄氣量參數Lm的數值為將流量參數F的數值代入面罩廠家 給出的面罩特性曲線獲得的面罩泄氣量值Lml; 漏氣量參數Lv，該漏氣量參數Lv的數值為流量平均值減去面罩泄氣量參數Lm的數值， 所述流量平均值為流量傳感器在采樣時間段內所采集到的所有樣本的流量值疊加后除以 采樣次數所獲得的值Lvl; 控制壓力參數Pc，該控制壓力參數Pc的數值為預先設定的面罩端的治療壓力理論值 Pci； 呼吸管路壓力損耗參數P1，該呼吸管路壓力損耗參數P1的數值為將壓力參數P的數值 以及所述流量參數F的數值代入管路廠家給出的管路特性曲線獲得的呼吸管路壓力損耗的 值 P11; 主機將第一個樣本中的數值P1乘以常數C1，數值F1乘以常數C1，數值Lml乘以常數C1， 數值Lv 1乘以常數C1，數值Pc 1乘以常數C1，數值P11乘以常數C1，得到六個輸入值，再將該六 個掄λ佶作為掄λ代λ皮向佑墦笪法公忒.中計算得到學習階段的計算治療壓力值Psl以及第一個樣本對應的六個參數的權值， 即壓力參數P的權值Wpl、流量參數F的權值WH、面罩泄氣量參數Lm的權值Wlml、漏氣量參數 Lv的權值W1 v 1、控制壓力參數Pc的權值Wpc 1和呼吸管路壓力損耗參數P1的權值Wp 11;其中， δ=〇. 712~0.895，C2=4500~5500; n=〇. 1~〇. 2;所述計算治療壓力值Psl用于調整風機轉速； 步驟1.3:將Wpl存入第一權值存儲單元，Wf!存入第二權值存儲單元，Wlml存入第三權 值存儲單元，Wlvl存入第四權值存儲單元，Wpcl存入第五權值存儲單元，Wpll存入第六權值 存儲單元； 步驟1.4:判定學習次數i是否大于或等于N;若i小于N，則轉到步驟1.5;若i大于或等于 N，則轉到步驟1.8; 步驟1.5:使用呼吸機模擬第二漏氣量的漏氣狀態，該漏氣狀態的呼吸機學習次數為i+ 1;并在該漏氣狀態下主機獲取以下六個參數的數值作為第二個樣本，按照第一樣本的方式 對應獲得以下第二個樣本的六個參數： 壓力參數P的數值P2; 流量參數F的數值F2; 面罩泄氣量參數Lm的數值Lm2; 漏氣量參數Lv的數值Lv2; 控制壓力參數Pc的數值Pc2; 呼吸管路壓力損耗參數P1的數值P12; 主機將第二樣本中的數值P2乘以第一存儲單元中的當前數值，數值F2乘以第二存儲單 元中的當前數值，數值Lm2乘以第三存儲單元中的當前數值，數值Lv2乘以第四存儲單元中 的當前數值，數值Pc2乘以第五存儲單元中的當前數值，數值P12乘以第六存儲單元中的當 前數值，得到六個輸入值，再將該六個輸入值作為輸入代入反向傳播算法公式：中計算得到第二個樣本的學習階段的計算治療壓力值Ps2以及第二個樣本對應的六個 參數的權值，即壓力參數P的權值Wp2、流量參數F的權值Wf 2、面罩泄氣量參數Lm的權值 Wlm2、漏氣量參數Lv的權值Wlv2、控制壓力參數Pc的權值Wpc2和呼吸管路壓力損耗參數P1 的權值Wpl2;其中，δ=〇 · 712~0 · 895，C2=4500~5500 ;η=〇 · 1~· 2;所述計算治療壓力值Ps2用 于調整風機轉速； 步驟1.6:將Wp2替換第一權值存儲單元的值，Wf2替換第二權值存儲單元的值，Wlm2替 換第三權值存儲單元的值，Wlv2替換第四權值存儲單元的值，Wpc2替換第五權值存儲單元 的值，Wpl2替換第六權值存儲單元的值； 步驟1.7:判定學習階段的實際治療壓力值Pm2與學習階段的計算治療壓力值Ps2的均 方誤差是否小于第一閾值T1，該第一閾值T1預先設定;所述學習階段的實際治療壓力值Pm2 等于壓力參數P的數值P2減去呼吸管路壓力損耗參數P1的數值P12,再減去面罩泄氣量參數 Lm的數值Lm2在面罩特性曲線上所對應的壓力值所得到的數值;若該均方誤差小于第一閾 值T1，則轉到步驟1.8;若該均方誤差大于或等于第一閾值T1，則回到步驟1.4,進行第三個 樣本的學習，第三個樣本模擬第三漏氣量的漏氣狀態，并在該漏氣狀態下主機獲取的六個 參數的數值作為第三個樣本;第三漏氣量與第二漏氣量不同；以此循環往復，進行第四個樣 本、第五個樣本、第六個樣本……的學習，直至均方誤差小于第一閾值T1或者i等于N時為 止； 步驟1.8:結束學習； 所述治療階段包括以下步驟： 步驟2.1:使用學習結束后的呼吸機對患者進行治療，主機獲取治療狀態下的六個參數 的數值，該六個參數是治療狀態下的壓力參數K、流量參數K、面罩泄氣量參數Ln/、漏氣量 參數L/、控制壓力參數PV以及呼吸管路壓力損耗參數P1'，該治療狀態下的六個參數的數 值與學習階段中樣本的六個參數的數值的獲取方式一致； 步驟2.2:主機將治療狀態下壓力參數Ρ'的數值乘以第一存儲單元中的當前數值，流量 參數F'的數值乘以第二存儲單元中的當前數值，面罩泄氣量參數Ln/的數值乘以第三存儲 單元中的當前數值，漏氣量參數L/的數值乘以第四存儲單元中的當前數值，控制壓力參數 PV的數值乘以第五存儲單元中的當前數值，呼吸管路壓力損耗參數P1'的數值乘以第六存 儲單元中的當前數值，得到六個輸入值，再將該六個輸入值作為輸入代入以下反向傳播算 法公式：中計算得到治療階段的計算治療壓力值Ps'以及治療階段對應的六個參數的權值;其 中，δ=〇 · 712~0 · 895，C2=4500~5500; η=〇 · 1~〇 · 2; 步驟2.3 :主機根據計算治療壓力值PY，調整風機電機轉速以滿足呼吸機治療壓力要 求； 步驟2.4:將治療階段中的壓力參數P'的權值替換第一權值存儲單元的值，流量參數F' 的權值替換第二權值存儲單元的值，面罩泄氣量參數Ln/的權值替換第三權值存儲單元的 值，漏氣量參數L/的權值替換第四權值存儲單元的值，控制壓力參數PV的權值替換第五 權值存儲單元的值，呼吸管路壓力損耗參數PV的權值替換第六權值存儲單元的值； 所述呼吸機在治療階段實時監測患者治療壓力，主機實時獲取治療狀態下的六個參數 的數值，并按照步驟2.1至步驟2.4的方式重復操作，以此循環往復，直至結束治療。2.根據權利要求1所述的基于反向傳播算法的呼吸機治療壓力穩定方法，其特征在于： 在治療階段中，實時計算實際治療壓力值Ρπ/，該實際治療壓力值Ρπ/等于壓力參數P'的數 值減去呼吸管路壓力損耗參數PV的數值，再減去面罩泄氣量參數Ln/的數值在面罩特性曲 線上所對應的壓力值所得到的數值；當實際治療壓力值Ρπ/與治療階段的計算治療壓力值 Ps'的均方誤差大于第一閾值Τ1時，按如下步驟進行動態調整： 步驟3.1:主機讀取治療狀態下的壓力參數K的數值、控制壓力參數PV、呼吸管路壓力 損耗參數PV、面罩泄氣量參數Ln/ ; 步驟3 · 2:計算目標壓力PV的值，目標壓力PV是將控制壓力參數Pc'加上呼吸管路壓 力損耗參數PV的數值，再加上面罩泄氣量參數Ln/的數值在面罩特性曲線上所對應的壓力 值所獲得的數值； 步驟3 · 3:將壓力參數P'的數值與目標壓力PV比較，當壓力參數P'的數值與目標壓力 PV的差的絕對值小于或等于預先設定的第二閾值T2時，則轉到步驟3.4;當壓力參數P'的 數值與目標壓力PV的差的絕對值大于預先設定的第二閾值T2時，根據壓力參數P'的數值 與目標壓力PV的差值調整電機轉速，然后回到步驟3.1重復步驟3.1至步驟3.3操作，以此 循環往復； 步驟3.4:結束動態調整。3.根據權利要求2所述的基于反向傳播算法的呼吸機治療壓力穩定方法，其特征在于： 所述動態調整還包括： 預先設定一個系數K的值； 在步驟3.3中，當壓力參數P'的數值與目標壓力Pt'的差的絕對值大于預先設定的第二 閾值T2時，主機讀取流量參數F'的數值，然后將壓力參數P'的數值除以流量參數F'平方的 數值得到商值，若該商值小于K，則主機提示異常。
【文檔編號】G05D16/02GK105854142SQ201610303908
【公開日】2016年8月17日
【申請日】2016年5月10日
【發明人】宋寶堂, 胡海霞
【申請人】蘇州魚躍醫療科技有限公司, 蘇州醫療用品廠有限公司, 江蘇魚躍醫療設備股份有限公司, 江蘇魚躍信息系統有限公司