CN107469165A - 一种普外用肠胃液智能减压装置 - Google Patents
一种普外用肠胃液智能减压装置 Download PDFInfo
- Publication number
- CN107469165A CN107469165A CN201710790811.XA CN201710790811A CN107469165A CN 107469165 A CN107469165 A CN 107469165A CN 201710790811 A CN201710790811 A CN 201710790811A CN 107469165 A CN107469165 A CN 107469165A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- equation
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 210000002784 stomach Anatomy 0.000 title claims abstract description 41
- 239000007788 liquid Substances 0.000 title claims abstract description 26
- 230000006698 induction Effects 0.000 claims abstract description 22
- 239000000523 sample Substances 0.000 claims abstract description 20
- 239000002184 metal Substances 0.000 claims abstract description 17
- 230000002496 gastric effect Effects 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 28
- 239000006185 dispersion Substances 0.000 claims description 25
- 238000001914 filtration Methods 0.000 claims description 16
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 9
- 210000002569 neuron Anatomy 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 239000002253 acid Substances 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 238000005336 cracking Methods 0.000 claims description 6
- 230000000630 rising effect Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000000644 propagated effect Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 230000011664 signaling Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000010408 sweeping Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 210000000936 intestine Anatomy 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 16
- 230000006837 decompression Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000008878 coupling Effects 0.000 abstract description 3
- 238000010168 coupling process Methods 0.000 abstract description 3
- 238000005859 coupling reaction Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 208000001762 Gastric Dilatation Diseases 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 210000003445 biliary tract Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000003243 intestinal obstruction Diseases 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 210000003928 nasal cavity Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Classifications
-
- A61M1/0023—
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/71—Suction drainage systems
- A61M1/73—Suction drainage systems comprising sensors or indicators for physical values
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/71—Suction drainage systems
- A61M1/74—Suction control
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/84—Drainage tubes; Aspiration tips
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/18—General characteristics of the apparatus with alarm
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/33—Controlling, regulating or measuring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30092—Stomach; Gastric
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Hematology (AREA)
- Anesthesiology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Vascular Medicine (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Surgery (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
Abstract
本发明属于医疗用品技术领域，公开了一种普外用肠胃液智能减压装置，所述普外用肠胃液智能减压装置包括：内压探测器、金属探头、引流管、套接头、感应控制器、收缩机、负压引流器。负压引流器外侧卡接有收缩机，收缩机上端一侧安装有感应控制器；引流管套接在负压引流器顶端的套接头，金属探头套接在引流管末端，内压检测器销接在金属探头一侧。该发明将金属探头放进病人胃内后，通过内压探测器自动检测肠胃液压力，感应控制器接收到信号后控制收缩机进行相应的工作。该发明可为病人肠胃液适当减压，避免了人工减压过剩或过盈情况，提高了工作效率，有极大的推广意义。
Description
技术领域
本发明属于医疗用品技术领域，尤其涉及一种普外用肠胃液智能减压装置。
背景技术
目前，胃肠减压术是利用负压吸引和虹吸的原理，将胃管自口腔或鼻腔插入，通过胃管将积聚于胃肠道内的气体及液体吸出。适用范围很广，常用于急性胃扩张，肠梗阻，胃肠穿孔修补或部分切除术，以及胆道或胰腺手术后。
现有的肠胃减压术需要依靠人工，避免不了会发生人工失误的现象，从而造成医疗事故。因此，迫切需求发明一种智能肠胃液减压装置。
传感器技术的发展给人们的生活带来了巨大变化。声波传感器就是一种广泛使用的传感器。声波传感器的基本原理是：波在某一特定结构中传播时，其弥散特性(即波数与频率之间的关系)是一定的。当外界物理量变化时，如温度、电场、磁场以及结构质量等等发生变化，这种变化会改变波的传播特性如波速或频率的变化，因此，通过波的波数与频率之间关系的变化可以反推外界物理量的改变。所以，理论上计算波在特定结构中传播的弥散关系(即波数与频率间的关系)可以指导声波传感器的实际设计。
波的弥散方程一般为一个关于波数与频率的二元超越方程，当求解复波数域中弥散关系的解时，方程变为更复杂的三元超越方程，而且弥散方程的系数是可能含有复数的，因此这类问题的求解很困难，一般只能对极特殊的十分简单的情况求解出弥散关系，这对于各种不同结构的声波传感器的分析是远远不够的。而利用本发明提供的方法，可以高效、广泛地求解各种表声波或体声波谐振器、滤波器和传感器等结构中波传播问题的色散方程和频率特性。求解得到弥散关系后，可以很容易求解出相应的位移场、应力场等传感器内的物理场。这对传感器的工作模态选择，传感器的结构设计提供了有力的指导。
综上所述，现有技术存在的问题是：现有的肠胃减压术需要依靠人工，智能化程度低，避免不了会发生人工失误的现象，从而造成医疗事故。
发明内容
针对现有技术存在的问题，本发明提供了一种普外用肠胃液智能减压装置。
本发明是这样实现的，一种普外用肠胃液智能减压装置，所述普外用肠胃液智能减压装置包括：内压探测器、金属探头、引流管、套接头、感应控制器、收缩机、负压引流器。
所述负压引流器外侧卡接有收缩机，收缩机上端一侧安装有感应控制器；
引流管套接在负压引流器顶端的套接头，金属探头套接在引流管末端，内压检测器销接在金属探头一侧。
所述收缩机顶端设置有开槽，开槽上端胶接有套接头。
所述引流管套接在接头上端。
所述内压探测器内置有求解模块，所述求解模块的弥散方程模值在零点附近的收敛性求解内压探测器内嵌的声波传感模块的弥散特性，具体包括：
根据波数的求解空间确定扫描单元的形式；
利用扫描单元比较找出在相应空间中弥散方程模值的极小值点；
利用弥散方程模值在零点附近的收敛性判断极小值点是否为零点；
所述根据波数的求解空间确定扫描单元的形式包括：
声波在不同结构中传播的弥散方程为二元超越方程f(ω,ξ)＝0，当在实波数域和纯需波数的情况下求解此方程时，频率ω和波数ξ组成了一个二维平面，而方程f(ω,ξ)＝0的解则是一条条平面内的曲线，选择固定频率或者波数中的任意一个会得到ω-ξ二维平面内的一条直线，再用线元对这条直线进行扫描，线元在ω-ξ二维平面内与弥散曲线的交点是唯一的；
当在复波数域内求解此方程时，波数ξ为复数，令ξ＝a+bi，a,b均为实数，则方程g(a,b,ξ)＝f(ω,ξ)＝0；
方程变为a,b,ξ的三元超越方程，波数的实部a，虚部b以及频率ω组成了一个三维空间，而方程g(a,b,ξ)＝0的解是一条条空间内的曲线，选择固定波数的实部a，虚部b以及频率ω中任意一个会得到a-b-ξ空间中的一个平面，再用面元对这个平面进行扫描，面元在a-b-ξ的三维空间中与弥散曲线的交点是唯一的；
所述利用扫描单元比较找出在相应空间中弥散方程模值的极小值点包括：
在选择好相应的扫面微元后，取步长划分微元，比较划分节点上方程的模值|f(ω,ξ)|的大小，找出弥散方程模值取最小值的节点，若节点不取在扫描微元的边界节点上，则此节点即为模值极小值点，然后依次进入下一个扫描微元，新的扫描微元需将上一扫描微元中的部分边界节点包含在内部；最后，以某一步长改变初始固定的频率或波数的值，找出空间中的所有弥散方程的模值极小值点；
所述求解内压探测器内嵌的声波传感模块的弥散特性，采用弥散加权序列得到声波传感模块的弥散特性数据；根据以下公式计算得到权值向量w，w为一个m维列向量，其中的每个元素对应一个特征量；
yi(wTxi+b)-1+ξi≥0
s.t.ξi≥0；
其中，γ是惩罚参数，用来实现算法复杂度和错分样本数的折中；ξi测量错分程度；yi为每个实时压力的类属性；xi为每个实时压力的特征向量；b为常数；
所述感应控制器内置有对内压探测器传输的图像信息进行处理的图像处理模块，所述图像处理模块与感应控制器内置的控制模块信号连接；所述图像处理模块采用适合处理胃肠压力图像信息的脉冲耦合神经网络模型对胃肠压力图像进行检测；胃肠压力图像受到密度较小的脉冲噪声污染通过自适应加权滤波处理；胃肠压力图像受到密度较大的脉冲噪声污染采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波；
脉冲耦合神经网络模型对胃肠压力图像进行检测时，利用网络特性使灰度为Sij max的像素点火激活，再进行第二次脉冲耦合神经网络迭代处理，把介于[Sij max/1+βijLij,Sij max]间的像素捕获激活，使两次激活的像素点对应的Yij输出为1；然后对原噪声污染图像反白处理，再对处理后的图像Sij按前述进行迭代处理，并使对应的输出Yij＝1，利用图像噪声像素与周围像素相关性小，灰度差别大特性，当一个神经元的激发没有引起所在区域附近大多数神经元的激发时，就说明该神经元对应像素可能是噪声点；
初步甄别出Yij＝0对应的像素点为胃肠压力图像的信号点，予以保护；对Yij输出为1的像素点在3*3模板B范围内统计以输出Yij＝1为中心邻域元素值为1的个数NY判别归类：1≤NY≤8，为噪声点，当NY＝9，判定为图像像素点；
所述图像处理模块镶嵌有胃肠压力图像自适应加权滤波器，胃肠压力图像自适应加权滤波器噪声滤波的实现方法包括：
当脉冲输出Yij＝1且NY＝1～8，NY是当在3*3模板B中为1个数，选取滤波窗口M，对噪声污染图像fij的自适应滤波，滤波方程为：
式中，xrs是滤波窗口中对应像素的系数，Srs为滤波窗口中对应像素的灰度值，fij为滤波后对应窗口中心位置的输出值：
式中Dij为方形滤波窗口M中像素灰度中值，Ωij滤波窗口各像素与中心灰度差绝对均值，max为求最大值符号。
进一步，所述感应控制器的控制模块与收缩机信号连接；所述控制模块采用模糊智能自整定PID控制，PID算法选择位置式不完全微分形式：
在控制过程中，PID控制器的参数需根据当前的状态进行调整：
式中αP，αI和αD分别为通过模糊推理计算出的修正系数，KP，KI和KD分别为基本的比例、积分和微分系数。
进一步，适合处理胃肠压力图像信息的脉冲耦合神经网络模型：
Fij[n]＝Sij；
Uij[n]＝Fij[n](1+βij[n]Lij[n])；
θij[n]＝θ0e-αθ(n-1)；
其中，βij[n]为自适应链接强度系数；
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，Nw为所选待处理窗口W中的像素总数，△为调节系数，选取1～3。
进一步，选取滤波窗口M选取大小为m*m的滤波窗口M，窗口大小的选取原则是：
进一步，所述收缩机集成有主控制模块、电机速度控制模块；
所述主控制模块与所述电机速度控制模块相连接。
进一步，所述主控制模块包括：蜂鸣器、LED数码显示器、倾角传感器、压力传感器、阀组模块、开关量信号输入模块、主控制器；
所述蜂鸣器、LED数码显示器、倾角传感器、压力传感器、阀组模块及开关量信号输入模块通过导线进一步，分别与所述主控制器相连接。
所述阀组模块进一步包括：上升阀、下降阀、快速阀、慢速阀；
所述上升阀、下降阀、快速阀及慢速阀分别与所述主控制器相连接。
进一步，所述开关量信号输入模块输入上限位信号、下限位信号、快速阀信号、慢速阀信号。
进一步，所述电机速度控制模块进一步包括：铅酸电池组、电机速度控制器、直流泵电机；
所述铅酸电池组与所述电机速度控制器相连接，所述电机速度控制器与所述直流泵电机相连接。
本发明的优点及积极效果为：该发明将金属探头放进病人胃内后，通过内压探测器自动检测肠胃液压力，感应控制器接收到信号后控制收缩机进行相应的工作。该发明可为病人肠胃液适当减压，避免了人工减压过剩或过盈情况，提高了工作效率，有极大的推广意义。
本发明采用模糊智能自整定PID控制，使感应控制器的控制具有很好鲁棒性；而且控制的数据偏差小。
用本发明提供的内压探测器的求解方法，可以高效、广泛地求解检测肠胃内液压力的各种表声波传播问题的色散方程和频率特性。求解得到弥散关系后，可以很容易求解出内压探测器相应的压力的物理信号。本发明的求解方法对探测器的工作模态选择，探测器的结构设计提供了有力的指导。
本发明感应控制器的图像处理模块借助改进脉冲耦合神经网络在无需设定检测阈值的情况下自动检测胃肠压力图像中的噪点，利用多级组合滤波器完成噪声的去除，在有效滤除噪声干扰的同时很好地保护图像边缘细节等信息。
本发明利用脉冲耦合神经网络的同步脉冲发放特性区分定位脉冲噪声点和信号像素点位置，相对传统的基于中值检测或相关改进中值检测方法具有更高的噪点检测性能，相对于其他阈值噪点检测方法；本发明无需设定检测阈值，噪声错检率和漏检率低，噪声检测精度较高；同时，相对于其他噪声迭代检测方法；本发明方法检测时间短，自动性强；
目前还没有任何脉冲噪声检测方法应用在胃肠压力图像脉冲噪声的检测中；
本发明去噪能力强、信噪比高和适应性好，特别是对受严重噪声污染的胃肠压力图像，显示了更大的滤波优越性。
本发明提供的收缩机通过多模块的设计，运行平稳，响应速度快，结构简单，实用性强，具有较强的推广与应用价值。
本发明收缩机的主控制模块及电机速度控制模块连接，使相应的指令信息在LED数码显示器上进行显示，并对蜂鸣器进行控制；主控制器将接收到控制器的信号，输出为相应的阀组模块控制信号；同时主控制器还接收倾角传感器和压力传感器的信号，当检测到收缩机发生倾斜或超出设定胃肠压力允许值时，主控制器发出报警信号，并将其传输给主控制模块，控制蜂鸣器发出声音报警；开关量信号输入模块也反馈给主控制模块，使相关信息在LED数码显示器上进行显示；主控制器将控制信号传输给电机速度控制器，来控制直流泵电机，实现了对收缩机上升、下降、前、快速、慢速的控制。
附图说明
图1是本发明实施例提供的普外用肠胃液智能减压装置结构示意图。
图2是本发明实施例提供的收缩机俯视图。
图中：1、内压探测器；2、金属探头；3、引流管；4、套接头；5、感应控制器；6、收缩机；7、负压引流器。
图3是本发明实施例提供的收缩机结构框图。
图中：8、主控制模块；9、电机速度控制模块；10、蜂鸣器；11、LED数码显示器；12、倾角传感器；13、压力传感器；14、阀组模块；15、开关量信号输入模块；16、主控制器；17、铅酸电池组；18、电机速度控制器；19、直流泵电机。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
现有的肠胃减压术需要依靠人工，避免不了会发生人工失误的现象，从而造成医疗事故。
下面结合附图对本发明的结构作详细的描述。
如图1和图2所示，本发明实施例提供的普外用肠胃液智能减压装置，包括：内压探测器1、金属探头2、引流管3、套接头4、感应控制器5、收缩机6、负压引流器7。
负压引流器7外侧卡接有收缩机6，收缩机6上端一侧安装有感应控制器5；
引流管3套接在负压引流器7顶端的套接头4，金属探头2套接在引流管3末端，内压检测器销接在金属探头2一侧。
所述收缩机6顶端设置有开槽，开槽上端胶接有套接头4。
所述引流管3套接在接头上端。
本发明利用金属探头2将引流管3放进病人胃内，内压探测器1开始工作；感应控制器4感应到内压感应器1发出的信号后，控制收缩机6进行相应的收缩。从而使肠胃内气体和液体通过引流管3引流到负压引流器7内。
该发明将金属探头放进病人胃内后，通过内压探测器自动检测肠胃液压力，感应控制器接收到信号后控制收缩机进行相应的工作。该发明可为病人肠胃液适当减压，避免了人工减压过剩或过盈情况，提高了工作效率，有极大的推广意义。
所述内压探测器内置有求解模块，所述求解模块的弥散方程模值在零点附近的收敛性求解内压探测器内嵌的声波传感模块的弥散特性，具体包括：
根据波数的求解空间确定扫描单元的形式；
利用扫描单元比较找出在相应空间中弥散方程模值的极小值点；
利用弥散方程模值在零点附近的收敛性判断极小值点是否为零点；
所述根据波数的求解空间确定扫描单元的形式包括：
声波在不同结构中传播的弥散方程为二元超越方程f(ω,ξ)＝0，当在实波数域和纯需波数的情况下求解此方程时，频率ω和波数ξ组成了一个二维平面，而方程f(ω,ξ)＝0的解则是一条条平面内的曲线，选择固定频率或者波数中的任意一个会得到ω-ξ二维平面内的一条直线，再用线元对这条直线进行扫描，线元在ω-ξ二维平面内与弥散曲线的交点是唯一的；
当在复波数域内求解此方程时，波数ξ为复数，令ξ＝a+bi，a,b均为实数，则方程g(a,b,ξ)＝f(ω,ξ)＝0；
方程变为a,b,ξ的三元超越方程，波数的实部a，虚部b以及频率ω组成了一个三维空间，而方程g(a,b,ξ)＝0的解是一条条空间内的曲线，选择固定波数的实部a，虚部b以及频率ω中任意一个会得到a-b-ξ空间中的一个平面，再用面元对这个平面进行扫描，面元在a-b-ξ的三维空间中与弥散曲线的交点是唯一的；
所述利用扫描单元比较找出在相应空间中弥散方程模值的极小值点包括：
在选择好相应的扫面微元后，取步长划分微元，比较划分节点上方程的模值|f(ω,ξ)|的大小，找出弥散方程模值取最小值的节点，若节点不取在扫描微元的边界节点上，则此节点即为模值极小值点，然后依次进入下一个扫描微元，新的扫描微元需将上一扫描微元中的部分边界节点包含在内部；最后，以某一步长改变初始固定的频率或波数的值，找出空间中的所有弥散方程的模值极小值点；
所述求解内压探测器内嵌的声波传感模块的弥散特性，采用弥散加权序列得到声波传感模块的弥散特性数据；根据以下公式计算得到权值向量w，w为一个m维列向量，其中的每个元素对应一个特征量；
yi(wTxi+b)-1+ξi≥0
s.t.ξi≥0；
其中，γ是惩罚参数，用来实现算法复杂度和错分样本数的折中；ξi测量错分程度；yi为每个实时压力的类属性；xi为每个实时压力的特征向量；b为常数；
所述感应控制器内置有对内压探测器传输的图像信息进行处理的图像处理模块，所述图像处理模块与感应控制器内置的控制模块信号连接；所述图像处理模块采用适合处理胃肠压力图像信息的脉冲耦合神经网络模型对胃肠压力图像进行检测；胃肠压力图像受到密度较小的脉冲噪声污染通过自适应加权滤波处理；胃肠压力图像受到密度较大的脉冲噪声污染采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波；
脉冲耦合神经网络模型对胃肠压力图像进行检测时，利用网络特性使灰度为Sij max的像素点火激活，再进行第二次脉冲耦合神经网络迭代处理，把介于[Sij max/1+βijLij,Sij max]间的像素捕获激活，使两次激活的像素点对应的Yij输出为1；然后对原噪声污染图像反白处理，再对处理后的图像Sij按前述进行迭代处理，并使对应的输出Yij＝1，利用图像噪声像素与周围像素相关性小，灰度差别大特性，当一个神经元的激发没有引起所在区域附近大多数神经元的激发时，就说明该神经元对应像素可能是噪声点；
初步甄别出Yij＝0对应的像素点为胃肠压力图像的信号点，予以保护；对Yij输出为1的像素点在3*3模板B范围内统计以输出Yij＝1为中心邻域元素值为1的个数NY判别归类：1≤NY≤8，为噪声点，当NY＝9，判定为图像像素点；
所述图像处理模块镶嵌有胃肠压力图像自适应加权滤波器，胃肠压力图像自适应加权滤波器噪声滤波的实现方法包括：
当脉冲输出Yij＝1且NY＝1～8，NY是当在3*3模板B中为1个数，选取滤波窗口M，对噪声污染图像fij的自适应滤波，滤波方程为：
式中，xrs是滤波窗口中对应像素的系数，Srs为滤波窗口中对应像素的灰度值，fij为滤波后对应窗口中心位置的输出值：
式中Dij为方形滤波窗口M中像素灰度中值，Ωij滤波窗口各像素与中心灰度差绝对均值，max为求最大值符号。
所述感应控制器的控制模块与收缩机信号连接；所述控制模块采用模糊智能自整定PID控制，PID算法选择位置式不完全微分形式：
在控制过程中，PID控制器的参数需根据当前的状态进行调整：
式中αP，αI和αD分别为通过模糊推理计算出的修正系数，KP，KI和KD分别为基本的比例、积分和微分系数。
适合处理胃肠压力图像信息的脉冲耦合神经网络模型：
Fij[n]＝Sij；
Uij[n]＝Fij[n](1+βij[n]Lij[n])；
θij[n]＝θ0e-αθ(n-1)；
其中，βij[n]为自适应链接强度系数；
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，Nw为所选待处理窗口W中的像素总数，△为调节系数，选取1～3。
选取滤波窗口M选取大小为m*m的滤波窗口M，窗口大小的选取原则是：
如图3所示，所述收缩机集成有主控制模块8、电机速度控制模块9；
所述主控制模块与所述电机速度控制模块相连接。
所述主控制模块包括：蜂鸣器10、LED数码显示器11、倾角传感器12、压力传感器13、阀组模块14、开关量信号输入模块15、主控制器16；
所述蜂鸣器、LED数码显示器、倾角传感器、压力传感器、阀组模块及开关量信号输入模块通过导线进一步，分别与所述主控制器相连接。
所述阀组模块进一步包括：上升阀、下降阀、快速阀、慢速阀；
所述上升阀、下降阀、快速阀及慢速阀分别与所述主控制器相连接。
所述开关量信号输入模块输入上限位信号、下限位信号、快速阀信号、慢速阀信号。
所述电机速度控制模块进一步包括：铅酸电池组17、电机速度控制器18、直流泵电机19；
所述铅酸电池组与所述电机速度控制器相连接，所述电机速度控制器与所述直流泵电机相连接。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。
Claims (9)
1.一种普外用肠胃液智能减压装置，其特征在于，所述普外用肠胃液智能减压装置包括：内压探测器、金属探头、引流管、套接头、感应控制器、收缩机、负压引流器；
所述负压引流器外侧卡接有收缩机，收缩机上端一侧安装有感应控制器；
引流管套接在负压引流器顶端的套接头，金属探头套接在引流管末端，内压检测器销接在金属探头一侧；
所述收缩机顶端设置有开槽，开槽上端胶接有套接头；
所述引流管套接在接头上端；
所述内压探测器内置有求解模块，所述求解模块的弥散方程模值在零点附近的收敛性求解内压探测器内嵌的声波传感模块的弥散特性，具体包括：
根据波数的求解空间确定扫描单元的形式；
利用扫描单元比较找出在相应空间中弥散方程模值的极小值点；
利用弥散方程模值在零点附近的收敛性判断极小值点是否为零点；
所述根据波数的求解空间确定扫描单元的形式包括：
声波在不同结构中传播的弥散方程为二元超越方程f(ω,ξ)＝0，当在实波数域和纯需波数的情况下求解此方程时，频率ω和波数ξ组成了一个二维平面，而方程f(ω,ξ)＝0的解则是一条条平面内的曲线，选择固定频率或者波数中的任意一个会得到ω-ξ二维平面内的一条直线，再用线元对这条直线进行扫描，线元在ω-ξ二维平面内与弥散曲线的交点是唯一的；
当在复波数域内求解此方程时，波数ξ为复数，令ξ＝a+bi，a,b均为实数，则方程g(a,b,ξ)＝f(ω,ξ)＝0；
方程变为a,b,ξ的三元超越方程，波数的实部a，虚部b以及频率ω组成了一个三维空间，而方程g(a,b,ξ)＝0的解是一条条空间内的曲线，选择固定波数的实部a，虚部b以及频率ω中任意一个会得到a-b-ξ空间中的一个平面，再用面元对这个平面进行扫描，面元在a-b-ξ的三维空间中与弥散曲线的交点是唯一的；
所述利用扫描单元比较找出在相应空间中弥散方程模值的极小值点包括：
在选择好相应的扫面微元后，取步长划分微元，比较划分节点上方程的模值|f(ω,ξ)|的大小，找出弥散方程模值取最小值的节点，若节点不取在扫描微元的边界节点上，则此节点即为模值极小值点，然后依次进入下一个扫描微元，新的扫描微元需将上一扫描微元中的部分边界节点包含在内部；最后，以某一步长改变初始固定的频率或波数的值，找出空间中的所有弥散方程的模值极小值点；
所述求解内压探测器内嵌的声波传感模块的弥散特性，采用弥散加权序列得到声波传感模块的弥散特性数据；根据以下公式计算得到权值向量w，w为一个m维列向量，其中的每个元素对应一个特征量；
<mrow>
<mi>min</mi>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msup>
<mi>w</mi>
<mi>T</mi>
</msup>
<mi>w</mi>
<mo>+</mo>
<mi>&gamma;</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&xi;</mi>
<mi>i</mi>
</msub>
</mrow>
yi(wTxi+b)-1+ξi≥0
s.t.ξi≥0；
其中，γ是惩罚参数，用来实现算法复杂度和错分样本数的折中；ξi测量错分程度；yi为每个实时压力的类属性；xi为每个实时压力的特征向量；b为常数；
所述感应控制器内置有对内压探测器传输的图像信息进行处理的图像处理模块，所述图像处理模块与感应控制器内置的控制模块信号连接；所述图像处理模块采用适合处理胃肠压力图像信息的脉冲耦合神经网络模型对胃肠压力图像进行检测；胃肠压力图像受到密度较小的脉冲噪声污染通过自适应加权滤波处理；胃肠压力图像受到密度较大的脉冲噪声污染采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波；
脉冲耦合神经网络模型对胃肠压力图像进行检测时，利用网络特性使灰度为Sijmax的像素点火激活，再进行第二次脉冲耦合神经网络迭代处理，把介于[Sij max/1+βijLij,Sij max]间的像素捕获激活，使两次激活的像素点对应的Yij输出为1；然后对原噪声污染图像反白处理，再对处理后的图像Sij按前述进行迭代处理，并使对应的输出Yij＝1，利用图像噪声像素与周围像素相关性小，灰度差别大特性，当一个神经元的激发没有引起所在区域附近大多数神经元的激发时，就说明该神经元对应像素可能是噪声点；
初步甄别出Yij＝0对应的像素点为胃肠压力图像的信号点，予以保护；对Yij输出为1的像素点在3*3模板B范围内统计以输出Yij＝1为中心邻域元素值为1的个数NY判别归类：1≤NY≤8，为噪声点，当NY＝9，判定为图像像素点；
所述图像处理模块镶嵌有胃肠压力图像自适应加权滤波器，胃肠压力图像自适应加权滤波器噪声滤波的实现方法包括：
当脉冲输出Yij＝1且NY＝1～8，NY是当在3*3模板B中为1个数，选取滤波窗口M，对噪声污染图像fij的自适应滤波，滤波方程为：
<mrow>
<msub>
<mi>f</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mi>s</mi>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
</munder>
<msub>
<mi>x</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<msub>
<mi>S</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>;</mo>
</mrow>
式中，xrs是滤波窗口中对应像素的系数，Srs为滤波窗口中对应像素的灰度值，fij为滤波后对应窗口中心位置的输出值：
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mrow>
<mo>{</mo>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mi>max</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>&Omega;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
<mo>|</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>D</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>|</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
<mo>}</mo>
</mrow>
</mrow>
<mrow>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mi>s</mi>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
</munder>
<mn>1</mn>
<mo>/</mo>
<mrow>
<mo>{</mo>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mi>max</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>&Omega;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
<mo>|</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>D</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>|</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
<mo>}</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>Y</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>Y</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
<mrow>
<msub>
<mi>&Omega;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mi>s</mi>
<mo>&Element;</mo>
<mi>M</mi>
</mrow>
</munder>
<mo>|</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>D</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>|</mo>
</mrow>
<msub>
<mi>N</mi>
<mi>Y</mi>
</msub>
</mfrac>
<mo>,</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>;</mo>
</mrow>
式中Dij为方形滤波窗口M中像素灰度中值，Ωij滤波窗口各像素与中心灰度差绝对均值，max为求最大值符号。
2.如权利要求1所述普外用肠胃液智能减压装置，其特征在于，所述感应控制器的控制模块与收缩机信号连接；所述控制模块采用模糊智能自整定PID控制，PID算法选择位置式不完全微分形式：
<mrow>
<msub>
<mi>u</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<msub>
<mi>K</mi>
<mi>p</mi>
</msub>
<msub>
<mi>e</mi>
<mi>k</mi>
</msub>
<mo>+</mo>
<msub>
<mi>K</mi>
<mi>I</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>k</mi>
</munderover>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msubsup>
<mi>u</mi>
<mi>k</mi>
<mi>D</mi>
</msubsup>
</mrow>
<mrow>
<msubsup>
<mi>u</mi>
<mi>k</mi>
<mi>D</mi>
</msubsup>
<mo>=</mo>
<mfrac>
<msub>
<mi>t</mi>
<mi>f</mi>
</msub>
<mrow>
<msub>
<mi>t</mi>
<mi>f</mi>
</msub>
<mo>+</mo>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
</mrow>
</mfrac>
<msubsup>
<mi>u</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mi>D</mi>
</msubsup>
<mo>+</mo>
<mfrac>
<msub>
<mi>K</mi>
<mi>D</mi>
</msub>
<mrow>
<msub>
<mi>t</mi>
<mi>f</mi>
</msub>
<mo>+</mo>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>e</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msub>
<mi>e</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
在控制过程中，PID控制器的参数需根据当前的状态进行调整：
<mrow>
<msub>
<mi>K</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<msub>
<mi>&alpha;</mi>
<mi>j</mi>
</msub>
<msubsup>
<mi>K</mi>
<mi>j</mi>
<mn>0</mn>
</msubsup>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mi>P</mi>
<mo>,</mo>
<mi>I</mi>
<mo>,</mo>
<mi>D</mi>
</mrow>
式中αP，αI和αD分别为通过模糊推理计算出的修正系数，KP，KI和KD分别为基本的比例、积分和微分系数。
3.如权利要求1所述普外用肠胃液智能减压装置，其特征在于，适合处理胃肠压力图像信息的脉冲耦合神经网络模型：
Fij[n]＝Sij；
<mrow>
<msub>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
</mrow>
<mo>=</mo>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>a</mi>
<mi>b</mi>
</mrow>
</munder>
<msub>
<mi>Y</mi>
<mrow>
<mi>a</mi>
<mi>b</mi>
</mrow>
</msub>
<mrow>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
</mrow>
<mo>/</mo>
<msub>
<mi>N</mi>
<mi>w</mi>
</msub>
<mo>;</mo>
</mrow>
Uij[n]＝Fij[n](1+βij[n]Lij[n])；
<mrow>
<msub>
<mi>Y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<msub>
<mi>U</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<mo>></mo>
<msub>
<mi>&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
<mi>w</mi>
<mi>i</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
θij[n]＝θ0e-αθ(n-1)；
其中，βij[n]为自适应链接强度系数；
<mrow>
<msub>
<mi>&beta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>a</mi>
<mo>,</mo>
<mi>b</mi>
<mo>&Element;</mo>
<mi>w</mi>
</mrow>
</munder>
<mfrac>
<mn>1</mn>
<mrow>
<mo>|</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>a</mi>
<mi>b</mi>
</mrow>
</msub>
<mo>|</mo>
<mo>+</mo>
<mi>&Delta;</mi>
</mrow>
</mfrac>
<mo>/</mo>
<msub>
<mi>N</mi>
<mi>w</mi>
</msub>
<mo>;</mo>
</mrow>
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，Nw为所选待处理窗口W中的像素总数，Δ为调节系数，选取1～3。
4.如权利要求1所述普外用肠胃液智能减压装置，其特征在于，选取滤波窗口M选取大小为m*m的滤波窗口M，窗口大小的选取原则是：
<mrow>
<mi>m</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>5</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>1</mn>
<mo>&le;</mo>
<msub>
<mi>N</mi>
<mi>Y</mi>
</msub>
<mo>&le;</mo>
<mn>5</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>7</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>6</mn>
<mo>&le;</mo>
<msub>
<mi>N</mi>
<mi>Y</mi>
</msub>
<mo>&le;</mo>
<mn>8</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>.</mo>
</mrow>
5.如权利要求1所述的普外用肠胃液智能减压装置，其特征在于，所述收缩机集成有主控制模块、电机速度控制模块；
所述主控制模块与所述电机速度控制模块相连接。
6.如权利要求5所述普外用肠胃液智能减压装置，其特征在于，所述主控制模块包括：蜂鸣器、LED数码显示器、倾角传感器、压力传感器、阀组模块、开关量信号输入模块、主控制器；
所述蜂鸣器、LED数码显示器、倾角传感器、压力传感器、阀组模块及开关量信号输入模块通过导线分别与所述主控制器相连接。
7.如权利要求6所述普外用肠胃液智能减压装置，其特征在于，所述阀组模块进一步包括：上升阀、下降阀、快速阀、慢速阀；
所述上升阀、下降阀、快速阀及慢速阀分别与所述主控制器相连接。
8.如权利要求5所述普外用肠胃液智能减压装置，其特征在于，所述开关量信号输入模块输入上限位信号、下限位信号、快速阀信号、慢速阀信号。
9.如权利要求5所述普外用肠胃液智能减压装置，其特征在于，所述电机速度控制模块进一步包括：铅酸电池组、电机速度控制器、直流泵电机；
所述铅酸电池组与所述电机速度控制器相连接，所述电机速度控制器与所述直流泵电机相连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710790811.XA CN107469165A (zh) | 2017-09-05 | 2017-09-05 | 一种普外用肠胃液智能减压装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710790811.XA CN107469165A (zh) | 2017-09-05 | 2017-09-05 | 一种普外用肠胃液智能减压装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107469165A true CN107469165A (zh) | 2017-12-15 |
Family
ID=60604558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710790811.XA Pending CN107469165A (zh) | 2017-09-05 | 2017-09-05 | 一种普外用肠胃液智能减压装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107469165A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108969086A (zh) * | 2018-06-12 | 2018-12-11 | 南通市第人民医院 | 一种脊柱外科定位引导系统 |
| CN113144300A (zh) * | 2021-03-12 | 2021-07-23 | 中国人民解放军联勤保障部队第九二〇医院 | 一种消化内科临床用肠胃减压装置、减压系统及减压方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2120585U (zh) * | 1992-04-29 | 1992-11-04 | 彭新鸾 | 脚踏式胃肠减压器 |
| CN2416901Y (zh) * | 2000-03-08 | 2001-01-31 | 郑晓辉 | 胃肠减压引流器 |
| CN102908718A (zh) * | 2012-09-29 | 2013-02-06 | 边俊杰 | 一种三腔胃管 |
| CN203424913U (zh) * | 2013-08-26 | 2014-02-12 | 青岛市市立医院 | 一种装有摄像头的新型鼻胃管 |
| CN103607820A (zh) * | 2013-11-18 | 2014-02-26 | 江苏新可耐光电科技股份有限公司 | 一种智能照明的恒光控制系统 |
| CN203539763U (zh) * | 2013-11-28 | 2014-04-16 | 南通市第一人民医院 | 胃肠减压器 |
| CN103996196A (zh) * | 2014-05-28 | 2014-08-20 | 西安电子科技大学 | 一种基于多变量的dti图像分析方法 |
| CN203943938U (zh) * | 2014-06-12 | 2014-11-19 | 赵振铭 | 一种医用减压器 |
| CN104436327A (zh) * | 2013-11-07 | 2015-03-25 | 刘永强 | 可视化胃肠减压器 |
| CN104732500A (zh) * | 2015-04-10 | 2015-06-24 | 天水师范学院 | 脉冲耦合神经网络中药材显微图像噪声滤除系统及方法 |
| CN104800910A (zh) * | 2015-05-05 | 2015-07-29 | 李河圣 | 一种新型肠胃减压器 |
| CN105590025A (zh) * | 2015-12-16 | 2016-05-18 | 南京航空航天大学 | 一种用于求解声波传感器中的弥散曲线数值的方法 |
| CN106955378A (zh) * | 2017-03-28 | 2017-07-18 | 王晓华 | 一种消化系统胃肠减压装置 |
-
2017
- 2017-09-05 CN CN201710790811.XA patent/CN107469165A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2120585U (zh) * | 1992-04-29 | 1992-11-04 | 彭新鸾 | 脚踏式胃肠减压器 |
| CN2416901Y (zh) * | 2000-03-08 | 2001-01-31 | 郑晓辉 | 胃肠减压引流器 |
| CN102908718A (zh) * | 2012-09-29 | 2013-02-06 | 边俊杰 | 一种三腔胃管 |
| CN203424913U (zh) * | 2013-08-26 | 2014-02-12 | 青岛市市立医院 | 一种装有摄像头的新型鼻胃管 |
| CN104436327A (zh) * | 2013-11-07 | 2015-03-25 | 刘永强 | 可视化胃肠减压器 |
| CN103607820A (zh) * | 2013-11-18 | 2014-02-26 | 江苏新可耐光电科技股份有限公司 | 一种智能照明的恒光控制系统 |
| CN203539763U (zh) * | 2013-11-28 | 2014-04-16 | 南通市第一人民医院 | 胃肠减压器 |
| CN103996196A (zh) * | 2014-05-28 | 2014-08-20 | 西安电子科技大学 | 一种基于多变量的dti图像分析方法 |
| CN203943938U (zh) * | 2014-06-12 | 2014-11-19 | 赵振铭 | 一种医用减压器 |
| CN104732500A (zh) * | 2015-04-10 | 2015-06-24 | 天水师范学院 | 脉冲耦合神经网络中药材显微图像噪声滤除系统及方法 |
| CN104800910A (zh) * | 2015-05-05 | 2015-07-29 | 李河圣 | 一种新型肠胃减压器 |
| CN105590025A (zh) * | 2015-12-16 | 2016-05-18 | 南京航空航天大学 | 一种用于求解声波传感器中的弥散曲线数值的方法 |
| CN106955378A (zh) * | 2017-03-28 | 2017-07-18 | 王晓华 | 一种消化系统胃肠减压装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108969086A (zh) * | 2018-06-12 | 2018-12-11 | 南通市第人民医院 | 一种脊柱外科定位引导系统 |
| CN113144300A (zh) * | 2021-03-12 | 2021-07-23 | 中国人民解放军联勤保障部队第九二〇医院 | 一种消化内科临床用肠胃减压装置、减压系统及减压方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107469165A (zh) | 一种普外用肠胃液智能减压装置 | |
| CN105389814B (zh) | 一种用于气密性试验的气泡检测方法 | |
| CN107451997A (zh) | 一种基于深度学习的焊缝超声tofd‑d扫描缺陷类型的自动识别方法 | |
| CN106645418B (zh) | 履带式磁声复合检测机器人及检测方法和装置 | |
| CN110824006B (zh) | 一种基于智能声信息识别的焊后焊缝冲击质量判别方法 | |
| CN110346808A (zh) | 一种激光雷达的点云数据处理方法和系统 | |
| CN115169733B (zh) | 基于深度学习的内孤立波对深海沉积物再悬浮量预测方法 | |
| CN111746728B (zh) | 一种基于强化学习的新型水上清洁机器人及控制方法 | |
| CN107314251A (zh) | 一种下水管道泄漏故障的检测装置及检测方法 | |
| CN104287776B (zh) | 非自由场内流动微泡的二维操控及其超声成像监控方法 | |
| CN107748621A (zh) | 一种智能交互机器人 | |
| CN103679764B (zh) | 一种图像生成方法及装置 | |
| CN107703911A (zh) | 一种不确定系统的可诊断性分析方法 | |
| Jia-li et al. | Levenberg-Marquardt neural network for gear fault diagnosis | |
| CN107248143A (zh) | 一种基于图像分割的深度图像修复方法 | |
| CN106855564A (zh) | 一种高效的微涡流混凝絮体检测系统 | |
| CN106918638A (zh) | 在液磁声多功能检测的方法、装置、系统以及机器人 | |
| Virupakshappa et al. | Automatic feature extraction based on meta-learning for ultrasonic flaw classification | |
| CN107273982A (zh) | 一种智能楼层集中餐厨垃圾处理控制系统 | |
| CN107462491A (zh) | 一种全自动页岩含气量测试系统和方法 | |
| CN113642492A (zh) | 基于深度残差学习和多线激光的交叉焊缝辨识方法及系统 | |
| Simoes et al. | A novel competitive learning neural network based acoustic transmission system for oil-well monitoring | |
| CN113409202A (zh) | 基于点扩散函数参数寻优的超声图像复原方法 | |
| Yim | Image fusion using multiresolution decompostion and LMMSE filter | |
| Nishimura | Another curvature in synthetic differential geometry |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171215 |
|
| RJ01 | Rejection of invention patent application after publication |