CN108888276B - 一种能自动进行针头终末消毒的一次性采血器 - Google Patents
一种能自动进行针头终末消毒的一次性采血器 Download PDFInfo
- Publication number
- CN108888276B CN108888276B CN201810390548.XA CN201810390548A CN108888276B CN 108888276 B CN108888276 B CN 108888276B CN 201810390548 A CN201810390548 A CN 201810390548A CN 108888276 B CN108888276 B CN 108888276B
- Authority
- CN
- China
- Prior art keywords
- needle
- module
- predicted
- disinfection
- needle head
- 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.)
- Expired - Fee Related
Links
- 238000004659 sterilization and disinfection Methods 0.000 title claims abstract description 92
- 239000008280 blood Substances 0.000 claims abstract description 58
- 210000004369 blood Anatomy 0.000 claims abstract description 58
- 238000010241 blood sampling Methods 0.000 claims abstract description 49
- 238000005070 sampling Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000000354 decomposition reaction Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000000249 desinfective effect Effects 0.000 claims description 11
- 230000001954 sterilising effect Effects 0.000 claims description 11
- 238000010438 heat treatment Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 239000000306 component Substances 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 239000008236 heating water Substances 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 239000001963 growth medium Substances 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 230000007774 longterm Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 7
- 241000700605 Viruses Species 0.000 description 6
- 238000005286 illumination Methods 0.000 description 6
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 3
- 239000008103 glucose Substances 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 239000000645 desinfectant Substances 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000002458 infectious effect Effects 0.000 description 2
- 239000012533 medium component Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000030507 AIDS Diseases 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000002672 hepatitis B Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 208000006379 syphilis Diseases 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/15—Devices for taking samples of blood
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Hematology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明属于医疗技术领域，公开了一种能自动进行针头终末消毒的一次性采血器，采血模块用于通过采血针对患者进行采血；血量测量模块用于通过刻度尺测量采血的容量信息；主控模块用于控制各个模块正常工作；弹力驱动模块用于给采血针提供采血动力；针头消毒模块用于采血完毕对采血针进行终末杀菌消毒；录音模块用于通过录像器记录患者信息及采血信息数据。本发明通过针头消毒模块对采血针进行终末消毒，简化了采血器的终末消毒处理；可以准确判断采血位置，大大便利采血的顺利进行；以及通过录音模块可以方便工作人员通过录音方式存储血液患者的信息，便于对患者的长期追踪监测。
Description
技术领域
本发明属于医疗技术领域，尤其涉及一种能自动进行针头终末消毒的一次性采血器。
背景技术
目前，业内常用的现有技术是这样的：
现有一次性采血器主要用于(1)临床少量采血检验；(2)糖尿病患者的血糖监测；(3)一些传染性疾病的快速筛查，如艾滋病、梅毒、乙肝等病。其中，后两种情况，人们可以自行购置一次性采血针头，并在医疗场所以外的地方使用。一次性针头使用后，针尖自动回缩，理论上不会再伤及人们，但是因为针头仍残留血液，故要求采血器使用后必须交到专门的卫生站进行终末消毒处理。
在当前社会计算、大数据应用等新一代互联网应用背景下，网络应用更加广泛，信息的产生和变化更加快速。例如，日常生活中人们使用各种商务系统的频率更加频繁，系统中的用户数量以及商品数量都在不断增加，因而引起了系统中数据量的急剧增加和变化，这给推荐技术的研究和应用带来了所谓的可扩展性问题。为帮助用户有效解决他们在网络应用中所面临的信息超载问题，迫切需要一种能够在这种数据规模不断扩大、信息的增加和变化日益频繁的环境下，能够对用户的请求作出及时、快速和准确响应的鲁棒性推荐技术。
综上所述，现有技术存在的问题是：
(1)现有技术中，使用者在没有严格按照要求收集使用后的针头而到卫生部门进行集中消毒处理时，增大了带有传染性病毒的针头滞留于社会环境中的危险。如果能将使用后的采血针头自行进行终末的消毒处理，则人们在非医疗场所使用后则可以作为生活垃圾丢弃，则极大方便了人们的使用，将会减少传染性病毒可能残存针对而对社会环境带来的风险。
(2)现有的血量测量模块仅凭人工进行控制，不能实现自动化控制。
(3)在网络应用日益广泛深入的背景下，面对数据稀疏性、大数据处理与增量计算等问题，如何在推荐的准确性和时间效率、空间效率以及算法的可扩展性等方面进行权衡，研究开发出在时间效率、空间效率、准确性和可扩展性等方面综合性能良好的推荐技术，它直接关系到推荐技术的实际评价应用价值。
发明内容
针对现有技术存在的问题，本发明提供了一种能自动进行针头终末消毒的一次性采血器。
本发明是这样实现的，一种能自动进行针头终末消毒的一次性采血器，包括：
采血模块，与主控模块连接，用于通过采血针对患者进行采血；
血量测量模块，与主控模块连接，用于测量采血的容量信息；具体包括：
(1)使用电容式振动加速度传感器对机械转轴振动加速度进行测量，得到滤波处理后的振动时频数据；
(2)利用傅立叶变换分析方法和加窗函数改进后的谐波小波分析方法，得出振动信号的频谱图和谐波小波系数分解的三维时频图，谐波小波函数如下：
其傅立叶变换为：
(3)分析此谐波小波系数分解三维时频图，得出信号中微小奇异波动所发生的时间点和频率点；
所述谐波小波通过如下函数进行改进，谐波小波频域特性改进使用下布莱克曼窗函数：
经过加窗后的谐波小波函数的实部和虚部在|t|→∞时，其衰减速度要比原谐波小波快；
谐波小波时域信号改进使用如下函数，有效减小了时域信号有限长度特性对频谱分析的影响，改善了谐波小波分解系数的偏差；
所述三维时频图的水平面为基平面，两坐标轴分别为时间和谐波小波分解层数，这样小波时频图的基平面就被划分成由时间和层数构成的网格，每个网格上以谐波小波系数as模的平方作柱体，谐波小波分解结果表明不同频率和时间的谐波小波能量对整个信号能量贡献的大小，谐波小波时频图是分解结果的直观表示，其起伏对应不同谐波小波能量的相对大小，通过谐波时频图，知道在什么时间什么频率成份对信号组成有重要影响；
采用小波技术的非周期性微小信号检测方法，谐波小波分解算法速度快，精度高，能有效克服傅立叶分析方法无法获得频率分量随时间演变信息的缺点，因其对信号中微小奇异点极其敏感；
主控模块，与采血模块、血量测量模块、弹力驱动模块、针头消毒模块、录音模块连接，用于控制各个模块正常工作；
弹力驱动模块，与主控模块连接，用于给采血针提供采血动力；
针头消毒模块，与主控模块连接，用于采血完毕对采血针进行终末杀菌消毒；
录音模块，与主控模块连接，用于通过录像器记录患者信息及采血信息数据；
数据导出云端模块，与录音模块连接，将录音数据导出，进行云端保存；
消毒评价模块，与主控模块连接，用于对针头消毒情况进行评价；具体包括：
利用定位函数分析针头消毒得到的评分的整体情况来确定在消毒等级上所处的位置；通过定位精度函数确定参照针头消毒的选择方式，进而选择适当的针头消毒项为参照来预测针头消毒后评分；并根据预测项与参照项的期望之间的关系对预测评分进行修正调整。
进一步，消毒评价模块的评价方法具体包括：
步骤一，利用现有的评分数据，以消毒期望为定位函数，计算每项针头消毒的期望及评分等相关信息，并按针头消毒项进行存储；
步骤二，由步骤一已经计算储好存的针头消毒的期望及评分等相关信息在评分数据发生变化而需要重新计算时，仅对评分数据发生变化的针头消毒项进行处理，而评分数据未发生变化的针头消毒项不需要再进行处理，也无需处理评分数据变化后的各个针头消毒项之间的关系；
步骤三，在评分预测中，根据要预测的针头以及要预测的评价过的相关针头的评分，利用定位函数式确定预测针头消毒的定位精度ε；
步骤四，根据要预测的针头的定位精度ε，在预测评价过的相关针头中，找出期望值满足精度要求的针头，构成用来对预测的针头进行评分预测的参照项目集；
步骤五，利用要预测的针头对参照针头的评分以及预测针头、参照针头的期望值计算预测针头的预测分值。
进一步，所述定位函数为基于期望的定位函数；具体包括：
期望为一项针头得到的全部的评分的平均值，该平均值反映针头得到的评分的期望，用来区分每项针头在消毒等级上所处的位置；所述步骤一中，对一项针头
其定位函数
用其期望
来计算，计算公式如式(1)：
其中，
为对针头
进行过评分的全部针头组成的集合，
为针头u对针头
的评分，
为集合
中数据的个数；
所述步骤一中的处理采用离线方式进行，包括：一次处理完所有针头的期望及评分针头数等相关信息，然后以数据库或其它数据文件的形式存储起来，供以后的评分预测使用；数据的存储以一项针头为一个记录；
所述步骤三中，精度函数利用要预测的针头以及要预测的针头评价过的相关针头的评分针头数，来确定预测针头的定位精度ε，计算公式为式(2)：
其中，
为要预测的针头
的现有评分针头集，
即为针头
得到的实际评分针头数，在步骤一中计算并存储，；
为要预测的针头
评价过的全部针头的平均评分饱和度，计算公式为式(3)：
式(3)中
为要预测的针头
评价过的全部项目集，card(U(g))为各相关项目得到的实际评分针头数，其值均在步骤一中计算并存储；card(U)为系统所拥有的针头总数；
一个针头的评分饱和度为该针头进行过的实际评分项目数量与这些相应的针头应得到的评分总数之比，式(2)中，若预测的针头评价过的全部项目的评分饱和度低，定位精度的取值应较大，反之应较小；若预测项目的现有评分数量少，则定位精度的取值应较大，反之则应较小；
所述步骤四中满足定位精ε、用来对预测的针头
进行评分预测的参照集
按式(3)来确定；所述步骤三中的定位精度ε给出寻找预测针头
的参照项的一个邻域值；
其中，G(u)为针头u评价过的针头集，
按式(1)计算；
所述步骤五中，计算预测项目的预测分值的评分估算函数为式(4)：
其中，要预测的针头为u，针头为
vu,i为针头u对参照项i的评分
为针头u对参照集
中的所有针头给出的评分的平均值，计算公式为式(5)，b为对平均值进行偏差校正的一个修正量，计算公式如式(6)：
在期望为定位函数的情况下，偏差校正值用预测项目的市场期望与参照项目的期望之间的平均差来估计，计算公式为式(6)：
式(6)表示，偏差校正值为预测针头
的市场期望值
与参照集
中的参照针头的市场期望的平均值之差；
引入加权Slope one，以项目之间得到的共同评分针头数为权重，对评分预测结果进一步修正；
具体包括：以两两针头项之间得到的共同评分针头数为权重，以期望为定位函数，采用式(7)加权拟合平均公式计算针头的预测评分；
其中，
为对要预测的针头
和参照集中的针头i都进行过评分的针头数，称为针头
和i的共同评分针头数；任意两个针头，其共同评分针头数计算公式如式(8)：
ci,j＝card(U(i,j))＝card(U(i)∩U(j)) (8)；
任意两个针头的共同评分针头数，是其各自的评分针头集的交集的元素个数；
采用加权拟合平均公式预测分值，在所述步骤一中，按式(8)计算系统中任意两两针头之间的共同评分针头数；且若一项针头的评分数据发生变化，在步骤二中，就重新计算该针头与其它针头的共同评分针头数；
样本χ中的针头数量为m项，全部针头两两之间的共同评分针头数构成一个m×m的对称矩阵，在所述步骤一和步骤二中，存储该矩阵；采用三角矩阵存储方式。
进一步，消毒评价模块包括：
预处理模块，用于利用现有的评分数据，以式(1)期望为定位函数，计算每项针头的期望及评分针头数等相关信息，并按针头项进行存储；
评分数据变化处理模块，用于由预处理模块已经计算储好存的针头的期望及评分针头数等相关信息在评分数据发生变化而需要重新计算时，仅对评分数据发生变化的针头项进行处理，而评分数据未发生变化的针头项不需要再进行处理，也无需处理评分数据变化后的各个针头项之间的关系；
定位精度计算模块，用于在评分预测中，根据要预测的针头以及要预测的针头评价过的相关针头的评分针头数，确定预测针头的消毒的定位精度ε；
参照集选择模块，用于在评分预测中，根据定位精度计算模块确定的要预测的针头的定位精度ε，找出期望值满足精度要求的相关针头，构成用来对预测的针头进行评分预测的参照项目集；
预测分值计算模块，用于利用参照集选择模块选定的参照针头，根据要预测的针头对参照针头的评分，计算预测针头的预测分值。
进一步，所述弹力驱动模块包括扭断驱动模块、弹射模块；
扭断驱动模块，用于通过扭断驱动块将采血针与针座分离，使用采血针露出壳体；
弹射模块，用于通过弹簧提供弹射动力。
进一步，所述针头消毒模块包括加热模块，用于通过加热器加热水对使用后的针头进行加热消毒；设定温度是121℃，20-30分钟；对于不能耐高温的培养基成分比如葡萄糖，115℃30-40分钟。对艾滋病病毒灭活加热100℃持续20分钟，病毒死亡效果显著的，可以杀死。
所述针头消毒模块或集成液体消毒模块，用于通过将采血针插入盛放有消毒液的消毒腔对采血针进行消毒。
本发明的优点及积极效果为：
本发明通过针头消毒模块对采血针进行消毒，简化了一次性采血针的终末消毒程序；同时在采血器通过照明模块可以方便医疗工作人员在采血时，进行提供照明功能，从而可以准确判断采血位置，大大便利采血的顺利进行；以及通过录音模块可以方便工作人员通过录音方式进行存储到录音模块集成的储存器中，将患者的信息储存，便于追踪监测。
本发明的血量测量模块采用小波技术的非周期性微小信号检测方法，谐波小波分解算法速度快，精度高，能有效克服傅立叶分析方法无法获得频率分量随时间演变信息的缺点，因其对信号中微小奇异点极其敏感，故可有效用于智能分析等领域。
本发明的MEbCF技术能够获得较好的评分预测效果，同时又具有算法简单、便于实现以及算法的时间和空间开销较低等显著特点，是一种具有较强竞争力的推荐技术，在电子商务系统及其他评分预测领域具有良好的应用前景。
一般的相似度计算和Slope one算法中的项目分差和共同评分用户数计算，在推荐系统中有n个用户和m项商品的情况下，其时间复杂度一般均为O(m2×n/2)，空间复杂度为O(m2/2)；本发明的MEbCF技术，仅需计算每项商品的市场期望就能够进行推荐，其时间复杂度为O(m×n)，空间复杂度为O(m)。采用本发明的MEbCF技术，能够在数量级上巨大提高算法的时间和空间效率，在系统拥有大量用户和商品的情况下，巨大减轻推荐系统的运行负荷，为推荐系统及时响应用户需求和系统中数据的变化提供了有力的技术保障。在推荐效果上，能够达到甚至略优于基于相似度的k最近邻、Slope one等以简便易行著称的传统推荐技术。
本发明提出的市场效应概念，具有如下意义：(1)它符合人们的评分行为特点；(2)含义简洁、明确，有利于描述人们的评分行为特点和相关的实现和技术；(3)能够区别于其他技术方法中所体现的原理、概念和方法；(4)基于市场效应提出的评分预测方法，方法简单、易于实现。
附图说明
图1是本发明实施例提供的能自动进行针头终末消毒的一次性采血器结构框图。
图中：1、采血模块；2、血量测量模块；3、主控模块；4、弹力驱动模块；5、针头消毒模块；6、照明模块；7、录音模块；8、消毒评价模块；9、数据导出云端模块。
图2为本发明中谐波小波函数的实部曲线图。
图3为本发明中谐波小波函数的虚部曲线图。
图4为本发明中加布莱克曼窗后谐波小波的实部曲线图。
图5为本发明中加布莱克曼窗后谐波小波的虚部曲线图。
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。
如图1所示，本发明提供的能自动进行针头终末消毒的一次性采血器包括：采血模块1、血量测量模块2、主控模块3、弹力驱动模块4、针头消毒模块5、照明模块6、录音模块7。
采血模块1，与主控模块3连接，用于通过采血针对患者进行采血；
血量测量模块2，与主控模块3连接，用于通过刻度尺测量采血的容量信息；
主控模块3，与采血模块1、血量测量模块2、弹力驱动模块4、针头消毒模块5、照明模块6、录音模块7连接，用于控制各个模块正常工作；
弹力驱动模块4，与主控模块3连接，用于给采血针提供采血动力；
针头消毒模块5，与主控模块3连接，用于对采血针进行杀菌消毒；
照明模块6，与主控模块3连接，用于给采血过程提供照明功能；
录音模块7，与主控模块3连接，用于通过录像器记录患者信息及采血信息数据。
数据导出云端模块9，与录音模块连接，将录音数据导出，进行云端保存.
本发明提供的弹力驱动模块4包括扭断驱动模块、弹射模块；
扭断驱动模块，用于通过扭断驱动块将采血针与针座分离，使用采血针露出壳体；
弹射模块，用于通过弹簧提供弹射动力。
本发明提供的针头消毒模块5包括加热模块、液体消毒模块；
加热模块，用于通过加热器对使用后的针头进行加热消毒；
液体消毒模块，用于通过将采血针插入盛放有消毒液的消毒腔对采血针进行消毒。
本发明采血时，通过照明模块6给采血过程提供照明功能；工作人员通过弹力驱动模块4将采血针弹出壳体；接着通过采血模块1对患者进行采血；通过血量测量模块2利用刻度尺测量采血的容量信息；采血后，通过针头消毒模块5对采血针进行杀菌消毒；最后，通过录音模块7记录患者信息及采血信息数据。
图2为本发明中谐波小波函数的实部曲线图。
图3为本发明中谐波小波函数的虚部曲线图。
图4为本发明中加布莱克曼窗后谐波小波的实部曲线图。
图5为本发明中加布莱克曼窗后谐波小波的虚部曲线图。
下面结合具体分析对本发明作进一步描述。
血量测量模块，与主控模块连接，用于测量采血的容量信息；具体包括：
(1)使用电容式振动加速度传感器对机械转轴振动加速度进行测量，得到滤波处理后的振动时频数据；
(2)利用傅立叶变换分析方法和加窗函数改进后的谐波小波分析方法，得出振动信号的频谱图和谐波小波系数分解的三维时频图，谐波小波函数如下：
其傅立叶变换为：
(3)分析此谐波小波系数分解三维时频图，得出信号中微小奇异波动所发生的时间点和频率点；
所述谐波小波通过如下函数进行改进，谐波小波频域特性改进使用下布莱克曼窗函数：
经过加窗后的谐波小波函数的实部和虚部在|t|→∞时，其衰减速度要比原谐波小波快；
谐波小波时域信号改进使用如下函数，有效减小了时域信号有限长度特性对频谱分析的影响，改善了谐波小波分解系数的偏差；
所述三维时频图的水平面为基平面，两坐标轴分别为时间和谐波小波分解层数，这样小波时频图的基平面就被划分成由时间和层数构成的网格，每个网格上以谐波小波系数as模的平方作柱体，谐波小波分解结果表明不同频率和时间的谐波小波能量对整个信号能量贡献的大小，谐波小波时频图是分解结果的直观表示，其起伏对应不同谐波小波能量的相对大小，通过谐波时频图，知道在什么时间什么频率成份对信号组成有重要影响；
采用小波技术的非周期性微小信号检测方法，谐波小波分解算法速度快，精度高，能有效克服傅立叶分析方法无法获得频率分量随时间演变信息的缺点，因其对信号中微小奇异点极其敏感；
主控模块，与采血模块、血量测量模块、弹力驱动模块、针头消毒模块、录音模块连接，用于控制各个模块正常工作；
弹力驱动模块，与主控模块连接，用于给采血针提供采血动力；
针头消毒模块，与主控模块连接，用于采血完毕对采血针进行终末杀菌消毒；用于通过加热器加热水对使用后的针头进行加热消毒；设定温度是121℃，20-30分钟；对于不能耐高温的培养基成分比如葡萄糖，115℃30-40分钟。对艾滋病病毒灭活加热100℃持续20分钟，病毒死亡效果显著的，可以杀死。
录音模块，与主控模块连接，用于通过录像器记录患者信息及采血信息数据。
消毒评价模块，与主控模块连接，用于对针头消毒情况进行评价；具体包括：
利用定位函数分析针头消毒得到的评分的整体情况来确定在消毒等级上所处的位置；通过定位精度函数确定参照针头消毒的选择方式，进而选择适当的针头消毒项为参照来预测针头消毒后评分；并根据预测项与参照项的期望之间的关系对预测评分进行修正调整。
消毒评价模块8的评价方法具体包括：
步骤一，利用现有的评分数据，以消毒期望为定位函数，计算每项针头消毒的期望及评分等相关信息，并按针头消毒项进行存储；
步骤二，由步骤一已经计算储好存的针头消毒的期望及评分等相关信息在评分数据发生变化而需要重新计算时，仅对评分数据发生变化的针头消毒项进行处理，而评分数据未发生变化的针头消毒项不需要再进行处理，也无需处理评分数据变化后的各个针头消毒项之间的关系；
步骤三，在评分预测中，根据要预测的针头以及要预测的评价过的相关针头的评分，利用定位函数式确定预测针头消毒的定位精度ε；
步骤四，根据要预测的针头的定位精度ε，在预测评价过的相关针头中，找出期望值满足精度要求的针头，构成用来对预测的针头进行评分预测的参照项目集；
步骤五，利用要预测的针头对参照针头的评分以及预测针头、参照针头的期望值计算预测针头的预测分值。
进一步，所述定位函数为基于期望的定位函数；具体包括：
期望为一项针头得到的全部的评分的平均值，该平均值反映针头得到的评分的期望，用来区分每项针头在消毒等级上所处的位置；所述步骤一中，对一项针头
其定位函数
用其期望
来计算，计算公式如式(1)：
其中，
为对针头
进行过评分的全部针头组成的集合，
为针头u对针头
的评分，
为集合
中数据的个数；
所述步骤一中的处理采用离线方式进行，包括：一次处理完所有针头的期望及评分针头数等相关信息，然后以数据库或其它数据文件的形式存储起来，供以后的评分预测使用；数据的存储以一项针头为一个记录；
所述步骤三中，精度函数利用要预测的针头以及要预测的针头评价过的相关针头的评分针头数，来确定预测针头的定位精度ε，计算公式为式(2)：
其中，
为要预测的针头
的现有评分针头集，
即为针头
得到的实际评分针头数，在步骤一中计算并存储，；
为要预测的针头
评价过的全部针头的平均评分饱和度，计算公式为式(3)：
式(3)中
为要预测的针头
评价过的全部项目集，card(U(g))为各相关项目得到的实际评分针头数，其值均在步骤一中计算并存储；card(U)为系统所拥有的针头总数；
一个针头的评分饱和度为该针头进行过的实际评分项目数量与这些相应的针头应得到的评分总数之比，式(2)中，若预测的针头评价过的全部项目的评分饱和度低，定位精度的取值应较大，反之应较小；若预测项目的现有评分数量少，则定位精度的取值应较大，反之则应较小；
所述步骤四中满足定位精ε、用来对预测的针头
进行评分预测的参照集
按式(3)来确定；所述步骤三中的定位精度ε给出寻找预测针头
的参照项的一个邻域值；
其中，G(u)为针头u评价过的针头集，
按式(1)计算；
所述步骤五中，计算预测项目的预测分值的评分估算函数为式(4)：
其中，要预测的针头为u，针头为
vu,i为针头u对参照项i的评分
为针头u对参照集
中的所有针头给出的评分的平均值，计算公式为式(5)，b为对平均值进行偏差校正的一个修正量，计算公式如式(6)：
在期望为定位函数的情况下，偏差校正值用预测项目的市场期望与参照项目的期望之间的平均差来估计，计算公式为式(6)：
式(6)表示，偏差校正值为预测针头
的市场期望值
与参照集
中的参照针头的市场期望的平均值之差；
引入加权Slope one，以项目之间得到的共同评分针头数为权重，对评分预测结果进一步修正；
具体包括：以两两针头项之间得到的共同评分针头数为权重，以期望为定位函数，采用式(7)加权拟合平均公式计算针头的预测评分；
其中，
为对要预测的针头
和参照集中的针头i都进行过评分的针头数，称为针头
和i的共同评分针头数；任意两个针头，其共同评分针头数计算公式如式(8)：
ci,j＝card(U(i,j))＝card(U(i)∩U(j)) (8)；
任意两个针头的共同评分针头数，是其各自的评分针头集的交集的元素个数；
采用加权拟合平均公式预测分值，在所述步骤一中，按式(8)计算系统中任意两两针头之间的共同评分针头数；且若一项针头的评分数据发生变化，在步骤二中，就重新计算该针头与其它针头的共同评分针头数；
样本χ中的针头数量为m项，全部针头两两之间的共同评分针头数构成一个m×m的对称矩阵，在所述步骤一和步骤二中，存储该矩阵；采用三角矩阵存储方式。
消毒评价模块包括：
预处理模块，用于利用现有的评分数据，以式(1)期望为定位函数，计算每项针头的期望及评分针头数等相关信息，并按针头项进行存储；
评分数据变化处理模块，用于由预处理模块已经计算储好存的针头的期望及评分针头数等相关信息在评分数据发生变化而需要重新计算时，仅对评分数据发生变化的针头项进行处理，而评分数据未发生变化的针头项不需要再进行处理，也无需处理评分数据变化后的各个针头项之间的关系；
定位精度计算模块，用于在评分预测中，根据要预测的针头以及要预测的针头评价过的相关针头的评分针头数，确定预测针头的消毒的定位精度ε；
参照集选择模块，用于在评分预测中，根据定位精度计算模块确定的要预测的针头的定位精度ε，找出期望值满足精度要求的相关针头，构成用来对预测的针头进行评分预测的参照项目集；
预测分值计算模块，用于利用参照集选择模块选定的参照针头，根据要预测的针头对参照针头的评分，计算预测针头的预测分值。
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 (1)
1.一种能自动进行针头终末消毒的一次性采血器，其特征在于，所述能自动进行针头终末消毒的一次性采血器包括：
采血模块，与主控模块连接，用于通过采血针对患者进行采血；
血量测量模块，与主控模块连接，用于测量采血的容量信息；具体包括：
(1)使用电容式振动加速度传感器对机械转轴振动加速度进行测量，得到滤波处理后的振动时频数据；
(2)利用傅立叶变换分析方法和加窗函数改进后的谐波小波分析方法，得出振动信号的频谱图和谐波小波系数分解的三维时频图，谐波小波函数如下：
其傅立叶变换为：
(3)分析此谐波小波系数分解三维时频图，得出信号中微小奇异波动所发生的时间点和频率点；
所述谐波小波通过如下函数进行改进，谐波小波频域特性改进使用下布莱克曼窗函数：
经过加窗后的谐波小波函数的实部和虚部在|t|→∞时，其衰减速度要比原谐波小波快；
谐波小波时域信号通过步骤(1)-步骤(3)改进，有效减小了时域信号有限长度特性对频谱分析的影响，改善了谐波小波分解系数的偏差；
所述三维时频图的水平面为基平面，两坐标轴分别为时间和谐波小波分解层数，这样小波时频图的基平面就被划分成由时间和层数构成的网格，每个网格上以谐波小波系数as模的平方作柱体，谐波小波分解结果表明不同频率和时间的谐波小波能量对整个信号能量贡献的大小，谐波小波时频图是分解结果的直观表示，其起伏对应不同谐波小波能量的相对大小，通过谐波时频图，知道在什么时间什么频率成份对信号组成有重要影响；
采用小波技术的非周期性微小信号检测方法，谐波小波分解算法速度快，精度高，能有效克服傅立叶分析方法无法获得频率分量随时间演变信息的缺点，因其对信号中微小奇异点极其敏感；
主控模块，与采血模块、血量测量模块、弹力驱动模块、针头消毒模块、录音模块连接，用于控制各个模块正常工作；
弹力驱动模块，与主控模块连接，用于给采血针提供采血动力；
针头消毒模块，与主控模块连接，用于采血完毕对采血针进行终末杀菌消毒；
录音模块，与主控模块连接，用于通过录像器记录患者信息及采血信息数据；
数据导出云端模块，与录音模块连接，将录音数据导出，进行云端保存；
消毒评价模块，与主控模块连接，用于对针头消毒情况进行评价；具体包括：
利用定位函数分析针头消毒得到的评分的整体情况来确定在消毒等级上所处的位置；通过定位精度函数确定参照针头消毒的选择方式，进而选择适当的针头消毒项为参照来预测针头消毒后评分；并根据预测项与参照项的期望之间的关系对预测评分进行修正调整；
所述消毒评价模块的评价方法具体包括：
步骤一，利用现有的评分数据，以消毒期望为定位函数，计算每项针头消毒的期望及评分信息，并按针头消毒项进行存储；
步骤二，由步骤一已经计算储好存的针头消毒的期望及评分等相关信息在评分数据发生变化而需要重新计算时，仅对评分数据发生变化的针头消毒项进行处理，而评分数据未发生变化的针头消毒项不需要再进行处理，也无需处理评分数据变化后的各个针头消毒项之间的关系；
步骤三，在评分预测中，根据要预测的针头以及要预测的评价过的相关针头的评分，利用定位函数式确定预测针头消毒的定位精度ε；
步骤四，根据要预测的针头的定位精度ε，在预测评价过的相关针头中，找出期望值满足精度要求的针头，构成用来对预测的针头进行评分预测的参照项目集；
步骤五，利用要预测的针头对参照针头的评分以及预测针头、参照针头的期望值计算预测针头的预测分值；
所述定位函数为基于期望的定位函数；具体包括：
期望为一项针头得到的全部的评分的平均值，该平均值反映针头得到的评分的期望，用来区分每项针头在消毒等级上所处的位置；所述步骤一中，对一项针头
其定位函数
用其期望
来计算，计算公式如式(1)：
其中，
为对针头
进行过评分的全部针头组成的集合，
为针头u对针头
的评分，
为集合
中数据的个数；
所述步骤一中的处理采用离线方式进行，包括：一次处理完所有针头的期望及评分针头数等相关信息，然后以数据库或其它数据文件的形式存储起来，供以后的评分预测使用；数据的存储以一项针头为一个记录；
所述步骤三中，精度函数利用要预测的针头以及要预测的针头评价过的相关针头的评分针头数，来确定预测针头的定位精度ε，计算公式为式(2)：
其中，
为要预测的针头
的现有评分针头集，
即为针头
得到的实际评分针头数，在步骤一中计算并存储，；
为要预测的针头
评价过的全部针头的平均评分饱和度，计算公式为式(3)：
式(3)中
为要预测的针头
评价过的全部项目集，card(U(g))为各相关项目得到的实际评分针头数，其值均在步骤一中计算并存储；card(U)为系统所拥有的针头总数；
一个针头的评分饱和度为该针头进行过的实际评分项目数量与这些相应的针头应得到的评分总数之比，式(2)中，若预测的针头评价过的全部项目的评分饱和度低，定位精度的取值应较大，反之应较小；若预测项目的现有评分数量少，则定位精度的取值应较大，反之则应较小；
所述步骤四中满足定位精ε、用来对预测的针头
进行评分预测的参照集
按式(3)来确定；所述步骤三中的定位精度ε给出寻找预测针头
的参照项的一个邻域值；
其中，G(u)为针头u评价过的针头集，
按式(1)计算；
所述步骤五中，计算预测项目的预测分值的评分估算函数为式(4)：
其中，要预测的针头为u，针头为
vu,i为针头u对参照项i的评分
为针头u对参照集
中的所有针头给出的评分的平均值，计算公式为式(5)，b为对平均值进行偏差校正的一个修正量，计算公式如式(6)：
在期望为定位函数的情况下，偏差校正值用预测项目的市场期望与参照项目的期望之间的平均差来估计，计算公式为式(6)：
式(6)表示，偏差校正值为预测针头
的市场期望值
与参照集
中的参照针头的市场期望的平均值之差；
引入加权Slope one，以项目之间得到的共同评分针头数为权重，对评分预测结果进一步修正；
具体包括：以两两针头项之间得到的共同评分针头数为权重，以期望为定位函数，采用式(7)加权拟合平均公式计算针头的预测评分；
其中，
为对要预测的针头
和参照集中的针头i都进行过评分的针头数，称为针头
和i的共同评分针头数；任意两个针头，其共同评分针头数计算公式如式(8)：
ci,j＝card(U(i,j))＝card(U(i)∩U(j)) (8)；
任意两个针头的共同评分针头数，是其各自的评分针头集的交集的元素个数；
采用加权拟合平均公式预测分值，在所述步骤一中，按式(8)计算系统中任意两两针头之间的共同评分针头数；且若一项针头的评分数据发生变化，在步骤二中，就重新计算该针头与其它针头的共同评分针头数；
样本χ中的针头数量为m项，全部针头两两之间的共同评分针头数构成一个m×m的对称矩阵，在所述步骤一和步骤二中，存储该矩阵；采用三角矩阵存储方式；
消毒评价模块包括：
预处理模块，用于利用现有的评分数据，以式(1)期望为定位函数，计算每项针头的期望及评分针头数等相关信息，并按针头项进行存储；
评分数据变化处理模块，用于由预处理模块已经计算储好存的针头的期望及评分针头数等相关信息在评分数据发生变化而需要重新计算时，仅对评分数据发生变化的针头项进行处理，而评分数据未发生变化的针头项不需要再进行处理，也无需处理评分数据变化后的各个针头项之间的关系；
定位精度计算模块，用于在评分预测中，根据要预测的针头以及要预测的针头评价过的相关针头的评分针头数，确定预测针头的消毒的定位精度ε；
参照集选择模块，用于在评分预测中，根据定位精度计算模块确定的要预测的针头的定位精度ε，找出期望值满足精度要求的相关针头，构成用来对预测的针头进行评分预测的参照项目集；
预测分值计算模块，用于利用参照集选择模块选定的参照针头，根据要预测的针头对参照针头的评分，计算预测针头的预测分值；
所述弹力驱动模块包括扭断驱动模块、弹射模块；
扭断驱动模块，用于通过扭断驱动块将采血针与针座分离，使用采血针露出壳体；
弹射模块，用于通过弹簧提供弹射动力；
所述针头消毒模块包括加热模块，用于通过加热器加热水对使用后的针头进行加热消毒；设定温度是121℃，20-30分钟；对于不能耐高温的培养基成分115℃，30-40分钟；对艾滋病病毒灭活加热100℃持续20分钟。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810390548.XA CN108888276B (zh) | 2018-04-27 | 2018-04-27 | 一种能自动进行针头终末消毒的一次性采血器 |
| PCT/CN2019/084488 WO2019206264A1 (zh) | 2018-04-27 | 2019-04-26 | 一种一次性采血器针头终末消毒方法及终末消毒系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810390548.XA CN108888276B (zh) | 2018-04-27 | 2018-04-27 | 一种能自动进行针头终末消毒的一次性采血器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108888276A CN108888276A (zh) | 2018-11-27 |
| CN108888276B true CN108888276B (zh) | 2021-06-18 |
Family
ID=64342503
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810390548.XA Expired - Fee Related CN108888276B (zh) | 2018-04-27 | 2018-04-27 | 一种能自动进行针头终末消毒的一次性采血器 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN108888276B (zh) |
| WO (1) | WO2019206264A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108888276B (zh) * | 2018-04-27 | 2021-06-18 | 中南大学 | 一种能自动进行针头终末消毒的一次性采血器 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101406397A (zh) * | 2008-10-22 | 2009-04-15 | 陈国英 | 智能采血仪及采血方法 |
| CN203609428U (zh) * | 2013-11-15 | 2014-05-28 | 柳新荣 | 一次性采血器 |
| CN105444870A (zh) * | 2015-11-26 | 2016-03-30 | 黑龙江科技大学 | 一种采用小波技术的非周期性微小信号检测方法 |
| CN206687716U (zh) * | 2016-12-19 | 2017-12-01 | 厦门精配软件工程有限公司 | 一种自动便携抽血泵 |
| CN107527236A (zh) * | 2017-08-10 | 2017-12-29 | 云南财经大学 | 一种基于市场效应的协同过滤推荐方法及推荐系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108888276B (zh) * | 2018-04-27 | 2021-06-18 | 中南大学 | 一种能自动进行针头终末消毒的一次性采血器 |
-
2018
- 2018-04-27 CN CN201810390548.XA patent/CN108888276B/zh not_active Expired - Fee Related
-
2019
- 2019-04-26 WO PCT/CN2019/084488 patent/WO2019206264A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101406397A (zh) * | 2008-10-22 | 2009-04-15 | 陈国英 | 智能采血仪及采血方法 |
| CN203609428U (zh) * | 2013-11-15 | 2014-05-28 | 柳新荣 | 一次性采血器 |
| CN105444870A (zh) * | 2015-11-26 | 2016-03-30 | 黑龙江科技大学 | 一种采用小波技术的非周期性微小信号检测方法 |
| CN206687716U (zh) * | 2016-12-19 | 2017-12-01 | 厦门精配软件工程有限公司 | 一种自动便携抽血泵 |
| CN107527236A (zh) * | 2017-08-10 | 2017-12-29 | 云南财经大学 | 一种基于市场效应的协同过滤推荐方法及推荐系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019206264A1 (zh) | 2019-10-31 |
| CN108888276A (zh) | 2018-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Online lithium-ion battery internal resistance measurement application in state-of-charge estimation using the extended Kalman filter | |
| Slapničar et al. | Blood pressure estimation from photoplethysmogram using a spectro-temporal deep neural network | |
| Broadley et al. | Methods for the real-world evaluation of fall detection technology: A scoping review | |
| Guo et al. | Joint estimation of the electric vehicle power battery state of charge based on the least squares method and the Kalman filter algorithm | |
| Hu et al. | Estimation of state of charge of a lithium-ion battery pack for electric vehicles using an adaptive Luenberger observer | |
| Aspuru et al. | Segmentation of the ECG signal by means of a linear regression algorithm | |
| Yan et al. | Research on a novel improved adaptive variational mode decomposition method in rotor fault diagnosis | |
| Ge et al. | Extreme learning machine using bat optimization algorithm for estimating state of health of lithium-ion batteries | |
| Sarasvananda et al. | The k-means clustering algorithm with semantic similarity to estimate the cost of hospitalization | |
| Wang et al. | An optimized random forest regression model for li-ion battery prognostics and health management | |
| Lazzaretti et al. | A multi-agent NILM architecture for event detection and load classification | |
| Hu et al. | Non-intrusive load monitoring for residential appliances with ultra-sparse sample and real-time computation | |
| Cui et al. | Recognition of upper limb action intention based on IMU | |
| CN108888276B (zh) | 一种能自动进行针头终末消毒的一次性采血器 | |
| Tang et al. | Feature selection for partial discharge severity assessment in gas-insulated switchgear based on minimum redundancy and maximum relevance | |
| Gu et al. | Multi-objective informative frequency band selection based on negentropy-induced grey wolf optimizer for fault diagnosis of rolling element bearings | |
| Wiora et al. | Influence of methods approximating fractional-order differentiation on the output signal illustrated by three variants of Oustaloup filter | |
| Yao et al. | State of health estimation based on the long short-term memory network using incremental capacity and transfer learning | |
| Bagui et al. | An improved step counting algorithm using classification and double autocorrelation | |
| Huang et al. | A Novel Autoregressive Rainflow—Integrated Moving Average Modeling Method for the Accurate State of Health Prediction of Lithium-Ion Batteries | |
| Liu et al. | Research on Fault Feature Extraction Method of Rolling Bearing Based on SSA–VMD–MCKD | |
| CN113796873A (zh) | 穿戴式动态心电信号分类方法及系统 | |
| Wu et al. | Multilevel fine fault diagnosis method for motors based on feature extraction of fractional fourier transform | |
| Patil et al. | An Adaptive parameter free data mining approach for healthcare application | |
| Li et al. | Research on Multi-Time Scale SOP Estimation of Lithium–Ion Battery Based on H∞ Filter |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210618 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |