CN113425279B - 一种用于呼吸窘迫综合征的动物实验方法 - Google Patents
一种用于呼吸窘迫综合征的动物实验方法 Download PDFInfo
- Publication number
- CN113425279B CN113425279B CN202110586413.2A CN202110586413A CN113425279B CN 113425279 B CN113425279 B CN 113425279B CN 202110586413 A CN202110586413 A CN 202110586413A CN 113425279 B CN113425279 B CN 113425279B
- Authority
- CN
- China
- Prior art keywords
- data
- animal
- experimental
- respiratory distress
- determining
- 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
Links
- 241001465754 Metazoa Species 0.000 title claims abstract description 191
- 238000002474 experimental method Methods 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 97
- 206010001052 Acute respiratory distress syndrome Diseases 0.000 title claims abstract description 44
- 208000013616 Respiratory Distress Syndrome Diseases 0.000 title claims abstract description 26
- 206010038687 Respiratory distress Diseases 0.000 claims abstract description 105
- 230000008569 process Effects 0.000 claims abstract description 60
- 238000012544 monitoring process Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 17
- 210000004072 lung Anatomy 0.000 claims description 53
- 238000009423 ventilation Methods 0.000 claims description 51
- 239000003153 chemical reaction reagent Substances 0.000 claims description 25
- 238000002360 preparation method Methods 0.000 claims description 21
- 238000012795 verification Methods 0.000 claims description 15
- 238000010801 machine learning Methods 0.000 claims description 11
- 238000000465 moulding Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 238000004445 quantitative analysis Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 239000000523 sample Substances 0.000 claims description 7
- 239000008280 blood Substances 0.000 claims description 6
- 210000004369 blood Anatomy 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 6
- 238000004153 renaturation Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 239000007789 gas Substances 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 239000012805 animal sample Substances 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 201000000028 adult respiratory distress syndrome Diseases 0.000 claims 3
- 238000003556 assay Methods 0.000 claims 3
- 238000012956 testing procedure Methods 0.000 claims 1
- 238000013507 mapping Methods 0.000 description 15
- 230000009286 beneficial effect Effects 0.000 description 11
- 206010003598 Atelectasis Diseases 0.000 description 3
- 206010021143 Hypoxia Diseases 0.000 description 3
- 208000007123 Pulmonary Atelectasis Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005399 mechanical ventilation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002685 pulmonary effect Effects 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 238000004868 gas analysis Methods 0.000 description 2
- 230000004199 lung function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 210000001147 pulmonary artery Anatomy 0.000 description 2
- 238000013517 stratification Methods 0.000 description 2
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000010171 animal model Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000001269 cardiogenic effect Effects 0.000 description 1
- 230000009084 cardiovascular function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000037308 hair color Effects 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 208000018875 hypoxemia Diseases 0.000 description 1
- 230000001146 hypoxic effect Effects 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 244000144985 peep Species 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 201000004193 respiratory failure Diseases 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0536—Impedance imaging, e.g. by tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/40—Animals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/42—Evaluating a particular growth phase or type of persons or animals for laboratory research
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供了一种用于呼吸窘迫综合征的动物实验方法。预先根据呼吸窘迫综合征的动物实验流程，确定每个实验步骤中需要采集的数据类型；根据所述数据类型，设置对应的设备在动物实验过程中采集实验数据和动物状态数据；对所述实验数据进行量化处理和分析，确定实验标准；对所述动物状态数据进行判断，确定动物是否产生呼吸窘迫现象，并在具有呼吸窘迫现象时进行程度分析；根据所述实验标准和程度分析的结果，进行动物的呼吸窘迫定级。本发明能够对动物实验的整个实验过程进行全面的分析，实现数据的精确采集。而且会动物实验的整个过程进行量化处理和分析，得到更加准确的监测结果，也会实现呼吸窘迫程度的快速定级。
Description
技术领域
本发明涉及实验技术领域，特别涉及一种用于呼吸窘迫综合征的动物实验方法。
背景技术
目前，性呼吸窘迫综合征(acute respiratory distress syndrome，ARDS)是指心源性以外的各种肺内外致病因素导致的急性、进行性低氧性呼吸衰竭，以顽固性低氧血症为显著特征，临床表现为急性起病、呼吸窘迫、低氧合指数、胸部影像为双侧肺部阴影等。在临床医学飞速发展的今天，ARDS高发病率及高病死率的现状仍未得到改善。
目前，在临床上主要通过患者临床表现、血气分析和血常规等实验室检查以及影像学检查方法诊断ARDS。对于机械通气(mechanical ventilation，MV)治疗过程的疗效监测，主要依靠医生密切观察体征，以及结合一些反应整体肺功能或心血管功能的指标，包括：血气分析、肺力学测量、肺功能监测、肺气体交换监测、血流动力学测量、肺动脉超声心动描记术和肺动脉导管术等。
现有技术种，肺部EIT实验平台为基础，针对EIT监测ARDS机械通气及PEEP值设定的临床需求，建立相应的软件平台、数据处理和指标提取方法，通过开展动物ARDS模型实验，但是现有的动物实验收集的数据比较少，而且现有技术对于呼吸窘迫程度的判断存在误差，没有精确的划分。
发明内容
本发明提供一种用于呼吸窘迫综合征的动物实验方法，用以解决现有技术对于呼吸窘迫程度的判断存在误差，没有精确的划分的情况。
一种用于呼吸窘迫综合征的动物实验方法，包括：
预先根据呼吸窘迫综合征的动物实验流程，确定每个实验步骤中需要采集的数据类型；
根据所述数据类型，设置对应的设备在动物实验过程中采集实验数据和动物状态数据；
对所述实验数据进行量化处理和分析，确定实验标准；
对所述动物状态数据进行判断，确定动物是否产生呼吸窘迫现象，并在具有呼吸窘迫现象时进行程度分析；
根据所述实验标准和程度分析的结果，进行动物的呼吸窘迫定级。
作为本发明的一种实施例：所述方法还包括：
设定动物实验过程中的实验准备数据；其中，
所述实验准备数据的设定过程包括：
设定动物实验流程中的试剂配比，确定试剂数据；
设定动物实验流程中的动物样本，确定样本数据；
设定动物实验流程中的监测设备，确定监测数据；
设定动物实验流程中的通气频率和配比，确定通气数据；
设定动物实验流程中的造模溶液和时间，确定造模数据；
设定动物实验流程中的验证方式，确定验证数据；
设定动物实验流程中的肺复张方式，确定肺复张数据。
作为本发明的一种实施例：所述方法还包括：
确定动物实验过程中实验组的数量，并对每一个实验组设定唯一编号；
根据所述唯一编号，对每一个实验组的实验准备数据、实验数据和动物状态数据建立唯一的三维实验坐标系；
将每一个实验组的三维实验坐标系作为三维展示模型进行展示。
作为本发明的一种实施例：所述预先根据呼吸窘迫综合征的动物实验流程，确定每个实验步骤中需要采集的数据类型，包括：
获取呼吸窘迫综合征的动物实验流程，确定实验步骤；其中，
所述实验步骤包括：试剂准备步骤、动物准备步骤、EIT监测步骤、通气步骤、ARDS建模步骤、模型验证步骤、肺复张步骤；
根据所述实验步骤，确定每个步骤中的必要数据；
根据所述必要数据，确定所述必要数据产生的数据对象；
根据所述数据对象，确定对应的数据类型。
作为本发明的一种实施例：所述根据所述数据类型，设置对应的设备在动物实验过程中采集实验数据和动物状态数据，包括：
根据所述数据类型，确定试剂数据、动物准备数据、EIT监测数据、通气数据、ARDS建模数据、验证数据和肺复张数据
根据所述试剂数据，设置试剂数据的采集设备，采集实验试剂数据；
根据所述动物准备数据，设置基于EIT监测的监测设备，采集动物状态数据；
根据所述通气数据，设置气体监测设备，采集通气实验数据；
根据所述ARDS建模数据，设置数据节点，采集建模数据；
根据所述验证数据，设置验证标注数据，采集提问数据；
根据所述肺复张数据，设置肺复张监测数据，采集肺复张是数据。
作为本发明的一种实施例：所述对所述实验数据进行量化处理和分析，确定实验标准，包括
获取实验数据，并根据所述实验数据，在wed端采集历史数据；
根据所述历史数据，搭建机器学习模型；
根据所述机器学习模型，对所述实验数据进行训练，并获取量化分析模型；
根据所述量化分析模型，构建基于实验数据的曲率曲线图；
根据所述曲率曲线图，设定实验数据的阈值；
根据所述实验数据的阈值，确定实验标准。
作为本发明的一种实施例：所述对所述动物状态数据进行判断，确定动物是否产生呼吸窘迫现象，并在具有呼吸窘迫现象时进行程度分析，包括：
根据所述动物状态数据，确定动物的实时生理参数；其中，
所述生理参数包括：EIT帧数、血氧饱和度、压力参数；
根据所述生理参数，进行通道滤波和图像重建，并以动物的呼气末为参考帧，吸气末为成像帧对复张阶段的每一阶段进行标准差矩阵法处理，确定肺通气；
判断所述肺通气是否在预设的肺通气阈值之内；其中，
当所述肺通气在预设肺通气阈值之内，表示呼吸窘迫；
当所述肺通气不在预设肺通气阈值之内，表示呼吸正常；
在呼吸窘迫时，计算所述肺通气与肺通气阈值的最小值的比值；
根据所述比值，确定呼吸窘迫程度。
作为本发明的一种实施例：所述根据所述实验标准和程度分析的结果，进行动物的呼吸窘迫定级，包括：
根据所述实验标准，建立多个实验标准排布图；
根据所述程度分析，确定每个实验标准排布图下对应的动物呼吸窘迫程度；
基于所述实验标准排布图的数量，基于预设梯度和动物呼吸窘迫程度设置呼吸窘迫等级；
根据所述呼吸窘迫等级和程度分析，进行动物的呼吸窘迫定级。
作为本发明的一种实施例：所述根据所述程度分析，确定每个实验标准排布图下对应的动物呼吸窘迫程度，包括以下步骤：
步骤1：根据所述程度分析，通过下式确定每个实验标准排布图对应的实验模型参数：
其中，a表示实验标准排布图基础参数；dic表示第i个实验标准排布图在第c种预设参数下的实验特征参数；Pik表示表示第i个实验标准排布图的对应的第k种动物呼吸窘迫程度；A表示实验标准排布图的预期参数；B表示参数种类数；D表示动物呼吸窘迫程度的阈值；i＝1，2，3……n；n表示实验标准排布图的总数量；k＝1，2，3……s；s表示实验的动物的总数量；
步骤2：根据所述实验模型参数，引入预设的判定参数模型，确定动物呼吸窘迫程度：
其中，X表示呼吸窘迫程度的程度值；Zi表示第i个实验标准排布图对应的试剂参数；Wi表示第i个实验标准排布图对应的动物状态实时参数；qi表示第i个实验标准排布图对应的EIT监测参数；ρi表示第i个实验标准排布图的综合特征；
表示第i个实验标准排布图的ARDS造模参数；ε表示ARDS造模；Ej表示第j次实验时呈现呼吸窘迫的动物的数量；j＝1，2，3……m；m表示动物呼吸窘迫程度实验的总次数。
作为本发明的一种实施例：所述根据所述程度分析，确定每个实验标准排布图下对应的动物呼吸窘迫程度，还包括以下步骤：
步骤S1：将所述呼吸窘迫程度的程度值引入预设的误差源映射模型，确定映射误差值：
其中，Δρi表示第i个实验标准排布图的映射变量；Δσj表示第j次实验时的映射变量；Y表示映射误差值；
步骤S2：根据所述映射误差值，通过下式确定最小补偿系数：
其中，minB(Et|X)表示最小补偿系数；
步骤S3：根据所述最小补偿函数，确定目标动物呼吸窘迫程度值：
XM＝X*minB(Et|X)
其中，XM表示目标动物呼吸窘迫程度值。
本发明有益效果在于：本发明能够对动物实验的整个实验过程进行全面的分析，实现数据的精确采集。而且会动物实验的整个过程进行量化处理和分析，得到更加准确的监测结果，也会实现呼吸窘迫程度的快速定级
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种用于呼吸窘迫综合征的动物实验方法的方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
如附图1所示，本发明为一种用于呼吸窘迫综合征的动物实验方法，包括：
预先根据呼吸窘迫综合征的动物实验流程，确定每个实验步骤中需要采集的数据类型；
根据所述数据类型，设置对应的设备在动物实验过程中采集实验数据和动物状态数据；
对所述实验数据进行量化处理和分析，确定实验标准；
对所述动物状态数据进行判断，确定动物是否产生呼吸窘迫现象，并在具有呼吸窘迫现象时进行程度分析；
根据所述实验标准和程度分析的结果，进行动物的呼吸窘迫定级。
本发明在进行实验的流程确定之后，会去确定每个实验步骤种需要采集的数据，然后根据采集的数据的类型进行具体的分析，也会设置相应的设备进行采集实验数据和动物状态数据。量化分析和处理，可以实现数据清晰化和合理化处理。而对于动物呼吸窘迫的状况进行判断，判定是不是会产生这种现象，最后会对这种现象进行分析，判断呼吸窘迫的等级。最后基于实验标准和程度分析的结果，判断呼吸窘迫的等级。
本发明能够对动物实验的整个实验过程进行全面的分析，实现数据的精确采集。而且会动物实验的整个过程进行量化处理和分析，得到更加准确的监测结果，也会实现呼吸窘迫程度的快速定级。相对于现有技术，本发明不仅能够从整体技术方案上减少误差，还能够对误差进行补偿，进一步提高实验数据精确度。
作为本发明的一种实施例：所述方法还包括：
设定动物实验过程中的实验准备数据；其中，
所述实验准备数据的设定过程包括：
设定动物实验流程中的试剂配比，确定试剂数据；
设定动物实验流程中的动物样本，确定样本数据；
设定动物实验流程中的监测设备，确定监测数据；
设定动物实验流程中的通气频率和配比，确定通气数据；
设定动物实验流程中的造模溶液和时间，确定造模数据；
设定动物实验流程中的验证方式，确定验证数据；
设定动物实验流程中的肺复张方式，确定肺复张数据。
上述技术方案的原理在于：本发明在进行实验的过程中，需要预先准备实验材料和设备。本发明的实验可能分为多组，每个动物的实验为一组所以实际数据、样本数据就报看每一组实验的单一数据，以及全部组的综合数据。样本数据就是多少组实验，实验的动物就是样本，其数据好包括动物的状态。监测数据是实验过程中的监测数据。通气苏剧是因为在实验中需要对动物进行通气，进而生成的通气数据，通气的数值位预先设置一个数值和但是也可以实时调节。造模数据就是造模的溶液和时间数据。验证数据，就是在实验中对每个实验样本产生的数据进行验证，提高数据精确度。而肺复张属于u同期的一种方法，有助于动物进行过程中不死亡。
上述技术方案的有益效果在于：上述技术方案是为了保证在实验之前有成本材料支持，而在进行实验过程中能够对数据精确监测。
作为本发明的一种实施例：所述方法还包括：
确定动物实验过程中实验组的数量，并对每一个实验组设定唯一编号；
根据所述唯一编号，对每一个实验组的实验准备数据、实验数据和动物状态数据建立唯一的三维实验坐标系；
将每一个实验组的三维实验坐标系作为三维展示模型进行展示。
上述技术方案的原理在于：本发明将实验设置编号，便于同进行数据条码化，进而便于进行数据采集和存储。然后建立三维实验坐标系，是为了便于进行数据的在三维坐标系上进行设定和展示。
上述技术方案的有益效果在于：本发明是将实验数据可视化，便于进行数据展示，而且是三维展示。
作为本发明的一种实施例：所述预先根据呼吸窘迫综合征的动物实验流程，确定每个实验步骤中需要采集的数据类型，包括：
获取呼吸窘迫综合征的动物实验流程，确定实验步骤；其中，
所述实验步骤包括：试剂准备步骤、动物准备步骤、EIT监测步骤、通气步骤、ARDS建模步骤、模型验证步骤、肺复张步骤；
根据所述实验步骤，确定每个步骤中的必要数据；
根据所述必要数据，确定所述必要数据产生的数据对象；
根据所述数据对象，确定对应的数据类型。
上述技术方案的原理在于：本发明在进行实验的时候，会确定数据的类型，分类型之后，可以进行数据采集，这个数据以必要数据位主，必要数据。必要数据位动物状态数据、实际数据、动物原始状态数据等等。非必要数据就是动物的毛色，装试剂的烧杯等等这些对实验无任何影响的数据。
上述技术方案的有益效果在于：必要数据为在实验过程中需要进行采集分析的数据，所以本发明确定需要采集的数据类型实现数据采集，保证数据的全面性，因为本发明不是人工采集的数据，是设备采集数据，所以要有必要数据和非必要数据的划分，让设备容易辨别。
作为本发明的一种实施例：所述根据所述数据类型，设置对应的设备在动物实验过程中采集实验数据和动物状态数据，包括：
根据所述数据类型，确定试剂数据、动物准备数据、EIT监测数据、通气数据、ARDS建模数据、验证数据和肺复张数据
根据所述试剂数据，设置试剂数据的采集设备，采集实验试剂数据；
根据所述动物准备数据，设置基于EIT监测的监测设备，采集动物状态数据；
根据所述通气数据，设置气体监测设备，采集通气实验数据；
根据所述ARDS建模数据，设置数据节点，采集建模数据；
根据所述验证数据，设置验证标注数据，采集提问数据；
根据所述肺复张数据，设置肺复张监测设备，采集肺复张数据。
上述技术方案的原理在于：本发明在进行实验数据和动物状态数据采集的时候，是根据数据类型进行采集的。所以本发明在这个过程中，不同的数据由不同的设备进行数据采集，实验数据由实际数据、通气实验数据、建模数据、提问数据和肺复张数据组成，实验数据也包括动物的动态数据，但是，因为本发明需要对动物状态数据进行判断呼吸窘迫程度，所以还会单独进行划分，实验数据也就不包括动物状态数据。
上述技术方案的有益效果在于：本发明在进行数据采集的时候根据不同的步骤，采用不同的专用设备进行数据采集，保证数据采集的正确率。并划分实验数据和动物状态数据，使得在进行实验的过程中更加容易分析动物呼吸窘迫程度。
作为本发明的一种实施例：所述对所述实验数据进行量化处理和分析，确定实验标准，包括
获取实验数据，并根据所述实验数据，在wed端采集历史数据；
根据所述历史数据，搭建机器学习模型；
根据所述机器学习模型，对所述实验数据进行训练，并获取量化分析模型；
根据所述量化分析模型，构建基于实验数据的曲率曲线图；
根据所述曲率曲线图，设定实验数据的阈值；
根据所述实验数据的阈值，确定实验标准。
上述技术方案的原理在于：本发明在进行数据分析和处理的时候是基于历史数据对现有的实验数据进行分析，量化处理得到。历史数据搭建机器学习模型，使得数据分析更加快速，而且相对于人工分析，机器学习之后的机器学习模型，存在标准的分析流程，不会再分析处理过程中出现任何失误，如果存在失误，也是没有训练好机器学习模型。曲率曲线图是基于量化分析之后得到，便于进行阈值设定。
上述技术方案的有益效果在于：量化分析的更加方便和直观地衡量实验效果的好坏。机器学习模型可以提高数据处理的准确性和高效性，而曲率曲线图的阈值设定，可以让实验过程中的数据更加具有直观性。
作为本发明的一种实施例：所述对所述动物状态数据进行判断，确定动物是否产生呼吸窘迫现象，并在具有呼吸窘迫现象时进行程度分析，包括：
根据所述动物状态数据，确定动物的实时生理参数；其中，
所述生理参数包括：EIT帧数、血氧饱和度、压力参数；
根据所述生理参数，进行通道滤波和图像重建，并以动物的呼气末为参考帧，吸气末为成像帧对复张阶段的每一阶段进行标准差矩阵法处理，确定肺通气；
判断所述肺通气是否在预设的肺通气阈值之内；其中，
当所述肺通气在预设肺通气阈值之内，表示呼吸窘迫；
当所述肺通气不在预设肺通气阈值之内，表示呼吸正常；
在呼吸窘迫时，计算所述肺通气与肺通气阈值的最小值的比值；
根据所述比值，确定呼吸窘迫程度。
上述技术方案的原理在于：本发明再实验分过程中，判断动物是否出现呼吸窘迫状态，进而进行程度分析，在这个过程中，动物状态数据是动物的生理状态，便于确定实验的结果。生理参数的分析通过通道滤波和图像重建，在这个过程中，通道过滤就是生理数据过滤，生理数据通过不同的通道进行展示，过滤就是排除非生理数据或者明显错误数据。图像重建是因为，实验数据是以曲率曲线图进行显示，过滤之后，肯定存在一些数据的改变，所以进行图像重建。动物的呼气末为参考帧就是在重建的图像中，在试验结束的末端，对整个实验过程的数据进行标准差矩阵法处理。标准差矩阵法是一个根据实验数据建立不同动物实验数据标准差，进项参考测算的方法，用于计算出肺通气的量。然后根据肺通气的状况进行判断是否存在呼吸窘迫。最后确定呼吸窘迫的程度。
上述技术方案的有益效果在于：本发明有利于对呼吸窘迫程度进行精确的分析，判断出呼吸窘迫的程度。而且存在过滤和图像重建，是的数据更加精确。
作为本发明的一种实施例：所述根据所述实验标准和程度分析的结果，进行动物的呼吸窘迫定级，包括：
根据所述实验标准，建立多个实验标准排布图；
根据所述程度分析，确定每个实验标准排布图下对应的动物呼吸窘迫程度；
基于所述实验标准排布图的数量，基于预设梯度和动物呼吸窘迫程度设置呼吸窘迫等级；
根据所述呼吸窘迫等级和程度分析，进行动物的呼吸窘迫定级。
上述技术方案的原理在于：本发明在进行呼吸窘迫定级的时候，会根据实验的标准，就是实验中设置的温度、试剂量、样本等等为实验标准，建立每个试验标准的情况下，具体实验过程中产生的数据的实验标准排布图。而且每个图都能显示动物的呼吸窘迫状况。因为需要进行精确划分，本发明还要进行对呼吸窘迫的等级进行划分，进而根据动物的呼吸窘迫成度，确定呼吸窘迫等级。
上述技术方案的有益效果在于：便于进行精确判断，在进行人体呼吸窘迫判断的时候，根据本发明的数据，可以进行等级认定。从而更好地在人体存在相同状况的时候，更好的安排对应的处理方法；。
作为本发明的一种实施例：所述根据所述程度分析，确定每个实验标准排布图下对应的动物呼吸窘迫程度，包括以下步骤：
步骤1：根据所述程度分析，通过下式确定每个实验标准排布图对应的实验模型参数：
其中，a表示实验标准排布图基础参数；dic表示第i个实验标准排布图在第c种预设参数下的实验特征参数；Pik表示表示第i个实验标准排布图的对应的第k种动物呼吸窘迫程度；A表示实验标准排布图的预期参数；B表示参数种类数；D表示动物呼吸窘迫程度的阈值；i＝1，2，3……n；n表示实验标准排布图的总数量；k＝1，2，3……s；s表示实验的动物的总数量；
步骤2：根据所述实验模型参数，引入预设的判定参数模型，确定动物呼吸窘迫程度：
其中，X表示呼吸窘迫程度的程度值；Zi表示第i个实验标准排布图对应的试剂参数；Wi表示第i个实验标准排布图对应的动物状态实时参数；qi表示第i个实验标准排布图对应的EIT监测参数；σi表示第i个实验标准排布图的综合特征；
表示第i个实验标准排布图的ARDS造模参数；ε表示ARDS造模；Ej表示第j组实验时呈现呼吸窘迫的动物的数量；j＝1，2，3……m；m表示动物呼吸窘迫程度实验的总组数。
上述技术方案的原理和有益效果在于：本发明在步骤1中：基于程度分析，确定了每个实验标准排布图对应的实验模型参数，其中，本发明引入了adicPik的累加计算，用于综合在不同实验标准和实验参数下，不同的实验组中动物的状态，动物的状态以呼吸窘迫的程度体现。
的累加计算，确定了在期望动物呼吸窘迫程度中和预期参数确定的情况下，不同参数(不同的adicPik值，所体现的期望动物的呼吸窘迫程度，这个呼吸窘迫成度，在阈值D之内D表示一个区间，在计算的时候进行引入)。步骤2通过步骤1来确定呼吸窘迫程度，这个过程中本发明是以比值，即(对比的方式确定)，
表示实际情况下动物呼吸窘迫状态参数；
表示标准情况下动物呼吸窘迫状态参数，因为引入了
可以作为预设的参数值。通过步骤1和步骤2的联合作用，能够精确的判断每张实验标准排布图，即每个实验组的动物的呼吸窘迫程度。
作为本发明的一种实施例：所述根据所述程度分析，确定每个实验标准排布图下对应的动物呼吸窘迫程度，还包括以下步骤：
步骤S1：将所述呼吸窘迫程度的程度值引入预设的误差源映射模型，确定映射误差值：
其中，Δρi表示第i个实验标准排布图的映射变量；Δσj表示第j次实验时的映射变量；Y表示映射误差值；
步骤S2：根据所述映射误差值，通过下式确定最小补偿系数：
其中，minB(Et|X)表示最小补偿系数；
步骤S3：根据所述最小补偿函数，确定目标动物呼吸窘迫程度值：
XM＝X*minB(Et|X)
其中，XM表示目标动物呼吸窘迫程度值。
上述技术方案的原理和有益效果在于：本发明步骤1是为了通过映射函数(标准映射)来判断出呼吸窘迫程度在计算时的误差，这个误差因为是标准映射，所以误差值更加准确。并且分别引入呼吸窘迫的特征和对应的动物数量，输出误差计算时，引入的实际变量。而步骤2种本发明计算最小补偿系数，是为了在最低补偿的情况下确定呼吸窘迫程度。而最后的XM就是具体的呼吸窘迫程度值。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种用于呼吸窘迫综合征的动物实验方法，其特征在于，包括：
预先根据呼吸窘迫综合征的动物实验流程，确定每个实验步骤中需要采集的数据类型；
根据所述数据类型，设置对应的设备在动物实验过程中采集实验数据和动物状态数据；
对所述实验数据进行量化处理和分析，确定实验标准；
对所述动物状态数据进行判断，确定动物是否产生呼吸窘迫现象，并在具有呼吸窘迫现象时进行程度分析；
根据所述实验标准和程度分析的结果，进行动物的呼吸窘迫定级；
其中，所述根据所述实验标准和程度分析的结果，进行动物的呼吸窘迫定级，包括：
根据所述实验标准，建立多个实验标准排布图；
根据所述程度分析，确定每个实验标准排布图下对应的动物呼吸窘迫程度；
基于所述实验标准排布图的数量，基于预设梯度和动物呼吸窘迫程度设置呼吸窘迫等级；
根据所述呼吸窘迫等级和程度分析，进行动物的呼吸窘迫定级。
2.如权利要求1所述的一种用于呼吸窘迫综合征的动物实验方法，其特征在于，所述方法还包括：
设定动物实验过程中的实验准备数据；其中，
所述实验准备数据的设定过程包括：
设定动物实验流程中的试剂配比，确定试剂数据；
设定动物实验流程中的动物样本，确定样本数据；
设定动物实验流程中的监测设备，确定监测数据；
设定动物实验流程中的通气频率和配比，确定通气数据；
设定动物实验流程中的造模溶液和时间，确定造模数据；
设定动物实验流程中的验证方式，确定验证数据；
设定动物实验流程中的肺复张方式，确定肺复张数据。
3.如权利要求1所述的种用于呼吸窘迫综合征的动物实验方法，其特征在于，所述方法还包括：
确定动物实验过程中实验组的数量，并对每一个实验组设定唯一编号；
根据所述唯一编号，对每一个实验组的实验准备数据、实验数据和动物状态数据建立唯一的三维实验坐标系；
将每一个实验组的三维实验坐标系作为三维展示模型进行展示。
4.如权利要求1所述的一种用于呼吸窘迫综合征的动物实验方法，其特征在于，所述预先根据呼吸窘迫综合征的动物实验流程，确定每个实验步骤中需要采集的数据类型，包括：
获取呼吸窘迫综合征的动物实验流程，确定实验步骤；其中，
所述实验步骤包括：试剂准备步骤、动物准备步骤、EIT监测步骤、通气步骤、ARDS建模步骤、模型验证步骤、肺复张步骤；
根据所述实验步骤，确定每个步骤中的必要数据；
根据所述必要数据，确定所述必要数据产生的数据对象；
根据所述数据对象，确定对应的数据类型。
5.如权利要求1所述的种用于呼吸窘迫综合征的动物实验方法，其特征在于，所述根据所述数据类型，设置对应的设备在动物实验过程中采集实验数据和动物状态数据，包括：
根据所述数据类型，确定试剂数据、动物准备数据、EIT监测数据、通气数据、ARDS建模数据、验证数据和肺复张数据
根据所述试剂数据，设置试剂数据的采集设备，采集实验试剂数据；
根据所述动物准备数据，设置基于EIT监测的监测设备，采集动物状态数据；
根据所述通气数据，设置气体监测设备，采集通气实验数据；
根据所述ARDS建模数据，设置数据节点，采集建模数据；
根据所述验证数据，设置验证标注数据，采集提问数据；
根据所述肺复张数据，设置肺复张监测数据，采集肺复张是数据。
6.如权利要求1所述的种用于呼吸窘迫综合征的动物实验方法，其特征在于，所述对所述实验数据进行量化处理和分析，确定实验标准，包括
获取实验数据，并根据所述实验数据，在wed端采集历史数据；
根据所述历史数据，搭建机器学习模型；
根据所述机器学习模型，对所述实验数据进行训练，并获取量化分析模型；
根据所述量化分析模型，构建基于实验数据的曲率曲线图；
根据所述曲率曲线图，设定实验数据的阈值；
根据所述实验数据的阈值，确定实验标准。
7.如权利要求1所述的种用于呼吸窘迫综合征的动物实验方法，其特征在于，所述对所述动物状态数据进行判断，确定动物是否产生呼吸窘迫现象，并在具有呼吸窘迫现象时进行程度分析，包括：
根据所述动物状态数据，确定动物的实时生理参数；其中，
所述生理参数包括：EIT帧数、血氧饱和度、压力参数；
根据所述生理参数，进行通道滤波和图像重建，并以动物的呼气末为参考帧，吸气末为成像帧对复张阶段的每一阶段进行标准差矩阵法处理，确定肺通气；
判断所述肺通气是否在预设的肺通气阈值之内；其中，
当所述肺通气在预设肺通气阈值之内，表示呼吸窘迫；
当所述肺通气不在预设肺通气阈值之内，表示呼吸正常；
在呼吸窘迫时，计算所述肺通气与肺通气阈值的最小值的比值；
根据所述比值，确定呼吸窘迫程度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110586413.2A CN113425279B (zh) | 2021-05-27 | 2021-05-27 | 一种用于呼吸窘迫综合征的动物实验方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110586413.2A CN113425279B (zh) | 2021-05-27 | 2021-05-27 | 一种用于呼吸窘迫综合征的动物实验方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113425279A CN113425279A (zh) | 2021-09-24 |
| CN113425279B true CN113425279B (zh) | 2022-12-20 |
Family
ID=77803073
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110586413.2A Active CN113425279B (zh) | 2021-05-27 | 2021-05-27 | 一种用于呼吸窘迫综合征的动物实验方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113425279B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112189625A (zh) * | 2020-10-14 | 2021-01-08 | 苏州西山中科药物研究开发有限公司 | 气管内喷雾不同剂量博来霉素诱导的不同严重程度的大鼠肺损伤模型 |
| CN112274294A (zh) * | 2020-10-14 | 2021-01-29 | 苏州西山中科药物研究开发有限公司 | 气管内喷雾不同剂量造模药物诱导不同严重程度实验动物肺损伤模型的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2397074B1 (en) * | 2010-06-19 | 2012-10-24 | M Stenqvist AB | A system and computer readable medium for determination of transpulmonary pressure in a patient connected to a breathing apparatus |
-
2021
- 2021-05-27 CN CN202110586413.2A patent/CN113425279B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112189625A (zh) * | 2020-10-14 | 2021-01-08 | 苏州西山中科药物研究开发有限公司 | 气管内喷雾不同剂量博来霉素诱导的不同严重程度的大鼠肺损伤模型 |
| CN112274294A (zh) * | 2020-10-14 | 2021-01-29 | 苏州西山中科药物研究开发有限公司 | 气管内喷雾不同剂量造模药物诱导不同严重程度实验动物肺损伤模型的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 不同机械通气水平对急性呼吸窘迫综合征右心功能影响的动物实验研究;王子丹 等;《中华急诊医学杂志》;20200331;第29卷(第30期);第365-371页 * |
| 呼吸窘迫综合征的实验研究简况;严仪昭;《医学研究通讯》;19821231;第8-9页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113425279A (zh) | 2021-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111127467B (zh) | 图像量化方法、计算机设备和存储介质 | |
| CN110051324B (zh) | 一种急性呼吸窘迫综合征死亡率预测方法及系统 | |
| CN112669960B (zh) | 一种基于机器学习方法的肝脏纤维化预测模型的构建方法、预测系统、设备和存储介质 | |
| CN108257132A (zh) | 一种基于机器学习的ct图像质量评估的方法 | |
| CN101149767A (zh) | 一种无创型健康评估模型的通用建立方法及其装置 | |
| CN115579128B (zh) | 一种多模型特征增强疾病筛查系统 | |
| CN115099331A (zh) | 基于可解释性机器学习算法的恶性胸腔积液辅助诊断系统 | |
| CN111413492A (zh) | 一种用于检测新型冠状病毒covid-2019肺炎的方法及系统 | |
| CN114864086A (zh) | 一种基于肺功能报告模板的疾病预测方法 | |
| KR102477592B1 (ko) | 신체액 샘플을 이용한 근 감소증 인공지능 진단 시스템 및 방법 | |
| CN116453656B (zh) | 一种心理健康评估预警系统及方法 | |
| CN116030987B (zh) | 系统性硬化病食管动力的评估模型的构建方法 | |
| CN113425279B (zh) | 一种用于呼吸窘迫综合征的动物实验方法 | |
| US20060282245A1 (en) | Biological simulation system and computer program product | |
| CN113469227B (zh) | 一种用力呼气总量预测方法 | |
| CN112669973B (zh) | 基于大数据深度学习的疾病协同递进预测方法和机器人 | |
| CN113990485A (zh) | 一种基于常规检验数据与知识图谱联合诊断疾病的方法 | |
| CN111261264A (zh) | 一种智能体质测试设备、方法及存储介质 | |
| CN109545375A (zh) | 一种用于临检细胞骨髓专业的多功能试验平台 | |
| CN117877748B (zh) | 一种多参数心肺功能测试设备及其数据处理方法 | |
| CN116741384B (zh) | 一种基于床旁护理的重症急性胰腺炎临床数据管理方法 | |
| US20230197262A1 (en) | Apparatus and methods for pulmonary monitoring | |
| EP4360559A1 (en) | A training method of a computer-implemented machine learning model for obtaining a resting energy expenditure (ree) parameter of a subject | |
| De Champlain et al. | Predicting mastery level on a large-scale standardized patient test: a comparison of case and instrument score-based models using discriminant function analysis | |
| CN116313038A (zh) | 一种诊断肌少症的装置、设备和系统 |
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 |