CN112657050A - 一种基于物联网边缘计算的人工心脏控制系统及运行方法 - Google Patents

Abstract

一种基于物联网边缘计算的人工心脏控制系统及运行方法，属于生物医学工程领域。包括人工心脏、控制器、边缘计算模块、云服务器，控制器用于控制人工心脏，采集人工心脏的实时数据，并且将此数据传输到边缘计算模块和云服务器；边缘计算模块用于处理控制器传输的人工心脏的数据，然后将数据传输给云服务器，同时反馈给控制器；云端服务器对控制器传输的数据进行处理，对边缘计算模块传输的数据进行保存，结合患者的生理状态信息对数据进行再次优化处理，将最终的处理结果反馈给控制器，控制器反馈给人工心脏。通过对人工心脏采集的原始数据进行分级处理，能够高效率的优化人工心脏的运行状态，使患者的心脏得到更加有效的恢复。

Description

一种基于物联网边缘计算的人工心脏控制系统及运行方法

技术领域

本发明涉及一种基于物联网边缘计算的人工心脏控制系统，属于生物医学工程领域。

背景技术

心力衰竭是严重影响人类健康的疾病。心衰患者数量多而且死亡率高，其最有效的治疗方式是心脏移植和人工心脏辅助。由于心脏供体有限，心脏移植的手术无法广泛开展，因此人工心脏逐步发展起来。随着技术的飞速发展，人工心脏作为心衰的治疗方式成为重要的临床治疗手段。现有的人工心脏控制系统存在不能及时的对人工心脏产生的大量数据进行处理，控制精度不高，对于突发问题不能做出及时响应等问题。

发明内容

为了解决上述问题，本发明提供一种基于物联网边缘计算的人工心脏控制系统，特别针对分体式人工心脏控制系统中的问题。

为了实现上述目的，本发明采取了如下技术方案：

一种基于物联网边缘计算的人工心脏控制系统，包含人工心脏、控制器、边缘计算模块、云服务器；人工心脏与控制器电路或信号连接，控制器分别与边缘计算模块、云服务器进行电路或信号连接，边缘计算模块与云服务器电路或信号连接；

控制器用于控制人工心脏，采集人工心脏的实时数据，并且将此数据传输到边缘计算模块和云服务器；边缘计算模块用于处理控制器传输的人工心脏的数据，将原始数据和处理后的数据进行保存，然后将数据传输给云服务器，同时反馈给控制器；云端服务器对控制器传输的数据进行处理，对边缘计算模块传输的数据进行保存，同时结合患者的生理状态信息对数据进行再次优化处理，将最终的处理结果反馈给控制器，控制器反馈给人工心脏。

所述人工心脏是分体式人工心脏，包括人工心脏泵以及体外磁驱动系统。

所述控制器用于控制人工心脏，采集人工心脏产生的数据，并将数据传输给边缘计算模块和云服务器；所述边缘计算模块用于数据的保存及处理、网络传输以及通信协议的转换，同时可以连接其他的终端设备；所述云服务器用于接收来自控制器以及边缘计算模块传输的数据，并对数据进行处理，同时结合患者的生理信息对数据进行优化处理，将数据反馈给控制器，控制器根据优化后的数据对人工心脏进行优化控制。

所述控制器用于控制体外磁驱动系统，进而控制人工心脏泵，并且采集人工心脏产生的数据，包括人工心脏泵的转速、输出流量等，将数据传输到边缘计算模块以及云服务器，然后根据PID算法对人工心脏泵的运行状态进行第一次修正；

所述边缘计算模块嵌入了实时操作系统，能实时对数据进行处理，包括数据的清洗、整合以及保存，优化后的数据再传输到云服务器。

进一步地，边缘计算模块嵌入的实时操作系统，可以是RT-Thread、FREERTOS、LINUX等操作系统。

进一步地，边缘计算模块所处理的数据包括控制器采集的原始数据，包含人工心脏泵的转速、输出流量等原始数据；

进一步地，边缘计算模块对数据进行的处理，包括数据清洗、整合以及保存，其中数据清洗是指对原始数据进行清洗，包括去除有缺失的数据、去除格式和内容错误的数据、去除逻辑错误的数据、去除不需要的数据，数据整合是指对清洗后的数据进行整合，数据保存包括对清洗、整合之后的数据进行保存。

所述边缘计算模块可以接收来自云服务器传输的数据，同时能够区分数据是控制器本地还是云端处理的数据。

进一步地，边缘计算模块含有内置端口，基本包含两个端口：COM1、COM2，COM1端口连接控制器，使用IIC、SPI、UART等传输协议进行数据传输；COM2端口连接云服务器，使用TCP\IP数据传输协议，并且使用TCP\IP协议下的Socket应用程序编程接口进行通信，根据接口的不同以及通信协议的不同来识别是控制器本地传输的数据还是云端处理的数据。

所述边缘计算模块连接其他的终端设备主要是采集心电信号的终端设备，人工心脏经过第一次修正并稳定运行之后，采集心电数据并使用心电算法进行处理，将数据处理结果反馈给控制器，控制器对人工心脏的运行状态进行第二次的优化控制；

所述的采集心电信号的终端设备可以是常用的十二导联心电采集设备，也可以便携式心电采集设备，比如智能手环。

所述的云服务器用于接收控制器以及边缘计算模块传输的数据，对患者的生理状态信息和接受到的数据进行综合处理，将数据结果反馈给控制器，控制器根据此数据对人工心脏的运行状态进行第三次的优化控制。

进一步地，云服务器在同时受到控制器以及边缘计算模块传输的数据时，首先对边缘计算模块传输的数据进行保存，其次对控制器传输的数据进行处理。

进一步地，云服务器对控制器传输的原始数据进行处理，其处理过程与边缘计算模块对原始数据的处理过程一致，也包括数据清洗、整合以及保存。

所述的患者的生理状态信息包括心衰程度、血氧饱和度、血压等常规生理信息，同时包括患者是否进行药物治疗，以及使用的药物类型。

所述云服务器所存储的大量数据，包括控制器传输的原始数据、边缘计算模块传输的数据、患者的生理状态信息，使用机器学习进行建模训练，以此来对人工心脏下一时刻的运行状态进行预测，如有风险产生，则及时产生预警，将预警信息及时传输到控制器，对人工心脏的运行状态进行调整。

进一步地，云服务器收到的第一批由边缘计算模块上传的数据作为训练数据，使用相关机器学习算法进行训练进而建立相应的模型，之后将该模型发送到边缘计算模块。

进一步地，当边缘计算模块本身判定该模型在使用过程中产生的结果不符合预期时，会将该模型发给云服务器进行修正，之后在将重新训练之后的模型发送给边缘计算模块，多次重复直至符合边缘模块的要求，最终的模型能在边缘计算模块上进行使用。

本发明一种基于物联网边缘计算的人工心脏控制系统的运行方法，其特征在于，包括以下步骤：

第一步，初次开启人工心脏，输入初始参数；人工心脏系统开启后，人工心脏泵稳定运行，控制器采集人工心脏泵运行时的主要参数：人工心脏泵的转速、人工心脏泵的输出流量，根据这两个主要参数，通过PID算法对人工心脏泵的转速进行调整，将调整后的人工心脏泵的转速反馈给人工心脏泵，此为人工心脏泵的第一次修正；同时，控制器将采集到的原始数据通过有线网络传输给边缘计算模块，通过无线网络传输给云服务器；

经过第一次的修正，人工心脏泵可以稳定运行；

第二步，在人工心脏泵经过第一次的修正稳定运行之后，控制器就向边缘计算模块发送信号“人工心脏泵第一次稳定运行”，边缘计算模块在接收到该信号之后，边缘计算模块开始采集心电信号；边缘计算模块将实时采集到的心电信号使用心电算法进行处理，将心电数据处理结果反馈给控制器，同时将心电数据处理结果上传到云服务器，控制器根据边缘计算模块反馈的心电信号对人工心脏的运行状态进行第二次的优化控制；

第三步，在人工心脏泵经过第二次的优化调整，在稳定运行之后，控制器就向边缘计算模块发送信号“人工心脏泵第二次稳定运行”，在边缘计算模块收到该信号之后，由边缘计算模块向云服务器发送信号“人工心脏泵第二次已经稳定运行”以及对应的转速，云服务器在收到边缘计算模块发送的信号之后，云服务器向边缘计算模块发送信号“收到”，之后云服务器开始接收边缘计算模块传输的人工心脏泵转速数据、人工心脏泵输出流量数据、心电信号数据，同时云服务器对患者的生理状态信息和接受到的数据进行综合整合，此时将数据结果直接反馈给控制器，控制器根据此数据对人工心脏的运行状态进行第三次的优化控制；

第四步，云服务器保持不同心衰患者的各项数据，每个患者的数据包括边缘计算模块传输的数据(人工心脏泵的转速、人工心脏泵的输出流量、心电信号)、患者的生理状态信息，根据患者的年龄阶段以及心衰程度作为数据分类重要指标，以此建立一个关于不同程度的心衰患者信息数据库；

云服务器收到的第一批由边缘计算模块上传的数据作为训练数据，使用相关机器学习算法进行训练进而建立相应的模型，之后将该模型发送到边缘计算模块；

当边缘计算模块本身判定该模型在使用过程中产生的结果不符合对应的人工心脏泵转速的预期时，会将该模型发给云服务器进行修正，之后在将重新训练之后的模型发送给边缘计算模块，多次重复直至符合边缘计算模块的要求，最终的模型能在边缘计算模块上进行使用；

第五步，根据稳定的模型来对人工心脏下一时刻的运行状态进行预测，如有风险产生(例如模型给出的转速连续多次超过泵稳定运行时的转速200转，即可认为有风险)，则及时产生预警，将预警信息及时传输到控制器，对人工心脏的运行状态进行调整。

与现有技术相比，本发明的有益效果是：

应用边缘计算模块，可以及时在本地进行原始数据的处理，可以接入更多的测量生理信号的终端设备，实现身体状态的多任务处理，可以对不良反应做出及时的处理，提高系统的反应速度，具有实时性、高带宽、低延时、多任务处理的特点；

应用云服务器，可以对患者生理状态数据进行全面的处理，可以保存不同患者的生理状态数据，从而可以建立心衰患者的数据库，对大量数据使用机器学习进行建模训练，可以实现对人工心脏运行状态下一时刻的预测，并且在5G技术的加持下，处理效率能更快；

通过三次反馈：控制器采集原始数据进行第一次反馈控制、边缘计算模块在综合患者心率数据之后进行第二次反馈控制、云服务器在综合患者全面的数据之后进行第三次反馈控制，实现对人工心脏运行状态的精细化控制，从而提高人工心脏的运行效率和使用时长，以及提高患者心脏恢复的速度和效果。

附图说明

图1是本发明的整体系统逻辑框图。

图2是本发明的具体实施算法框图。

图3是本发明边缘计算模块与控制器和云服务器的连接图。

图4是本发明边缘计算模块两个COM端口使用的数据传输协议。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

请参阅图1、图2、图3和图4，本发明提供一种技术方案：一种基于物联网边缘计算的人工心脏控制系统，该系统包括：人工心脏、控制器、边缘计算模块、云服务器。

人工心脏是本实验室设计的分体式人工心脏，包括人工心脏泵、体外磁驱动系统。

如果患者是在医院：

第一步，医生根据患者的临床表现初次开启人工心脏控制系统，初始参数由医生根据经验输入,例如医生根据患者的临床特征给定人工心脏泵的启动转速为每分钟500转。

人工心脏系统开启后，人工心脏泵稳定运行，控制器采集人工心脏泵运行时的主要参数：人工心脏泵的转速、人工心脏泵的输出流量，根据这两个主要参数，通过PID算法对人工心脏泵的转速进行调整，将调整后的人工心脏泵的转速反馈给人工心脏泵，此为人工心脏泵的第一次修正。同时，控制器将采集到的原始数据通过有线网络传输给边缘计算模块，通过无线网络传输给云服务器。

经过第一次的修正，人工心脏泵可以稳定运行，例如人工心脏泵的转速可以稳定在每分钟5000-5500转。

进一步的，控制器采集的原始数据主要是人工心脏泵的转速和人工心脏泵的输出流量。

进一步地，无线网络可以是WIFI、蓝牙等，有线网络可以是以太网等。

边缘计算模块嵌入了实时操作系统，能实时对数据进行处理，包括数据的清洗、整合以及保存，优化后的数据在传输到云服务器。

进一步的，实时操作系统可以是RT-Thread、FREERTOS、LINUX等操作系统。

进一步地，边缘计算模块对数据进行的处理，包括数据清洗、整合以及保存，其中数据清洗是指对原始数据(人工心脏泵的转速和人工心脏泵的输出流量)进行清洗，包括去除有缺失的数据、去除格式和内容错误的数据、去除逻辑错误的数据、去除不需要的数据，数据整合是指对清洗后的数据进行整合，数据保存是指对清洗、整合之后的数据进行保存。

边缘计算模块可以接收来自云服务器传输的数据，同时能够区分数据是控制器本地数据还是云端处理的数据。

进一步地，边缘计算模块含有内置端口，基本包含两个端口：COM1、COM2，COM1端口连接控制器，使用IIC、SPI、UART等传输协议进行数据传输；COM2端口连接云服务器，使用TCP\IP数据传输协议，并且使用TCP\IP协议下的Socket应用程序编程接口进行通信，根据接口的不同以及通信协议的不同来识别是控制器本地传输的数据还是云端处理的数据。

第二步，在人工心脏泵经过第一次的修正稳定运行之后，例如在一分钟之内人工心脏泵的转速可以稳定在每分钟5000-5500转，控制器就向边缘计算模块发送信号“人工心脏泵已经稳定运行”，边缘计算模块在接收到该信号之后，边缘计算模块开始采集心电信号。

进一步地，边缘计算模块将实时采集到的心电信号使用心电算法进行处理，将心电数据处理结果反馈给控制器，同时将心电数据处理结果上传到云服务器，控制器根据边缘计算模块反馈的心电信号对人工心脏的运行状态进行第二次的优化控制，例如此时的人工心脏泵在经过第二次调整之后可以稳定在每分钟5200-5300转。

作为优选，在医院中，采集心电信号的终端设备可以是十二导联心电采集系统，在日常生活中可以是智能手环或者其他能够采集到心电信号的便携式设备。

作为优选，这些设备具备数据传输功能，可以通过串口通信进行数据传输，也可以通过WIFI或者蓝牙进行数据传输。

第三步，在人工心脏泵经过第二次的优化调整，在稳定运行之后，例如此时的人工心脏泵可以稳定在每分钟5200-5300转，控制器就向边缘计算模块发送信号“人工心脏泵第二次稳定运行”，在边缘计算模块收到该信号之后，由边缘计算模块向云服务器发送信号“人工心脏泵第二次已经稳定运行，转速每分钟5200-5300转”，云服务器在收到边缘计算模块发送的信号之后，云服务器向边缘计算模块发送信号“收到”，之后云服务器开始接收边缘计算模块传输的人工心脏泵转速数据、人工心脏泵输出流量数据、心电信号数据，同时云服务器对患者的生理状态信息和接受到的数据进行综合整合，此时将数据结果直接反馈给控制器，控制器根据此数据对人工心脏的运行状态进行第三次的优化控制，例如此时的人工心脏泵的转速可以稳定在每分钟5250-5260转。

进一步的，患者的生理状态信息，包括心衰程度、年龄、性别、是否进行药物治疗及其使用的药物类型、以及在就诊过程中使用的测量的其他数据(比如血压、血氧饱和度等数据)。

第四步，云服务器对不同心衰患者的各项数据进行存储，包括边缘计算模块传输的数据(人工心脏泵的转速、人工心脏泵的输出流量、心电信号)、患者的生理状态信息，根据患者的年龄阶段以及心衰程度作为数据分类重要指标，以此建立一个关于不同程度的心衰患者数据库。

进一步地，云服务器收到的第一批由边缘计算模块上传的数据作为训练数据(例如医院收到1000位患者的数据，便使用这1000位患者的数据作为训练数据)，使用相关机器学习算法进行训练进而建立相应的模型，之后将该模型发送到边缘计算模块。

进一步地，当边缘计算模块本身判定该模型在使用过程中产生的结果不符合预期时(例如人工心脏泵稳定在每分钟5250-5260转，在使用模型时给出的转速是每分钟6000转，即可认为结果不符合预期，其模型给出的转速和人工心脏泵稳定运行之后的转速相差在每分钟200转之内认为是符合预期的)，会将该模型发给云服务器进行修正，之后在将重新训练之后的模型发送给边缘计算模块，多次重复直至符合边缘计算模块的要求，最终的模型能在边缘计算模块上进行使用。

第五步，根据稳定的模型来对人工心脏下一时刻的运行状态进行预测，如有风险产生(例如模型给出的转速连续多次超过泵稳定运行时的转速200转，即可认为有风险)，则及时产生预警，将预警信息及时传输到控制器，对人工心脏的运行状态进行调整。

进一步的，预警模块可以是蜂鸣器模块，有风险时发出警报进行报警。

进一步的，预警信息可以通过无线网络传到患者、医生或者患者家属的终端上，此终端可以是手机或者平板电脑。

第六步，在医生认为患者的心脏在人工心脏泵的辅助下可以满足基本的生活需求，便可以办理出院。

进一步地，如果有新的心衰患者进行就医时，医生将新患者在医院进行身体检查的数据输入到此前建立的模型中，此时新患者的各项数据便会作为测试集进行模型训练，从而给出医生一个合理的建议，医生进而能够更加方便的对新患者进行治疗。

患者在出院之后，如果在外活动：

患者出院时，例如此时身上所携带的人工心脏泵的转速已经稳定在每分钟5250-5260转，如果边缘计算模块所存储的模型连续多次给出的转速与泵稳定运行时的转速相差在每分钟200转时，边缘计算模块便及时向控制器发出预警信息，蜂鸣器会响起，患者听到蜂鸣器报警时便即刻停下所有活动，原地休息，待预警消除再进行活动。

患者在外活动时，不需要和云服务器进行交互。

当患者在外活动结束，回到家时：

当患者在家中时，会连上自己家中的无线网络，边缘计算模块便可以通过无线网络将人工心脏泵的转速、人工心脏泵的输出流量以及心电信号的数据传输给云服务器。

云服务器会对边缘计算模块传输的数据进行存储。

以上描述了本发明的基本原理，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不违背本发明精神的情况下，能够以其他的具体形式实现本发明，因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明之内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种基于物联网边缘计算的人工心脏控制系统，其特征在于，包含人工心脏、控制器、边缘计算模块、云服务器；人工心脏与控制器电路或信号连接，控制器分别与边缘计算模块、云服务器进行电路或信号连接，边缘计算模块与云服务器电路或信号连接；

控制器用于控制人工心脏，采集人工心脏的实时数据，并且将此数据传输到边缘计算模块和云服务器；边缘计算模块用于处理控制器传输的人工心脏的数据，将原始数据和处理后的数据进行保存，然后将数据传输给云服务器，同时反馈给控制器；云端服务器对控制器传输的数据进行处理，对边缘计算模块传输的数据进行保存，同时结合患者的生理状态信息对数据进行再次优化处理，将最终的处理结果反馈给控制器，控制器反馈给人工心脏。

2.按照权利要求1所述的一种基于物联网边缘计算的人工心脏控制系统，其特征在于，所述人工心脏是分体式人工心脏，包括人工心脏泵以及体外磁驱动系统；

所述控制器用于控制人工心脏，采集人工心脏产生的数据，并将数据传输给边缘计算模块和云服务器；所述边缘计算模块用于数据的保存及处理、网络传输以及通信协议的转换，同时连接其他的终端设备；所述云服务器用于接收来自控制器以及边缘计算模块传输的数据，并对数据进行处理，同时结合患者的生理信息对数据进行优化处理，将数据反馈给控制器，控制器根据优化后的数据对人工心脏进行优化控制；

所述控制器用于控制体外磁驱动系统，进而控制人工心脏泵，并且采集人工心脏产生的数据，包括人工心脏泵的转速、输出流量，将数据传输到边缘计算模块以及云服务器，然后根据PID算法对人工心脏泵的运行状态进行第一次修正；

所述边缘计算模块嵌入了实时操作系统，能实时对数据进行处理，包括数据的清洗、整合以及保存，优化后的数据再传输到云服务器；

所述边缘计算模块可以接收来自云服务器传输的数据，同时能够区分数据是控制器本地还是云端处理的数据。

3.按照权利要求1所述的一种基于物联网边缘计算的人工心脏控制系统，其特征在于，边缘计算模块嵌入的实时操作系统，选自RT-Thread、FREERTOS、LINUX操作系统；

边缘计算模块所处理的数据包括控制器采集的原始数据，包含人工心脏泵的转速、输出流量等原始数据；

边缘计算模块对数据进行的处理，包括数据清洗、整合以及保存，其中数据清洗是指对原始数据进行清洗，包括去除有缺失的数据、去除格式和内容错误的数据、去除逻辑错误的数据、去除不需要的数据，数据整合是指对清洗后的数据进行整合，数据保存包括对清洗、整合之后的数据进行保存。

4.按照权利要求1所述的一种基于物联网边缘计算的人工心脏控制系统，其特征在于，边缘计算模块含有内置端口，基本包含两个端口：COM1、COM2，COM1端口连接控制器，使用IIC、SPI、UART等传输协议进行数据传输；COM2端口连接云服务器，使用TCP\IP数据传输协议，并且使用TCP\IP协议下的Socket应用程序编程接口进行通信，根据接口的不同以及通信协议的不同来识别是控制器本地传输的数据还是云端处理的数据。

5.按照权利要求1所述的一种基于物联网边缘计算的人工心脏控制系统，其特征在于，所述边缘计算模块连接其他的终端设备，主要是采集心电信号的终端设备；

所述的采集心电信号的终端设备是十二导联心电采集设备，或便携式心电采集设备。

6.按照权利要求1所述的一种基于物联网边缘计算的人工心脏控制系统，其特征在于，云服务器在同时受到控制器以及边缘计算模块传输的数据时，首先对边缘计算模块传输的数据进行保存，其次对控制器传输的数据进行处理；

云服务器对控制器传输的原始数据进行处理，其处理过程与边缘计算模块对原始数据的处理过程一致，也包括数据清洗、整合以及保存；

所述云服务器所存储的大量数据，包括控制器传输的原始数据、边缘计算模块传输的数据、患者的生理状态信息，使用机器学习进行建模训练，以此来对人工心脏下一时刻的运行状态进行预测，如有风险产生，则及时产生预警，将预警信息及时传输到控制器，对人工心脏的运行状态进行调整。

7.采用权利要求1-6任一项所述的一种基于物联网边缘计算的人工心脏控制系统的运行方法，其特征在于，包括以下步骤：

第一步，初次开启人工心脏，输入初始参数；人工心脏系统开启后，人工心脏泵稳定运行，控制器采集人工心脏泵运行时的主要参数：人工心脏泵的转速、人工心脏泵的输出流量，根据这两个主要参数，通过PID算法对人工心脏泵的转速进行调整，将调整后的人工心脏泵的转速反馈给人工心脏泵，此为人工心脏泵的第一次修正；同时，控制器将采集到的原始数据通过有线网络传输给边缘计算模块，通过无线网络传输给云服务器；

经过第一次的修正，人工心脏泵可以稳定运行；

第二步，在人工心脏泵经过第一次的修正稳定运行之后，控制器就向边缘计算模块发送信号“人工心脏泵第一次稳定运行”，边缘计算模块在接收到该信号之后，边缘计算模块开始采集心电信号；边缘计算模块将实时采集到的心电信号使用心电算法进行处理，将心电数据处理结果反馈给控制器，同时将心电数据处理结果上传到云服务器，控制器根据边缘计算模块反馈的心电信号对人工心脏的运行状态进行第二次的优化控制；

第三步，在人工心脏泵经过第二次的优化调整，在稳定运行之后，控制器就向边缘计算模块发送信号“人工心脏泵第二次稳定运行”，在边缘计算模块收到该信号之后，由边缘计算模块向云服务器发送信号“人工心脏泵第二次已经稳定运行”以及对应的转速，云服务器在收到边缘计算模块发送的信号之后，云服务器向边缘计算模块发送信号“收到”，之后云服务器开始接收边缘计算模块传输的人工心脏泵转速数据、人工心脏泵输出流量数据、心电信号数据，同时云服务器对患者的生理状态信息和接受到的数据进行综合整合，此时将数据结果直接反馈给控制器，控制器根据此数据对人工心脏的运行状态进行第三次的优化控制；

第四步，云服务器保持不同心衰患者的各项数据，每个患者的数据包括边缘计算模块传输的数据、患者的生理状态信息，根据患者的年龄阶段以及心衰程度作为数据分类重要指标，以此建立一个关于不同程度的心衰患者信息数据库；

云服务器收到的第一批由边缘计算模块上传的数据作为训练数据，使用相关机器学习算法进行训练进而建立相应的模型，之后将该模型发送到边缘计算模块；

当边缘计算模块本身判定该模型在使用过程中产生的结果不符合对应的人工心脏泵转速的预期时，会将该模型发给云服务器进行修正，之后在将重新训练之后的模型发送给边缘计算模块，多次重复直至符合边缘计算模块的要求，最终的模型能在边缘计算模块上进行使用；

第五步，根据稳定的模型来对人工心脏下一时刻的运行状态进行预测，如有风险产生，则及时产生预警，将预警信息及时传输到控制器，对人工心脏的运行状态进行调整。

Images