CN112657028A - 一种基于物联网的实验室麻醉操作模拟控制系统及方法 - Google Patents
一种基于物联网的实验室麻醉操作模拟控制系统及方法 Download PDFInfo
- Publication number
- CN112657028A CN112657028A CN202011395590.4A CN202011395590A CN112657028A CN 112657028 A CN112657028 A CN 112657028A CN 202011395590 A CN202011395590 A CN 202011395590A CN 112657028 A CN112657028 A CN 112657028A
- Authority
- CN
- China
- Prior art keywords
- anesthesia
- module
- internet
- things
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 206010002091 Anaesthesia Diseases 0.000 title claims abstract description 273
- 230000037005 anaesthesia Effects 0.000 title claims abstract description 273
- 238000004088 simulation Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000006698 induction Effects 0.000 claims abstract description 57
- 238000002347 injection Methods 0.000 claims abstract description 54
- 239000007924 injection Substances 0.000 claims abstract description 54
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 53
- 230000000694 effects Effects 0.000 claims abstract description 37
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 238000004891 communication Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 238000013500 data storage Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 11
- 230000002068 genetic effect Effects 0.000 claims abstract description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 32
- 239000001301 oxygen Substances 0.000 claims description 32
- 229910052760 oxygen Inorganic materials 0.000 claims description 32
- 238000001228 spectrum Methods 0.000 claims description 29
- 238000010586 diagram Methods 0.000 claims description 23
- 238000002627 tracheal intubation Methods 0.000 claims description 23
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 15
- 230000002269 spontaneous effect Effects 0.000 claims description 15
- 230000003444 anaesthetic effect Effects 0.000 claims description 13
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 12
- 238000009423 ventilation Methods 0.000 claims description 11
- 239000003814 drug Substances 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 9
- 230000035565 breathing frequency Effects 0.000 claims description 8
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 8
- 230000002618 waking effect Effects 0.000 claims description 8
- 238000011084 recovery Methods 0.000 claims description 7
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 6
- 239000001569 carbon dioxide Substances 0.000 claims description 6
- 229940079593 drug Drugs 0.000 claims description 6
- 229910052757 nitrogen Inorganic materials 0.000 claims description 6
- 230000036391 respiratory frequency Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 229910001873 dinitrogen Inorganic materials 0.000 claims description 3
- 238000011010 flushing procedure Methods 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 230000000241 respiratory effect Effects 0.000 claims description 3
- 239000003193 general anesthetic agent Substances 0.000 claims description 2
- 230000036387 respiratory rate Effects 0.000 claims description 2
- 230000003434 inspiratory effect Effects 0.000 claims 1
- 230000003595 spectral effect Effects 0.000 claims 1
- 238000002695 general anesthesia Methods 0.000 description 7
- 210000003437 trachea Anatomy 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000036407 pain Effects 0.000 description 2
- 108010064719 Oxyhemoglobins Proteins 0.000 description 1
- 238000001949 anaesthesia Methods 0.000 description 1
- 239000003994 anesthetic gas Substances 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 239000003983 inhalation anesthetic agent Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000010255 intramuscular injection Methods 0.000 description 1
- 239000007927 intramuscular injection Substances 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 210000003928 nasal cavity Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明属于麻醉操作模拟控制技术领域，公开了一种基于物联网的实验室麻醉操作模拟控制系统及方法，所述基于物联网的实验室麻醉操作模拟控制系统包括：注射量检测模块、麻醉时间设定模块、模拟参数配置模块、主控模块、物联通信模块、麻醉注射模块、麻醉诱导模块、麻醉深度估计模块、麻醉效果评价模块、数据存储模块、显示模块。本发明通过麻醉诱导模块有效提高麻醉的安全性和可靠性，简单便捷；同时，通过麻醉深度估计模块利用遗传算法优化卷积神经网络中各层的权重，避免训练过程陷入局部最优，提高了预测精度；采用反向传播算法调整权重，保证了预测模型的可靠性，能够更加精确地识别待检测者的麻醉深度状态。
Description
技术领域
本发明属于麻醉操作模拟控制技术领域，尤其涉及一种基于物联网的实验室麻醉操作模拟控制系统及方法。
背景技术
全身麻醉是指将麻醉药通过吸入、静脉、肌肉注射或直肠灌注进入体内，使中枢神经系统受到抑制，致使患者意识消失而周身无疼痛感觉的过程。这种麻醉方式便是常言道的“睡着状态”，特点是患者意识消失，全身肌肉松弛，体验不到疼痛。最常用的全身麻醉方式是气管插管全身麻醉，特点是采用静脉麻醉药或吸入麻醉药产生全身麻醉作用，术中需要行气管插管，机械辅助呼吸。气管插管全身麻醉的过程。此过程包括麻醉诱导，麻醉维持和麻醉苏醒。所谓麻醉诱导，便是让人由清醒转为睡着状态。患者进入手术室后，先由护士开放静脉通路(也就是扎针输液)，麻醉医生连接心电图，血压，血氧饱和度等监测，面罩吸氧。然后，麻醉医生便可以开始麻醉诱导了。麻醉医生会给患者静脉注射全身麻醉药或者吸入麻醉气体，患者在给药后3～5分钟便意识消失，由清醒进入睡眠状态。在全身麻醉状态下，由于没有意识、全身肌肉松弛，患者丧失呼吸的力量，自主呼吸通常会消失，因此在患者进入全麻状态后，麻醉医生会进行气管插管操作，即在喉镜等插管器械的辅助下把一根气管导管经患者的口腔或鼻腔插入患者的气管，气管导管的另一端连接麻醉机，由麻醉机通过气管导管给患者输送氧气，帮助患者呼吸。然而，现有基于物联网的实验室麻醉操作模拟控制系统及方法诱导过程中操作繁琐不便，不但降低工作效率，而且安全性和可靠性较低；同时，麻醉深度估计准确性差。
综上所述，现有技术存在的问题及缺陷是：现有基于物联网的实验室麻醉操作模拟控制系统及方法诱导过程中操作繁琐不便，不但降低工作效率，而且安全性和可靠性较低；同时，麻醉深度估计准确性差。
发明内容
针对现有技术存在的问题，本发明提供了一种基于物联网的实验室麻醉操作模拟控制系统及方法。
本发明是这样实现的，一种基于物联网的实验室麻醉操作模拟控制方法，所述基于物联网的实验室麻醉操作模拟控制方法包括以下步骤：
步骤一，通过注射量检测模块利用注射量检测装置检测麻醉注射量数据；通过麻醉时间设定模块利用时间设定程序根据时间表设定麻醉时间。
步骤二，通过模拟参数配置模块利用参数配置程序配置所述基于物联网的实验室麻醉操作的模拟控制参数；通过主控模块利用主机控制所述基于物联网的实验室麻醉操作模拟控制系统各个模块的正常工作。
步骤三，通过物联通信模块利用无线发射器接入物联网进行物联通信；通过麻醉注射模块利用麻醉注射器注射麻醉药物。
步骤四，通过麻醉诱导模块利用麻醉机接收主机诱导指令，并根据所述诱导指令使得机器进入诱导过程；所述诱导过程包括给氧去氮阶段、药物诱导阶段和气管插管阶段。
步骤五，麻醉机在接收到所述诱导指令后执行所述给氧去氮阶段，控制所述麻醉机输出预设浓度的氧气，并对所述麻醉机的回路和呼吸管路冲洗氮气。
步骤六，麻醉机在冲洗氮气预设时间后执行所述药物诱导阶段，根据患者的当前自主呼吸频率启动机控机通气，且根据患者的当前呼出氧浓度和当前吸入氧浓度发出气管插管提醒。
步骤七，麻醉机在所述呼吸管路重新连接后执行所述气管插管阶段，根据当前通气数据、患者的当前吸入二氧化碳浓度值和当前呼出二氧化碳浓度值判定通气有效时，发出插管完成提醒，否则发出重新插管提醒。
步骤八，通过麻醉深度估计程序获取脑电信号训练数据；所述脑电信号训练数据为检测者在整个麻醉时期的脑电信号。
步骤九，提取所述脑电信号训练数据的频谱特征图；所述频谱特征图包括清醒期频谱图、麻醉期频谱图和恢复期频谱图。
步骤十，将所述频谱特征图输入至卷积神经网络模型中，采用遗传算法对所述卷积神经网络模型中的初始权重进行优化，得到卷积神经网络优化模型。
步骤十一，将所述频谱特征图作为所述卷积神经网络优化模型的输入，采用反向传播算法对所述卷积神经网络优化模型中的权重进行调节，得到训练好的卷积神经网络优化模型。
步骤十二，获取待检测者当前的脑电信号数据；提取所述当前的脑电信号数据的频谱特征图，得到待检测频谱特征图。
步骤十三，将所述步骤十二得到的待检测频谱特征图输入至所述步骤十一训练好的卷积神经网络优化模型中，得到待检测者的当前状态；所述待检测者的当前状态为清醒期、麻醉期或恢复期。
步骤十四，通过麻醉效果评价模块利用效果评价程序对麻醉效果进行评价；通过数据存储模块利用存储器存储麻醉注射量数据、麻醉时间、配置参数以及评价结果。
步骤十五，通过显示模块利用显示器显示检测的麻醉注射量数据、麻醉时间、配置参数以及评价结果的实时数据。
进一步，步骤六中，所述根据患者的当前自主呼吸频率启动机控机通气，且根据患者的当前呼出氧浓度和当前吸入氧浓度发出气管插管提醒的方法，包括：
(I)获取所述当前自主呼吸频率；
(II)如果所述当前自主呼吸频率小于所述预设阈值，则启动所述麻醉机的机控机通气；
(III)在所述当前自主呼吸频率消失，且当前呼出氧浓度和当前吸入氧浓度满足预设条件，则判定给氧充分，发出所述气管插管提醒。
进一步，步骤十中，所述将所述频谱特征图输入至卷积神经网络模型中，采用遗传算法对所述卷积神经网络模型中的初始权重进行优化，得到卷积神经网络优化模型的方法，包括：
(1)构建卷积神经网络模型；所述神经网络模型包括卷积层、池化层和全连接层；
(2)确定所述卷积神经网络模型中卷积层和全连接层的初始权重；
(3)将所述初始权重进行二进制编码，得到初始化种群；所述初始化种群中每个个体对应一个卷积神经网络模型；
(4)将所述频谱特征图作为所述初始化种群中各卷积神经网络模型的输入，计算所述初始化种群中每个卷积神经网络模型的适应度值；
(5)判断是否存在适应度值小于预设分类误差值或当前迭代次数是否大于或等于预设迭代次数。
进一步，步骤(5)中，所述判断是否存在适应度值小于预设分类误差值或当前迭代次数是否大于或等于预设迭代次数，还包括：
若是，则将最大的适应度值对应的卷积神经网络模型确定为卷积神经网络优化模型；
若否，则对所述初始化种群中的个体进行选择、交叉和变异操作，更新初始化种群以及当前迭代次数，并返回所述将所述频谱特征图作为所述初始化种群中各卷积神经网络模型的输入，计算所述初始化种群个体中每个卷积神经网络模型的适应度值。
进一步，步骤十四中，所述通过麻醉效果评价模块利用效果评价程序对麻醉效果进行评价的方法，包括：
1)获取所述麻醉操作参数；其中，所述麻醉操作参数包括麻醉注射量数据、麻醉时间、模拟控制参数和残余误差；
2)分别计算所述麻醉操作的参数满意度和所述残余误差的误差满意度；
3)根据所述麻醉操作的参数满意度和所述误差满意度进行计算以得到所述麻醉操作效果。
进一步，步骤2)中，所述分别计算所述麻醉操作的参数满意度和所述残余误差的误差满意度的方法，包括：
判断所述麻醉操作参数是否大于第一预设值，并判断所述残余误差是否大于第二预设值；
若所述麻醉操作参数大于第一预设值，则按照第一预设公式计算得到所述麻醉操作的参数满意度，若所述残余误差大于第二预设值，则按照第二预设公式计算得到所述误差满意度。
进一步，所述第二预设公式为：
其中，δE为误差满意度，x2为残余误差，a2为第二预设值，σ2为第二预设标准差。
本发明的另一目的在于提供一种应用所述的基于物联网的实验室麻醉操作模拟控制方法的基于物联网的实验室麻醉操作模拟控制系统，所述基于物联网的实验室麻醉操作模拟控制系统包括：
注射量检测模块、麻醉时间设定模块、模拟参数配置模块、主控模块、物联通信模块、麻醉注射模块、麻醉诱导模块、麻醉深度估计模块、麻醉效果评价模块、数据存储模块、显示模块。
注射量检测模块，与主控模块连接，用于通过注射量检测装置检测麻醉注射量数据；
麻醉时间设定模块，与主控模块连接，用于通过时间设定程序根据时间表设定麻醉时间；
模拟参数配置模块，与主控模块连接，用于通过参数配置程序配置所述基于物联网的实验室麻醉操作的模拟控制参数；
主控模块，与注射量检测模块、麻醉时间设定模块、模拟参数配置模块、物联通信模块、麻醉注射模块、麻醉诱导模块、麻醉深度估计模块、麻醉效果评价模块、数据存储模块、显示模块连接，用于通过主机控制所述基于物联网的实验室麻醉操作模拟控制系统各个模块的正常工作；
物联通信模块，与主控模块连接，用于通过无线发射器接入物联网进行物联通信；
麻醉注射模块，与主控模块连接，用于通过麻醉注射器注射麻醉药物；
麻醉诱导模块，与主控模块连接，用于通过麻醉机接收主机诱导指令进行麻醉诱导操作；
麻醉深度估计模块，与主控模块连接，用于通过麻醉深度估计程序对麻醉深度进行估计；
麻醉效果评价模块，与主控模块连接，用于通过效果评价程序对麻醉效果进行评价；
数据存储模块，与主控模块连接，用于通过存储器存储麻醉注射量数据、麻醉时间、配置参数以及评价结果；
显示模块，与主控模块连接，用于通过显示器显示检测的麻醉注射量数据、麻醉时间、配置参数以及评价结果的实时数据。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的基于物联网的实验室麻醉操作模拟控制方法。
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的基于物联网的实验室麻醉操作模拟控制方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明通过麻醉诱导模块可以根据麻醉机的当前所处阶段协助麻醉医生完成麻醉诱导过程，并根据监测病人状态实现通气的自动调节，诱导插管状态的自动识别以及关键信息的提示等功能，使得诱导过程更加自动化和规范化，不但提高工作效率，并且有有效提高麻醉的安全性和可靠性，简单便捷；同时，通过麻醉深度估计模块利用遗传算法优化卷积神经网络中各层的权重，避免训练过程陷入局部最优，提高了预测精度；采用反向传播算法调整权重，保证了预测模型的可靠性，能够更加精确地识别待检测者的麻醉深度状态，为术中麻醉深度的监测提供了更加方便可靠的途径。
附图说明
图1是本发明实施例提供的基于物联网的实验室麻醉操作模拟控制方法流程图。
图2是本发明实施例提供的基于物联网的实验室麻醉操作模拟控制系统结构框图；
图中：1、注射量检测模块；2、麻醉时间设定模块；3、模拟参数配置模块；4、主控模块；5、物联通信模块；6、麻醉注射模块；7、麻醉诱导模块；8、麻醉深度估计模块；9、麻醉效果评价模块；10、数据存储模块；11、显示模块。
图3是本发明实施例提供的通过麻醉机接收主机诱导指令进行麻醉诱导操作的方法流程图。
图4是本发明实施例提供的通过麻醉深度估计程序对麻醉深度进行估计的方法流程图。
图5是本发明实施例提供的通过效果评价程序对麻醉效果进行评价的方法流程图。
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。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的基于物联网的实验室麻醉操作模拟控制方法包括以下步骤：
S101，通过注射量检测模块利用注射量检测装置检测麻醉注射量数据；通过麻醉时间设定模块利用时间设定程序根据时间表设定麻醉时间。
S102，通过模拟参数配置模块利用参数配置程序配置所述基于物联网的实验室麻醉操作的模拟控制参数。
S103，通过主控模块利用主机控制所述基于物联网的实验室麻醉操作模拟控制系统各个模块的正常工作。
S104，通过物联通信模块利用无线发射器接入物联网进行物联通信；通过麻醉注射模块利用麻醉注射器注射麻醉药物。
S105，通过麻醉诱导模块利用麻醉机接收主机诱导指令进行麻醉诱导操作；通过麻醉深度估计模块利用麻醉深度估计程序对麻醉深度进行估计。
S106，通过麻醉效果评价模块利用效果评价程序对麻醉效果进行评价；通过数据存储模块利用存储器存储麻醉注射量数据、麻醉时间、配置参数以及评价结果。
S107，通过显示模块利用显示器显示检测的麻醉注射量数据、麻醉时间、配置参数以及评价结果的实时数据。
如图2所示，本发明实施例提供的基于物联网的实验室麻醉操作模拟控制系统包括：注射量检测模块1、麻醉时间设定模块2、模拟参数配置模块3、主控模块4、物联通信模块5、麻醉注射模块6、麻醉诱导模块7、麻醉深度估计模块8、麻醉效果评价模块9、数据存储模块10、显示模块11。
注射量检测模块1，与主控模块4连接，用于通过注射量检测装置检测麻醉注射量数据；
麻醉时间设定模块2，与主控模块4连接，用于通过时间设定程序根据时间表设定麻醉时间；
模拟参数配置模块3，与主控模块4连接，用于通过参数配置程序配置所述基于物联网的实验室麻醉操作的模拟控制参数；
主控模块4，与注射量检测模块1、麻醉时间设定模块2、模拟参数配置模块3、物联通信模块5、麻醉注射模块6、麻醉诱导模块7、麻醉深度估计模块8、麻醉效果评价模块9、数据存储模块10、显示模块11连接，用于通过主机控制所述基于物联网的实验室麻醉操作模拟控制系统各个模块的正常工作；
物联通信模块5，与主控模块4连接，用于通过无线发射器接入物联网进行物联通信；
麻醉注射模块6，与主控模块4连接，用于通过麻醉注射器注射麻醉药物；
麻醉诱导模块7，与主控模块4连接，用于通过麻醉机接收主机诱导指令进行麻醉诱导操作；
麻醉深度估计模块8，与主控模块4连接，用于通过麻醉深度估计程序对麻醉深度进行估计；
麻醉效果评价模块9，与主控模块4连接，用于通过效果评价程序对麻醉效果进行评价；
数据存储模块10，与主控模块4连接，用于通过存储器存储麻醉注射量数据、麻醉时间、配置参数以及评价结果；
显示模块11，与主控模块4连接，用于通过显示器显示检测的麻醉注射量数据、麻醉时间、配置参数以及评价结果的实时数据。
下面结合具体实施例对本发明作进一步描述。
实施例1
本发明实施例提供的基于物联网的实验室麻醉操作模拟控制方法如图1所示，作为优选实施例，如图3所示，本发明实施例提供的通过麻醉机接收主机诱导指令进行麻醉诱导操作的方法包括：
S201，通过麻醉机接收诱导指令，以根据所述诱导指令使得机器进入诱导过程，其中，所述诱导过程包括给氧去氮阶段、药物诱导阶段和气管插管阶段。
S202，麻醉机在接收到所述诱导指令后执行所述给氧去氮阶段，控制所述麻醉机输出预设浓度的氧气，并对所述麻醉机的回路和呼吸管路冲洗氮气。
S203，麻醉机在冲洗氮气预设时间后执行所述药物诱导阶段，根据患者的当前自主呼吸频率启动机控机通气，且根据患者的当前呼出氧浓度和当前吸入氧浓度发出气管插管提醒。
S204，麻醉机在所述呼吸管路重新连接后执行所述气管插管阶段，根据当前通气数据、患者的当前吸入二氧化碳浓度值和当前呼出二氧化碳浓度值判定通气有效时，发出插管完成提醒，否则发出重新插管提醒。
本发明实施例提供的根据患者的当前自主呼吸频率启动机控机通气，且根据患者的当前呼出氧浓度和当前吸入氧浓度发出气管插管提醒的方法，包括：
获取所述当前自主呼吸频率；
如果所述当前自主呼吸频率小于所述预设阈值，则启动所述麻醉机的机控机通气；
在所述当前自主呼吸频率消失，且当前呼出氧浓度和当前吸入氧浓度满足预设条件，则判定给氧充分，发出所述气管插管提醒。
实施例2
本发明实施例提供的基于物联网的实验室麻醉操作模拟控制方法如图1所示，作为优选实施例，如图4所示，本发明实施例提供的通过麻醉深度估计程序对麻醉深度进行估计的方法包括：
S301，通过估计程序获取脑电信号训练数据；所述脑电信号训练数据为检测者在整个麻醉时期的脑电信号。
S302，提取所述脑电信号训练数据的频谱特征图；所述频谱特征图包括清醒期频谱图、麻醉期频谱图和恢复期频谱图。
S303，将所述频谱特征图输入至卷积神经网络模型中，采用遗传算法对所述卷积神经网络模型中的初始权重进行优化，得到卷积神经网络优化模型。
S304，将所述频谱特征图作为所述卷积神经网络优化模型的输入，采用反向传播算法对所述卷积神经网络优化模型中的权重进行调节，得到训练好的卷积神经网络优化模型。
S305，获取待检测者当前的脑电信号数据；提取所述当前的脑电信号数据的频谱特征图，得到待检测频谱特征图。
S306，将所述待检测频谱特征图输入至所述训练好的卷积神经网络优化模型中，得到待检测者的当前状态；所述待检测者的当前状态为清醒期、麻醉期或恢复期。
本发明实施例提供的将所述频谱特征图输入至卷积神经网络模型中，采用遗传算法对所述卷积神经网络模型中的初始权重进行优化，得到卷积神经网络优化模型的方法，包括：
(1)构建卷积神经网络模型；所述神经网络模型包括卷积层、池化层和全连接层；
(2)确定所述卷积神经网络模型中卷积层和全连接层的初始权重；
(3)将所述初始权重进行二进制编码，得到初始化种群；所述初始化种群中每个个体对应一个卷积神经网络模型；
(4)将所述频谱特征图作为所述初始化种群中各卷积神经网络模型的输入，计算所述初始化种群中每个卷积神经网络模型的适应度值；
(5)判断是否存在适应度值小于预设分类误差值或当前迭代次数是否大于或等于预设迭代次数；
若是，则将最大的适应度值对应的卷积神经网络模型确定为卷积神经网络优化模型；
若否，则对所述初始化种群中的个体进行选择、交叉和变异操作，更新初始化种群以及当前迭代次数，并返回所述将所述频谱特征图作为所述初始化种群中各卷积神经网络模型的输入，计算所述初始化种群个体中每个卷积神经网络模型的适应度值。
实施例3
本发明实施例提供的基于物联网的实验室麻醉操作模拟控制方法如图1所示，作为优选实施例，如图5所示，本发明实施例提供的通过效果评价程序对麻醉效果进行评价的方法包括：
S401，获取所述麻醉操作参数；其中，所述麻醉操作参数包括麻醉注射量数据、麻醉时间、模拟控制参数和残余误差。
S402，分别计算所述麻醉操作的参数满意度和所述残余误差的误差满意度。
S403，根据所述麻醉操作的参数满意度和所述误差满意度进行计算以得到所述麻醉操作效果。
本发明实施例提供的分别计算所述麻醉操作的参数满意度和所述残余误差的误差满意度的方法，包括：
判断所述麻醉操作参数是否大于第一预设值，并判断所述残余误差是否大于第二预设值；
若所述麻醉操作参数大于第一预设值，则按照第一预设公式计算得到所述麻醉操作的参数满意度，若所述残余误差大于第二预设值，则按照第二预设公式计算得到所述误差满意度。
本发明实施例提供的第二预设公式为：
其中，δE为误差满意度，x2为残余误差，a2为第二预设值，σ2为第二预设标准差。
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SolidStateDisk(SSD))等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，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，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于物联网的实验室麻醉操作模拟控制方法，其特征在于，所述基于物联网的实验室麻醉操作模拟控制方法包括以下步骤：
步骤一，通过注射量检测模块利用注射量检测装置检测麻醉注射量数据；通过麻醉时间设定模块利用时间设定程序根据时间表设定麻醉时间；
步骤二，通过模拟参数配置模块利用参数配置程序配置所述基于物联网的实验室麻醉操作的模拟控制参数；通过主控模块利用主机控制所述基于物联网的实验室麻醉操作模拟控制系统各个模块的正常工作；
步骤三，通过物联通信模块利用无线发射器接入物联网进行物联通信；通过麻醉注射模块利用麻醉注射器注射麻醉药物；
步骤四，通过麻醉诱导模块利用麻醉机接收主机诱导指令，并根据所述诱导指令使得机器进入诱导过程；所述诱导过程包括给氧去氮阶段、药物诱导阶段和气管插管阶段；
步骤五，麻醉机在接收到所述诱导指令后执行所述给氧去氮阶段，控制所述麻醉机输出预设浓度的氧气，并对所述麻醉机的回路和呼吸管路冲洗氮气；
步骤六，麻醉机在冲洗氮气预设时间后执行所述药物诱导阶段，根据患者的当前自主呼吸频率启动机控机通气，且根据患者的当前呼出氧浓度和当前吸入氧浓度发出气管插管提醒；
步骤七，麻醉机在所述呼吸管路重新连接后执行所述气管插管阶段，根据当前通气数据、患者的当前吸入二氧化碳浓度值和当前呼出二氧化碳浓度值判定通气有效时，发出插管完成提醒，否则发出重新插管提醒；
步骤八，通过麻醉深度估计程序获取脑电信号训练数据；所述脑电信号训练数据为检测者在整个麻醉时期的脑电信号；
步骤九，提取所述脑电信号训练数据的频谱特征图；所述频谱特征图包括清醒期频谱图、麻醉期频谱图和恢复期频谱图；
步骤十，将所述频谱特征图输入至卷积神经网络模型中，采用遗传算法对所述卷积神经网络模型中的初始权重进行优化，得到卷积神经网络优化模型；
步骤十一，将所述频谱特征图作为所述卷积神经网络优化模型的输入，采用反向传播算法对所述卷积神经网络优化模型中的权重进行调节，得到训练好的卷积神经网络优化模型；
步骤十二，获取待检测者当前的脑电信号数据；提取所述当前的脑电信号数据的频谱特征图，得到待检测频谱特征图；
步骤十三，将所述步骤十二得到的待检测频谱特征图输入至所述步骤十一训练好的卷积神经网络优化模型中，得到待检测者的当前状态；所述待检测者的当前状态为清醒期、麻醉期或恢复期；
步骤十四，通过麻醉效果评价模块利用效果评价程序对麻醉效果进行评价；通过数据存储模块利用存储器存储麻醉注射量数据、麻醉时间、配置参数以及评价结果；
步骤十五，通过显示模块利用显示器显示检测的麻醉注射量数据、麻醉时间、配置参数以及评价结果的实时数据。
2.如权利要求1所述的基于物联网的实验室麻醉操作模拟控制方法，其特征在于，步骤六中，所述根据患者的当前自主呼吸频率启动机控机通气，且根据患者的当前呼出氧浓度和当前吸入氧浓度发出气管插管提醒的方法，包括：
(I)获取所述当前自主呼吸频率；
(II)如果所述当前自主呼吸频率小于所述预设阈值，则启动所述麻醉机的机控机通气；
(III)在所述当前自主呼吸频率消失，且当前呼出氧浓度和当前吸入氧浓度满足预设条件，则判定给氧充分，发出所述气管插管提醒。
3.如权利要求1所述的基于物联网的实验室麻醉操作模拟控制方法，其特征在于，步骤十中，所述将所述频谱特征图输入至卷积神经网络模型中，采用遗传算法对所述卷积神经网络模型中的初始权重进行优化，得到卷积神经网络优化模型的方法，包括：
(1)构建卷积神经网络模型；所述神经网络模型包括卷积层、池化层和全连接层；
(2)确定所述卷积神经网络模型中卷积层和全连接层的初始权重；
(3)将所述初始权重进行二进制编码，得到初始化种群；所述初始化种群中每个个体对应一个卷积神经网络模型；
(4)将所述频谱特征图作为所述初始化种群中各卷积神经网络模型的输入，计算所述初始化种群中每个卷积神经网络模型的适应度值；
(5)判断是否存在适应度值小于预设分类误差值或当前迭代次数是否大于或等于预设迭代次数。
4.如权利要求3所述的基于物联网的实验室麻醉操作模拟控制方法，其特征在于，步骤(5)中，所述判断是否存在适应度值小于预设分类误差值或当前迭代次数是否大于或等于预设迭代次数，还包括：
若是，则将最大的适应度值对应的卷积神经网络模型确定为卷积神经网络优化模型；
若否，则对所述初始化种群中的个体进行选择、交叉和变异操作，更新初始化种群以及当前迭代次数，并返回所述将所述频谱特征图作为所述初始化种群中各卷积神经网络模型的输入，计算所述初始化种群个体中每个卷积神经网络模型的适应度值。
5.如权利要求1所述的基于物联网的实验室麻醉操作模拟控制方法，其特征在于，步骤十四中，所述通过麻醉效果评价模块利用效果评价程序对麻醉效果进行评价的方法，包括：
1)获取所述麻醉操作参数；其中，所述麻醉操作参数包括麻醉注射量数据、麻醉时间、模拟控制参数和残余误差；
2)分别计算所述麻醉操作的参数满意度和所述残余误差的误差满意度；
3)根据所述麻醉操作的参数满意度和所述误差满意度进行计算以得到所述麻醉操作效果。
6.如权利要求5所述的基于物联网的实验室麻醉操作模拟控制方法，其特征在于，步骤2)中，所述分别计算所述麻醉操作的参数满意度和所述残余误差的误差满意度的方法，包括：
判断所述麻醉操作参数是否大于第一预设值，并判断所述残余误差是否大于第二预设值；
若所述麻醉操作参数大于第一预设值，则按照第一预设公式计算得到所述麻醉操作的参数满意度，若所述残余误差大于第二预设值，则按照第二预设公式计算得到所述误差满意度。
7.如权利要求6所述的基于物联网的实验室麻醉操作模拟控制方法，其特征在于，所述第二预设公式为：
其中，δE为误差满意度，x2为残余误差，a2为第二预设值，σ2为第二预设标准差。
8.一种应用如权利要求1～7任意一项所述的基于物联网的实验室麻醉操作模拟控制方法的基于物联网的实验室麻醉操作模拟控制系统，其特征在于，所述基于物联网的实验室麻醉操作模拟控制系统包括：
注射量检测模块，与主控模块连接，用于通过注射量检测装置检测麻醉注射量数据；
麻醉时间设定模块，与主控模块连接，用于通过时间设定程序根据时间表设定麻醉时间；
模拟参数配置模块，与主控模块连接，用于通过参数配置程序配置所述基于物联网的实验室麻醉操作的模拟控制参数；
主控模块，与注射量检测模块、麻醉时间设定模块、模拟参数配置模块、物联通信模块、麻醉注射模块、麻醉诱导模块、麻醉深度估计模块、麻醉效果评价模块、数据存储模块、显示模块连接，用于通过主机控制所述基于物联网的实验室麻醉操作模拟控制系统各个模块的正常工作；
物联通信模块，与主控模块连接，用于通过无线发射器接入物联网进行物联通信；
麻醉注射模块，与主控模块连接，用于通过麻醉注射器注射麻醉药物；
麻醉诱导模块，与主控模块连接，用于通过麻醉机接收主机诱导指令进行麻醉诱导操作；
麻醉深度估计模块，与主控模块连接，用于通过麻醉深度估计程序对麻醉深度进行估计；
麻醉效果评价模块，与主控模块连接，用于通过效果评价程序对麻醉效果进行评价；
数据存储模块，与主控模块连接，用于通过存储器存储麻醉注射量数据、麻醉时间、配置参数以及评价结果；
显示模块，与主控模块连接，用于通过显示器显示检测的麻醉注射量数据、麻醉时间、配置参数以及评价结果的实时数据。
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1～7任意一项所述的基于物联网的实验室麻醉操作模拟控制方法。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1～7任意一项所述的基于物联网的实验室麻醉操作模拟控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011395590.4A CN112657028A (zh) | 2020-12-03 | 2020-12-03 | 一种基于物联网的实验室麻醉操作模拟控制系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011395590.4A CN112657028A (zh) | 2020-12-03 | 2020-12-03 | 一种基于物联网的实验室麻醉操作模拟控制系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112657028A true CN112657028A (zh) | 2021-04-16 |
Family
ID=75402559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011395590.4A Pending CN112657028A (zh) | 2020-12-03 | 2020-12-03 | 一种基于物联网的实验室麻醉操作模拟控制系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112657028A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204033933U (zh) * | 2014-04-19 | 2014-12-24 | 张建锋 | 闭环静脉靶控麻醉系统 |
| CN205359450U (zh) * | 2016-01-14 | 2016-07-06 | 安徽邵氏华艾生物医疗电子科技有限公司 | 一种基于物联网的麻醉深度监测系统 |
| CN109242354A (zh) * | 2018-10-24 | 2019-01-18 | 中国工程物理研究院激光聚变研究中心 | 加工效果评价方法和加工效果评价装置 |
| CN109645989A (zh) * | 2018-12-10 | 2019-04-19 | 燕山大学 | 一种麻醉深度估计方法及系统 |
| CN109718450A (zh) * | 2018-12-29 | 2019-05-07 | 北京谊安医疗系统股份有限公司 | 麻醉诱导方法、装置及麻醉机 |
-
2020
- 2020-12-03 CN CN202011395590.4A patent/CN112657028A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204033933U (zh) * | 2014-04-19 | 2014-12-24 | 张建锋 | 闭环静脉靶控麻醉系统 |
| CN205359450U (zh) * | 2016-01-14 | 2016-07-06 | 安徽邵氏华艾生物医疗电子科技有限公司 | 一种基于物联网的麻醉深度监测系统 |
| CN109242354A (zh) * | 2018-10-24 | 2019-01-18 | 中国工程物理研究院激光聚变研究中心 | 加工效果评价方法和加工效果评价装置 |
| CN109645989A (zh) * | 2018-12-10 | 2019-04-19 | 燕山大学 | 一种麻醉深度估计方法及系统 |
| CN109718450A (zh) * | 2018-12-29 | 2019-05-07 | 北京谊安医疗系统股份有限公司 | 麻醉诱导方法、装置及麻醉机 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11027080B2 (en) | System and method for determining ventilator leakage during stable periods within a breath | |
| EP2539001B1 (en) | Spontaneous breathing trial manager | |
| AU2008305313B2 (en) | Automated sleep phenotyping | |
| US20100218766A1 (en) | Customizable mandatory/spontaneous closed loop mode selection | |
| US9937308B2 (en) | System and method for customizable automated control of fraction of inspired oxygen and/or positive end expiratory pressure to maintain oxygenation | |
| US20110168177A1 (en) | Anesthesia Simulator and Controller for Closed-Loop Anesthesia | |
| US20130025597A1 (en) | Methods and systems for monitoring a ventilated patient with an oximeter | |
| Meier et al. | Fuzzy logic control of human blood pressure during anesthesia | |
| RU2538177C2 (ru) | Система и способ контроля легочной гиперемии | |
| SE533389C2 (sv) | Inställning av utandningstid vid föreskriven konstgjord andning baserat på en avvikelse från ett stabilt tillstånd hos de slutgiltiga koncentrationerna av tidal gas | |
| US20140150795A1 (en) | System and method for detecting double triggering with remote monitoring | |
| CN114522311A (zh) | 一种便携式麻醉与手术一体化系统 | |
| CN114324551B (zh) | 一种基于丙泊酚血/气比与时间关系的实时监测丙泊酚血药浓度的方法 | |
| US20070017517A1 (en) | Apparatus for aspirating a dead space | |
| EP3383464B1 (en) | Method of co2 measurement during non-invasive ventilation | |
| WO2022105586A1 (zh) | 一种医疗设备系统以及通气治疗辅助设备 | |
| CN112826498A (zh) | 一种自主呼吸监测方法及系统 | |
| CN112657028A (zh) | 一种基于物联网的实验室麻醉操作模拟控制系统及方法 | |
| CN112354055A (zh) | 一种剂量可调的吸入式持续麻醉系统及方法 | |
| US20210308396A1 (en) | Breathing Gas Remixer | |
| KR102578530B1 (ko) | 혈중 산소 포화도 기반 고유량 호흡 장치 및 방법 | |
| US20240157074A1 (en) | Automated oxygen therapy device and related methods | |
| US20240316301A1 (en) | Mechanical ventilator closed loop control system, methods, and apparatus | |
| Nederstigt | Design and implementation of a second prototype intelligent alarm system in anesthesia | |
| Santos | Ventilator: An Analysis of the History, Design, and Current World Implications |
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 |