CN105771033A - 基于多传感器融合的无线输液监测系统及监测方法 - Google Patents

Abstract

本发明公开了一种基于多传感器融合的无线输液监测系统及监测方法，包括输液监测节点、输液监控中心以及移动终端；输液监测节点实现对输液进度及速度的综合监测，输液监控中心实现对各监测节点数据的综合处理及管理，移动终端接入监控中心实时查询病人的输液情况，三个部分均通过无线连接的方式。本发明输液监测节点同时采用重量传感器和红外对射光传感器采集药液数据，相比于单一传感器不仅具有更高的精度，而且可以同时得到总体的进度信息以及具体的滴速信息。输液监测节点和输液控制中心采用ZigBee无线通信方式，ZigBee具有低功耗、低成本、大容量等优点。本发明利用卡尔曼滤波进行两个传感器的融合处理方法可以得到更为精确的输液监测结果。

Description

基于多传感器融合的无线输液监测系统及监测方法

技术领域

本发明属于医疗器械领域，尤其涉及一种基于多传感器融合的无线输液监测系统及监测方法。

背景技术

静脉输液是临床治疗中一种非常重要的给药方式。目前由于缺少经济有效的自动输液监测装置，病人在输液过程中需要专人随时观察药品的滴注情况，长时间输液的过程极易导致患者以及陪护人员的疏忽，当药液滴注完成或滴速不当等情况不能被及时发现时，可能对病人的治疗过程产生延误，而且严重威胁了病人的生命财产安全，增加了医疗事故发生的隐患。当然在市场上也出现了一些诸如输液泵等自动输液装置，但这些设备复杂昂贵，无法在医院大面积使用，而且不便于集中管理。

发明内容

针对现有技术在静脉输液过程中存在的不足，本发明提出基于多传感器融合的无线输液监测系统及监测方法。

为了达到上述目的，本发明所采用的技术方案如下：一种基于多传感器融合的无线输液监测系统，包括输液监测节点、输液监控中心以及移动终端；所述液监测节点、输液监控中心以及移动终端均通过无线连接；所述的输液监测节点包括单片机、电源、重量传感器、红外对射光电传感器、手动报警按键、声光报警器和ZigBee发射模块；所述电源、重量传感器、红外对射光电传感器、手动报警按键、声光报警器和ZigBee发射模块均与单片机相连；所述的输液监控中心包括ZigBee接收模块、计算机和服务器；所述ZigBee接收模块与输液监测节点的ZigBee发射模块通过无线相连；所述ZigBee接收模块与计算机相连，所述计算机与服务器相连；所述移动终端通过无线与服务器相连。

进一步的，所述的移动终端为手机、平板电脑或笔记本电脑。

进一步的，所述红外对射光电传感器由发射管和接收管两部分组成。

一种利用上述的系统的监测方法，具体包括如下步骤：

(1)根据输液袋的重量，初始化单片机；重量传感器采集输液袋的重力信号，红外对射光电传感器采集电脉冲信号；

(2)单片机接收步骤1中重量传感器的重力信号，并将重力信号与初始数据进行对比，得到药液的剩余量；单片机同时接收步骤1中红外对射光电传感器的电脉冲信号，根据电脉冲信号的变化频率得到输液速度以及是否已经滴完；当单片机检测到药液滴落速度值超限或检测不到药液滴落，则启动声光报警器，提醒输液者发生异常状况，同时向监控中心发生报警信息，通知医生人员及时进行处理；在输液过程中，如果病人需要其它帮助，通过手动报警按键向监控中心发送求助消息；

(3)单片机将药液的剩余量信息和输液速度以及是否已经滴完信息通过ZigBee发射模块传输到输液监控中心；

(4)输液监控中心的ZigBee接收模块接收各个输液监测节点发送来的输液数据，并将这些数据传送到计算机；计算机以重量传感器和红外对射光电传感器采集数据作为观测值，利用卡尔曼滤波方法对输液进度和输液速度进行估计，从而实现对输液状态的精确监测。

5、根据权利要求4所述的系统的监测方法，其特征在于，所述步骤4中的卡尔曼滤波方法具体如下：

(1)建立状态方程：以k(k＝1,2,…)时刻剩余药液c_k和输液速度v_k组成状态向量X_k＝[c_k；v_k]，可得到状态方程：

$\begin{array}{c}{X}_k=F_{k,k-1}{X}_{k-1}+W_{k-1}\\ =\left[\begin{array}{cc}1& -T\\ 0& 1\end{array}\right]X_{k-1}+\left[\begin{array}{c}{n}_c\\ n_v\end{array}\right]\end{array}---\left(1\right)$

其中，F_k,k-1为状态转移矩阵；W_k-1为状态扰动噪声向量；T表示采样数据处理间隔；n_c为重力传感器的状态扰动噪声，其均值为0，其方差为n_v为红外对射光电传感器的状态扰动噪声，其均值为0，其方差为状态噪声方差矩阵Q_k为：

$Q_k=\left[\begin{array}{cc}{s}_c^2& 0\\ 0& s_v^2\end{array}\right]---\left(2\right)$

(2)建立观测方程：以k时刻剩余药液重量w_n和药液滴速v_n组成观测向量Z_k＝[w_n；v_n]，可得到观测方程：

$\begin{array}{c}{Z}_k=H_k{X}_k+V_k\\ =\left[\begin{array}{cc}r& 0\\ 0& 1\end{array}\right]X_k+\left[\begin{array}{c}{h}_w\\ h_v\end{array}\right]\end{array}---\left(3\right)$

其中，H_k为测量矩阵；V_k为测量噪声向量；r表示药液密度；h_w为重量传感器的测量噪声，其均值为0，方差为h_v为红外对射光电传感器的测量噪声，其均值为0，方差为观测噪声方差矩阵R_k为：

$R_k=\left[\begin{array}{cc}{d}_w^2& 0\\ 0& d_v^2\end{array}\right]---\left(4\right)$

(3)滤波过程：

(3.1)预测：在k-1时刻状态估计值的基础上，根据公式(1)和公式(2)来预测当前k时刻的状态值，具体为：

一步状态预测：

${\hat{X}}_{k,k-1}=F_{k,k-1}{\hat{X}}_{k-1}$

其中，为k-1时刻X_k-1的最优状态估计值；为k时刻X_k的状态预

测值；

一步状态预测方差矩阵计算：

$P_{k,k-1}=F_{k,k-1}{P}_{k-1}{F}_{k,k-1}^T+Q_{k-1}$

其中，P_k-1为k-1时刻的状态估计方差矩阵；P_k,k-1为k时刻的状态预测方差矩阵；

(3.2)更新：根据公式(3)和公式(4)，利用当前k时刻实际观测值来更新步骤3.1得到的状态预测值，具体包括：

滤波增益矩阵计算：

$K_k=P_{k,k-1}{H}_k^T{\[H_k{P}_{k,k-1}{H}_k^T+R_k\]}^{-1}$

状态估计：

${\hat{X}}_k={\hat{X}}_{k,k-1}+K_k\[Z_k-H_k{\hat{X}}_{k,k-1}\]$

状态估计方程矩阵计算：

P_k＝[I-K_kH_k]P_k,k-1

(4)实时最优估计过程：通过先验信息确定状态初始值和P₀，利用k时刻得到的观测值Z_k，根据步骤(3.1)和步骤(3.2)这种递推计算过程，得到k时刻的状态估计值其中，表示k时刻的输液进度估计值，表示k时刻的输液速度估计值。

与现有技术相比，本发明的有益效果是：

1、输液监测节点同时采用重量传感器和红外对射光传感器采集药液数据，相比于单一传感器不仅具有更高的可靠性，而且可以同时得到总体的进度信息以及具体的滴速信息。

2、输液监测节点和输液控制中心采用ZigBee无线通信方式，ZigBee具有低功耗、低成本、大容量等优点，而且相比于传统有线组网方式，具有布局灵活、组网方便、扩展性好的特点。

3、不仅在输液监测节点和输液监控中心设置了报警提示功能，而且还可以在移动终端处查询输液者的实时状态，避免医务人员死盯屏幕的问题，使医务人员可以随时随地了解各位病人的输液情况，及时处理各种异常情况，而且病人家属也可以通过移动终端查询病人的输液进度，以合理安排自己行程，实现无陪护输液。

4、将每位病人的详细输液数据在服务器集中存储及管理，实现有数据可依，为避免医患纠纷提供了保障。

5、输液监控中心通过利用卡尔曼滤波方法对重量传感器和红外对射光电传感器采集的数据进行融合分析处理，可以实现对输液进度和输液速度的实时精确监测。

附图说明

图1为本发明传感器安装位置图；

图2为本发明输液监测节点的模块框图；

图3为本发明的系统的结构示意图；

图4为本发明输液进度监测结果；

图5为本发明输液速度监测结果；

图中，输液支架1、重量传感器2、输液袋3、红外对射光电传感器4、输液软管的滴斗5。

具体实施方式

下面结合附图对本发明作进一步的说明。

如图1-3所示，本发明的基于多传感器融合的无线输液监测系统包括若干输液监测节点、一个输液监控中心以及若干移动终端；输液监测节点实现对输液进度及速度的综合监测，输液监控中心实现对各监测节点数据的综合处理及管理，移动终端接入监控中心实时查询病人的输液情况，三个部分均通过无线连接的方式。

如图2所示，所述的输液监测节点包括单片机、电源、重量传感器2、红外对射光电传感器4、手动报警按键、声光报警器和ZigBee发射模块；所述电源、重量传感器2、红外对射光电传感器4、手动报警按键、声光报警器和ZigBee发射模块均与单片机相连；

如图3所示，所述的输液监控中心包括ZigBee接收模块、计算机和服务器；所述ZigBee接收模块与输液监测节点的ZigBee发射模块通过无线相连；所述ZigBee接收模块与计算机相连，所述计算机与服务器相连；

所述的移动终端为手机、平板电脑或笔记本电脑；所述移动终端通过无线与服务器相连。

如图1所示，所述重量传感器2由力传感器组成，具体实施时，将重量传感器2连接在输液袋3和输液支架1之间；所述红外对射光电传感器4由发射管和接收管两部分组成，具体实施时，将输液软管的滴斗5设置在发射管与接收管的中间，当有药液落下时，由于液滴对红外光线的吸收和散射作用，红外接收管的电信号会发生变化，单片机通过对电信号变化频率的检测可以判断药液的滴落速度以及是否已经滴完。

如图2所示，单片机将重量传感器2和红外对射光电传感器4采集到的数据通过ZigBee发射模块传输到输液监控中心。当单片机检测到药液滴落速度值超限或检测不到药液滴落，则启动声光报警器，提醒输液者发生异常状况，同时向监控中心发生报警信息，通知医生人员及时进行处理。在输液过程中，如果病人需要其它帮助，也可以通过手动报警按键向监控中心发送求助消息。

如图3所示，输液监控中心的ZigBee接收模块收集各个输液监测节点的输液数据，并将这些数据传送到计算机；计算机将接收重量传感器2采集到的整体输液进度信息和红外对射光电传感器4采集得到的输液速度及是否完成信息，并将两者的数据信息利用卡尔曼滤波方法进行融合处理，

通过计算机实时显示病人的输液状态，并将处理后的数据发送到服务器；服务器将病人的输液信息在数据库中进行存档，以备事后查询，减少医患纠纷，并通过鉴权的方式分别对病人家属和医务人员接入的移动终端进行管理。图3中，单箭头代表病人家属的移动终端，病人家属只可以利用移动终端查询相对应病人输液监测节点的实时输液状况及剩余输液时间(＝剩余药液/输液速度)；双箭头代表医务人员的移动终端，医务人员可以利用移动终端了解所有病人的输液信息，同时可以通过扫码等方式快速输入病人和药品的相关信息。

基于多传感器融合的无线输液监测系统的监测方法，具体包括如下步骤：

(1)根据输液袋的重量，初始化单片机；重量传感器2采集输液袋的重力信号，红外对射光电传感器4采集电脉冲信号；

(2)单片机接收步骤1中重量传感器2的重力信号，并将重力信号与初始数据进行对比，得到药液的剩余量；单片机同时接收步骤1中红外对射光电传感器4的电脉冲信号，根据电脉冲信号的变化频率得到输液速度以及是否已经滴完；当单片机检测到药液滴落速度值超限或检测不到药液滴落，则启动声光报警器，提醒输液者发生异常状况，同时向监控中心发生报警信息，通知医生人员及时进行处理；在输液过程中，如果病人需要其它帮助，通过手动报警按键向监控中心发送求助消息；

(3)单片机将药液的剩余量信息和输液速度以及是否已经滴完信息通过ZigBee发射模块传输到输液监控中心；

(4)输液监控中心的ZigBee接收模块接收各个输液监测节点发送来的输液数据，并将这些数据传送到计算机；计算机以重量传感器2和红外对射光电传感器4采集数据作为观测值，利用卡尔曼滤波方法对输液进度和输液速度进行估计，从而实现对输液状态的精确监测。

所述步骤4中的卡尔曼滤波方法具体如下：

(1)建立状态方程：以k(k＝1,2,…)时刻剩余药液c_k和输液速度v_k组成状态向量X_k＝[c_k；v_k]，可得到状态方程：

$\begin{array}{c}{X}_k=F_{k,k-1}{X}_{k-1}+W_{k-1}\\ =\left[\begin{array}{cc}1& -T\\ 0& 1\end{array}\right]X_{k-1}+\left[\begin{array}{c}{n}_c\\ n_v\end{array}\right]\end{array}---\left(1\right)$

其中，F_k,k-1为状态转移矩阵；W_k-1为状态扰动噪声向量；T表示采样数据处理间隔；n_c为重力传感器2的状态扰动噪声，其均值为0，其方差为n_v为红外对射光电传感器4的状态扰动噪声，其均值为0，方差为状态噪声方差矩阵Q_k为：

$Q_k=\left[\begin{array}{cc}{s}_c^2& 0\\ 0& s_v^2\end{array}\right]---\left(2\right)$

(2)建立观测方程：以k时刻剩余药液重量w_n和药液滴速v_n组成观测向量Z_k＝[w_n；v_n]，可得到观测方程：

$\begin{array}{c}{Z}_k=H_k{X}_k+V_k\\ =\left[\begin{array}{cc}r& 0\\ 0& 1\end{array}\right]X_k+\left[\begin{array}{c}{h}_w\\ h_v\end{array}\right]\end{array}---\left(3\right)$

其中，H_k为测量矩阵；V_k为测量噪声向量；r表示药液密度；h_w为重量传感器2的测量噪声，其均值为0，方差为h_v为红外对射光电传感器4的测量噪声，其均值为0，方差为观测噪声方差矩阵R_k为：

$R_k=\left[\begin{array}{cc}{d}_w^2& 0\\ 0& d_v^2\end{array}\right]---\left(4\right)$

(3)滤波过程：

(3.1)预测：在k-1时刻状态估计值的基础上，根据公式(1)和公式(2)来预测当前k时刻的状态值，具体为：

一步状态预测：

${\hat{X}}_{k,k-1}=F_{k,k-1}{\hat{X}}_{k-1}$

其中，为k-1时刻X_k-1的最优状态估计值；为k时刻X_k的状态预测值；

一步状态预测方差矩阵计算：

$P_{k,k-1}=F_{k,k-1}{P}_{k-1}{F}_{k,k-1}^T+Q_{k-1}$

其中，P_k-1为k-1时刻的状态估计方差矩阵；P_k,k-1为k时刻的状态预测方差矩阵；

(3.2)更新：根据公式(3)和公式(4)，利用当前k时刻实际观测值来更新步骤3.1得到的状态预测值，具体包括：

滤波增益矩阵计算：

$K_k=P_{k,k-1}{H}_k^T{\[H_k{P}_{k,k-1}{H}_k^T+R_k\]}^{-1}$

状态估计：

${\hat{X}}_k={\hat{X}}_{k,k-1}+K_k\[Z_k-H_k{\hat{X}}_{k,k-1}\]$

状态估计方程矩阵计算：

P_k＝[I-K_kH_k]P_k,k-1

(4)实时最优估计过程：通过先验信息确定状态初始值和P₀，利用k时刻得到的观测值Z_k，根据步骤(3.1)和步骤(3.2)这种递推计算过程，得到k时刻的状态估计值其中，表示k时刻的输液进度估计值，表示k时刻的输液速度估计值。

假设输液瓶容量为500毫升，输液速度为5毫升/分钟，图4为通过重量传感器监测得到的剩余药液测量值和通过本发明监测方法得到的剩余药液的估计值的比较结果示意图；图5为通过红外对射光电传感器监测得到的输液速度测量值和通过本发明监测方法得到的输液速度的估计值的比较结果示意图；从图4和图5中可以看出，相比于单一传感器，利用卡尔曼滤波进行两个传感器的融合处理可以得到更为精确的输液监测结果。

Claims (5)

1.一种基于多传感器融合的无线输液监测系统，其特征在于，包括输液监测节点、输液监控中心以及移动终端；所述液监测节点、输液监控中心以及移动终端均通过无线连接；所述的输液监测节点包括单片机、电源、重量传感器、红外对射光电传感器、手动报警按键、声光报警器和ZigBee发射模块；所述电源、重量传感器、红外对射光电传感器、手动报警按键、声光报警器和ZigBee发射模块均与单片机相连；所述的输液监控中心包括ZigBee接收模块、计算机和服务器；所述ZigBee接收模块与输液监测节点的ZigBee发射模块通过无线相连；所述ZigBee接收模块与计算机相连，所述计算机与服务器相连；所述移动终端通过无线与服务器相连。

2.根据权利要求1所述的无线输液监测系统，其特征在于，所述的移动终端为手机、平板电脑或笔记本电脑。

3.根据权利要求1所述的无线输液监测系统，其特征在于，所述红外对射光电传感器由发射管和接收管两部分组成。

4.一种利用权利要求1所述的系统的监测方法，其特征在于，具体包括如下步骤：

(1)根据输液袋的重量，初始化单片机；重量传感器采集输液袋的重力信号，红外对射光电传感器采集电脉冲信号；

(2)单片机接收步骤1中重量传感器的重力信号，并将重力信号与初始数据进行对比，得到药液的剩余量；单片机同时接收步骤1中红外对射光电传感器的电脉冲信号，根据电脉冲信号的变化频率得到输液速度以及是否已经滴完；当单片机检测到药液滴落速度值超限或检测不到药液滴落，则启动声光报警器，提醒输液者发生异常状况，同时向监控中心发生报警信息，通知医生人员及时进行处理；在输液过程中，如果病人需要其它帮助，通过手动报警按键向监控中心发送求助消息；

(3)单片机将药液的剩余量信息和输液速度以及是否已经滴完信息通过ZigBee发射模块传输到输液监控中心；

(4)输液监控中心的ZigBee接收模块接收各个输液监测节点发送来的输液数据，并将这些数据传送到计算机；计算机以重量传感器和红外对射光电传感器采集数据作为观测值，利用卡尔曼滤波方法对输液进度和输液速度进行估计，从而实现对输液状态的精确监测。

5.根据权利要求4所述的系统的监测方法，其特征在于，所述步骤4中的卡尔曼滤波方法具体如下：

(1)建立状态方程：以k(k＝1,2,…)时刻剩余药液c_k和输液速度v_k组成状态向量X_k＝[c_k；v_k]，可得到状态方程：

$\begin{array}{c}{X}_k=F_{k,k-1}{X}_{k-1}+W_{k-1}\\ =\left[\begin{array}{cc}1& -T\\ 0& 1\end{array}\right]X_{k-1}+\left[\begin{array}{c}{n}_c\\ n_v\end{array}\right]\end{array}---\left(1\right)$

其中，F_k,k-1为状态转移矩阵；W_k-1为状态扰动噪声向量；T表示采样数据处理间隔；n_c为重力传感器的状态扰动噪声，其均值为0，其方差为n_v为红外对射光电传感器的状态扰动噪声，其均值为0，其方差为状态噪声方差矩阵Q_k为：

$Q_k=\left[\begin{array}{cc}{s}_c^2& 0\\ 0& s_v^2\end{array}\right]---\left(2\right)$

(2)建立观测方程：以k时刻剩余药液重量w_n和药液滴速v_n组成观测向量Z_k＝[w_n；v_n]，可得到观测方程：

$\begin{array}{c}{Z}_k=H_k{X}_k+V_k\\ =\left[\begin{array}{cc}r& 0\\ 0& 1\end{array}\right]X_k+\left[\begin{array}{c}{h}_w\\ h_v\end{array}\right]\end{array}---\left(3\right)$

其中，H_k为测量矩阵；V_k为测量噪声向量；r表示药液密度；h_w为重量传感器的测量噪声，其均值为0，方差为h_v为红外对射光电传感器的测量噪声，其均值为0，方差为观测噪声方差矩阵R_k为：

$R_k=\left[\begin{array}{cc}{d}_w^2& 0\\ 0& d_v^2\end{array}\right]---\left(4\right)$

(3)滤波过程：

(3.1)预测：在k-1时刻状态估计值的基础上，根据公式(1)和公式(2)来预测当前k时刻的状态值，具体为：

一步状态预测：

${\hat{X}}_{k,k-1}=F_{k,k-1}{\hat{X}}_{k-1}$

其中，为k-1时刻X_k-1的最优状态估计值；为k时刻X_k的状态预测值；

一步状态预测方差矩阵计算：

$P_{k,k-1}=F_{k,k-1}{P}_{k-1}{F}_{k,k-1}^T+Q_{k-1}$

其中，P_k-1为k-1时刻的状态估计方差矩阵；P_k,k-1为k时刻的状态预测方差矩阵；

(3.2)更新：根据公式(3)和公式(4)，利用当前k时刻实际观测值来更新步骤3.1得到的状态预测值，具体包括：

滤波增益矩阵计算：

$K_k=P_{k,k-1}{H}_k^T{\[H_k{P}_{k,k-1}{H}_k^T+R_k\]}^{-1}$

状态估计：

${\hat{X}}_k={\hat{X}}_{k,k-1}+K_k\[Z_k-H_k{\hat{X}}_{k,k-1}\]$

状态估计方程矩阵计算：

P_k＝[I-K_kH_k]P_k,k-1

(4)实时最优估计过程：通过先验信息确定状态初始值和P₀，利用k时刻得到的观测值Z_k，根据步骤(3.1)和步骤(3.2)这种递推计算过程，得到k时刻的状态估计值其中，表示k时刻的输液进度估计值，表示k时刻的输液速度估计值。