CN111899862B - 一种呼吸机参数获取方法、装置、设备及存储介质 - Google Patents

一种呼吸机参数获取方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111899862B
CN111899862B CN202010939041.2A CN202010939041A CN111899862B CN 111899862 B CN111899862 B CN 111899862B CN 202010939041 A CN202010939041 A CN 202010939041A CN 111899862 B CN111899862 B CN 111899862B
Authority
CN
China
Prior art keywords
state
parameter
target
breathing machine
parameter adjustment
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
CN202010939041.2A
Other languages
English (en)
Other versions
CN111899862A (zh
Inventor
黄思皖
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202010939041.2A priority Critical patent/CN111899862B/zh
Priority to PCT/CN2020/124390 priority patent/WO2021151331A1/zh
Publication of CN111899862A publication Critical patent/CN111899862A/zh
Application granted granted Critical
Publication of CN111899862B publication Critical patent/CN111899862B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • 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
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • 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
    • G16H50/30—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
    • 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
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/005—Parameter used as control input for the apparatus
    • 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
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/40—Respiratory characteristics
    • A61M2230/42—Rate
    • 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
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/40—Respiratory characteristics
    • A61M2230/43—Composition of exhalation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Emergency Medicine (AREA)
  • Pulmonology (AREA)
  • Anesthesiology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Hematology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请实施例公开了一种呼吸机参数获取方法、装置、设备及存储介质，应用于医疗技术领域。其中，该方法包括：获取多个使用呼吸机的用户的多组状态参数，每组状态参数包括采用呼吸机参数调整策略前用户的第一状态参数、采用的呼吸机参数调整策略和采用呼吸机参数调整策略后该用户的第二状态参数；根据多组状态参数确定各呼吸机参数调整策略的奖惩信息，以及确定第一状态参数对应的状态转化概率；根据目标用户的目标状态参数、各呼吸机参数调整策略对应的奖惩信息、状态转化概率，确定目标状态参数对应的目标呼吸机参数调整策略。采用本申请实施例，有助于提升呼吸机参数设置的效率和可靠性。

Description

一种呼吸机参数获取方法、装置、设备及存储介质
技术领域
本申请涉及人工智能技术领域，尤其涉及一种呼吸机参数获取方法、装置、设备及存储介质。
背景技术
目前，呼吸机作为一种常见的医疗器械，其使用越来越普遍，已在医院和患者家庭得到广泛使用。在使用过程中，一般是由医护人员或病患家属凭经验或医嘱手动设置呼吸机参数，该方式下的呼吸机参数设置的效率较低，且对于缺乏经验的人员，在参数调整上无法针对患者实际情况制定，呼吸机参数设置的可靠性较差。
发明内容
本申请实施例提供了一种呼吸机参数获取方法、装置、设备及存储介质，有助于提升呼吸机参数设置的效率，并提升呼吸机参数设置的可靠性。
第一方面，本申请实施例提供了一种呼吸机参数获取方法，包括：
获取多个使用呼吸机的用户对应的多组状态参数，每组状态参数包括采用呼吸机参数调整策略前用户的第一状态参数、采用的所述呼吸机参数调整策略和采用所述呼吸机参数调整策略后该用户的第二状态参数；
根据所述多组状态参数确定各呼吸机参数调整策略在对应的第一状态参数和第二状态参数下的奖惩信息，以及确定第一状态参数在各呼吸机参数调整策略下对应的状态转化概率，所述状态转化概率用于指示用户在第一状态参数下采取呼吸机参数调整策略后得到第二状态参数的概率；
获取目标用户的目标状态参数；
根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略；其中，所述目标呼吸机参数调整策略用于指示对所述目标用户的呼吸机进行的参数调整策略。
可选的，根据所述多组状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，训练得到呼吸机参数模型；
所述根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略，包括：
将所述目标状态参数输入所述呼吸机参数模型，得到所述目标状态参数对应的目标呼吸机参数调整策略。
可选的，所述根据所述多组状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，训练得到呼吸机参数模型，包括：
根据所述多组状态参数以及各呼吸机参数调整策略对应的奖惩信息，确定奖惩函数；
根据所述多组状态参数以及所述状态转化概率，确定状态转化函数；
根据所述奖惩函数和所述状态转化函数，确定所述呼吸机参数模型的价值函数，以训练得到所述呼吸机参数模型。
可选的，所述根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略，包括：
从所述多组状态参数中确定出第一状态参数和所述目标状态参数匹配的一组或多组状态参数；
根据所述匹配的一组或多组状态参数中各呼吸机参数调整策略对应的奖惩信息和所述匹配的一组或多组状态参数对应的状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略。
可选的，所述第一状态参数和所述第二状态参数为多维矩阵状态空间；所述获取目标用户的目标状态参数，包括：
获取所述目标用户的诊疗数据，所述诊疗数据包括多个特征数据；
分别将所述多个特征数据转化为特征向量，得到多个特征向量；
根据所述多个特征向量构建所述目标用户的多维矩阵状态空间，并将所述目标用户的多维矩阵状态空间确定为所述目标状态参数。
可选的，所述奖惩信息包括奖励值或惩罚值；所述根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略，包括：
计算所述目标状态参数在多种呼吸机参数调整策略下的奖惩信息；
确定所述目标状态参数在所述多种呼吸机参数调整策略下的奖励值最大的呼吸机参数调整策略，并将所述奖励值最大的呼吸机参数调整策略作为目标呼吸机参数调整策略。
可选的，在所述确定所述目标状态参数对应的目标呼吸机参数调整策略之后，所述方法还包括：
对所述目标呼吸机参数调整策略进行校验；
当对所述目标呼吸机参数调整策略校验通过时，按照所述目标呼吸机参数调整策略对所述目标用户的呼吸机进行参数调整；
将所述目标用户的标识、所述目标状态参数和所述目标呼吸机参数调整策略绑定后上传区块链。
第二方面，本申请实施例提供了一种呼吸机参数获取装置，包括：
获取模块，用于获取多个使用呼吸机的用户对应的多组状态参数，每组状态参数包括采用呼吸机参数调整策略前用户的第一状态参数、采用的所述呼吸机参数调整策略和采用所述呼吸机参数调整策略后该用户的第二状态参数；
确定模块，用于根据所述多组状态参数确定各呼吸机参数调整策略在对应的第一状态参数和第二状态参数下的奖惩信息，以及确定第一状态参数在各呼吸机参数调整策略下对应的状态转化概率，所述状态转化概率用于指示用户在第一状态参数下采取呼吸机参数调整策略后得到第二状态参数的概率；
所述获取模块，还用于获取目标用户的目标状态参数；
所述确定模块，还用于根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略；其中，所述目标呼吸机参数调整策略用于指示对所述目标用户的呼吸机进行的参数调整策略。
第三方面，本申请实施例提供了一种呼吸机参数获取设备，该呼吸机参数获取设备可包括处理器和存储器，所述处理器和存储器相互连接。其中，所述存储器用于存储支持终端设备执行上述方法或步骤的计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的呼吸机参数获取方法中的部分或全部步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的呼吸机参数获取方法中的部分或全部步骤。可选的，该计算机可读存储介质可以是非易失性的，也可以是易失性的。
本申请实施例可通过获取多个使用呼吸机的用户对应的多组状态参数，并根据多组状态参数确定各呼吸机参数调整策略的奖惩信息，以及确定第一状态参数对应的状态转化概率，进而能在获取到目标用户的目标状态参数时，根据目标用户的目标状态参数、各呼吸机参数调整策略对应的奖惩信息、状态转化概率，快速确定目标状态参数对应的目标呼吸机参数调整策略，由此提升了呼吸机参数获取的效率，进而提升了呼吸机参数设置的效率，并提升了呼吸机参数设置的可靠性。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种呼吸机参数获取系统的结构示意图；
图2是本申请实施例提供的一种呼吸机参数获取方法的流程示意图；
图3a是本申请实施例提供的另一种呼吸机参数获取方法的流程示意图；
图3b是本申请实施例提供的一种呼吸机参数模型训练方法的流程示意图；
图4是本申请实施例提供的一种呼吸机参数获取装置的结构示意图；
图5是本申请实施例提供的一种呼吸机参数获取设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的技术方案可应用于呼吸机参数获取系统，并可具体应用于呼吸机参数获取设备(呼吸机参数获取装置)中，用于实现对用户的呼吸机参数如呼吸机参数调整策略的确定，以基于该呼吸机参数调整策略进行呼吸机参数设置。可选的，该呼吸机参数获取设备可以是终端，也可以是服务器，可以是呼吸机，还可以为数据平台或其他设备。该终端可包括手机、平板电脑、计算机等等，本申请不做限定。可以理解，在其他实施例中，该终端还可叫做其余名称，比如叫做终端设备、智能终端、用户设备、用户终端等等，此处不一一列举。
呼吸机作为一种常见的医疗器械，使用越来越普遍。呼吸机的参数一般是手动设置的。例如，发明人意识到，对机械通气患者进行的呼吸支持和呼吸管理，是医护人员通过呼吸机参数的手动设置和调整来实施的，比如初始通气时依据患者身材、疾病和病情、通气需要等来预设呼吸机参数，后续依据通气疗效、动脉血气、心肺监测结果等来对实现对呼吸机参数的手动调整，调整效率较低。而且，对于缺乏经验的医护人员，在参数调整上无法针对患者实际情况制定，呼吸机参数调节的可靠性较差，不能帮助患者得到最适合他的呼吸支持和呼吸管理，甚至可能在一定程度上加重病情，增加死亡风险。而本申请能够通过获取用户的当前状态参数，进而基于各呼吸机参数调整策略在调整前的第一状态参数和调整后的第二状态参数下的奖惩信息，以及调整前的第一状态参数在各呼吸机参数调整策略下对应的状态转化概率，来确定用户的呼吸机参数调整策略，从而提升了呼吸机参数设置的效率和可靠性。
本申请的技术方案可应用于人工智能、智慧城市、区块链和/或大数据技术领域，如可通过数据平台或其他设备实现，涉及的数据可通过区块链节点存储，或者可存储于数据库，本申请不做限定。
本申请实施例提供了一种呼吸机参数获取系统、方法、装置、设备和介质等，使得有助于提升呼吸机参数获取的效率，并能够提升呼吸参数设置的可靠性。以下分别详细说明。
请参见图1，是本申请实施例提供的一种呼吸机参数获取系统的结构示意图。如图1所示，该呼吸机参数获取系统可包括呼吸机参数获取设备(呼吸机参数获取装置)101和呼吸机102。其中，
呼吸机参数获取设备101，用于获取多个使用呼吸机的用户对应的多组状态参数，每组状态参数包括采用呼吸机参数调整策略前用户的第一状态参数、采用的该呼吸机参数调整策略和采用该呼吸机参数调整策略后该用户的第二状态参数；根据该多组状态参数确定各呼吸机参数调整策略在对应的第一状态参数和第二状态参数下的奖惩信息，以及确定第一状态参数在各呼吸机参数调整策略下对应的状态转化概率，该状态转化概率用于指示用户在第一状态参数下采取呼吸机参数调整策略后得到第二状态参数的概率；获取目标用户的目标状态参数；根据该目标状态参数、各呼吸机参数调整策略对应的奖惩信息、该状态转化概率，确定该目标状态参数对应的目标呼吸机参数调整策略；其中，该目标呼吸机参数调整策略用于指示对该目标用户的呼吸机进行的参数调整策略。
呼吸机102，用于根据该目标呼吸机参数调整策略设置呼吸机参数。或者，该呼吸机参数获取设备101，还可用于根据该目标呼吸机参数调整策略控制呼吸机102设置呼吸机参数。
可以理解，该呼吸机和呼吸机参数获取设备可以分别为独立的设备，即独立部署，该呼吸机和呼吸机参数调整策略可相互连接。或者，该呼吸机和呼吸机参数获取设备也可以部署于同一设备中，比如为一种自动为用户确定呼吸机参数的呼吸机，该呼吸机参数获取设备可设置于呼吸机中，等等，本申请不做限定。图1示出了独立部署的场景。
在一些实施例中，该呼吸机参数获取系统中，还可包括存储设备，该存储设备可用于存储本申请涉及的数据。例如，该存储设备可存储各呼吸机参数调整策略在对应的第一状态参数和第二状态参数下的奖惩信息(如将呼吸机参数调整策略、第一状态参数、第二状态参数及其奖惩信息绑定存储)，第一状态参数在各呼吸机参数调整策略下对应的状态转化概率(如将呼吸机参数调整策略、第一状态参数、第二状态参数及其状态转化概率绑定存储)等等。又如，该存储设备可存储该目标用户的标识、目标状态参数以及目标呼吸机参数调整策略等等，此处不一一列举。呼吸机参数获取设备在确定出这些数据之后，即将可将这些数据存储至存储设备。
可选的，该存储设备可以为区块链节点，该多组状态参数等相关数据可以从区块链获取。通过将呼吸机参数相关数据存储于区块链中，基于从区块链获取的数据为用户确定呼吸机参数调整策略，则有助于提升获取的数据的可靠性，进而有助于提升呼吸机参数设置的效率和可靠性。
在一些实施例中，该呼吸机参数获取系统还可包括多种可穿戴设备，该可的穿戴可与呼吸机获取设备相互连接。例如，该可穿戴设备可用于采集用户的状态参数。从而能够实时获取到用户状态参数，以便于该呼吸机参数获取设备根据该采集的用户状态参数快速为用户确定目标呼吸机参数调整策略，从而有助于提升呼吸机参数获取设备确定的目标呼吸机参数调整策略的及时性，有助于减缓用户病情。
参见图2，图2是本申请实施例提供的一种呼吸机参数获取方法的流程示意图。该方法可以由上述的呼吸机参数获取设备执行，如图2所示，该呼吸机参数获取方法可包括以下步骤：
201、获取多个使用呼吸机的用户对应的多组状态参数，每组状态参数包括采用呼吸机参数调整策略前用户的第一状态参数、采用的该呼吸机参数调整策略和采用该呼吸机参数调整策略后该用户的第二状态参数。
在一些实施例中，呼吸机参数获取设备可通过获取多个使用呼吸机的用户(患者)的历史诊疗数据，根据各用户的诊疗数据确定各用户的状态参数，得到多组状态参数。
其中，该诊疗数据可以包括体征数据和/或检查检验数据等等。可选的，该体征数据可包括心率、血氧、呼吸频率等，该检查检验数据可包括血气指标、乳酸等数据。例如，该数据可以由监护系统中提取。
可选的，该诊疗数据可以是对采集的原始医疗数据进行处理得到。例如，可获取患者的原始医疗数据，包括患者的历史基线数据等，该历史基线数据可以包括多次就诊记录，每次就诊记录可包括各种人口学信息、诊断、检验、手术项目等。进一步的，可以对该历史基线数据进行预处理，例如，该体征数据可通过对采集的原始体征数据以预设时间单位(如以1h为单位)进行采样得到，该原始体征数据为连续数据；又如，可对检查检验数据，如血气指标、乳酸等，使用多次插补填充缺失值。从而得到预处理后的诊疗数据。进一步可选的，各组状态参数可以是从该诊疗数据中筛选的部分数据，或者可以是该诊疗数据或该部分数据对应的向量。
可选的，针对每组状态参数，该第一状态参数的采集时间和采用呼吸机参数调整策略的时间之间的时间间隔，以及采用该呼吸机参数调整策略的时间与第二状态参数的采集时间之间的时间间隔可以均小于预设的第一时间阈值；和/或，该第一状态参数的采集时间和第二状态参数的采集时间小于预设的第二时间阈值。从而有助于更好地确定采用的呼吸机参数调整策略对用户状态的影响，由此有助于进一步提升呼吸机参数设置的可靠性。
在一些实施例中，该诊疗数据可以从区块链获取，即各患者的诊疗数据可以预先存储于区块链中。通过从区块链节点(如上述的存储设备)中获取用户的诊疗数据，由此有助于提升获取的诊疗数据的可靠性，进而提升确定出的用户状态参数的可靠性，由此有助于提升基于用户状态参数确定出的呼吸机参数调整策略的可靠性。
202、根据该多组状态参数确定各呼吸机参数调整策略在对应的第一状态参数和第二状态参数下的奖惩信息，以及确定第一状态参数在各呼吸机参数调整策略下对应的状态转化概率。
其中，该状态转化概率可用于指示用户在第一状态参数下采取呼吸机参数调整策略后得到第二状态参数的概率。
可选的，该奖惩信息可以包括奖励值或惩罚值，或者可称为奖励系数或惩罚系数，或者可称为奖励分或惩罚分等等，此处不一一列举，本申请以奖励值和惩罚值为例进行说明。该奖励值可以表征呼吸机参数调整策略为在对应的第一状态参数较优的调整策略，如呼吸机参数调整策略对应的奖励值越高，该呼吸机参数调整策略越优；反之，该惩罚值可以表征呼吸机参数调整策略为在对应的第一状态参数较差的调整策略，如呼吸机参数调整策略对应的惩罚值越高，该呼吸机参数调整策略越差。
203、获取目标用户的目标状态参数。
其中，该目标状态参数为对目标用户进行呼吸机参数设置/调整前的状态参数，如可以与上述的第一状态参数相对应。
可选的，在获取该目标状态参数时，可通过获取目标用户的诊疗数据，根据目标用户的诊疗数据确定目标用户的目标状态参数。
其中，该诊疗数据可以包括体征数据和/后检查检验数据等等。可选的，该体征数据可包括心率、血氧、呼吸频率等，该检查检验数据可包括血气指标、乳酸等数据。例如，该数据可以由监护系统中提取，或者通过可穿戴设备采集得到，等等，本申请不做限定。
可选的，该诊疗数据可以是对采集的原始医疗数据进行处理得到。例如，可获取目标用户(当前患者)的原始医疗数据，如多次就诊记录，每次就诊记录可包括各种人口学信息、诊断、检验、手术项目等。进一步的，可以对该原始医疗数据进行预处理，从而得到预处理后的诊疗数据，此处不赘述。
其中，该目标状态参数可以是从该诊疗数据中筛选的部分数据，或者可以是该诊疗数据或该部分数据对应的向量，从而可以得到目标用户在当前如时间t’的诊疗数据初始向量。
在一些实施例中，上述的状态参数如第一状态参数和该第二状态参数可以为多维矩阵状态空间。可选的，在获取目标用户的目标状态参数时，可获取该目标用户的诊疗数据，该诊疗数据包括多个特征数据；分别将该多个特征数据转化为特征向量，得到多个特征向量；根据该多个特征向量构建该目标用户的多维矩阵状态空间，并将该目标用户的多维矩阵状态空间确定为该目标状态参数。由此可获取得到该目标用户对应的多维矩阵状态空间，以基于该多维矩阵状态空间确定该目标用户的呼吸机参数调整策略。
例如，通过获取目标用户在时间t’的呼吸频率、血气测量值等(st′)，进而构建得到该目标用户的多维度矩阵状态空间即确定出该目标用户的目标状态参数。
204、根据该目标状态参数、各呼吸机参数调整策略对应的奖惩信息、该状态转化概率，确定该目标状态参数对应的目标呼吸机参数调整策略。
其中，该目标呼吸机参数调整策略可用于指示对该目标用户的呼吸机进行的参数调整操作/策略。
在一些实施例中，呼吸机参数获取设备可根据该多组状态参数、各呼吸机参数调整策略对应的奖惩信息、该状态转化概率，训练得到呼吸机参数模型。进一步的，在确定该目标状态参数对应的目标呼吸机参数调整策略时，呼吸机参数获取设备可将该目标状态参数输入该呼吸机参数模型，得到该目标状态参数对应的目标呼吸机参数调整策略。也就是说，可以将上述获取的多组状态参数作为训练样本，通过确定各呼吸机参数调整策略对应的奖惩信息、状态转化概率等等，实现模型训练，以得到呼吸机参数模型。
可选的，呼吸机参数获取设备在根据该多组状态参数、各呼吸机参数调整策略对应的奖惩信息、该状态转化概率，进行呼吸机参数模型训练时，可以根据该多组状态参数以及各呼吸机参数调整策略对应的奖惩信息确定奖惩函数，以及根据该多组状态参数以及该状态转化概率确定状态转化函数，进而可根据该奖惩函数和该状态转化函数，确定该呼吸机参数模型的价值函数，以训练得到该呼吸机参数模型。
进一步的可选的，该奖惩信息可包括奖励值或惩罚值，在基于该呼吸机参数模型确定目标状态参数对应的目标呼吸机参数调整策略时，呼吸机参数获取设备可将该目标状态参数输入该呼吸机参数模型，调用价值函数计算出该目标状态参数在多种呼吸机参数调整策略下的奖惩信息，进而确定该目标状态参数在该多种呼吸机参数调整策略下的奖励值最大的呼吸机参数调整策略，并将该奖励值最大的呼吸机参数调整策略作为目标呼吸机参数调整策略。
在一些实施例中，呼吸机参数获取设备在根据该目标状态参数、各呼吸机参数调整策略对应的奖惩信息、该状态转化概率，确定该目标状态参数对应的目标呼吸机参数调整策略时，还可从该多组状态参数中确定出第一状态参数和该目标状态参数匹配的一组或多组状态参数；进而可根据该匹配的一组或多组状态参数中各呼吸机参数调整策略对应的奖惩信息和该匹配的一组或多组状态参数对应的状态转化概率，确定该目标状态参数对应的目标呼吸机参数调整策略。可选的，第一状态参数和目标状态参数匹配可以是指比如状态参数相似度最大，或者相似度大于相似度阈值，等等。
在一些实施例中，该奖惩信息包括奖励值或惩罚值。进一步的，在确定该目标状态参数对应的目标呼吸机参数调整策略时，可以通过计算该目标状态参数在多种呼吸机参数调整策略下的奖惩信息；确定该目标状态参数在该多种呼吸机参数调整策略下的奖励值最大的呼吸机参数调整策略，并将该奖励值最大的呼吸机参数调整策略作为目标呼吸机参数调整策略。
也就是说，在基于奖惩信息和状态转化函数确定目标呼吸机参数调整策略，可以是结合状态转化概率分别计算该匹配的一组或多组状态参数所对应的呼吸机参数调整策略在对应的第一状态参数和可能的第二状态参数下的奖惩值，将奖励值最大的呼吸机参数调整策略作为目标呼吸机参数调整策略。
例如，筛选出匹配的两组状态参数，组1对应的奖惩信息为奖励值4，状态转化概率为80％，组2对应的奖惩信息为奖励值3，状态转化概率为90％，则组1的呼吸机参数调整策略的奖励值可视为4*80％＝3.2，组2的呼吸机参数调整策略的奖励值可视为3*90％＝2.7，则可将组1的呼吸机参数调整策略确定为目标呼吸机参数调整策略。又如，筛选出匹配的两组状态参数，组1对应的奖惩信息为奖励值1，状态转化概率为80％，组2对应的奖惩信息为惩罚值1，状态转化概率为90％，则组1的呼吸机参数调整策略的奖励值可视为4*80％＝0.8，组2的呼吸机参数调整策略的惩罚值可视为1*90％＝0.9(或者可视为奖励值为-1*90％＝-0.9)，则可将组1的呼吸机参数调整策略确定为目标呼吸机参数调整策略。此处不一一列举。
进一步可选的，还可对基于奖惩信息和状态转化概率确定出的奖惩值进行加权处理。比如状态转化概率越高，对应的加权系数越大；又如状态参数相似度越大，对应的加权系数越大；或者可基于其他方式确认出该加权系数，本申请不做限定。由此有助于进一步提升确定出的目标呼吸机参数调整策略的可靠性。
在一些实施例中，在该确定该目标状态参数对应的目标呼吸机参数调整策略之后，呼吸机参数获取设备还可对该目标呼吸机参数调整策略进行校验；当对该目标呼吸机参数调整策略校验通过时，再按照该目标呼吸机参数调整策略对该目标用户的呼吸机进行参数调整。可选的，该校验操作是用于确定获取的目标呼吸机参数调整策略是否可靠。比如通过该目标呼吸机参数调整策略调整后的呼吸机参数是否在正常参数范围内，或者是否在该目标状态参数对应的正常参数范围内，其中，该正常参数范围可预先设置得到；如果在正常参数范围内，则确定校验成功，否则，校验失败，则可不按照该目标呼吸机参数调整策略进行参数调整，或者，如果校验失败，可将该目标呼吸机参数调整策略发送给指定用户(如指定医生)进行确认，确认通过后再按照该目标呼吸机参数调整策略对该目标用户的呼吸机进行参数调整。又如，该校验操作可以是将该目标呼吸机参数调整策略发送给指定用户(如指定医生)进行确认，如果确认通过，则校验通过，即可按照该目标呼吸机参数调整策略对该目标用户的呼吸机进行参数调整；反之，则可不按照该目标呼吸机参数调整策略进行参数调整，等等，此处不一一列举。由此可提升呼吸机参数设置/调整操作的可靠性。
在一些实施例中，在确定出该目标呼吸机参数调整策略之后，还可将该目标用户的标识、该目标状态参数和该目标呼吸机参数调整策略绑定后上传区块链。通过该绑定上传区块链的操作，可以供目标用户及相关医护人员等用户随时查看，可以做到溯源，并为后续治疗提供了依据。
在本申请实施例中，呼吸机参数获取设备可通过获取多个使用呼吸机的用户对应的多组状态参数，并根据多组状态参数确定各呼吸机参数调整策略的奖惩信息，以及确定第一状态参数对应的状态转化概率，进而能在获取到目标用户的目标状态参数时，根据目标用户的目标状态参数、各呼吸机参数调整策略对应的奖惩信息、状态转化概率，快速确定目标状态参数对应的目标呼吸机参数调整策略，由此提升了呼吸机参数获取的效率，进而提升了呼吸机参数设置的效率，并提升了呼吸机参数设置的可靠性。
参见图3a，图3a是本申请实施例提供的另一种呼吸机参数获取方法的流程示意图，如图3a所示，该呼吸机参数获取方法可包括以下步骤：
301、获取多个使用呼吸机的用户对应的多组状态参数，每组状态参数包括采用呼吸机参数调整策略前用户的第一状态参数、采用的该呼吸机参数调整策略和采用该呼吸机参数调整策略后该用户的第二状态参数。
302、根据该多组状态参数确定各呼吸机参数调整策略在对应的第一状态参数和第二状态参数下的奖惩信息，以及确定第一状态参数在各呼吸机参数调整策略下对应的状态转化概率。
其中，该状态转化概率可用于指示用户在第一状态参数下采取呼吸机参数调整策略后得到第二状态参数的概率。
可选的，该步骤301-302的描述可参照上述实施例的相关描述，此处不赘述。
303、根据该多组状态参数、各呼吸机参数调整策略对应的奖惩信息、该状态转化概率，训练得到呼吸机参数模型。
可选的，该呼吸机参数模块可以为马尔可夫模型。
在获取得到训练数据之后，即可基于该诊疗数据构建马尔可夫决策过程，进行行为策略预测，利用值函数计算使期望的累积奖赏最大，以确定出最有利于患者的呼吸机参数调整策略。例如，请一并参见图3b，是本申请实施例提供的一种呼吸机参数模型的训练方法的流程示意图，可包括如下步骤：
3031、根据该多组状态参数以及各呼吸机参数调整策略对应的奖惩信息，确定奖惩函数。
其中，该奖惩函数可用于指示呼吸机参数调整策略对应的奖惩指数，奖惩指数可以是根据多个用户在呼吸机参数调整策略调整前的状态参数和调整后的状态参数确定的。
可选的，每组状态参数可以包括在第一时间(t)的第一状态参数(st)、采用的呼吸机参数调整策略以及在第二时间(t+1)的第二状态参数(st+1)。进而可根据第一状态参数构建多维矩阵状态空间。例如，获取患者在时间t的诊疗数据初始向量，基于该初始向量构建患者的多维度矩阵状态空间
例如，诊疗数据可以包括患者在时间t的呼吸频率、血气测量值等，进而可获取患者在时间t的呼吸频率、血气测量值等对应的向量(st)，以得到多维度矩阵状态空间。
进一步可选的，可确定用于指示呼吸机参数调整策略的策略矩阵空间。例如，利用可以调节的潮气量、呼吸频率、吸气流速、吸入氧浓度、呼气末正压等参数对应的策略(at)，构建初始的策略矩阵空间(动作集合矩阵空间) at会影响到患者的下一个状态st+1。
例如，假设只设置两个策略(动作)，呼吸频率和吸入氧浓度调节，at[0]＝{0,1}表示呼吸频率超过20次/分钟为1，小于20次/分钟为0两个程度，at[1]＝{0,1,2}表示吸入氧浓度在100％，90％，50％三个程度，那么动作集合矩阵空间
进一步的，呼吸机参数获取设备可根据第一状态参数(st)、采用的呼吸机参数调整策略以及第二状态参数(st+1)，确定奖惩函数
进一步的，在获取得到多个使用呼吸机的患者的诊疗数据之后，即可确定惩罚(值)和奖励(值)，比如可通过获取与诊疗数据相关的呼吸机参数以及调节参数后的患者动脉血气、生命体征值等指标，定义惩罚与奖励(奖赏)。其中，呼吸机参数可以包括潮气量、呼吸频率、吸气流速、吸入氧浓度、呼气末正压等等。例如，惩罚可根据呼吸机使用时间延长、血气指标恶化、需要进行插管等确定，奖励可根据血气指标好转、不再使用呼吸机等确定。
示例的，假设奖惩为是否需要插管(不需要插管需要插管)以及生命体征值是否稳定每一时间的奖惩函数可以是sigmoid函数和分段线性函数的组合，如下所示：
其中，vt可以是患者在时间t的生命体征值，[vmin,vmax]可以是指生命体征值的理想范围；
其中，是与患者是否可以拔管直接相关的生命体征值，是符合拔管的生命体征范围；C1到C7是奖惩的相对权重，可预先设置得到。
3032、根据该多组状态参数以及该状态转化概率，确定状态转化函数。
其中，该状态转化函数可用于指示用户在第一时间的状态参数下采取呼吸机参数调整策略后在第二时间的状态参数的概率。
在确定状态转化函数时，可根据第一状态参数(st)、采用的呼吸机参数调整策略(at)以及第二状态参数(st+1)，确定状态转化函数P(st+1|st,at)。该状态转化函数(transition function)可用于指示用户在第一时间的第一状态参数(st)下采取呼吸机参数调整策略后在第二时间的第二状态参数(st+1)的概率，即已知患者时间t时的状态和要采取的动作，患者在时间t+1进入的状态的概率。
3033、根据该奖惩函数和该状态转化函数，确定该呼吸机参数模型的价值函数，以训练得到该呼吸机参数模型。
进一步的，可将定义的奖惩函数通过状态转化函数与定义的患者在时间t的状态空间进行拼接，构成价值函数(value function)，如下所示：
其中，π(st)可以是指st下采取的中的某个策略，γ是短期奖赏和长期奖赏的相对权重，比如加大吸入氧浓度在短期内可以缓解患者的氧合指数，但长期加大氧浓度反而会降低患者自身技能，该γ可预先设置得到。
由此可采取策略π(st)(根据选择了中的某个动作集合)使患者在一段时间T的奖赏最大。具体可利用价值函数计算最大的累积奖赏期望，以得到最佳的呼吸机参数调整策略。比如可通过遍历患者的就诊记录，通过动态规划利用价值函数计算最大的累积奖赏期望，得到最佳的行动策略。
例如，呼吸机参数获取设备可根据患者的初始状态参数，给定一个初始策略以及由此计算出的初始Q。其中，Q-function是一个状态-策略(状态-动作组，state-actionpairs)的期望值是通过上述价值函数计算得到的每一组状态-策略对应的价值的集合。进一步的，可根据计算出的初始Q和新的策略，计算新的Q，进行新的估计，不断迭代，如下所示：
其中，α是学习速率，即当前估计和前一个估计的相对权重，γ为上述的短期奖赏和长期奖赏的相对权重，均可预先设置得到。
可选的，该迭代可以在满足预设条件时停止，比如超过预设的迭代次数如K次后停止，又如价值函数的值大于预设阈值时停止，又如迭代时间超过预设时间阈值时停止，又如迭代完策略矩阵空间的所有策略后停止，等等，此处不一一列举。
进一步的，迭代停止之后，可确定出该初始状态参数对应的最佳呼吸机参数调整策略，该最佳呼吸机参数调整策略为使得价值函数最大的策略也即：
可选的，该最佳呼吸机参数调整策略可以是K次迭代中使得价值函数最大的策略，又如可以是价值函数大于预设阈值所对应的策略，又如迭代时间内使得价值函数最大的策略，又如该策略矩阵空间的所有策略中价值函数最大的策略，等等，本申请不做限定。
由此，可以确定出用户的每个状态所对应的最佳呼吸机参数调整策略，以训练得到呼吸机参数模型。使得后续能够通过将用户的状态参数输入该呼吸机参数模型，以得到对应的最佳呼吸机参数调整策略，进而可按照该最佳呼吸机参数调整策略进行呼吸机参数调整。由此提升了呼吸机参数调整的效率，提升了呼吸机参数调整的可靠性，并有助于降低患者死亡风险。
304、获取目标用户的目标状态参数。
可选的，该步骤304的描述可参照上述图2所示实施例中步骤203的相关描述，此处不赘述。
例如，通过获取目标用户在时间t’的呼吸频率、血气测量值等(st′)，进而构建得到该目标用户的多维度矩阵状态空间即确定出该目标用户的目标状态参数。
305、将该目标状态参数输入该呼吸机参数模型，得到该目标状态参数对应的目标呼吸机参数调整策略。
也就是说，呼吸机参数获取设备可将该目标状态参数输入该呼吸机参数模型，调用价值函数计算出该目标状态参数在多种呼吸机参数调整策略下的奖惩信息，确定该目标状态参数在该多种呼吸机参数调整策略下的奖励值最大的呼吸机参数调整策略，并将该奖励值最大的呼吸机参数调整策略作为目标呼吸机参数调整策略。与上述确定最佳呼吸机参数调整策略类似，此处不赘述。或者，可调用呼吸机参数模型直接确定出与该目标状态参数对应的最佳呼吸机参数调整策略，作为目标呼吸机参数调整策略。
在本申请实施例中，呼吸机参数获取设备可通过获取多个使用呼吸机的用户对应的多组状态参数，基于患者的多维度状态空间和策略矩阵空间，确定奖惩函数和状态转化函数，以重新构建模型的价值函数，基于价值函数确定出患者在当前状态下的最佳呼吸机参数调整策略，由此提升了呼吸机参数设置的效率，进而提升了呼吸机参数设置的效率，并提升了呼吸机参数设置的可靠性，有助于提升治疗效果，降低患者死亡风险。
可以理解，上述方法实施例都是对本申请的呼吸机参数获取方法或系统的举例说明，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
本申请实施例还提供了一种呼吸机参数获取装置。该装置可包括用于执行前述图2或者图3a所述的方法的模块。请参见图4，是本申请实施例提供的一种呼吸机参数获取装置的结构示意图。本实施例中所描述的呼吸机参数获取装置，可配置于呼吸机参数获取设备中，如图4所示，本实施例的呼吸机参数获取装置400可以包括：获取模块401和处理模块402。其中，
获取模块401，可用于获取多个使用呼吸机的用户对应的多组状态参数，每组状态参数包括采用呼吸机参数调整策略前用户的第一状态参数、采用的所述呼吸机参数调整策略和采用所述呼吸机参数调整策略后该用户的第二状态参数；
处理模块402，可用于根据所述多组状态参数确定各呼吸机参数调整策略在对应的第一状态参数和第二状态参数下的奖惩信息，以及确定第一状态参数在各呼吸机参数调整策略下对应的状态转化概率，所述状态转化概率用于指示用户在第一状态参数下采取呼吸机参数调整策略后得到第二状态参数的概率；
所述获取模块401，还可用于获取目标用户的目标状态参数；
所述处理模块402，还可用于根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略；其中，所述目标呼吸机参数调整策略用于指示对所述目标用户的呼吸机进行的参数调整策略。
在一些实施例中，所述处理模块402，还可用于根据所述多组状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，训练得到呼吸机参数模型；
进一步的，所述处理模块402在根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略时，可具体用于：
将所述目标状态参数输入所述呼吸机参数模型，得到所述目标状态参数对应的目标呼吸机参数调整策略。
在一些实施例中，所述处理模块402在根据所述多组状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，训练得到呼吸机参数模型时，可具体用于：
根据所述多组状态参数以及各呼吸机参数调整策略对应的奖惩信息，确定奖惩函数；
根据所述多组状态参数以及所述状态转化概率，确定状态转化函数；
根据所述奖惩函数和所述状态转化函数，确定所述呼吸机参数模型的价值函数，以训练得到所述呼吸机参数模型。
在一些实施例中，所述处理模块402在根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略时，可具体用于：
从所述多组状态参数中确定出第一状态参数和所述目标状态参数匹配的一组或多组状态参数；
根据所述匹配的一组或多组状态参数中各呼吸机参数调整策略对应的奖惩信息和所述匹配的一组或多组状态参数对应的状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略。
在一些实施例中，所述第一状态参数和所述第二状态参数为多维矩阵状态空间；所述获取模块401在获取目标用户的目标状态参数时，可具体用于：
获取所述目标用户的诊疗数据，所述诊疗数据包括多个特征数据；
分别将所述多个特征数据转化为特征向量，得到多个特征向量；
根据所述多个特征向量构建所述目标用户的多维矩阵状态空间，并将所述目标用户的多维矩阵状态空间确定为所述目标状态参数。
在一些实施例中，所述奖惩信息包括奖励值或惩罚值；所述处理模块402在根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略时，可具体用于：
计算所述目标状态参数在多种呼吸机参数调整策略下的奖惩信息；
确定所述目标状态参数在所述多种呼吸机参数调整策略下的奖励值最大的呼吸机参数调整策略，并将所述奖励值最大的呼吸机参数调整策略作为目标呼吸机参数调整策略。
在一些实施例中，所述处理模块402，还可用于在所述确定所述目标状态参数对应的目标呼吸机参数调整策略之后，对所述目标呼吸机参数调整策略进行校验；当对所述目标呼吸机参数调整策略校验通过时，按照所述目标呼吸机参数调整策略对所述目标用户的呼吸机进行参数调整；将所述目标用户的标识、所述目标状态参数和所述目标呼吸机参数调整策略绑定后上传区块链。
可以理解的是，本实施例的呼吸机参数获取装置的各功能模块可根据上述方法实施例图2或者图3a中的方法具体实现，其具体实现过程可以参照上述方法实施例图2或者图3a的相关描述，此处不再赘述。
在本申请实施例中，呼吸机参数获取装置400可通过获取模块401获取多个使用呼吸机的用户对应的多组状态参数，并通过处理模块402根据多组状态参数确定各呼吸机参数调整策略的奖惩信息，以及确定第一状态参数对应的状态转化概率，进而能在获取到目标用户的目标状态参数时，根据目标用户的目标状态参数、各呼吸机参数调整策略对应的奖惩信息、状态转化概率，快速确定目标状态参数对应的目标呼吸机参数调整策略，由此提升了呼吸机参数获取的效率，进而提升了呼吸机参数设置的效率，并提升了呼吸机参数设置的可靠性。
请参见图5，图5是本申请实施例提供的一种呼吸机参数获取设备的结构示意图。如图5所示，该呼吸机参数获取设备可包括：处理器501和存储器502。可选的，该呼吸机参数获取设备还可包括通信接口503。上述处理器501、存储器502和通信接口503可通过总线或其他方式连接，在本申请实施例所示图5中以通过总线连接为例。其中，通信接口503可受所述处理器的控制用于收发消息，存储器502可用于存储计算机程序，所述计算机程序包括程序指令，处理器501用于执行存储器502存储的程序指令。其中，处理器501被配置用于调用所述程序指令执行以下步骤：
获取多个使用呼吸机的用户对应的多组状态参数，每组状态参数包括采用呼吸机参数调整策略前用户的第一状态参数、采用的所述呼吸机参数调整策略和采用所述呼吸机参数调整策略后该用户的第二状态参数；
根据所述多组状态参数确定各呼吸机参数调整策略在对应的第一状态参数和第二状态参数下的奖惩信息，以及确定第一状态参数在各呼吸机参数调整策略下对应的状态转化概率，所述状态转化概率用于指示用户在第一状态参数下采取呼吸机参数调整策略后得到第二状态参数的概率；
获取目标用户的目标状态参数；
根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略；其中，所述目标呼吸机参数调整策略用于指示对所述目标用户的呼吸机进行的参数调整策略。
在一些实施例中，所述处理器501还可执行以下步骤：
根据所述多组状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，训练得到呼吸机参数模型；
所述处理器501在根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略时，具体执行以下步骤：
将所述目标状态参数输入所述呼吸机参数模型，得到所述目标状态参数对应的目标呼吸机参数调整策略。
在一些实施例中，所述处理器501在根据所述多组状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，训练得到呼吸机参数模型时，具体执行以下步骤：
根据所述多组状态参数以及各呼吸机参数调整策略对应的奖惩信息，确定奖惩函数；
根据所述多组状态参数以及所述状态转化概率，确定状态转化函数；
根据所述奖惩函数和所述状态转化函数，确定所述呼吸机参数模型的价值函数，以训练得到所述呼吸机参数模型。
在一些实施例中，所述处理器501在根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略时，具体执行以下步骤：
从所述多组状态参数中确定出第一状态参数和所述目标状态参数匹配的一组或多组状态参数；
根据所述匹配的一组或多组状态参数中各呼吸机参数调整策略对应的奖惩信息和所述匹配的一组或多组状态参数对应的状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略。
在一些实施例中，所述第一状态参数和所述第二状态参数为多维矩阵状态空间；所述处理器501在所述获取目标用户的目标状态参数时，具体执行以下步骤：
获取所述目标用户的诊疗数据，所述诊疗数据包括多个特征数据；
分别将所述多个特征数据转化为特征向量，得到多个特征向量；
根据所述多个特征向量构建所述目标用户的多维矩阵状态空间，并将所述目标用户的多维矩阵状态空间确定为所述目标状态参数。
在一些实施例中，所述奖惩信息包括奖励值或惩罚值；所述处理器501在所述根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略时，具体执行以下步骤：
计算所述目标状态参数在多种呼吸机参数调整策略下的奖惩信息；
确定所述目标状态参数在所述多种呼吸机参数调整策略下的奖励值最大的呼吸机参数调整策略，并将所述奖励值最大的呼吸机参数调整策略作为目标呼吸机参数调整策略。
在一些实施例中，在所述确定所述目标状态参数对应的目标呼吸机参数调整策略之后，所述处理器501还执行以下步骤：
对所述目标呼吸机参数调整策略进行校验；
当对所述目标呼吸机参数调整策略校验通过时，按照所述目标呼吸机参数调整策略对所述目标用户的呼吸机进行参数调整；
将所述目标用户的标识、所述目标状态参数和所述目标呼吸机参数调整策略绑定后上传区块链。
在本申请实施例中，处理器501可以是中央处理单元(Central Processing Unit，CPU)，该处理器501还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器502可以包括只读存储器和随机存取存储器，并向处理器501提供指令和数据。存储器502的一部分还可以包括非易失性随机存取存储器。例如，存储器502还可以存储用户的状态参数等等。
该通信接口503可以包括输入设备和/或输出设备，例如该输入设备是可以是控制面板、麦克风、接收器等，输出设备可以是显示屏、发送器等，此处不一一列举。
具体实现中，本申请实施例中所描述的处理器501、存储器502和通信接口503可执行本申请实施例提供的图2或者图3a所述的方法实施例所描述的实现方式，也可执行本申请实施例所描述的呼吸机参数获取装置的实现方式，在此不再赘述。
本申请实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，可执行上述呼吸机参数获取方法实施例中所执行的部分或全部步骤，如呼吸机参数获取设备执行的部分或全部步骤。可选的，该计算机可读存储介质可以是非易失性的，也可以是易失性的。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行上述呼吸机参数获取装置方法实施例中所执行的步骤。
在一些实施例中，所述的计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
其中，本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所揭露的仅为本申请一种较佳实施例而已，当然不能以此来限定本申请之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本申请权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (10)

1.一种呼吸机参数获取方法，其特征在于，包括：
获取多个使用呼吸机的用户对应的多组状态参数，每组状态参数包括采用呼吸机参数调整策略前用户的第一状态参数、采用的所述呼吸机参数调整策略和采用所述呼吸机参数调整策略后该用户的第二状态参数；
根据所述多组状态参数确定各呼吸机参数调整策略在对应的第一状态参数和第二状态参数下的奖惩信息，以及确定第一状态参数在各呼吸机参数调整策略下对应的状态转化概率，所述状态转化概率用于指示用户在第一状态参数下采取呼吸机参数调整策略后得到第二状态参数的概率；
获取目标用户的目标状态参数；
根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略；其中，所述目标呼吸机参数调整策略用于指示对所述目标用户的呼吸机进行的参数调整策略。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述多组状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，训练得到呼吸机参数模型；
所述根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略，包括：
将所述目标状态参数输入所述呼吸机参数模型，得到所述目标状态参数对应的目标呼吸机参数调整策略。
3.根据权利要求2所述的方法，其特征在于，所述根据所述多组状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，训练得到呼吸机参数模型，包括：
根据所述多组状态参数以及各呼吸机参数调整策略对应的奖惩信息，确定奖惩函数；
根据所述多组状态参数以及所述状态转化概率，确定状态转化函数；
根据所述奖惩函数和所述状态转化函数，确定所述呼吸机参数模型的价值函数，以训练得到所述呼吸机参数模型。
4.根据权利要求1所述的方法，其特征在于，所述根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略，包括：
从所述多组状态参数中确定出第一状态参数和所述目标状态参数匹配的一组或多组状态参数；
根据所述匹配的一组或多组状态参数中各呼吸机参数调整策略对应的奖惩信息和所述匹配的一组或多组状态参数对应的状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述第一状态参数和所述第二状态参数为多维矩阵状态空间；所述获取目标用户的目标状态参数，包括：
获取所述目标用户的诊疗数据，所述诊疗数据包括多个特征数据；
分别将所述多个特征数据转化为特征向量，得到多个特征向量；
根据所述多个特征向量构建所述目标用户的多维矩阵状态空间，并将所述目标用户的多维矩阵状态空间确定为所述目标状态参数。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述奖惩信息包括奖励值或惩罚值；所述根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略，包括：
计算所述目标状态参数在多种呼吸机参数调整策略下的奖惩信息；
确定所述目标状态参数在所述多种呼吸机参数调整策略下的奖励值最大的呼吸机参数调整策略，并将所述奖励值最大的呼吸机参数调整策略作为目标呼吸机参数调整策略。
7.根据权利要求1-4任一项所述的方法，其特征在于，在所述确定所述目标状态参数对应的目标呼吸机参数调整策略之后，所述方法还包括：
对所述目标呼吸机参数调整策略进行校验；
当对所述目标呼吸机参数调整策略校验通过时，按照所述目标呼吸机参数调整策略对所述目标用户的呼吸机进行参数调整；
将所述目标用户的标识、所述目标状态参数和所述目标呼吸机参数调整策略绑定后上传区块链。
8.一种呼吸机参数获取装置，其特征在于，包括：
获取模块，用于获取多个使用呼吸机的用户对应的多组状态参数，每组状态参数包括采用呼吸机参数调整策略前用户的第一状态参数、采用的所述呼吸机参数调整策略和采用所述呼吸机参数调整策略后该用户的第二状态参数；
确定模块，用于根据所述多组状态参数确定各呼吸机参数调整策略在对应的第一状态参数和第二状态参数下的奖惩信息，以及确定第一状态参数在各呼吸机参数调整策略下对应的状态转化概率，所述状态转化概率用于指示用户在第一状态参数下采取呼吸机参数调整策略后得到第二状态参数的概率；
所述获取模块，还用于获取目标用户的目标状态参数；
所述确定模块，还用于根据所述目标状态参数、各呼吸机参数调整策略对应的奖惩信息、所述状态转化概率，确定所述目标状态参数对应的目标呼吸机参数调整策略；其中，所述目标呼吸机参数调整策略用于指示对所述目标用户的呼吸机进行的参数调整策略。
9.一种呼吸机参数获取设备，其特征在于，包括处理器和存储器，所述处理器和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
CN202010939041.2A 2020-09-08 2020-09-08 一种呼吸机参数获取方法、装置、设备及存储介质 Active CN111899862B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010939041.2A CN111899862B (zh) 2020-09-08 2020-09-08 一种呼吸机参数获取方法、装置、设备及存储介质
PCT/CN2020/124390 WO2021151331A1 (zh) 2020-09-08 2020-10-28 一种呼吸机参数获取方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010939041.2A CN111899862B (zh) 2020-09-08 2020-09-08 一种呼吸机参数获取方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111899862A CN111899862A (zh) 2020-11-06
CN111899862B true CN111899862B (zh) 2024-03-19

Family

ID=73225170

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010939041.2A Active CN111899862B (zh) 2020-09-08 2020-09-08 一种呼吸机参数获取方法、装置、设备及存储介质

Country Status (2)

Country Link
CN (1) CN111899862B (zh)
WO (1) WO2021151331A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113599645A (zh) * 2021-08-09 2021-11-05 深圳华声医疗技术股份有限公司 用于动态预览各种通气模式的波形的方法、装置、存储介质及呼吸机、麻醉机

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105916434A (zh) * 2013-11-15 2016-08-31 慕曼德保健公司 用于呼吸机设置的决策支持系统
CN106267494A (zh) * 2016-08-31 2017-01-04 湖南明康中锦医疗科技发展有限公司 基于吸气努力程度的呼吸机参数调整方法及呼吸机
WO2018023881A1 (zh) * 2016-08-03 2018-02-08 中兴通讯股份有限公司 一种参数调整方法、装置及计算机存储介质
CN107908819A (zh) * 2017-10-19 2018-04-13 深圳和而泰智能控制股份有限公司 预测用户状态变化的方法和装置
CN110854949A (zh) * 2019-11-08 2020-02-28 努比亚技术有限公司 一种充电控制方法、终端及计算机可读存储介质
EP3632298A1 (en) * 2018-10-05 2020-04-08 Koninklijke Philips N.V. Breathing adaptation system and method for influencing a breathing parameter

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107785065B (zh) * 2017-09-29 2021-07-27 天津怡和嘉业医疗科技有限公司 用于调整呼吸机运行参数的方法及系统
CN108494602B (zh) * 2018-04-08 2020-11-06 上海鸿洛通信电子有限公司 Ota参数的调整方法、装置及智能终端
CN111384753B (zh) * 2020-03-16 2022-01-04 Oppo广东移动通信有限公司 基于状态机的充电控制策略设计方法、装置、设备及介质
CN111401963B (zh) * 2020-03-20 2022-06-07 支付宝(杭州)信息技术有限公司 训练用户行为预测模型的方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105916434A (zh) * 2013-11-15 2016-08-31 慕曼德保健公司 用于呼吸机设置的决策支持系统
WO2018023881A1 (zh) * 2016-08-03 2018-02-08 中兴通讯股份有限公司 一种参数调整方法、装置及计算机存储介质
CN106267494A (zh) * 2016-08-31 2017-01-04 湖南明康中锦医疗科技发展有限公司 基于吸气努力程度的呼吸机参数调整方法及呼吸机
CN107908819A (zh) * 2017-10-19 2018-04-13 深圳和而泰智能控制股份有限公司 预测用户状态变化的方法和装置
EP3632298A1 (en) * 2018-10-05 2020-04-08 Koninklijke Philips N.V. Breathing adaptation system and method for influencing a breathing parameter
CN110854949A (zh) * 2019-11-08 2020-02-28 努比亚技术有限公司 一种充电控制方法、终端及计算机可读存储介质

Also Published As

Publication number Publication date
CN111899862A (zh) 2020-11-06
WO2021151331A1 (zh) 2021-08-05

Similar Documents

Publication Publication Date Title
US12101300B2 (en) Methods and systems of telemedicine diagnostics through remote sensing
CN110024038B (zh) 与用户和装置进行合成交互的系统和方法
CN110516161A (zh) 一种推荐方法及装置
CN110349642B (zh) 智能麻醉实施系统、装置、设备及存储介质
WO2011063384A2 (en) Treatment protocol template generation and branching logic system
CN111899862B (zh) 一种呼吸机参数获取方法、装置、设备及存储介质
CN115497616A (zh) 一种感染性疾病辅助决策的方法、系统、设备及存储介质
CN112908481A (zh) 一种自动化个人健康评估及管理方法及系统
CN115050454B (zh) 预测机械通气脱机的方法、装置、设备及存储介质
CN117034142B (zh) 一种不平衡医疗数据缺失值填充方法及系统
CN110732068A (zh) 一种基于云平台的呼吸状态预测方法
CN112604186A (zh) 一种呼吸运动预测方法
CN109559788A (zh) 一种病史采集方法及装置
CN118034112A (zh) 制氧机远程控制方法及系统
CN116344042B (zh) 基于多模态分析的认知储备干预提升方法及系统
CN109727670A (zh) 一种智能中风康复监护方法和系统
CN113940640B (zh) 心血管疾病风险控制方法、系统及存储介质
US8666766B2 (en) System and methods for simulating future medical episodes
US7877341B2 (en) Self-adaptive data pre-fetch by artificial neuron network
CN111951967A (zh) 一种智能家庭健康管理系统及装置
KR101422064B1 (ko) 시멘틱 환경의 유헬스 서비스를 제공하기 위한 나이브 베이지안 필터링 기반의 개인화 컨텐츠 추천 방법 및 이를 이용하는 디지털 ｔｖ 기반의 유헬스 서비스 플랫폼
CN110890157A (zh) 一种分析模型建立方法、辅助诊断装置及设备、介质
Rabaey et al. SynSUM--Synthetic Benchmark with Structured and Unstructured Medical Records
US20240161903A1 (en) Data communication between a ventilator and at least one data processing device
KR20140039408A (ko) 체형 정보를 이용한 고혈압 판단 모델을 생성하는 장치 및 그 방법, 고혈압 판단 모델을 이용한 고혈압 판단 장치 및 그 방법

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