CN111408048B - 一种基于电场治疗监护子设备云组系统及模式 - Google Patents

一种基于电场治疗监护子设备云组系统及模式 Download PDF

Info

Publication number
CN111408048B
CN111408048B CN202010256810.9A CN202010256810A CN111408048B CN 111408048 B CN111408048 B CN 111408048B CN 202010256810 A CN202010256810 A CN 202010256810A CN 111408048 B CN111408048 B CN 111408048B
Authority
CN
China
Prior art keywords
treatment
layer
electric field
focus
circuit
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.)
Active
Application number
CN202010256810.9A
Other languages
English (en)
Other versions
CN111408048A (zh
Inventor
段红杰
刘胜军
孙金虎
赵兵
李晓阳
宋羽
张建义
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hebei Puni Medical Technology Co ltd
Original Assignee
Hebei Puni Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hebei Puni Medical Technology Co ltd filed Critical Hebei Puni Medical Technology Co ltd
Priority to CN202010256810.9A priority Critical patent/CN111408048B/zh
Publication of CN111408048A publication Critical patent/CN111408048A/zh
Application granted granted Critical
Publication of CN111408048B publication Critical patent/CN111408048B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/40—Applying electric fields by inductive or capacitive coupling ; Applying radio-frequency signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Electrotherapy Devices (AREA)

Abstract

本发明公开了一种基于电场治疗监护子设备云组系统及模式，包括场治疗单机、云平台通信层、云平台数据存储层、云平台权重分配层、后台检测层；通过多层机制相互协调匹配协同工作，构建了单机、云平台、医院三位一体的治疗体系，单机与云计算中心相结合，单机提供和采集数据给予云计算中心，在云计算中心会对多套由病患实际治疗方案进行归纳总结，从而获得针对性和匹配性均优的治疗方案。

Description

一种基于电场治疗监护子设备云组系统及模式
技术领域
本发明属于肿瘤缓解治疗设备领域，公开了一种基于电场治疗监护子设备云组系统及模式。
背景技术
1、病人及设备监护管理方面：电场治疗会面临病房暂无人看护、家庭治疗或户外治疗的场景，为了满足这一需求，需要配套一个对病人、设备进行远程实时监护和控制的平台；同时治疗、设备及耗材的状态等因素也是实时变化的，可以通过这种平台实时反馈用户端的信息，必要时可以给以及时应对措施；另外人为监护工作繁复、耗费大量人工，且伴有较多的风险，如：记录错误、评判错误、采取措施不及时等。
2、治疗方案确定方面：电场治疗会涉及病因、病灶位置大小、病人病情、前期治疗等多种因素输入，判定分析涉及分子生物学、临床学、电场学等多学科交叉知识，而且判定过程和算法尚不成熟，而方案除了电极布置外还有治疗峰值电压、电场频率、波形、电场输出切换模式等多输出参数。所以，治疗方案的确定面临的是一项多输入、多输出、确定机制尚需不断完善的复杂系统，单学科，单一理论的、单方面经验的分析判断方式已经很难实现，且不具有自我学习更新不断完善的能力，因此需要结合深度学习的神经网络算法实现，而此种模式需要收集广泛数据，需要依托于云平台及相关配套治疗设备。
3、病理分析与临床研究方面：目前，肿瘤治疗电场创始人Yoram Palti的一项专利文献(CN1976738B)中阐述了不同频率电场对肿瘤的治疗机理。但在宏观临床方面，治疗方案与效果间细微关系因其复杂而隐性，在以往的有限病例中体现的并不明朗，这种关系很难通过小量样本数据得以体现，需要大量临床数据支持。在目前单机治疗设备与无云平台支持现实情况下，珍贵的临床数据因数据庞大、难以集中、人工采集分析无法执行等原因而大量流失。所以，亟需一个基于大数据的云平台及相应配套设备，来完成治疗数据的采集、汇总和深度挖掘。另外这种模式的意义不仅在于揭露既有治疗方案与治疗效果的关系，更在于可以积极探索更高效治疗方案、更高效的治疗设备甚至于更有效的治疗机理。
4、电场治疗的日常信息交流：孤岛式的单机应用管理模式，也会面临着定点维护、耗材供应与回收成本高的问题，不方便病患、医疗机构、设备生产商、设备维护机构、耗材供应机构的协作与交流。
发明内容
本发明的目的在于避免上述背景技术中的现有的电场治疗设备缺乏有效的回馈管理措施，仅仅为单机平台无法做到有效监管，科学治疗，从而提供了一种基于电场治疗监护子设备云组系统及模式。
提供的技术方案为：
1.一种基于电场治疗监护子设备云组系统，其特征在于：
包括场治疗单机、云平台通信层、云平台数据存储层、云平台权重分配层、后台检测层；
所述的场治疗单机生成患者病灶三维模型并对病灶为靶向输出均匀电场，同时场治疗单机将本单机物理信息、病灶三维模型体积及均匀电场的场强和频率信息封装数据包，
所述的云平台通信层为软件即服务模式构架服务器，云平台通信层接收场治疗单机发送的数据包并存储信息，
云平台数据存储层收到数据包通信，将数据包解析对场治疗单机的物理信息、病灶三维模型体积及均匀电场的场强和频率信息进行存储为治疗方案，多个治疗方案构建形成数据库，
云平台权重分配层用于分配调取数据库重新为数据库内的治疗方案分配权重，并下发至对应的治疗单机中，
后台检测层用于时时监测治疗单机的器件损耗并及时通知患者。
进一步的，所述的云平台通信层遵循MQTT协议并采用TOT网关收发数据包。
进一步的，云平台权重分配层为每个治疗方案分配权重，每个治疗方案中包含：
病灶三维模型体积Q1，Q1取值范围为Q＝1、2……11；
等周期后的病灶三维模型体积Q2，Q2取值范围为Q＝1、2……11；
将每个病灶三维模型体积Q1和等周期后的病灶三维模型体积Q2分为一组得到第一至第i组
预设模型中成长熵B为，
Bi为各个模型的成长熵，i为组数量，
若Bi＞1，则该组数据归入有益方案库；
若Bi＜1，则该组数据归入待选方案库；
将有益方案库的每个病灶与皮肤表皮层间距W和均匀电场的场强T分为一组得到第一至第i组；
病灶与皮肤表皮层间距W，W的取值范围为W＝1、2……8
及均匀电场的场强T，T取值范围为T＝1、2……20
预设病灶与皮肤表皮层间距W与及均匀电场的场强T之间预设评价因子R，R取值范围为R＝1、2……50
采用赋权法对有益方案库中的每个方案赋权，从而得到有益方案库中，最优方案；
在下发治疗方案过程中优先将下发的治疗单机所对应的病灶的预设模型中成长熵B进行比对，预设模型中成长熵B一致则选取与预设模型中成长熵B对应的库组中的最优方案下发至治疗单机中。
进一步的，所述每个治疗方案权重分配完毕后采用BP神经网络算法进行筛分计算，并构建逐步递归第1至第N个数据库，
所述肿瘤识别BP神经网络包括一个输入层、一个隐含层和一个输出层，将疑似病灶所在区域的纹理特征向量和形状特征参数作为输入层神经元，隐含层节点个数根据先验经验设为输入层神经元数目的二倍，输出层包含一个节点和两个输出值；两个输出值分别表示作为第一数据库和后一数据库；
采用深层神经元训练算法对预设模型中成长熵B进行训练，并自动下发治疗方案
训练节点的输出过程为：
wi为第i个病灶与皮肤表皮层间距W
Ti第i个病灶与均匀电场的场强T
Bi第i个病灶与预设模型中成长熵B。
进一步的，所述的场治疗单机包括电极贴片、工作电路、信号发生模块、温度检测电路和电流检测电路，所述工作电路包括电源模块、控制模块、信号发生模块以及功率放大模块，所述温度检测电路包括设于电极贴片上的热敏电阻，所述信号发生模块包括直接数字频率合成模块、数模转换器、模拟合成电路、4阶有源滤波电路以及信号放大电路；所述电源模块用于为工作电路提供电源，所述控制模块输出基准频率给直接数字频率合成模块，并输出一个用于调幅的数字信号给数模转换器，直接数字频率合成模块根据基准频率产生中频模拟信号，模拟合成电路将中频模拟信号和数模转换器输出的模拟信号进行合成，产生所需振幅的中频信号，4阶有源滤波电路对模拟合成电路输出的中频信号进行滤波，信号放大电路对4阶有源滤波电路输出的信号进行初级放大，功率放大模块对信号放大电路输出的信号进行功率放大并传输至电极贴片上；所述温度检测电路通过热敏电阻感应电极贴片的温度，并把温度检测信号反馈至控制模块，所述电流检测电路用于检测功率放大模块输出的信号电流，并将电流检测信号反馈至控制模块。
进一步的，所述温度检测电路中，热敏电阻一端接地，另一端通过第一RC滤波器连接3V电源，并通过第二RC滤波器连接运算放大器的正输入端，运算放大器的正输入端还通过LC滤波器连接5V 电源，运算放大器的输出端通过第三RC滤波器连接至所述控制模块，运算放大器的负输入端接地，并通过一电阻连接至运算放大器的输出端；第二、第三RC滤波器分别并联有一保护电路，所述保护电路为一对反向串联的稳压二极管。
进一步的，所述功率放大模块的输出端串联有采样电阻；所述电流检测电路包括隔离运算放大器、减法器以及有效值芯片，其中，采样电阻的两端均通过滤波电路与隔离运算放大器连接，隔离运算放大器产生8倍的放大信号，并输出给减法器进一步将正弦交流信号进行放大，有效值芯片将放大后的正弦交流信号转换为稳定的直流信号，并反馈给控制模块。
进一步的，所述采样电阻两端之间还连接有限压保护电路，所述有效值芯片的输出端也连接有限压保护电路，所述限压保护电路为一对反向串联的稳压二极管。
一种基于电场治疗监护子设备云组分配模式：
包括场治疗单机层
场治疗单机层用于控制对应单机治疗模式、电机贴片位置、及其耗材的损耗；
所述的场治疗单机生成患者病灶三维模型并对病灶为靶向输出均匀电场，同时场治疗单机将本单机物理信息、病灶三维模型体积及均匀电场的场强和频率信息封装数据包；
云平台计算中心层
云平台计算中心层包括患者身份信息层、患者临床信息层、云平台通信层、云平台数据存储层、云平台权重分配层、后台检测层；
患者身份信息层包含患者的身份信息；
患者临床信息层包含患者患病历史、历史用药、等时间段的肿瘤的CT图像、等时间段的肿瘤的三维模型图像；
所述的云平台通信层为软件即服务模式构架服务器，云平台通信层接收场治疗单机发送的数据包并存储信息，
云平台数据存储层收到数据包通信，将数据包解析对场治疗单机的物理信息、病灶三维模型体积及均匀电场的场强和频率信息进行存储为治疗方案，多个治疗方案构建形成数据库，将数据库采用三层 BP神经元网络训练形成分析技术数据库、经典治疗方案数据库、病患在用数据库；
云平台权重分配层用于分配调取数据库重新为数据库内的治疗方案分配权重，并下发至对应的治疗单机中，
后台检测层用于时时监测治疗单机的器件损耗并及时通知患者；
医院临床指导层
医院临床指导层包含与云平台计算中心层互馈通信的通信模块，由指导医师查阅患者临床信息层由云平台数据存储层选择针对性治疗方案下发至场治疗单机层。
本发明与现有技术而言具有的有益效果在于：
通过对单机的改进，单机与云计算中心相结合，单机提供和采集数据给予云计算中心，在云计算中心会对多套由病患实际治疗方案进行归纳总结，从而获得针对性和匹配性均优的治疗方案
本发明中，信号发生模块输出的信号并非直接提供给电极贴片，而是经过功率放大模块的放大后再给到电极贴片，从而能够有效提升治疗电场的强度，具有治疗深部肿瘤的能力。
本发明装置进一步设置了电极温度检测电路、功放温度检测电路以及电流检测电路，能够有效监控装置的工作状态，配合相应的控制程序，可以对电极温度过高、电流输出过大等情况进行及时处理，有效地保护了使用者的人身安全，提高了装置的安全性。
本发明采用周期式运作的方式输出电压，这种方式既不影响治疗效果，同时又能减小发热，使输出电压的升降具有平稳缓冲。
通过将云计算中心、单机的结合，医疗机构确立的最终治疗方案信息存储到治疗方案数据库中，随时由其他医生进行调取，整体方法更加科学智能。
上传信息中包括，应用病症范围(如病灶位置、大小、前期的治疗情况等信息)、针对具体病症范围的治疗方案、依据此方案的治疗效果集合与概率以及病例链接、应用过此方案的具体病例。
附图说明
图1为本发明的结构示意图；
图2为本发明的病患和治疗方案关系图；
图3为本发明的应用流程图；
图4是本发明实施例中中频交变电场肿瘤治疗装置的原理框图。
图5和图6分别是本发明实施例中信号发生模块的原理框图和电原理图。
图7和图8分别是本发明实施例中温度检测电路的原理框图和电原理图。
图9和图10分别是本发明实施例中电流检测电路的原理框图和电原理图。
具体实施方式
提供了一种基于电场治疗监护子设备云组系统：
包括场治疗单机、云平台通信层、云平台数据存储层、云平台权重分配层、后台检测层；
所述的场治疗单机生成患者病灶三维模型并对病灶为靶向输出均匀电场，同时场治疗单机将本单机物理信息、病灶三维模型体积及均匀电场的场强和频率信息封装数据包，
所述的云平台通信层为软件即服务模式构架服务器，云平台通信层接收场治疗单机发送的数据包并存储信息，
云平台数据存储层收到数据包通信，将数据包解析对场治疗单机的物理信息、病灶三维模型体积及均匀电场的场强和频率信息进行存储为治疗方案，多个治疗方案构建形成数据库，
云平台权重分配层用于分配调取数据库重新为数据库内的治疗方案分配权重，并下发至对应的治疗单机中，
后台检测层用于时时监测治疗单机的器件损耗并及时通知患者。
所述的云平台通信层遵循MQTT协议并采用TOT网关收发数据包。
本方案的数据库分筛机制为：
云平台权重分配层为每个治疗方案分配权重，每个治疗方案中包含：
病灶三维模型体积Q1，Q1取值范围为Q＝1、2……11；
等周期后的病灶三维模型体积Q2，Q2取值范围为Q＝1、2……11；
将每个病灶三维模型体积Q1和等周期后的病灶三维模型体积Q2分为一组得到第一至第i组
预设模型中成长熵B为，
Bi为各个模型的成长熵，i为组数量，
若Bi＞1，则该组数据归入有益方案库；
若Bi＜1，则该组数据归入待选方案库；
将有益方案库的每个病灶与皮肤表皮层间距W和均匀电场的场强T分为一组得到第一至第i组；
病灶与皮肤表皮层间距W，W的取值范围为W＝1、2……8
及均匀电场的场强T，T取值范围为T＝1、2……20
预设病灶与皮肤表皮层间距W与及均匀电场的场强T之间预设评价因子R，R取值范围为R＝1、2……50
采用赋权法对有益方案库中的每个方案赋权，从而得到有益方案库中，最优方案；
在下发治疗方案过程中优先将下发的治疗单机所对应的病灶的预设模型中成长熵B进行比对，预设模型中成长熵B一致则选取与预设模型中成长熵B对应的库组中的最优方案下发至治疗单机中。
所述每个治疗方案权重分配完毕后采用BP神经网络算法进行筛分计算，并构建逐步递归第1至第N个数据库，
所述肿瘤识别BP神经网络包括一个输入层、一个隐含层和一个输出层，将疑似病灶所在区域的纹理特征向量和形状特征参数作为输入层神经元，隐含层节点个数根据先验经验设为输入层神经元数目的二倍，输出层包含一个节点和两个输出值；两个输出值分别表示作为第一数据库和后一数据库；
采用深层神经元训练算法对预设模型中成长熵B进行训练，并自动下发治疗方案
训练节点的输出过程为：
wi为第i个病灶与皮肤表皮层间距W
Ti第i个病灶与均匀电场的场强T
Bi第i个病灶与预设模型中成长熵B。
根据附图3-9对本发明中的单机做进一步说明：
所述的场治疗单机包括电极贴片、工作电路、信号发生模块、温度检测电路和电流检测电路，所述工作电路包括电源模块、控制模块、信号发生模块以及功率放大模块，所述温度检测电路包括设于电极贴片上的热敏电阻，所述信号发生模块包括直接数字频率合成模块、数模转换器、模拟合成电路、4阶有源滤波电路以及信号放大电路；所述电源模块用于为工作电路提供电源，所述控制模块输出基准频率给直接数字频率合成模块，并输出一个用于调幅的数字信号给数模转换器，直接数字频率合成模块根据基准频率产生中频模拟信号，模拟合成电路将中频模拟信号和数模转换器输出的模拟信号进行合成，产生所需振幅的中频信号，4阶有源滤波电路对模拟合成电路输出的中频信号进行滤波，信号放大电路对4阶有源滤波电路输出的信号进行初级放大，功率放大模块对信号放大电路输出的信号进行功率放大并传输至电极贴片上；所述温度检测电路通过热敏电阻感应电极贴片的温度，并把温度检测信号反馈至控制模块，所述电流检测电路用于检测功率放大模块输出的信号电流，并将电流检测信号反馈至控制模块。
所述温度检测电路中，热敏电阻一端接地，另一端通过第一RC 滤波器连接3V电源，并通过第二RC滤波器连接运算放大器的正输入端，运算放大器的正输入端还通过LC滤波器连接5V电源，运算放大器的输出端通过第三RC滤波器连接至所述控制模块，运算放大器的负输入端接地，并通过一电阻连接至运算放大器的输出端；第二、第三RC滤波器分别并联有一保护电路，所述保护电路为一对反向串联的稳压二极管。
所述功率放大模块的输出端串联有采样电阻；所述电流检测电路包括隔离运算放大器、减法器以及有效值芯片，其中，采样电阻的两端均通过滤波电路与隔离运算放大器连接，隔离运算放大器产生8倍的放大信号，并输出给减法器进一步将正弦交流信号进行放大，有效值芯片将放大后的正弦交流信号转换为稳定的直流信号，并反馈给控制模块。
所述采样电阻两端之间还连接有限压保护电路，所述有效值芯片的输出端也连接有限压保护电路，所述限压保护电路为一对反向串联的稳压二极管。
以下为本发明配套运行逻模式
一种基于电场治疗监护子设备云组分配模式，
包括场治疗单机层
场治疗单机层用于控制对应单机治疗模式、电机贴片位置、及其耗材的损耗；
所述的场治疗单机生成患者病灶三维模型并对病灶为靶向输出均匀电场，同时场治疗单机将本单机物理信息、病灶三维模型体积及均匀电场的场强和频率信息封装数据包；
云平台计算中心层
云平台计算中心层包括患者身份信息层、患者临床信息层、云平台通信层、云平台数据存储层、云平台权重分配层、后台检测层；
患者身份信息层包含患者的身份信息；
患者临床信息层包含患者患病历史、历史用药、等时间段的肿瘤的CT图像、等时间段的肿瘤的三维模型图像；
所述的云平台通信层为软件即服务模式构架服务器，云平台通信层接收场治疗单机发送的数据包并存储信息，
云平台数据存储层收到数据包通信，将数据包解析对场治疗单机的物理信息、病灶三维模型体积及均匀电场的场强和频率信息进行存储为治疗方案，多个治疗方案构建形成数据库，将数据库采用三层 BP神经元网络训练形成分析技术数据库、经典治疗方案数据库、病患在用数据库；
云平台权重分配层用于分配调取数据库重新为数据库内的治疗方案分配权重，并下发至对应的治疗单机中，
后台检测层用于时时监测治疗单机的器件损耗并及时通知患者；
医院临床指导层
医院临床指导层包含与云平台计算中心层互馈通信的通信模块，由指导医师查阅患者临床信息层由云平台数据存储层选择针对性治疗方案下发至场治疗单机层。

Claims (7)

1.一种基于电场治疗监护子设备云组系统，其特征在于：
包括场治疗单机、云平台通信层、云平台数据存储层、云平台权重分配层、后台检测层；
所述的场治疗单机生成患者病灶三维模型并对病灶为靶向输出均匀电场，同时场治疗单机将本单机物理信息、病灶三维模型体积及均匀电场的场强和频率信息封装数据包，
所述的云平台通信层为软件即服务模式构架服务器，云平台通信层接收场治疗单机发送的数据包并存储信息，
云平台数据存储层收到数据包通信，将数据包解析对场治疗单机的物理信息、病灶三维模型体积及均匀电场的场强和频率信息进行存储为治疗方案，多个治疗方案构建形成数据库，
云平台权重分配层用于分配调取数据库重新为数据库内的治疗方案分配权重，并下发至对应的治疗单机中，
后台检测层用于时时监测治疗单机的器件损耗并及时通知患者；
其中，云平台权重分配层为每个治疗方案分配权重，每个治疗方案中包含：
病灶三维模型体积Q1，Q1取值范围为Q＝1、2……11；
等周期后的病灶三维模型体积Q2，Q2取值范围为Q＝1、2……11；
将每个病灶三维模型体积Q1和等周期后的病灶三维模型体积Q2分为一组得到第一至第i组
预设模型中成长熵B为，
Bi为各个模型的成长熵，i为组数量，
若Bi＞1，则该组数据归入有益方案库；
若Bi＜1，则该组数据归入待选方案库；
将有益方案库的每个病灶与皮肤表皮层间距W和均匀电场的场强T分为一组得到第一至第i组；
病灶与皮肤表皮层间距W，W的取值范围为W＝1、2……8
及均匀电场的场强T，T取值范围为T＝1、2……20
预设病灶与皮肤表皮层间距W与及均匀电场的场强T之间预设评价因子R，R取值范围为R＝1、2……50
采用赋权法对有益方案库中的每个方案赋权，从而得到有益方案库中，最优方案；
在下发治疗方案过程中优先将下发的治疗单机所对应的病灶的预设模型中成长熵B进行比对，预设模型中成长熵B一致则选取与预设模型中成长熵B对应的库组中的最优方案下发至治疗单机中。
2.根据权利要求1所述的一种基于电场治疗监护子设备云组系统，其特征在于：所述的云平台通信层遵循MQTT协议并采用TOT网关收发数据包。
3.根据权利要求1所述的一种基于电场治疗监护子设备云组系统，其特征在于：所述每个治疗方案权重分配完毕后采用BP神经网络算法进行筛分计算，并构建逐步递归第1至第N个数据库，
肿瘤识别BP神经网络包括一个输入层、一个隐含层和一个输出层，将疑似病灶所在区域的纹理特征向量和形状特征参数作为输入层神经元，隐含层节点个数根据先验经验设为输入层神经元数目的二倍，输出层包含一个节点和两个输出值；两个输出值分别表示作为第一数据库和后一数据库；
采用深层神经元训练算法对预设模型中成长熵B进行训练，并自动下发治疗方案
训练节点的输出过程为：
wi为第i个病灶与皮肤表皮层间距W
Ti第i个病灶与均匀电场的场强T
Bi第i个病灶与预设模型中成长熵B。
4.根据权利要求1所述的一种基于电场治疗监护子设备云组系统，其特征在于：所述的场治疗单机包括电极贴片、工作电路、信号发生模块、温度检测电路和电流检测电路，所述工作电路包括电源模块、控制模块、信号发生模块以及功率放大模块，所述温度检测电路包括设于电极贴片上的热敏电阻，所述信号发生模块包括直接数字频率合成模块、数模转换器、模拟合成电路、4阶有源滤波电路以及信号放大电路；所述电源模块用于为工作电路提供电源，所述控制模块输出基准频率给直接数字频率合成模块，并输出一个用于调幅的数字信号给数模转换器，直接数字频率合成模块根据基准频率产生中频模拟信号，模拟合成电路将中频模拟信号和数模转换器输出的模拟信号进行合成，产生所需振幅的中频信号，4阶有源滤波电路对模拟合成电路输出的中频信号进行滤波，信号放大电路对4阶有源滤波电路输出的信号进行初级放大，功率放大模块对信号放大电路输出的信号进行功率放大并传输至电极贴片上；所述温度检测电路通过热敏电阻感应电极贴片的温度，并把温度检测信号反馈至控制模块，所述电流检测电路用于检测功率放大模块输出的信号电流，并将电流检测信号反馈至控制模块。
5.根据权利要求4所述的一种基于电场治疗监护子设备云组系统，其特征在于，所述温度检测电路中，热敏电阻一端接地，另一端通过第一RC滤波器连接3V电源，并通过第二RC滤波器连接运算放大器的正输入端，运算放大器的正输入端还通过LC滤波器连接5V电源，运算放大器的输出端通过第三RC滤波器连接至所述控制模块，运算放大器的负输入端接地，并通过一电阻连接至运算放大器的输出端；第二、第三RC滤波器分别并联有一保护电路，所述保护电路为一对反向串联的稳压二极管。
6.根据权利要求4所述的一种基于电场治疗监护子设备云组系统，其特征在于，所述功率放大模块的输出端串联有采样电阻；所述电流检测电路包括隔离运算放大器、减法器以及有效值芯片，其中，采样电阻的两端均通过滤波电路与隔离运算放大器连接，隔离运算放大器产生8倍的放大信号，并输出给减法器进一步将正弦交流信号进行放大，有效值芯片将放大后的正弦交流信号转换为稳定的直流信号，并反馈给控制模块。
7.根据权利要求6所述的一种基于电场治疗监护子设备云组系统，其特征在于，所述采样电阻两端之间还连接有限压保护电路，所述有效值芯片的输出端也连接有限压保护电路，所述限压保护电路为一对反向串联的稳压二极管。
CN202010256810.9A 2020-04-02 2020-04-02 一种基于电场治疗监护子设备云组系统及模式 Active CN111408048B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010256810.9A CN111408048B (zh) 2020-04-02 2020-04-02 一种基于电场治疗监护子设备云组系统及模式

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010256810.9A CN111408048B (zh) 2020-04-02 2020-04-02 一种基于电场治疗监护子设备云组系统及模式

Publications (2)

Publication Number Publication Date
CN111408048A CN111408048A (zh) 2020-07-14
CN111408048B true CN111408048B (zh) 2023-08-08

Family

ID=71485426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010256810.9A Active CN111408048B (zh) 2020-04-02 2020-04-02 一种基于电场治疗监护子设备云组系统及模式

Country Status (1)

Country Link
CN (1) CN111408048B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881568A (zh) * 2015-04-27 2015-09-02 苏州敏宇医疗科技有限公司 一种基于云计算的肿瘤治疗疗效早期评价的系统和方法
CN107203695A (zh) * 2017-06-02 2017-09-26 浙江大学 一种基于云平台大数据统计与计算的糖尿病监测与交互系统
CN107405495A (zh) * 2015-02-26 2017-11-28 美敦力公司 基于组织激活的体积的电刺激治疗的治疗程序选择
CN108363908A (zh) * 2017-02-16 2018-08-03 北京毅新博创生物科技有限公司 用于检测生物分子的智谱系统
CN108648786A (zh) * 2018-05-16 2018-10-12 上海术木医疗科技有限公司 一种基于第三方业务的医疗云平台数据共享系统及方法
CN109395245A (zh) * 2018-10-22 2019-03-01 尹良宇 一种基于移动终端和云技术的低中频调制治疗仪系统
CN110465004A (zh) * 2019-08-02 2019-11-19 北京全域医疗技术集团有限公司 一种云放射治疗计划系统及放射治疗计划的生成方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107405495A (zh) * 2015-02-26 2017-11-28 美敦力公司 基于组织激活的体积的电刺激治疗的治疗程序选择
CN104881568A (zh) * 2015-04-27 2015-09-02 苏州敏宇医疗科技有限公司 一种基于云计算的肿瘤治疗疗效早期评价的系统和方法
CN108363908A (zh) * 2017-02-16 2018-08-03 北京毅新博创生物科技有限公司 用于检测生物分子的智谱系统
CN107203695A (zh) * 2017-06-02 2017-09-26 浙江大学 一种基于云平台大数据统计与计算的糖尿病监测与交互系统
CN108648786A (zh) * 2018-05-16 2018-10-12 上海术木医疗科技有限公司 一种基于第三方业务的医疗云平台数据共享系统及方法
CN109395245A (zh) * 2018-10-22 2019-03-01 尹良宇 一种基于移动终端和云技术的低中频调制治疗仪系统
CN110465004A (zh) * 2019-08-02 2019-11-19 北京全域医疗技术集团有限公司 一种云放射治疗计划系统及放射治疗计划的生成方法

Also Published As

Publication number Publication date
CN111408048A (zh) 2020-07-14

Similar Documents

Publication Publication Date Title
WO2021203719A1 (zh) 结合脑电检测分析控制的声电刺激神经调控方法及装置
Li et al. A hybrid BCI system combining P300 and SSVEP and its application to wheelchair control
CN109394476A (zh) 脑肌信息自动意图识别与上肢智能控制方法及系统
Li et al. EEG-based emotion recognition via transformer neural architecture search
CN207071165U (zh) 一种智能复合波形经颅电刺激系统
CN104689475B (zh) 一种植入式医疗器械的远程监控系统的患者终端
CN105022486A (zh) 基于不同表情驱动的脑电信号辨识方法
CN101485569B (zh) 基于自适应模糊逻辑的中医多功能智能诊断仪
CN106512208A (zh) 一种网络智能低中频电疗仪系统及其应用
CN109276808A (zh) 基于视频运动捕捉的多模态脑卒中上肢康复训练系统
WO2023201863A1 (zh) 一种闭环自适应交流电刺激神经网络调控方法及系统
CN103153395B (zh) 磁刺激装置及其控制方法
CN110164524A (zh) 一种偏瘫患者康复训练任务自适应匹配方法及其系统
CN115640827B (zh) 对电刺激数据处理的智能闭环反馈网络方法及系统
CN113952614A (zh) 融合机械手和功能性电刺激的手功能康复双闭环调控系统
Feng et al. Building and training a deep spiking neural network for ECG classification
CN111408048B (zh) 一种基于电场治疗监护子设备云组系统及模式
CN105943022B (zh) 一种具有三导联重构十二导联功能的心电监测系统
CN111529928A (zh) 一种远程可编程经穴电子治疗仪及医疗保健系统
CN113456213B (zh) 一种基于人工智能的射频消融参数优化和信息合成方法及系统
CN208302083U (zh) 一种盆底肌肉训练仪
CN109395245A (zh) 一种基于移动终端和云技术的低中频调制治疗仪系统
CN105268104A (zh) 一种控制刺激线圈端的经颅磁刺激仪系统
Ghanbari et al. Brain computer interface with genetic algorithm
CN204233210U (zh) 全频段复合式微创射频疼痛治疗仪

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