CN112820392A - 自调节的输液泵控制方法、系统及计算机介质 - Google Patents

自调节的输液泵控制方法、系统及计算机介质 Download PDF

Info

Publication number
CN112820392A
CN112820392A CN202110187283.5A CN202110187283A CN112820392A CN 112820392 A CN112820392 A CN 112820392A CN 202110187283 A CN202110187283 A CN 202110187283A CN 112820392 A CN112820392 A CN 112820392A
Authority
CN
China
Prior art keywords
circle
infusion
infusion pump
predicted
grade
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
Application number
CN202110187283.5A
Other languages
English (en)
Inventor
朱红毅
殷发志
阮宏洋
刘珊珊
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.)
Jiangsu Apon Medical Technology Co ltd
Original Assignee
Jiangsu Apon 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 Jiangsu Apon Medical Technology Co ltd filed Critical Jiangsu Apon Medical Technology Co ltd
Priority to CN202110187283.5A priority Critical patent/CN112820392A/zh
Publication of CN112820392A publication Critical patent/CN112820392A/zh
Pending legal-status Critical Current

Links

Images

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
    • G16H40/63—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 for local operation
    • 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
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/16804—Flow controllers
    • 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
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/16877—Adjusting flow; Devices for setting a flow rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • 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
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/33—Controlling, regulating or measuring
    • A61M2205/3331—Pressure; Flow
    • A61M2205/3334—Measuring or controlling the flow rate

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Veterinary Medicine (AREA)
  • Primary Health Care (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Anesthesiology (AREA)
  • Vascular Medicine (AREA)
  • Hematology (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Fluid Mechanics (AREA)
  • Chemical & Material Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Infusion, Injection, And Reservoir Apparatuses (AREA)

Abstract

本申请提供了一种自调节的输液泵控制方法、系统及计算机介质，获取输液泵输液时的多组测量值，一组测量值包括输液时测量的输液参数值以及对应的单圈量，多次测量后得到原始测量值样本集；将原始测量值样本集输入回归模型进行训练，得到单圈量预测模型；将带等级标签的测量值样本集输入分类模型进行训练，得到单圈量等级预测模型；输入输液泵当前测量的输液参数至单圈量等级预测模型以及单圈量预测模型，得到预测单圈输液量；最后根据预测单圈输液量控制输液泵停止输液。本申请分别使用分类和回归的方法，各自得到一个预测单圈量，综合后得到最终的预测单圈输液量，大大增加了单圈输液量的预测准确度，进而提高了控制输液的精度以及效率。

Description

自调节的输液泵控制方法、系统及计算机介质
技术领域
本申请属于人工智能技术领域，具体地，涉及一种自调节的输液泵控制方法、系统及计算机介质。
背景技术
输注药液是医疗领域的一个重要方面，通过蠕动机构挤压输液管路输液蠕动泵或者输液泵，可以直接与输液袋相连，具有广泛的应用。
当前的输液泵需要根据输液量控制，输液量一般由输液泵电机转动一圈挤压阀片挤出的单圈输液量乘以电机转动圈数得到。由电机转动一圈挤压阀片挤出的输液量即单圈输液量，单圈输液量一般依据统计数据取一个平均值，或者对单个输液泵进行校准计算出该泵的平均值。由于输液管路是一次性使用的耗材，而每次更换的管路都会性能都会有一定的差别，造成每一圈的药液输出都与平均值有一定的差别，所以目前的输液泵输液控制精度低、效率低，甚至因为输液量不准确影响治疗进程。
发明内容
本发明提出了一种自调节的输液泵控制方法、系统及计算机介质，旨在解决现有输液泵通过单圈输液量控制输液时，精度低、效率低，甚至因为输液量不准确影响治疗进程的问题。
根据本申请实施例的第一个方面，提供了一种自调节的输液泵控制方法，具体包括以下步骤：
获取输液泵输液时的多组测量值，一组测量值包括输液时测量的输液参数值以及对应的单圈量，多次测量后得到原始测量值样本集；输液参数值包括多个参数，参数包括输液管路压力、输液泵电流、输液泵电偶和/或输液泵压力，单圈量为输液泵的电机转动一次得到的单圈输液量；
将原始测量值样本集输入回归模型进行训练，得到单圈量预测模型；
根据单圈量等级划分规则，将测量值样本集的单圈量进行等级打标签，得到带等级标签的测量值样本集；将带等级标签的测量值样本集输入分类模型进行训练，得到单圈量等级预测模型；
输入输液泵当前测量的输液参数至单圈量等级预测模型得到单圈量预测等级，并结合单圈量等级划分规则，得到第一预测单圈量；输入输液泵当前测量的输液参数至单圈量预测模型得到第二预测单圈量；根据第一预测单圈量以及第二预测单圈量得到预测单圈输液量；
根据预测单圈输液量以及输液泵转动圈数，得到输液泵的总输液量，当总输液量达到输液量阈值时，控制输液泵停止输液。
在本申请一些实施方式中，单圈量等级划分规则具体为：
range＝(Dmax-Dmin)/n；
Li∈[Dmin+range*(i-1)]，Dmin+range*(i)]，1≤i≤n；
其中，Dmax和Dmin分别表示单圈量的最大值和最小值，n表示单圈量等级总数量，range表示每一个等级的单圈量；i表示单圈量等级，Li表示第i等级单圈量划分范围。
在本申请一些实施方式中，多次测量后得到原始测量值样本集之后，还包括对原始测量值样本集的输液参数值进行预处理；预处理具体包括：
通过PCA降维，将输液参数值的多个参数进行综合，得到与输液量精度具有一定相关性的参数，并保留具有一定相关性的参数相应的输液参数值。
在本申请一些实施方式中，分类模型采用自监督学习的Xgboosting算法，分类模型训练时采用正则化避免模型训练过拟合。
在本申请一些实施方式中，输入输液泵当前测量的输液参数至单圈量等级预测模型得到单圈量预测等级，并结合单圈量等级划分规则，得到第一预测单圈量，具体包括：
根据单圈量预测等级，结合单圈量等级划分规则，得到单圈量预测范围；
将单圈量预测范围作为第一预测单圈量；
或，取单圈量预测范围的中间值，作为第一预测单圈量。
在本申请一些实施方式中，根据第一预测单圈量以及第二预测单圈量得到预测单圈输液量，具体包括：
将第一预测单圈量乘以第一比重得到第一单圈量；
将第二预测单圈量乘以第二比重得到第二单圈量；
将第一单圈量与第二单圈量相加，得到最终的预测单圈输出量；其中第一比重与第二比重相加为1。
在本申请一些实施方式中，根据第一预测单圈量以及第二预测单圈量得到预测单圈输液量；第一比重与第二比重均为0.5，预测单圈输液量output具体计算公式为：
output＝{M+D}*0.5；
其中，M表示第一预测单圈量，D表示第二预测单圈量；
Figure BDA0002943442360000031
其中，Dmin分别表示单圈量的最大值和最小值，n表示单圈量等级总数量，range表示每一个等级的单圈量；i表示单圈量等级。
根据本申请实施例的第二个方面，提供了一种自调节的输液泵控制系统，具体包括：
测量值样本获取模块：用于获取输液泵输液时的多组测量值，一组测量值包括输液时测量的输液参数值以及对应的单圈量，多次测量后得到原始测量值样本集；输液参数值包括多个参数，参数包括输液管路压力、输液泵电流、输液泵电偶和/或输液泵压力，单圈量为输液泵的电机转动一次得到的单圈输液量；
单圈量预测模型训练模块：用于将原始测量值样本集输入回归模型进行训练，得到单圈量预测模型；
单圈量等级预测模型训练模型：用于根据单圈量等级划分规则，将测量值样本集的单圈量进行等级打标签，得到带等级标签的测量值样本集；将带等级标签的测量值样本集输入分类模型进行训练，得到单圈量等级预测模型；
单圈输液量预测模块：用于输入输液泵当前测量的输液参数至单圈量等级预测模型得到单圈量预测等级，并结合单圈量等级划分规则，得到第一预测单圈量；输入输液泵当前测量的输液参数至单圈量预测模型得到第二预测单圈量；根据第一预测单圈量以及第二预测单圈量得到预测单圈输液量；
输液泵控制模块：用于根据预测单圈输液量以及输液泵转动圈数，得到输液泵的总输液量，当总输液量达到输液量阈值时，控制输液泵停止输液。
根据本申请实施例的第三个方面，提供了一种自调节的输液泵控制设备，包括：
存储器：用于存储可执行指令；以及
处理器:用于与存储器连接以执行可执行指令从而完成自调节的输液泵控制方法。
根据本申请实施例的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序；计算机程序被处理器执行以实现自调节的输液泵控制方法。
采用本申请实施例中的自调节的输液泵控制方法、系统及计算机介质，获取输液泵输液时的多组测量值，一组测量值包括输液时测量的输液参数值以及对应的单圈量，多次测量后得到原始测量值样本集；将原始测量值样本集输入回归模型进行训练，得到单圈量预测模型；根据单圈量等级划分规则，将测量值样本集的单圈量进行等级打标签，得到带等级标签的测量值样本集；将带等级标签的测量值样本集输入分类模型进行训练，得到单圈量等级预测模型；输入输液泵当前测量的输液参数至单圈量等级预测模型以及单圈量预测模型，最后得到预测单圈输液量；最后根据预测单圈输液量控制输液泵停止输液。本申请分别使用分类和回归的方法，各自得到一个预测单圈量，再综合后得到最终的预测单圈输液量，大大增加了单圈输液量的预测准确度，进而提高了通过单圈输液量控制输液的精度以及效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1中示出了根据本申请实施例的自调节的输液泵控制方法的步骤示意图；
图2中示出了根据本申请实施例的自调节的输液泵控制方法的流程示意图；
图3中示出了根据本申请实施例的自调节的输液泵控制系统的结构示意图；
图4中示出了根据本申请实施例的自调节的输液泵控制设备的结构示意图。
具体实施方式
在实现本申请的过程中，发明人发现现有输液泵需要根据输液量控制，输液量一般由输液泵电机转动一圈挤压阀片挤出的单圈输液量乘以电机转动圈数得到，由电机转动一圈挤压阀片挤出的输液量即单圈输液量。单圈输液量一般依据统计数据取一个平均值，或者对单个输液泵进行校准计算出该泵的平均值。但是输液管路是一次性使用的耗材，每次更换的管路都会性能都会有一定的差别，造成每一圈的药液输出都与平均值有一定的差别，所以目前的输液泵输液控制精度低、效率低，甚至因为输液量不准确影响治疗进程。
基于此，本申请分别使用分类和回归的方法，各自得到一个预测单圈量，再综合后得到最终的预测单圈输液量，大大增加了单圈输液量的预测准确度，进而提高了通过单圈输液量控制输液的精度以及效率。
具体的，本申请通过获取输液泵输液时的多组测量值，一组测量值包括输液时测量的输液参数值以及对应的单圈量，多次测量后得到原始测量值样本集；输液参数值包括多个参数，参数包括输液管路压力、输液泵电流、输液泵电偶和/或输液泵压力，单圈量为输液泵的电机转动一次得到的单圈输液量；将原始测量值样本集输入回归模型进行训练，得到单圈量预测模型；根据单圈量等级划分规则，将测量值样本集的单圈量进行等级打标签，得到带等级标签的测量值样本集；将带等级标签的测量值样本集输入分类模型进行训练，得到单圈量等级预测模型；输入输液泵当前测量的输液参数至单圈量等级预测模型得到单圈量预测等级，并结合单圈量等级划分规则，得到第一预测单圈量；输入输液泵当前测量的输液参数至单圈量预测模型得到第二预测单圈量；根据第一预测单圈量以及第二预测单圈量得到预测单圈输液量；根据预测单圈输液量以及输液泵转动圈数，得到输液泵的总输液量，当总输液量达到输液量阈值时，控制输液泵停止输液。
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
实施例1
图1中示出了根据本申请实施例的自调节的输液泵控制方法的步骤示意图。
如图1所示，本申请实施例的自调节的输液泵控制方法，具体包括以下步骤：
S101：获取输液泵输液时的多组测量值，一组测量值包括输液时测量的输液参数值以及对应的单圈量，多次测量后得到原始测量值样本集；输液参数值包括多个参数，参数包括输液管路压力、输液泵电流、输液泵电偶和/或输液泵压力，单圈量为输液泵的电机转动一次得到的单圈输液量。
通过S101步骤在实验模拟阶段来得到训练用数据，可以通过输液管路下的压力传感器得到输液泵在每次输液的单圈量多个压力，以及通过输液泵的各个功能传感器获取输液泵的电流、电偶以及电压等。同时，通过精度非常高的天平得到每次输液的单圈量。
每次测量获取一组测量值，每一组测量值包括多个输液参数值以及一个单圈量y；多次测量后获取多组测量值，进而构成原始测量值样本集。
具体的，多次测量后得到原始测量值样本集之后，还包括对所述原始测量值样本集的输液参数值进行预处理；预处理具体包括：
通过PCA降维，将输液参数值的多个参数进行综合，得到与输液量精度具有一定相关性的参数，并保留具有一定相关性的参数相应的输液参数值。
本申请运用PCA降维的方法对传感器得到的多个参数降维，得到与输液量精度相关性高的多个参数xj。
其中，参数xj的表达式为Xj＝{x1,x2…xj}，其中xj表示输入的第j个特征的值，j表示参数的个数。
S102：将原始测量值样本集输入回归模型进行训练，得到单圈量预测模型。
具体的，通过原始的单圈量和参数xj做回归分析，得到通过回归模型得到的单圈量数值Dj。
本申请考虑到样本量不多且参数间不完全独立，具有一定的相关性，因此回归方法采用了岭回归。此算法实质是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。
S103：根据单圈量等级划分规则，将测量值样本集的单圈量进行等级打标签，得到带等级标签的测量值样本集；将带等级标签的测量值样本集输入分类模型进行训练，得到单圈量等级预测模型。
其中，单圈量等级划分规则具体为：
range＝(Dmax-Dmin)/n；
Li∈[Dmin+range*(i-1)]，Dmin+range*(i)]，1≤i≤n；
其中，Dmax和Dmin分别表示单圈量的最大值和最小值，n表示单圈量等级总数量，range表示每一个等级的单圈量；i表示单圈量等级，Li表示第i等级单圈量划分范围。
在本申请一些实施方式中，分类模型采用自监督学习的Xgboosting算法，分类模型训练时采用正则化避免模型训练过拟合。
具体的，训练方法用的是机器学习Xgboosting算法，此算法的核心思想是用各种弱分类器对样本进行训练，然后对各个弱分类器进行打分，根据得分来决定输出。为了模型避免过拟合，训练时加入了正则化。
S104：输入输液泵当前测量的输液参数至单圈量等级预测模型得到单圈量预测等级，并结合单圈量等级划分规则，得到第一预测单圈量；输入输液泵当前测量的输液参数至单圈量预测模型得到第二预测单圈量；根据第一预测单圈量以及第二预测单圈量得到预测单圈输液量。
具体的，在通过单圈量等级预测模型得到第一预测单圈量时，具体包括：首先，根据单圈量预测等级，结合单圈量等级划分规则，得到单圈量预测范围；然后，将单圈量预测范围作为第一预测单圈量；
或者，取单圈量预测范围的中间值，作为第一预测单圈量。
S105：根据预测单圈输液量以及输液泵转动圈数，得到输液泵的总输液量，当总输液量达到输液量阈值时，控制输液泵停止输液。
具体的，具体包括：将第一预测单圈量乘以第一比重得到第一单圈量；将第二预测单圈量乘以第二比重得到第二单圈量；最后，将第一单圈量与第二单圈量相加，得到最终的预测单圈输出量；其中第一比重与第二比重相加为1。
其中，若第一预测单圈量是一个数值范围，则此时得到的最终预测单圈输出量也是一个数值范围，此时可以取数值范围的中间值作为最终预测单圈输出量。
图2中示出了根据本申请实施例的自调节的输液泵控制方法的流程示意图。
具体实施的，如图2所示，本申请实施例中第一比重与第二比重均为0.5，预测单圈输液量output具体计算公式为：
output＝{M+D}*0.5；
其中，M表示第一预测单圈量，D表示第二预测单圈量；
Figure BDA0002943442360000071
其中，Dmin分别表示单圈量的最大值和最小值，n表示单圈量等级总数量，range表示每一个等级的单圈量；i表示单圈量等级。
相比现有技术中通过对复用的输液泵头的校准获得一个单圈输出的平均值，进而由单圈平均输出值乘以圈数获得输液量。本申请通过模型实时预测参数得到单圈输出量，根据实验结果，单圈输液精度大大提高，可达到了99％。
采用本申请实施例中的自调节的输液泵控制方法，获取输液泵输液时的多组测量值，一组测量值包括输液时测量的输液参数值以及对应的单圈量，多次测量后得到原始测量值样本集；将原始测量值样本集输入回归模型进行训练，得到单圈量预测模型；根据单圈量等级划分规则，将测量值样本集的单圈量进行等级打标签，得到带等级标签的测量值样本集；将带等级标签的测量值样本集输入分类模型进行训练，得到单圈量等级预测模型；输入输液泵当前测量的输液参数至单圈量等级预测模型以及单圈量预测模型，最后得到预测单圈输液量；最后根据预测单圈输液量控制输液泵停止输液。本申请分别使用分类和回归的方法，各自得到一个预测单圈量，再综合后得到最终的预测单圈输液量，大大增加了单圈输液量的预测准确度，进而提高了通过单圈输液量控制输液的精度以及效率。
实施例2
本实施例提供了一种自调节的输液泵控制系统，对于本实施例的自调节的输液泵控制系统中未披露的细节，请参照其它实施例中的自调节的输液泵控制方法的具体实施内容。
图3中示出了根据本申请实施例的自调节的输液泵控制系统的结构示意图。
如图3所示，本申请实施例的自调节的输液泵控制系统，具体包括测量值样本获取模块10、单圈量预测模型训练模块20、单圈量等级预测模型训练模型30、单圈输液量预测模块40以及输液泵控制模块50。
具体的，
测量值样本获取模块10：用于获取输液泵输液时的多组测量值，一组测量值包括输液时测量的输液参数值以及对应的单圈量，多次测量后得到原始测量值样本集；输液参数值包括多个参数，参数包括输液管路压力、输液泵电流、输液泵电偶和/或输液泵压力，单圈量为输液泵的电机转动一次得到的单圈输液量。
每次测量获取一组测量值，每一组测量值包括多个输液参数值以及一个单圈量y；多次测量后获取多组测量值，进而构成原始测量值样本集。
具体的，多次测量后得到原始测量值样本集之后，还包括对所述原始测量值样本集的输液参数值进行预处理；预处理具体包括：
通过PCA降维，将输液参数值的多个参数进行综合，得到与输液量精度具有一定相关性的参数，并保留具有一定相关性的参数相应的输液参数值。
本申请运用PCA降维的方法对传感器得到的多个参数降维，得到与输液量精度相关性高的多个参数xj。
其中，参数xj的表达式为Xj＝{x1,x2…xj}，其中xj表示输入的第j个特征的值，j表示参数的个数。
单圈量预测模型训练模块20：用于将原始测量值样本集输入回归模型进行训练，得到单圈量预测模型。
具体的，通过原始的单圈量和参数xj做回归分析，得到通过回归模型得到的单圈量数值Dj。
本申请考虑到样本量不多且参数间不完全独立，具有一定的相关性，因此回归方法采用了岭回归。此算法实质是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。
单圈量等级预测模型训练模型30：用于根据单圈量等级划分规则，将测量值样本集的单圈量进行等级打标签，得到带等级标签的测量值样本集；将带等级标签的测量值样本集输入分类模型进行训练，得到单圈量等级预测模型。
其中，单圈量等级划分规则具体为：
range＝(Dmax-Dmin)/n；
Li∈[Dmin+range*(i-1)]，Dmin+range*(i)]，1≤i≤n；
其中，Dmax和Dmin分别表示单圈量的最大值和最小值，n表示单圈量等级总数量，range表示每一个等级的单圈量；i表示单圈量等级，Li表示第i等级单圈量划分范围。
在本申请一些实施方式中，分类模型采用自监督学习的Xgboosting算法，分类模型训练时采用正则化避免模型训练过拟合。
具体的，训练方法用的是机器学习Xgboosting算法，此算法的核心思想是用各种弱分类器对样本进行训练，然后对各个弱分类器进行打分，根据得分来决定输出。为了模型避免过拟合，训练时加入了正则化。
单圈输液量预测模块40：用于输入输液泵当前测量的输液参数至单圈量等级预测模型得到单圈量预测等级，并结合单圈量等级划分规则，得到第一预测单圈量；输入输液泵当前测量的输液参数至单圈量预测模型得到第二预测单圈量；根据第一预测单圈量以及第二预测单圈量得到预测单圈输液量。
具体的，在通过单圈量等级预测模型得到第一预测单圈量时，具体包括：首先，根据单圈量预测等级，结合单圈量等级划分规则，得到单圈量预测范围；然后，将单圈量预测范围作为第一预测单圈量；
或者，取单圈量预测范围的中间值，作为第一预测单圈量。
输液泵控制模块50：用于根据预测单圈输液量以及输液泵转动圈数，得到输液泵的总输液量，当总输液量达到输液量阈值时，控制输液泵停止输液。
具体的，具体包括：将第一预测单圈量乘以第一比重得到第一单圈量；将第二预测单圈量乘以第二比重得到第二单圈量；最后，将第一单圈量与第二单圈量相加，得到最终的预测单圈输出量；其中第一比重与第二比重相加为1。
其中，若第一预测单圈量是一个数值范围，则此时得到的最终预测单圈输出量也是一个数值范围，此时可以取数值范围的中间值作为最终预测单圈输出量。
图2中示出了根据本申请实施例的自调节的输液泵控制方法的流程示意图。
具体实施的，如图2所示，本申请实施例中第一比重与第二比重均为0.5，预测单圈输液量output具体计算公式为：
output＝{M+D}*0.5；
其中，M表示第一预测单圈量，D表示第二预测单圈量；
Figure BDA0002943442360000091
其中，Dmin分别表示单圈量的最大值和最小值，n表示单圈量等级总数量，range表示每一个等级的单圈量；i表示单圈量等级。
相比现有技术中通过对复用的输液泵头的校准获得一个单圈输出的平均值，进而由单圈平均输出值乘以圈数获得输液量。本申请通过模型实时预测参数得到单圈输出量，根据实验结果，单圈输液精度大大提高，可达到了99％。
采用本申请实施例中的自调节的输液泵控制系统，测量值样本获取模块10获取输液泵输液时的多组测量值，一组测量值包括输液时测量的输液参数值以及对应的单圈量，多次测量后得到原始测量值样本集；单圈量预测模型训练模块20将原始测量值样本集输入回归模型进行训练，得到单圈量预测模型；单圈量等级预测模型训练模型30根据单圈量等级划分规则，将测量值样本集的单圈量进行等级打标签，得到带等级标签的测量值样本集；将带等级标签的测量值样本集输入分类模型进行训练，得到单圈量等级预测模型；单圈输液量预测模块40输入输液泵当前测量的输液参数至单圈量等级预测模型以及单圈量预测模型，最后得到预测单圈输液量；最后输液泵控制模块50根据预测单圈输液量控制输液泵停止输液。本申请分别使用分类和回归的方法，各自得到一个预测单圈量，再综合后得到最终的预测单圈输液量，大大增加了单圈输液量的预测准确度，进而提高了通过单圈输液量控制输液的精度以及效率。
实施例3
本实施例提供了一种自调节的输液泵控制设备，对于本实施例的自调节的输液泵控制设备中未披露的细节，请参照其它实施例中的自调节的输液泵控制方法或系统具体的实施内容。
图4中示出了根据本申请实施例的自调节的输液泵控制设备400的结构示意图。
如图4所示，自调节的输液泵控制设备400，包括：
存储器402：用于存储可执行指令；以及
处理器401:用于与存储器402连接以执行可执行指令从而完成运动矢量预测方法。
本领域技术人员可以理解，示意图4仅仅是自调节的输液泵控制设备400的示例，并不构成对自调节的输液泵控制设备400的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如自调节的输液泵控制设备400还可以包括输入输出设备、网络接入设备、总线等。
所称处理器401(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现场可编程门阵列(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401也可以是任何常规的处理器等，处理器401是自调节的输液泵控制设备400的控制中心，利用各种接口和线路连接整个自调节的输液泵控制设备400的各个部分。
存储器402可用于存储计算机可读指令，处理器401通过运行或执行存储在存储器402内的计算机可读指令或模块，以及调用存储在存储器402内的数据，实现自调节的输液泵控制设备400的各种功能。存储器402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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据自调节的输液泵控制设备400使用所创建的数据等。此外，存储器402可以包括硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)或其他非易失性/易失性存储器件。
自调节的输液泵控制设备400集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机可读指令来指令相关的硬件来完成，的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。
实施例4
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序；计算机程序被处理器执行以实现其他实施例中的自调节的输液泵控制方法。
本申请实施例中的自调节的输液泵控制设备及计算机存储介质，获取输液泵输液时的多组测量值，一组测量值包括输液时测量的输液参数值以及对应的单圈量，多次测量后得到原始测量值样本集；将原始测量值样本集输入回归模型进行训练，得到单圈量预测模型；根据单圈量等级划分规则，将测量值样本集的单圈量进行等级打标签，得到带等级标签的测量值样本集；将带等级标签的测量值样本集输入分类模型进行训练，得到单圈量等级预测模型；输入输液泵当前测量的输液参数至单圈量等级预测模型以及单圈量预测模型，最后得到预测单圈输液量；最后根据预测单圈输液量控制输液泵停止输液。本申请分别使用分类和回归的方法，各自得到一个预测单圈量，再综合后得到最终的预测单圈输液量，大大增加了单圈输液量的预测准确度，进而提高了通过单圈输液量控制输液的精度以及效率。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种自调节的输液泵的输液量预测方法，具体包括：
获取输液泵输液时的多组测量值，所述一组测量值包括输液时测量的输液参数值以及对应的单圈量，多次测量后得到原始测量值样本集；所述输液参数值包括多个参数，所述单圈量为输液泵的电机转动一次得到的单圈输液量；
将所述原始测量值样本集输入回归模型进行训练，得到单圈量预测模型；
根据单圈量等级划分规则，将所述原始测量值样本集的单圈量进行等级打标签，得到带等级标签的测量值样本集；将所述带等级标签的测量值样本集输入分类模型进行训练，得到单圈量等级预测模型；
输入输液泵当前测量的输液参数至单圈量等级预测模型得到单圈量预测等级，并结合所述单圈量等级划分规则，得到第一预测单圈量；输入输液泵当前测量的输液参数至单圈量预测模型得到第二预测单圈量；根据所述第一预测单圈量以及第二预测单圈量得到预测单圈输液量；
根据所述预测单圈输液量以及输液泵转动圈数，得到输液泵的总输液量，当所述总输液量达到输液量阈值时，控制输液泵停止输液。
2.根据权利要求1所述的自调节的输液泵控制方法，其特征在于，所述单圈量等级划分规则具体为：
range＝(Dmax-Dmin)/n；
Li∈[Dmin+range*(i-1)]，Dmin+range*(i)]，1≤i≤n；
其中，Dmax和Dmin分别表示单圈量的最大值和最小值，n表示单圈量等级总数量，range表示每一个等级的单圈量；i表示单圈量等级，Li表示第i等级单圈量划分范围。
3.根据权利要求1所述的自调节的输液泵控制方法，其特征在于，所述多次测量后得到原始测量值样本集之后，还包括对所述原始测量值样本集的输液参数值进行预处理；所述预处理具体包括：
通过PCA降维，将所述输液参数值的多个参数进行综合，得到与输液量精度具有一定相关性的参数，并保留具有一定相关性的参数相应的输液参数值。
4.根据权利要求1所述的自调节的输液泵控制方法，其特征在于，所述分类模型采用自监督学习的Xgboosting算法，所述分类模型训练时采用正则化避免模型训练过拟合。
5.根据权利要求1所述的自调节的输液泵控制方法，其特征在于，所述输入输液泵当前测量的输液参数至单圈量等级预测模型得到单圈量预测等级，并结合所述单圈量等级划分规则，得到第一预测单圈量，具体包括：
根据所述单圈量预测等级，结合所述单圈量等级划分规则，得到所述单圈量预测范围；
将所述单圈量预测范围作为第一预测单圈量；
或，取所述单圈量预测范围的中间值，作为第一预测单圈量。
6.根据权利要求1所述的自调节的输液泵控制方法，其特征在于，所述根据所述第一预测单圈量以及第二预测单圈量得到预测单圈输液量，具体包括：
将所述第一预测单圈量乘以第一比重得到第一单圈量；
将所述第二预测单圈量乘以第二比重得到第二单圈量；
将所述第一单圈量与第二单圈量相加，得到最终的预测单圈输出量；其中所述第一比重与第二比重相加为1。
7.根据权利要求2、5或6所述的自调节的输液泵控制方法，其特征在于，所述根据所述第一预测单圈量以及第二预测单圈量得到预测单圈输液量；所述第一比重与第二比重均为0.5，所述预测单圈输液量output具体计算公式为：
output＝{M+D}*0.5；
其中，M表示第一预测单圈量，D表示第二预测单圈量；
Figure FDA0002943442350000021
其中，Dmin分别表示单圈量的最大值和最小值，n表示单圈量等级总数量，range表示每一个等级的单圈量；i表示单圈量等级。
8.一种自调节的输液泵控制系统，其特征在于，具体包括：
测量值样本获取模块：用于获取输液泵输液时的多组测量值，所述一组测量值包括输液时测量的输液参数值以及对应的单圈量，多次测量后得到原始测量值样本集；所述输液参数值包括多个参数，所述单圈量为输液泵的电机转动一次得到的单圈输液量；
单圈量预测模型训练模块：用于将所述原始测量值样本集输入回归模型进行训练，得到单圈量预测模型；
单圈量等级预测模型训练模型：用于根据单圈量等级划分规则，将所述测量值样本集的单圈量进行等级打标签，得到带等级标签的测量值样本集；将所述带等级标签的测量值样本集输入分类模型进行训练，得到单圈量等级预测模型；
单圈输液量预测模块：用于输入输液泵当前测量的输液参数至单圈量等级预测模型得到单圈量预测等级，并结合所述单圈量等级划分规则，得到第一预测单圈量；输入输液泵当前测量的输液参数至单圈量预测模型得到第二预测单圈量；根据所述第一预测单圈量以及第二预测单圈量得到预测单圈输液量；
输液泵控制模块：用于根据所述预测单圈输液量以及输液泵转动圈数，得到输液泵的总输液量，当所述总输液量达到输液量阈值时，控制输液泵停止输液。
9.一种自调节的输液泵控制设备，其特征在于，包括：
存储器：用于存储可执行指令；以及
处理器:用于与所述存储器连接以执行所述可执行指令从而完成权利要求1-7任一项所述的自调节的输液泵控制方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；计算机程序被处理器执行以实现如权利要求1-7任一项所述的自调节的输液泵控制方法。
CN202110187283.5A 2021-02-18 2021-02-18 自调节的输液泵控制方法、系统及计算机介质 Pending CN112820392A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110187283.5A CN112820392A (zh) 2021-02-18 2021-02-18 自调节的输液泵控制方法、系统及计算机介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110187283.5A CN112820392A (zh) 2021-02-18 2021-02-18 自调节的输液泵控制方法、系统及计算机介质

Publications (1)

Publication Number Publication Date
CN112820392A true CN112820392A (zh) 2021-05-18

Family

ID=75865512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110187283.5A Pending CN112820392A (zh) 2021-02-18 2021-02-18 自调节的输液泵控制方法、系统及计算机介质

Country Status (1)

Country Link
CN (1) CN112820392A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0408483A1 (en) * 1989-07-04 1991-01-16 R.G.B. Medical Devices S.A. Drug delivery system
CN111312341A (zh) * 2020-01-17 2020-06-19 中南大学湘雅三医院 华法林剂量预测方法及预测装置
CN112089924A (zh) * 2020-08-21 2020-12-18 北京来普惠康医学技术有限公司 一种输液泵的输液精度自动校准控制系统及其控制方法
CN112133451A (zh) * 2020-08-27 2020-12-25 杭州和乐科技有限公司 缩宫素智能注射方法、装置、设备及存储介质
US20210038163A1 (en) * 2019-08-06 2021-02-11 Medtronic Minimed, Inc. Machine learning-based system for estimating glucose values based on blood glucose measurements and contextual activity data
CN112354042A (zh) * 2020-12-01 2021-02-12 南通市肿瘤医院 一种镇痛泵流量控制方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0408483A1 (en) * 1989-07-04 1991-01-16 R.G.B. Medical Devices S.A. Drug delivery system
US20210038163A1 (en) * 2019-08-06 2021-02-11 Medtronic Minimed, Inc. Machine learning-based system for estimating glucose values based on blood glucose measurements and contextual activity data
CN111312341A (zh) * 2020-01-17 2020-06-19 中南大学湘雅三医院 华法林剂量预测方法及预测装置
CN112089924A (zh) * 2020-08-21 2020-12-18 北京来普惠康医学技术有限公司 一种输液泵的输液精度自动校准控制系统及其控制方法
CN112133451A (zh) * 2020-08-27 2020-12-25 杭州和乐科技有限公司 缩宫素智能注射方法、装置、设备及存储介质
CN112354042A (zh) * 2020-12-01 2021-02-12 南通市肿瘤医院 一种镇痛泵流量控制方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郑健, 汕头大学学报（自然科学版）/基于物联网云平台的智能输液系统开发, vol. 34, no. 4, pages 73 - 80 *

Similar Documents

Publication Publication Date Title
CN112559784B (zh) 基于增量学习的图像分类方法及系统
Van der Laan et al. Multiple testing. Part II. Step-down procedures for control of the family-wise error rate
WO2013037983A1 (en) Method and system for the automatic analysis of an image of a biological sample
CN109948680B (zh) 病历数据的分类方法及系统
CN112508186A (zh) 训练用于图像识别的神经网络的方法和神经网络设备
CN111161249B (zh) 一种基于域适应的无监督医学图像分割方法
CN111046893B (zh) 图像相似性确定方法和装置、图像处理方法和装置
Tang et al. Variable selection in high-dimensional quantile varying coefficient models
CN108446676A (zh) 基于有序编码及多层随机投影的人脸图像年龄判别方法
CN114419378B (zh) 图像分类的方法、装置、电子设备及介质
WO2020161481A1 (en) Method and apparatus for quality prediction
CN113658097B (zh) 一种眼底图像质量增强模型的训练方法及装置
CN114067294A (zh) 一种基于文本特征融合的细粒度车辆识别系统及方法
CN113858566A (zh) 一种基于机器学习的注塑机能耗预测方法及系统
CN112820392A (zh) 自调节的输液泵控制方法、系统及计算机介质
CN113052236A (zh) 一种基于NASNet的肺炎图像分类方法
CN108549899A (zh) 一种图像识别方法及装置
CN112529886A (zh) 一种基于Attention DenseUNet的MRI神经胶质瘤分割方法
CN114494263B (zh) 融合临床信息的医学影像病变检测方法、系统及设备
CN110991517A (zh) 一种面向脑卒中非平衡数据集的分类方法及系统
CN115861305A (zh) 柔性电路板检测方法、装置、计算机设备及存储介质
CN113450323B (zh) 质量检测方法、装置、电子设备及计算机可读存储介质
CN115331021A (zh) 基于多层特征自身差异融合的动态特征提取与描述方法
CN116051880A (zh) 一种标签噪声下基于不确定性评估的结果预测方法
CN115700799A (zh) 基于深度学习的类器官质量控制方法、存储介质

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