CN109559797A - 一种血液透析康复运动训练方法及系统、终端 - Google Patents
一种血液透析康复运动训练方法及系统、终端 Download PDFInfo
- Publication number
- CN109559797A CN109559797A CN201811283005.4A CN201811283005A CN109559797A CN 109559797 A CN109559797 A CN 109559797A CN 201811283005 A CN201811283005 A CN 201811283005A CN 109559797 A CN109559797 A CN 109559797A
- Authority
- CN
- China
- Prior art keywords
- data
- circulation loop
- haemodialysis
- module
- calibration
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- Urology & Nephrology (AREA)
- External Artificial Organs (AREA)
Abstract
本发明属于血液透析技术领域,公开了一种血液透析康复运动训练方法及系统、终端,血液透析康复运动训练系统包括:患者信息采集模块、透析数据采集模块、中央控制模块、透析数据处理模块、校准模块、按摩模块、康复记录模块、显示模块。本发明通过透析数据处理模块实现标准化操作流程,减少误差;分步完成,模块化结构;为数据分析提供真实临床的数据支持;以点线形式显示病人的透析历史数据,并设置流程节点执行显示窗口,以便医务人员随时采用透析状态;同时,通过校准模块完成了对被校准的血液透析机检测仪的状态评价,是一个集多参数的综合检测、校准技术的自动化控制、校准结果的自动评价为一体的智能化计量校准方法,提高校准的准确性。
Description
技术领域
本发明属于血液透析技术领域,尤其涉及一种血液透析康复运动训练方法及系统、终端。
背景技术
血液透析(HD)是急慢性肾功能衰竭患者肾脏替代治疗方式之一。它通过将体内血液引流至体外,经一个由无数根空心纤维组成的透析器中,血液与含机体浓度相似的电解质溶液(透析液)在一根根空心纤维内外,通过弥散、超滤、吸附和对流原理进行物质交换,清除体内的代谢废物、维持电解质和酸碱平衡;同时清除体内过多的水分,并将经过净化的血液回输的整个过程称为血液透析。然而,现有血液透析数据仅仅是作为记录数据来用,由于缺乏规范性,数据上会有不完整性,在有误差的数据上做的分析也无法辅助科研;同时,现有的血液透析机检测仪的校准大都是采用分项指标单独校准的方式,校验数据不准确。
综上所述,现有技术存在的问题是:
现有血液透析数据仅仅是作为记录数据来用,由于缺乏规范性,数据上会有不完整性,在有误差的数据上做的分析也无法辅助科研;同时,现有的血液透析机检测仪的校准大都是采用分项指标单独校准的方式,校验数据不准确。
现有技术中,对血液透析数据进行流程化处理获得的数据准确性差。
发明内容
针对现有技术存在的问题,本发明提供了一种血液透析康复运动训练方法。
本发明是这样实现的,一种血液透析康复运动训练方法包括:
通过透析数据处理模块利用数据处理软件对血液透析数据进行流程化处理;包括:
第一步,初始化微粒群,其中包括初始化整个粒子群的位置xi=(xi1,xi2,···xid)T和速度vi=(vi1,vi2,···,vid)T及局部最优和整体最优,其中id表示第i代中第d个粒子;
第二步,计算每个粒子在当前位置处的适应度值fitnessid=f(xid);然后根据适应度值的大小,初始化局部最优解pbesti=fitnessi和整体最优解gbest=min(fintess1,fitness2,···,fitnessN),i=1,2,···,N;
第三步,在每次迭代过程中,每个粒子根据以下准则来更新自己的位置和速度:
vid(t+1)=wvid(t)+c1r1(pld-xid(t))+c2r2(pgd-xid(t))
xid(t+1)=xid(t)+vid(t+1)
其中vid为粒子的速度,xid为粒子的位置,w为惯性权重,c1和c2为加速度系数,r1和r2是随机数,Pld为全局最优解而Pgd为局部最优解;
第四步,更新局部最优解pbesti和整体最优解gbest;通过粒子的速度和位移更新公式更新粒子的速度和位移,找到优解,优解公式为:xi,j表示第i个粒子第j个路径所需要更新的位移,xi,j(1)表示的是xi,j的下一个,每次都在变化,下一次就为xi,j(2);
第五步,如果整体最优解gbest达到设定的阈值或者已经达到最大迭代次数,算法即可终止计算;否则跳转至第三步;
所述粒子的位移更新方法包括:
按照xi,j=vi,j+wvi,j对xi,j进行更改;
以概率c1h(e,g)修改(pi,j-xi,j)的交换序,得到xi,j(1)为xi,j与
c1h(e,g)(pi,j-xi,j)的和,pi,j-xi,j(t)表示每个粒子与个体最优位置的交换序;
以概率c2h(e,g)修改(pg,j-xi,j)的交换序,得到xi,j(2)为xi,j(1)与c2h(e,g)(pg,j-xi,j)的和,,pg,j-xi,j(t)表示群体最优位置与个体位置的交换序,更新位移完毕;
优化阶段是采用粒子群算法优化特征加权KNN算法的特征权值,具体包括如下步骤:
采用随机方法初始化粒子群,每个粒子的位置和速度的维度为n,每个粒子的位置对应数据集中一条记录的特征权值向量w=(w1,w2,···,wn):其中有
计算适应值,进而求出局部最优解和全局最优解:
在计算适应值时,将粒子的位置即特征权值应用到特征加权KNN算法中,将原训练样本集中前70%当做新的训练样本,后30%当做新的预测样本集,对此预测样本集进行分类,算出分类的准确度,准确度越高越符合适应值;
预测样本集每条记录的原始标签为li=(li1,li2,···,lin),分类过后的预测标签为lj=(lj1,lj2,···,ljn),li与lj与重合个数为sum,那么准确率Accruay=sum/n;
分类阶段:
将优化阶段得出的特征权值应用到特征加权KNN算法中给测试样本X进行分类,最终输出测试集中所有样本的标签,完成分类;
所述粒子群算法包括如下步骤:
初始化微粒群,其中包括初始化整个粒子群的位置xi=(xi1,xi2,···xid)T和速度vi=(vi1,vi2,···,vid)T及局部最优和整体最优,其中id表示第i代中第d个粒子;
计算每个粒子在当前位置处的适应度值fitnessid=f(xid)。然后根据适应度值的大小,初始化局部最优解pbesti=fitnessi和整体最优解gbest=min(fintess1,fitness2,···,fitnessN),i=1,2,···,N;
在每次迭代过程中,每个粒子根据以下准则来更新自己的位置和速度:
vid(t+1)=wvid(t)+c1r1(pld-xid(t))+c2r2(pgd-xid(t))
xid(t+1)=xid(t)+vid(t+1)
其中vid为粒子的速度,xid为粒子的位置,w为惯性权重,c1和c2为加速度系数,r1和r2是随机数,Pld为全局最优解而Pgd为局部最优解;
更新局部最优解pbesti和整体最优解gbest;
如果整体最优解gbest达到设定的阈值或者已经达到最大迭代次数,算法即可终止计算;否则跳转至更新自己的位置和速度;
所述特征加权KNN算法具体包括如下步骤:
输入m个训练样本,并设定k值大小;
先随机选择训练集中的A[1]~A[k]样本作为待预测样本X的k个初始最邻近节点;
计算待预测样本X与每个初始k个最邻近节点的加权欧几里得距离wd(X,A[i]),i=1,2,.....,k),计算距离公式为:
其中n表示样本A[i]属性个数,即A[i]=(A[i]1,A[i]2,A[i]3,···A[i]n);
将求得到的距离wd(X,A[i])按升序排序,求得距离wd(X,A[i])的最远距离maxD=max{d(X,A[i])|i=1,2,.....,k};
依次计算训练集中剩下记录与待测样本X的距离,并与所述步骤SB4中求得的最远距离maxD相比,若比最远距离maxD小,将最远距离maxD更新为该记录与待测样本X的距离值,再按升序对距离wd(X,A[i])排序;
计算出现在距离wd(X,A[i])序列中的每条记录的标签的出现次数,并按照出现次数的高低排序;
将排序得到的前L个标签作为样本X的标签。
进一步,所述血液透析康复运动训练方法具体包括:
步骤一,通过患者信息采集模块利用数据记录程序输入患者身份信息、病情信息、住院信息;
步骤二,通过透析数据采集模块利用血液透析数据采集器实时采集正在进行血液透析的患者的透析数据及患者身体数据;
步骤三,中央控制模块通过透析数据处理模块利用数据处理软件对血液透析数据进行流程化处理;
步骤四,通过校准模块利用校准电路根据接入的传感器对血液透析机检测仪性能进行校准操作;通过按摩模块利用按摩垫对患者身体进行按摩操作;
步骤五,通过康复记录模块利用数据处理程序记录患者康复数据;
步骤六,通过显示模块利用显示器显示患者信、透析流程数据信息。
进一步,透析数据处理模块处理方法包括:
(1)初始标准化血液透析流程控制轴,所述血液透析流程控制轴包括按顺序依次排列的流程节点,并对每个流程节点分别设置以用于标识的流程状态值,每个流程节点的执行条件值为上一个流程节点已至少完成一次;
(2)建立每个病人的透析活动表,所述透析活动表记录当前的流程状态值和历史的流程状态值;
(3)按血液透析流程控制轴顺序获取流程状态值,并更新透析活动表,执行血液透析流程控制轴的最后一个流程节点后结束;
(4)根据透析活动表的流程状态值信息输出透析记录单;
所述流程节点顺序分为:制定处方节点、确认处方节点、透前准备节点、交叉核对节点、透中护理节点和透后护理节点;
所述校准模块校准方法如下:
首先,将被校准的血液透析机检测仪的所有传感器接入封闭的循环回路;其中,被校准的血液透析机检测仪的酸度计探头是放入封闭的循环回路内设置的酸度槽内;
然后,通过调整封闭的循环回路的压力、温度、流量及电导率,提供校准血液透析机检测仪各项技术指标的校准条件;
最后,通过采集封闭的循环回路的流量、温度、压力及电导率数据以及采集酸度槽内的酸度数据与被校准的血液透析机检测仪的传感器采集的封闭的循环回路的各项指标的读数进行比对、分析,生成校准证书;
所述将被校准的血液透析机检测仪的所有传感器接入封闭的循环回路前,还要启动封闭的循环回路,对封闭的循环回路进行状态自检,以认定对封闭的循环回路的每一种指标的检测是正常,在封闭的循环回路的状态稳定,符合校准要求后,才将被校准的血液透析机检测仪的所有传感器接入封闭的循环回路;
所述在将被校准的血液透析机检测仪的所有传感器接入封闭的循环回路后,要检查被校准的血液透析机检测仪的接入与通信状态,当被校的血液透析机检测仪对封闭的循环回路的每一种指标的单次测量重复性好于分项指标要求时,封闭的循环回路已经达到稳定状态,进行校准。
进一步,所述通过调整封闭的循环回路的压力、温度、流量及电导率,提供校准血液透析机检测仪各项技术指标的校准条件,通过采集封闭的循环回路的流量、温度、压力及电导率数据以及采集酸度槽内的酸度数据与被校准的血液透析机检测仪的传感器采集的封闭的循环回路的各项指标的读数进行比对、分析,生成校准证书包括以下步骤:
使封闭的循环回路进行25℃的恒温循环,改变封闭的循环回路的流量,采集在不同的流量条件下封闭的循环回路的流量数据与被校准的血液透析机检测仪采集的在不同的流量条件下的封闭的循环回路的流量读数进行比对,并记录相关的数据,完成流量校准;
在25℃的恒温循环状态下,保持封闭的循环回路的流量恒定,采集酸度槽内的酸度槽数据与被校准的血液透析机检测仪采集的酸度槽内的酸度槽读数进行比对,并记录相关的数据,完成酸度校准;
在25℃的恒温循环状态下,保持封闭的循环回路的流量恒定,改变封闭的循环回路的电导率,采集在不同的电导率条件下封闭的循环回路的电导率数据与被校准的血液透析机检测仪采集的在不同的电导率条件下的封闭的循环回路的电导率读数进行比对,并记录相关的数据,完成电导率校准;
保持封闭的循环回路的流量不变,改变封闭的循环回路的温度,采集在不同的温度条件下封闭的循环回路的温度数据与被校准的血液透析机检测仪采集的在不同的温度条件下的封闭的循环回路的温度读数进行比对,并记录相关的数据,完成温度校准;及停止封闭的循环回路内液体的循环,改变封闭的循环回路的压力,采集在不同的压力条件下封闭的循环回路的压力数据与被校准的血液透析机检测仪采集的在不同的压力条件下的封闭的循环回路的压力读数进行比对,并记录相关的数据,完成压力校准。
本发明的另一目的在于提供一种实现所述血液透析康复运动训练方法的计算机程序。
本发明的另一目的在于提供一种终端,所述终端至少搭载实现所述血液透析康复运动训练方法的控制器。
本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行所述的血液透析康复运动训练方法。
本发明的另一目的在于提供一种血液透析康复运动训练系统,所述血液透析康复运动训练系统包括:
患者信息采集模块,与中央控制模块连接,用于通过数据记录程序输入患者身份信息、病情信息、住院信息;
透析数据采集模块,与中央控制模块连接,用于通过血液透析数据采集器实时采集正在进行血液透析的患者的透析数据及患者身体数据;
中央控制模块,与患者信息采集模块、透析数据采集模块、透析数据处理模块、校准模块、按摩模块、康复记录模块、显示模块连接,用于通过单片机控制各个模块正常工作;
透析数据处理模块,与中央控制模块连接,用于通过数据处理软件对血液透析数据进行流程化处理;
校准模块,与中央控制模块连接,用于通过校准电路根据接入的传感器对血液透析机检测仪性能进行校准操作;
按摩模块,与中央控制模块连接,用于通过按摩垫对患者身体进行按摩操作;
康复记录模块,与中央控制模块连接,用于通过数据处理程序记录患者康复数据;
显示模块,与中央控制模块连接,用于通过显示器显示患者信、透析流程数据信息。
本发明的另一目的在于提供一种血液透析机,所述血液透析机至少搭载所述的血液透析康复运动训练系统。
本发明的优点及积极效果为:
本发明通过透析数据处理模块实现标准化操作流程,减少误差;分步完成,模块化结构;为数据分析提供真实临床的数据支持;数据显示直观,使用便捷。以点线形式显示病人的透析历史数据,并设置流程节点执行显示窗口,以便医务人员随时采用透析状态;同时,通过校准模块利用一个封闭的循环回路,通过对循环回路的压力、温度、流量、电导率和酸度的指标进行各种校准条件的自动调整,提供了血液透析机检测仪技术指标的给定校准条件,实现了对被校准的血液透析机检测仪进行多参数、实时、动态的自动检测校准,并完成了对被校准的血液透析机检测仪的状态评价,是一个集多参数的综合检测、校准技术的自动化控制、校准结果的自动评价为一体的智能化计量校准方法,提高校准的准确性。
本发明通过透析数据处理模块利用数据处理软件对血液透析数据进行流程化处理;第一步,初始化微粒群,其中包括初始化整个粒子群的位置xi=(xi1,xi2,···xid)T和速度vi=(vi1,vi2,···,vid)T及局部最优和整体最优,其中id表示第i代中第d个粒子;第二步,计算每个粒子在当前位置处的适应度值fitnessid=f(xid);然后根据适应度值的大小,初始化局部最优解pbesti=fitnessi和整体最优解gbest=min(fintess1,fitness2,···,fitnessN),i=1,2,···,N;第三步,在每次迭代过程中,每个粒子根据以下准则来更新自己的位置和速度:
vid(t+1)=wvid(t)+c1r1(pld-xid(t))+c2r2(pgd-xid(t))
xid(t+1)=xid(t)+vid(t+1)
其中vid为粒子的速度,xid为粒子的位置,w为惯性权重,c1和c2为加速度系数,r1和r2是随机数,Pld为全局最优解而Pgd为局部最优解;第四步,更新局部最优解pbesti和整体最优解gbest;通过粒子的速度和位移更新公式更新粒子的速度和位移,找到优解,优解公式为:xi,j表示第i个粒子第j个路径所需要更新的位移,xi,j(1)表示的是xi,j的下一个,每次都在变化,下一次就为xi,j(2);第五步,如果整体最优解gbest达到设定的阈值或者已经达到最大迭代次数,算法即可终止计算;否则跳转至点步;可获得准确的运算程序,为设备的智能控制提供依据。
附图说明
图1是本发明实施提供的血液透析康复运动训练方法流程图。
图2是本发明实施提供的血液透析康复运动训练系统结构框图。
图中:1、患者信息采集模块;2、透析数据采集模块;3、中央控制模块;4、透析数据处理模块;5、校准模块;6、按摩模块;7、康复记录模块;8、显示模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示,本发明提供的一种血液透析康复运动训练方法包括以下步骤:
S101,通过患者信息采集模块利用数据记录程序输入患者身份信息、病情信息、住院信息;
S102,通过透析数据采集模块利用血液透析数据采集器实时采集正在进行血液透析的患者的透析数据及患者身体数据;
S103,中央控制模块通过透析数据处理模块利用数据处理软件对血液透析数据进行流程化处理;
S104,通过校准模块利用校准电路根据接入的传感器对血液透析机检测仪性能进行校准操作;通过按摩模块利用按摩垫对患者身体进行按摩操作;
S105,通过康复记录模块利用数据处理程序记录患者康复数据;
S106,通过显示模块利用显示器显示患者信、透析流程数据信息。
如图2所示,本发明实施例提供的血液透析康复运动训练系统,包括:患者信息采集模块1、透析数据采集模块2、中央控制模块3、透析数据处理模块4、校准模块5、按摩模块6、康复记录模块7、显示模块8。
患者信息采集模块1,与中央控制模块3连接,用于通过数据记录程序输入患者身份信息、病情信息、住院信息;
透析数据采集模块2,与中央控制模块3连接,用于通过血液透析数据采集器实时采集正在进行血液透析的患者的透析数据及患者身体数据;
中央控制模块3,与患者信息采集模块1、透析数据采集模块2、透析数据处理模块4、校准模块5、按摩模块6、康复记录模块7、显示模块8连接,用于通过单片机控制各个模块正常工作;
透析数据处理模块4,与中央控制模块3连接,用于通过数据处理软件对血液透析数据进行流程化处理;
校准模块5,与中央控制模块3连接,用于通过校准电路根据接入的传感器对血液透析机检测仪性能进行校准操作;
按摩模块6,与中央控制模块3连接,用于通过按摩垫对患者身体进行按摩操作;
康复记录模块7,与中央控制模块3连接,用于通过数据处理程序记录患者康复数据;
显示模块8,与中央控制模块3连接,用于通过显示器显示患者信、透析流程数据信息。
本发明提供的透析数据处理模块4处理方法如下:
(1)初始标准化血液透析流程控制轴,所述血液透析流程控制轴包括按顺序依次排列的流程节点,并对每个流程节点分别设置以用于标识的流程状态值,每个流程节点的执行条件值为上一个流程节点已至少完成一次;
(2)建立每个病人的透析活动表,所述透析活动表记录当前的流程状态值和历史的流程状态值;
(3)按血液透析流程控制轴顺序获取流程状态值,并更新透析活动表,执行血液透析流程控制轴的最后一个流程节点后结束;
(4)根据透析活动表的流程状态值信息输出透析记录单。
本发明提供的流程节点顺序分为:制定处方节点、确认处方节点、透前准备节点、交叉核对节点、透中护理节点和透后护理节点。
本发明提供的校准模块5校准方法如下:
首先,将被校准的血液透析机检测仪的所有传感器接入封闭的循环回路;其中,被校准的血液透析机检测仪的酸度计探头是放入封闭的循环回路内设置的酸度槽内;
然后,通过调整封闭的循环回路的压力、温度、流量及电导率,提供校准血液透析机检测仪各项技术指标的校准条件;
最后,通过采集封闭的循环回路的流量、温度、压力及电导率数据以及采集酸度槽内的酸度数据与被校准的血液透析机检测仪的传感器采集的封闭的循环回路的各项指标的读数进行比对、分析,生成校准证书。
本发明提供的将被校准的血液透析机检测仪的所有传感器接入封闭的循环回路前,还要启动封闭的循环回路,对封闭的循环回路进行状态自检,以认定对封闭的循环回路的每一种指标的检测是正常,在封闭的循环回路的状态稳定,符合校准要求后,才将被校准的血液透析机检测仪的所有传感器接入封闭的循环回路。
本发明提供的在将被校准的血液透析机检测仪的所有传感器接入封闭的循环回路后,要检查被校准的血液透析机检测仪的接入与通信状态,当被校的血液透析机检测仪对封闭的循环回路的每一种指标的单次测量重复性好于分项指标要求时,封闭的循环回路已经达到稳定状态,此时即可进行校准。
本发明提供的通过调整封闭的循环回路的压力、温度、流量及电导率,提供校准血液透析机检测仪各项技术指标的校准条件,通过采集封闭的循环回路的流量、温度、压力及电导率数据以及采集酸度槽内的酸度数据与被校准的血液透析机检测仪的传感器采集的封闭的循环回路的各项指标的读数进行比对、分析,生成校准证书包括以下步骤:
使封闭的循环回路进行25℃的恒温循环,改变封闭的循环回路的流量,采集在不同的流量条件下封闭的循环回路的流量数据与被校准的血液透析机检测仪采集的在不同的流量条件下的封闭的循环回路的流量读数进行比对,并记录相关的数据,完成流量校准;
在25℃的恒温循环状态下,保持封闭的循环回路的流量恒定,采集酸度槽内的酸度槽数据与被校准的血液透析机检测仪采集的酸度槽内的酸度槽读数进行比对,并记录相关的数据,完成酸度校准;
在25℃的恒温循环状态下,保持封闭的循环回路的流量恒定,改变封闭的循环回路的电导率,采集在不同的电导率条件下封闭的循环回路的电导率数据与被校准的血液透析机检测仪采集的在不同的电导率条件下的封闭的循环回路的电导率读数进行比对,并记录相关的数据,完成电导率校准;
保持封闭的循环回路的流量不变,改变封闭的循环回路的温度,采集在不同的温度条件下封闭的循环回路的温度数据与被校准的血液透析机检测仪采集的在不同的温度条件下的封闭的循环回路的温度读数进行比对,并记录相关的数据,完成温度校准;及停止封闭的循环回路内液体的循环,改变封闭的循环回路的压力,采集在不同的压力条件下封闭的循环回路的压力数据与被校准的血液透析机检测仪采集的在不同的压力条件下的封闭的循环回路的压力读数进行比对,并记录相关的数据,完成压力校准。
下面结合具体分析对本发明的应用作进一步描述。
本发明实施例提供的血液透析康复运动训练方法包括:
通过透析数据处理模块利用数据处理软件对血液透析数据进行流程化处理;包括:
第一步,初始化微粒群,其中包括初始化整个粒子群的位置xi=(xi1,xi2,···xid)T和速度vi=(vi1,vi2,···,vid)T及局部最优和整体最优,其中id表示第i代中第d个粒子;
第二步,计算每个粒子在当前位置处的适应度值fitnessid=f(xid);然后根据适应度值的大小,初始化局部最优解pbesti=fitnessi和整体最优解gbest=min(fintess1,fitness2,···,fitnessN),i=1,2,···,N;
第三步,在每次迭代过程中,每个粒子根据以下准则来更新自己的位置和速度:
vid(t+1)=wvid(t)+c1r1(pld-xid(t))+c2r2(pgd-xid(t))
xid(t+1)=xid(t)+vid(t+1)
其中vid为粒子的速度,xid为粒子的位置,w为惯性权重,c1和c2为加速度系数,r1和r2是随机数,Pld为全局最优解而Pgd为局部最优解;
第四步,更新局部最优解pbesti和整体最优解gbest;通过粒子的速度和位移更新公式更新粒子的速度和位移,找到优解,优解公式为:xi,j表示第i个粒子第j个路径所需要更新的位移,xi,j(1)表示的是xi,j的下一个,每次都在变化,下一次就为xi,j(2);
第五步,如果整体最优解gbest达到设定的阈值或者已经达到最大迭代次数,算法即可终止计算;否则跳转至第三步;
所述粒子的位移更新方法包括:
按照xi,j=vi,j+wvi,j对xi,j进行更改;
以概率c1h(e,g)修改(pi,j-xi,j)的交换序,得到xi,j(1)为xi,j与
c1h(e,g)(pi,j-xi,j)的和,pi,j-xi,j(t)表示每个粒子与个体最优位置的交换序;
以概率c2h(e,g)修改(pg,j-xi,j)的交换序,得到xi,j(2)为xi,j(1)与c2h(e,g)(pg,j-xi,j)的和,,pg,j-xi,j(t)表示群体最优位置与个体位置的交换序,更新位移完毕;
优化阶段是采用粒子群算法优化特征加权KNN算法的特征权值,具体包括如下步骤:
采用随机方法初始化粒子群,每个粒子的位置和速度的维度为n,每个粒子的位置对应数据集中一条记录的特征权值向量w=(w1,w2,···,wn):其中有
计算适应值,进而求出局部最优解和全局最优解:
在计算适应值时,将粒子的位置即特征权值应用到特征加权KNN算法中,将原训练样本集中前70%当做新的训练样本,后30%当做新的预测样本集,对此预测样本集进行分类,算出分类的准确度,准确度越高越符合适应值;
预测样本集每条记录的原始标签为li=(li1,li2,···,lin),分类过后的预测标签为lj=(lj1,lj2,···,ljn),li与lj与重合个数为sum,那么准确率Accruay=sum/n;
分类阶段:
将优化阶段得出的特征权值应用到特征加权KNN算法中给测试样本X进行分类,最终输出测试集中所有样本的标签,完成分类;
所述粒子群算法包括如下步骤:
初始化微粒群,其中包括初始化整个粒子群的位置xi=(xi1,xi2,···xid)T和速度vi=(vi1,vi2,···,vid)T及局部最优和整体最优,其中id表示第i代中第d个粒子;
计算每个粒子在当前位置处的适应度值fitnessid=f(xid)。然后根据适应度值的大小,初始化局部最优解pbesti=fitnessi和整体最优解gbest=min(fintess1,fitness2,···,fitnessN),i=1,2,···,N;
在每次迭代过程中,每个粒子根据以下准则来更新自己的位置和速度:
vid(t+1)=wvid(t)+c1r1(pld-xid(t))+c2r2(pgd-xid(t))
xid(t+1)=xid(t)+vid(t+1)
其中vid为粒子的速度,xid为粒子的位置,w为惯性权重,c1和c2为加速度系数,r1和r2是随机数,Pld为全局最优解而Pgd为局部最优解;
更新局部最优解pbesti和整体最优解gbest;
如果整体最优解gbest达到设定的阈值或者已经达到最大迭代次数,算法即可终止计算;否则跳转至更新自己的位置和速度;
所述特征加权KNN算法具体包括如下步骤:
输入m个训练样本,并设定k值大小;
先随机选择训练集中的A[1]~A[k]样本作为待预测样本X的k个初始最邻近节点;
计算待预测样本X与每个初始k个最邻近节点的加权欧几里得距离wd(X,A[i]),i=1,2,.....,k),计算距离公式为:
其中n表示样本A[i]属性个数,即A[i]=(A[i]1,A[i]2,A[i]3,···A[i]n);
将求得到的距离wd(X,A[i])按升序排序,求得距离wd(X,A[i])的最远距离maxD=max{d(X,A[i])|i=1,2,.....,k};
依次计算训练集中剩下记录与待测样本X的距离,并与所述步骤SB4中求得的最远距离maxD相比,若比最远距离maxD小,将最远距离maxD更新为该记录与待测样本X的距离值,再按升序对距离wd(X,A[i])排序;
计算出现在距离wd(X,A[i])序列中的每条记录的标签的出现次数,并按照出现次数的高低排序;
将排序得到的前L个标签作为样本X的标签。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种血液透析康复运动训练方法,其特征在于,所述血液透析康复运动训练方法包括:
通过透析数据处理模块利用数据处理软件对血液透析数据进行流程化处理;包括:
第一步,初始化微粒群,其中包括初始化整个粒子群的位置xi=(xi1,xi2,···xid)T和速度vi=(vi1,vi2,···,vid)T及局部最优和整体最优,其中id表示第i代中第d个粒子;
第二步,计算每个粒子在当前位置处的适应度值fitnessid=f(xid);然后根据适应度值的大小,初始化局部最优解pbesti=fitnessi和整体最优解gbest=min(fintess1,fitness2,···,fitnessN),i=1,2,···,N;
第三步,在每次迭代过程中,每个粒子根据以下准则来更新自己的位置和速度:
vid(t+1)=wvid(t)+c1r1(pld-xid(t))+c2r2(pgd-xid(t))
xid(t+1)=xid(t)+vid(t+1)
其中vid为粒子的速度,xid为粒子的位置,w为惯性权重,c1和c2为加速度系数,r1和r2是随机数,Pld为全局最优解而Pgd为局部最优解;
第四步,更新局部最优解pbesti和整体最优解gbest;通过粒子的速度和位移更新公式更新粒子的速度和位移,找到优解,优解公式为:xi,j表示第i个粒子第j个路径所需要更新的位移,xi,j(1)表示的是xi,j的下一个,每次都在变化,下一次就为xi,j(2);
第五步,如果整体最优解gbest达到设定的阈值或者已经达到最大迭代次数,算法即可终止计算;否则跳转至第三步。
2.如权利要求1所述的血液透析康复运动训练方法,其特征在于,所述血液透析康复运动训练方法具体包括:
步骤一,通过患者信息采集模块利用数据记录程序输入患者身份信息、病情信息、住院信息;
步骤二,通过透析数据采集模块利用血液透析数据采集器实时采集正在进行血液透析的患者的透析数据及患者身体数据;
步骤三,中央控制模块通过透析数据处理模块利用数据处理软件对血液透析数据进行流程化处理;
步骤四,通过校准模块利用校准电路根据接入的传感器对血液透析机检测仪性能进行校准操作;通过按摩模块利用按摩垫对患者身体进行按摩操作;
步骤五,通过康复记录模块利用数据处理程序记录患者康复数据;
步骤六,通过显示模块利用显示器显示患者信、透析流程数据信息。
3.如权利要求2所述的血液透析康复运动训练方法,其特征在于,透析数据处理模块处理方法包括:
(1)初始标准化血液透析流程控制轴,所述血液透析流程控制轴包括按顺序依次排列的流程节点,并对每个流程节点分别设置以用于标识的流程状态值,每个流程节点的执行条件值为上一个流程节点已至少完成一次;
(2)建立每个病人的透析活动表,所述透析活动表记录当前的流程状态值和历史的流程状态值;
(3)按血液透析流程控制轴顺序获取流程状态值,并更新透析活动表,执行血液透析流程控制轴的最后一个流程节点后结束;
(4)根据透析活动表的流程状态值信息输出透析记录单;
所述流程节点顺序分为:制定处方节点、确认处方节点、透前准备节点、交叉核对节点、透中护理节点和透后护理节点;
所述校准模块校准方法如下:
首先,将被校准的血液透析机检测仪的所有传感器接入封闭的循环回路;其中,被校准的血液透析机检测仪的酸度计探头是放入封闭的循环回路内设置的酸度槽内;
然后,通过调整封闭的循环回路的压力、温度、流量及电导率,提供校准血液透析机检测仪各项技术指标的校准条件;
最后,通过采集封闭的循环回路的流量、温度、压力及电导率数据以及采集酸度槽内的酸度数据与被校准的血液透析机检测仪的传感器采集的封闭的循环回路的各项指标的读数进行比对、分析,生成校准证书;
所述将被校准的血液透析机检测仪的所有传感器接入封闭的循环回路前,还要启动封闭的循环回路,对封闭的循环回路进行状态自检,以认定对封闭的循环回路的每一种指标的检测是正常,在封闭的循环回路的状态稳定,符合校准要求后,才将被校准的血液透析机检测仪的所有传感器接入封闭的循环回路;
所述在将被校准的血液透析机检测仪的所有传感器接入封闭的循环回路后,要检查被校准的血液透析机检测仪的接入与通信状态,当被校的血液透析机检测仪对封闭的循环回路的每一种指标的单次测量重复性好于分项指标要求时,封闭的循环回路已经达到稳定状态,进行校准。
4.如权利要求1所述的血液透析康复运动训练方法,其特征在于,所述通过调整封闭的循环回路的压力、温度、流量及电导率,提供校准血液透析机检测仪各项技术指标的校准条件,通过采集封闭的循环回路的流量、温度、压力及电导率数据以及采集酸度槽内的酸度数据与被校准的血液透析机检测仪的传感器采集的封闭的循环回路的各项指标的读数进行比对、分析,生成校准证书包括以下步骤:
使封闭的循环回路进行25℃的恒温循环,改变封闭的循环回路的流量,采集在不同的流量条件下封闭的循环回路的流量数据与被校准的血液透析机检测仪采集的在不同的流量条件下的封闭的循环回路的流量读数进行比对,并记录相关的数据,完成流量校准;
在25℃的恒温循环状态下,保持封闭的循环回路的流量恒定,采集酸度槽内的酸度槽数据与被校准的血液透析机检测仪采集的酸度槽内的酸度槽读数进行比对,并记录相关的数据,完成酸度校准;
在25℃的恒温循环状态下,保持封闭的循环回路的流量恒定,改变封闭的循环回路的电导率,采集在不同的电导率条件下封闭的循环回路的电导率数据与被校准的血液透析机检测仪采集的在不同的电导率条件下的封闭的循环回路的电导率读数进行比对,并记录相关的数据,完成电导率校准;
保持封闭的循环回路的流量不变,改变封闭的循环回路的温度,采集在不同的温度条件下封闭的循环回路的温度数据与被校准的血液透析机检测仪采集的在不同的温度条件下的封闭的循环回路的温度读数进行比对,并记录相关的数据,完成温度校准;及停止封闭的循环回路内液体的循环,改变封闭的循环回路的压力,采集在不同的压力条件下封闭的循环回路的压力数据与被校准的血液透析机检测仪采集的在不同的压力条件下的封闭的循环回路的压力读数进行比对,并记录相关的数据,完成压力校准。
5.一种实现权利要求1~4任意一项所述血液透析康复运动训练方法的计算机程序。
6.一种终端,其特征在于,所述终端至少搭载实现权利要求1~5任意一项所述血液透析康复运动训练方法的控制器。
7.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-4任意一项所述的血液透析康复运动训练方法。
8.一种血液透析康复运动训练系统,其特征在于,所述血液透析康复运动训练系统包括:
患者信息采集模块,与中央控制模块连接,用于通过数据记录程序输入患者身份信息、病情信息、住院信息;
透析数据采集模块,与中央控制模块连接,用于通过血液透析数据采集器实时采集正在进行血液透析的患者的透析数据及患者身体数据;
中央控制模块,与患者信息采集模块、透析数据采集模块、透析数据处理模块、校准模块、按摩模块、康复记录模块、显示模块连接,用于通过单片机控制各个模块正常工作;
透析数据处理模块,与中央控制模块连接,用于通过数据处理软件对血液透析数据进行流程化处理;
校准模块,与中央控制模块连接,用于通过校准电路根据接入的传感器对血液透析机检测仪性能进行校准操作;
按摩模块,与中央控制模块连接,用于通过按摩垫对患者身体进行按摩操作;
康复记录模块,与中央控制模块连接,用于通过数据处理程序记录患者康复数据;
显示模块,与中央控制模块连接,用于通过显示器显示患者信、透析流程数据信息。
9.一种血液透析机,其特征在于,所述血液透析机至少搭载权利要求8所述的血液透析康复运动训练系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811283005.4A CN109559797A (zh) | 2018-10-31 | 2018-10-31 | 一种血液透析康复运动训练方法及系统、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811283005.4A CN109559797A (zh) | 2018-10-31 | 2018-10-31 | 一种血液透析康复运动训练方法及系统、终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109559797A true CN109559797A (zh) | 2019-04-02 |
Family
ID=65865664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811283005.4A Withdrawn CN109559797A (zh) | 2018-10-31 | 2018-10-31 | 一种血液透析康复运动训练方法及系统、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109559797A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413107A (zh) * | 2019-06-21 | 2019-11-05 | 浙江科技学院 | 基于肌电信号模式识别和粒子群优化的仿生机械手交互控制方法 |
CN112545501A (zh) * | 2020-12-10 | 2021-03-26 | 徐岩 | 一种血液成分浓度检测方法及装置 |
CN117153336A (zh) * | 2023-10-26 | 2023-12-01 | 中国人民解放军总医院第二医学中心 | 一种基于血液透析机的血液透析监测系统及其方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103884368A (zh) * | 2014-01-10 | 2014-06-25 | 中国计量科学研究院 | 血液透析机检测仪性能自动校准方法 |
CN104240002A (zh) * | 2014-04-04 | 2014-12-24 | 博彦网鼎信息技术有限公司 | 血液透析管理系统及方法 |
CN104991974A (zh) * | 2015-07-31 | 2015-10-21 | 中国地质大学(武汉) | 一种基于粒子群算法的多标签分类方法 |
CN106920008A (zh) * | 2017-02-28 | 2017-07-04 | 山东大学 | 一种基于改进粒子群优化bp神经网络的风电功率预测方法 |
CN107610748A (zh) * | 2016-07-08 | 2018-01-19 | 学透通医疗科技(上海)有限公司 | 一种血液透析数据流程化处理方法 |
CN107657985A (zh) * | 2016-07-25 | 2018-02-02 | 学透通医疗科技(上海)有限公司 | 用于血透医疗的大屏显示设备及方法 |
CN108053872A (zh) * | 2017-12-27 | 2018-05-18 | 苏州麦迪斯顿医疗科技股份有限公司 | 一种透析数据的采集装置及其采集方法 |
-
2018
- 2018-10-31 CN CN201811283005.4A patent/CN109559797A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103884368A (zh) * | 2014-01-10 | 2014-06-25 | 中国计量科学研究院 | 血液透析机检测仪性能自动校准方法 |
CN104240002A (zh) * | 2014-04-04 | 2014-12-24 | 博彦网鼎信息技术有限公司 | 血液透析管理系统及方法 |
CN104991974A (zh) * | 2015-07-31 | 2015-10-21 | 中国地质大学(武汉) | 一种基于粒子群算法的多标签分类方法 |
CN107610748A (zh) * | 2016-07-08 | 2018-01-19 | 学透通医疗科技(上海)有限公司 | 一种血液透析数据流程化处理方法 |
CN107657985A (zh) * | 2016-07-25 | 2018-02-02 | 学透通医疗科技(上海)有限公司 | 用于血透医疗的大屏显示设备及方法 |
CN106920008A (zh) * | 2017-02-28 | 2017-07-04 | 山东大学 | 一种基于改进粒子群优化bp神经网络的风电功率预测方法 |
CN108053872A (zh) * | 2017-12-27 | 2018-05-18 | 苏州麦迪斯顿医疗科技股份有限公司 | 一种透析数据的采集装置及其采集方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413107A (zh) * | 2019-06-21 | 2019-11-05 | 浙江科技学院 | 基于肌电信号模式识别和粒子群优化的仿生机械手交互控制方法 |
CN112545501A (zh) * | 2020-12-10 | 2021-03-26 | 徐岩 | 一种血液成分浓度检测方法及装置 |
CN117153336A (zh) * | 2023-10-26 | 2023-12-01 | 中国人民解放军总医院第二医学中心 | 一种基于血液透析机的血液透析监测系统及其方法 |
CN117153336B (zh) * | 2023-10-26 | 2023-12-22 | 中国人民解放军总医院第二医学中心 | 一种基于血液透析机的血液透析监测系统及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qin et al. | A machine learning methodology for diagnosing chronic kidney disease | |
Gao et al. | Stagenet: Stage-aware neural networks for health risk prediction | |
CN109559797A (zh) | 一种血液透析康复运动训练方法及系统、终端 | |
CN110197720A (zh) | 糖尿病的预测方法及装置、存储介质、计算机设备 | |
CN110051324B (zh) | 一种急性呼吸窘迫综合征死亡率预测方法及系统 | |
CN112951413B (zh) | 一种基于决策树和改进smote算法的哮喘病诊断系统 | |
CN112786204A (zh) | 一种机器学习糖尿病发病风险预测方法及应用 | |
CN113392894A (zh) | 一种多组学数据的聚类分析方法和系统 | |
CN111009321A (zh) | 一种机器学习分类模型在青少年孤独症辅助诊断中的应用方法 | |
CN108763590A (zh) | 一种基于双变加权核fcm算法的数据聚类方法 | |
CN115691722B (zh) | 医疗数据检测的质控方法、装置、设备、介质及程序产品 | |
CN107890342A (zh) | 执行受检者测量 | |
CN107145715A (zh) | 一种基于推举算法的临床医学智能判别装置 | |
CN107545133A (zh) | 一种用于鉴别诊断慢性支气管炎的高斯模糊聚类计算方法 | |
Songdechakraiwut et al. | Topological learning and its application to multimodal brain network integration | |
Sarasvananda et al. | The k-means clustering algorithm with semantic similarity to estimate the cost of hospitalization | |
CN112786203A (zh) | 一种机器学习糖尿病视网膜病变发病风险预测方法及应用 | |
CN114220540A (zh) | 一种糖尿病肾病风险预测模型的构建方法及应用 | |
CN107137093A (zh) | 一种包含异常血糖概率报警器的连续血糖监测设备 | |
CN111053540A (zh) | 一种基于机器学习的crrt上机病人体温校正系统 | |
CN115249541A (zh) | 一种基于深度学习的动态血糖预测模型构建方法 | |
CN106845140A (zh) | 一种基于尿比重和尿量监测的肾衰竭预警方法及系统 | |
CN115099331A (zh) | 基于可解释性机器学习算法的恶性胸腔积液辅助诊断系统 | |
CN117612703A (zh) | 一种基于医学检验指标的糖尿病视网膜病变分类方法 | |
Koren et al. | Comparison of data-driven models for cleaning eHealth sensor data: Use case on ECG signal |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190402 |