CN114366869A - 一种腹部手术用的负压引流系统 - Google Patents

Abstract

本发明涉及一种腹部手术用的负压引流系统，包括创面引流装置A、体外装置、检测单元、控制单元、负压源B和电源模块；体外装置包括临床使用导管和流体收集瓶；检测单元包括压力传感器、重量传感器；控制单元包括控制装置、显示模块和操作模块；负压源包括真空泵、负压阀和临床真空源；电源模块包括高低压电源。通过本发明中的与医院的腹部手术负压引流装置耦合的体外装置，使用体外装置来评估整个回路的压力差异，以提供校准水平的抽吸和漏气，系统能够根据实际的腹部内压力来调节抽吸水平，促进腹部的手术后恢复。

Description

一种腹部手术用的负压引流系统

技术领域

本申请涉及医疗手术领域，尤其涉及一种腹部手术用的负压引流系统。

背景技术

腹腔引流管引流的作用机制主要依靠虹吸作用经腹腔引流管被动引流至引流袋中，其作用机制是体内位置较高的腔内液体通过引流管流入位置较低的引流袋中；条件是体腔中压强与引流袋中压强相等，引流管内管口不能露出液面。腹部外科手术后放置腹腔引流管引流是防治术后并发症和治疗部分外科疾患的重要手段，但同时也是颇具争议的一项技术。一方面，放置腹腔引流管有利于引离或排出积存于腹腔内的液体(包括血液、脓液、炎性渗液、胆汁、分泌液等)；但另一方面，腹腔引流管也加重了消化道瘘、肠粘连、腹腔感染等机会。因此关于负压引流的各种参数的控制非常关键。

发明内容

本发明提供一种腹部手术用的负压引流系统，能够根据实际的腹部内压力来调节吸引水平，可以在需要腹部的手术后促进恢复。

一种腹部手术用的负压引流系统，包括创面引流装置A、体外装置、检测单元、控制单元、负压源B和电源模块；

体外装置包括临床使用导管和流体收集瓶；检测单元包括压力传感器、重量传感器；控制单元包括控制装置、显示模块和操作模块；负压源包括真空泵、负压阀和临床真空源；电源模块包括高低压电源；

其中，创面引流装置A采用高分子医用海绵作为临床使用导管和创面间的中介，创面用生物半透性膜封闭，在负压源B形成一个密闭的引流系统；

在负压引流装置A和流体收集瓶设置至少两个压力传感器和临床使用导管，将临床使用导管固定在负压引流装置的下方，在腹部手术用负压引流装置、体外装置的两端放置至少个压力传感器进行压力测量；

其中，控制单元连接检测单元和负压源；临床真空源通过负压阀连接临床使用导管进而连接流体收集瓶，真空泵通过临床使用导管进而连接流体收集瓶，控制单元分别控制真空泵和/或负压阀进行负压引流操作；重量传感器检测流体收集瓶的重量，压力传感器检测负压管的压力。

另外，设置放大电路，使用带有运算放大器的放大电路将传感器信号放大后传输至数据采集模块，以固定频率对压力传感器产生的信号进行采样，并将其传输至控制单元。

本发明设置两个负压源：一个是仪器内电动真空泵提供的局部负压源，另一个是医院提供的临床负压源。电动真空泵通过压缩和抽吸泵室内的空气，由电机产生负压。为避免普通真空泵产生较大噪音，配备了带消声器的小型真空泵。该泵具有出口喷嘴和进口喷嘴，并在进口处产生负压。临床真空源通常设置在病房墙壁上，并可通过专门设计的接口管与设备连接。在不同情况下使用时，医生可以从触摸屏上的两个负压源中选择一个。

控制单元由控制装置和触摸屏组成，该装置用于调节真空度。使用触摸屏上的软键盘设置设备的操作参数。检测单元中的传感器获得的信号由控制装置进行处理。该部分显示所有信息并执行紧急报警。真空度调节方法取决于负压源(泵或临床负压源)。

电机是真空泵的核心。控制装置通过控制电机转速来调节真空度。本发明采用了改进的PWM控制方法和PID算法，这种控制方法具有很强的鲁棒性。控制原理如(1)和(2)所示：

其中，x_k是电机控制信号在时间点k的占空比，k_p是比率系数，k_l是k的积分系数，常数A是积分阈值，T_d是导数时间常数。如果压力偏差e_k大于A，积分项为零，电机转速由PD调节。在实际使用中，压力传感器获取的压力信号首先传输到控制装置的输入端口，然后通过PID算法处理，得到占空比自动调整的PWM信号。最后，PWM信号通过控制电机转速来调节真空度。

如果使用临床负压源，通过软管连接到设备中的负压阀。在这种情况下，真空度由步进电机通过控制通风阀的开关来调节。负压阀步进电机由PWM信号控制，真空度调节方法与使用真空泵时类似。

负压引流系统的基本特征为混沌系统，其状态随时间变化，在存在扰动和其他未建模系统动力学的情况下，可能导致不可预测和可能异常的发散行为。例如负压源在工作范围边缘表现出易失性非线性行为。这种非线性行为主要是由于渗出物和气体混合物的物理性质；所用膜和泡沫材料的弹性效应；局部伤口部位的形状和性质、在线过滤器的多孔指数、气动回路中的体积变化以及阀门动作，以及敷料不能保证局部伤口部位密封。

临床使用导管的流体流动为混沌行为，其中微小的初始误差可能呈指数级发散。由于内腔中液柱的头部高度和流体的稠度，泵和伤口部位之间存在压力梯度。造成这种压力梯度的主要因素是重力、渗出物的重量和粘度。随着临床使用导管长度的增加，临床使用导管中的方向和扰动也成为重要因素。其中临床使用导管的总压力由伯努利方程给出：

P_total＝P_static+P_dynamic (3)

静压由以下公式计算：

P_static＝ρ·g·h＝ρ·g·L sinθ (4)

式中ρ＝流体密度，h＝流体深度(头部)，g＝重力加速度，L＝内腔长度，θ是内腔和水平面之间的角度，θ为正。动压力表示为：

其中，v＝流速。

理想情况下，负压引流系统的压力调节算法寻求系统地最小化压力设定点周围的误差。负压引流系统运行中可能出现异常值，包括传感器故障、泵电机机电故障、临床使用导管堵塞或泄漏、伤口敷料泄漏或环境意外变化。负压引流系统必须尽可能通过自动恢复安全操作条件或通过发出信号进行人工干预来对这些事件进行不同的处理。异常值处理包括：检测、识别或标记、处理。

细菌算法用于从训练数据集中提取系统的模型。系统的预期行为由输入-输出数据确定，从而消除因模型拟合不良而错误标记异常值的风险。训练数据集是通过在受控条件下对泵进行表征运行而获得的离群点。本发明中基于模糊规则的离线离群点检测方法，包括以下两个步骤：1)基于训练数据集创建模糊规则库模型；2)根据模糊模型的性质识别离群点数据。

细菌算法执行模糊规则提取，一个模糊规则库对应于种群中的一个细菌。梯形隶属函数的四个断点对模糊规则的前后模糊集进行编码。模糊规则库根据其逼近训练数据集的能力进行评估。在训练数据中，有P个训练模式，其形式为(x₁ ^(p),x₂ ^(p),…,x_n ^(p),t^(p))，其中(x₁ ^(p),x₂ ^(p),…,x_n ^(p))是p阶训练模式的n维输入，t^(p)是p阶训练模式的期望或目标输出，p(1≤p≤P)是每个训练输入的模式ID。对于每个训练输入(x₁ ^(p),x₂ ^(p),…,x_n ^(p))，使用推理计算模糊模型的输出y^(p)，以评估给定模糊规则库的逼近能力。输入(x₁ ^(p),x₂ ^(p),…,x_n ^(p))的模糊模型输出是y^(p)。

计算期望输出t^(p)和模糊输出y^(p)之间的误差。细菌算法允许根据任务更改误差的设置，常用的包括均方误差、均方相对误差和平均相对误差百分比。本发明采用改进距离作为初步测试和与其他度量的比较。改进距离对接近其预期值的数据点给予很少的权重，而对远离其预期值的离群值的数据点给予更大的权重。

改进距离如公式(6)所示，其中e_p是p阶训练模式的误差。

细菌算法从包含N_ind个体的初始随机群体的生成开始。应用细菌突变、LM方法和基因转移算子，直到满足代数N_gen的停止标准。

细菌突变通过创建N_clones+1个个体克隆应用于群体中的每个个体。一个基因在细菌染色体上可能意味着三种不同的东西，而基因在细菌突变中的意义是算法的一个参数。基因可以是梯形隶属函数的一个点，也可以是梯形隶属函数本身即模糊集或模糊规则。用这种变异修改的基因数l_bm成为算法的一个参数。根据基因和l_bm的定义随机选择一组基因。在N_clones克隆中随机更改选定的基因，其中一个克隆保持不变，从而生成N_clones+1克隆。从N_clones+1克隆中选择最佳克隆，以将突变基因转移到其他N_clones克隆中。然后随机选择一组尚未选择的基因，并再次执行相同的过程。突变选择转移序列重复进行，直到细菌染色体上的所有基因被精确地选择一次。最好的克隆取代种群中的原始细菌，丢弃其他克隆。

在细菌突变之后，通过算法的概率LM_prob参数对每个细菌应用LM方法。给定一个细菌种群，LM方法中使用单个细菌的样本种群。与细菌算子不同，在LM步骤中，公式(7)给出了用于评估适应度的平方和误差SSE：

LM算法是一种基于梯度的优化技术，计算与模糊模型参数有关的模糊模型输出导数，即梯形的断点。雅可比矩阵J的条目表示为：

其中

表示模糊模型(细菌)的参数，k表示阶跃指数。第k次迭代中细菌的更新载体为：

其中，γ_k初始设置为任何正值(γ_init＝γ₁>0)，I为单位矩阵。在计算了更新向量之后，信赖域r_k计算如下：

其中

表示更新的模糊模型的参数向量。梯形的四个断点的顺序是重要的，如果断点的顺序被破坏，则需要进行纠正。

根据r_k的值动态调整参数γ:如果r_k＜0.25，则r_k+1＝4·γ_k；如果r_k＞0.75，则r_k+1＝γ_k/2；其他，则r_k+1＝r_k。

如果

则

当满足停止条件或达到预定义的最大迭代LM_iter时，LM算法停止，否则继续第k+1个迭代步骤。

基因转移是最后一个操作。基因转移需要将基因从优等个体复制到劣等个体。正如细菌突变一样，基因转移基因可以有三种不同的含义，一种是梯形隶属函数点；梯形隶属函数本身即，模糊集；或模糊规则。基因转移算子中的基因含义可能与细菌突变中的基因含义不同。基因转移算子在群体水平上起作用。个体的误差定义将种群分成两半。从上半部种群中随机选择的一种细菌将基因转移到下半部种群中随机选择的另一种细菌。被转移的基因数l_gt也成为算法的另一个参数。在转移基因后，再次对群体进行排序，并重复前面的步骤。基因转移数量为N_inf。

基于模糊规则库模型的离群点检测算法。模糊规则库提取使用恒定数量的规则。在离群点检测算法中，采用模糊规则库提取算法，规则数量在最小和最大之间变化，这些规则是离群点检测算法的参数。由于细菌算法是一种随机方法，因此使用相同数量的规则执行多个运行。

在每次运行中，模糊规则库提取算法应用于给定数量的规则。所创建的模糊规则库的评估。在评估中，使用所有训练模式计算模糊模型的平均改进距离。此评估结果保存在矩阵中的所有运行。

为提取的模糊规则库创建了一个离群值列表。异常值列表保存在一个数组中，该数组包含所有运行的所有异常值列表。在创建离群值列表时，使用长度为P的二进制向量，其中P是训练数据集中的模式数。此离群值列表向量的所有组件都初始化为0。然后，迭代整个训练数据集，对于每个模式，通过公式(6)计算给定模式的期望输出和给定模式的模糊模型输出之间的改进距离。如果给定模式的改进距离高于阈值，则通过将其二进制值更改为1，将此模式列在异常值列表中。

对于给定规则数量的所有运行，在完成所有运行时计算并存储平均误差。基于这个平均误差向量，通过检查具有相邻规则数的模糊模型之间平均误差的下降，计算出离群检测的最优规则数。在当前平均误差值AEV和下一个平均误差值AEV之间的差值最大，可获得最佳规则数。最高平均误差降之前的模糊模型是检测异常值的最佳候选模型，因为与规则更多的模糊模型相比，这些模糊模型实现了对训练数据集的不太准确的近似，即使在异常值数据出现的地方，模糊模型也倾向于准确地拟合模型。规则较多的模型不能从数据集中分离出异常值；它们过度拟合了数据集。因此，基于最大平均误差下降，具有较少规则的模糊模型是在不拟合异常数据的情况下实现良好近似的最佳候选模型。从离群值数组中提取与最佳规则数相对应的离群值列表。使用交集操作合并这些异常值列表。合并是算法的最后一步，提供异常数据列表。

另外，为了确定临床使用导管之间的泄漏，一段临床使用导管安装有两个压力传感器用于检测两个点之间发生泄漏的。出现泄漏时，该泄漏点处的压力将下降，压力变化将沿临床使用导管朝向传感器1和朝向传感器2扩散。这与声波在流体中传播的速度相同，即负压波。根据负压波速度、两个压力传感器处的波到达时间差以及传感器之间的距离，可以通过以下分析确定泄漏位置。

假设临床使用导管长度为L，临床使用导管中介质的流速为u，流向为传感器1至传感器2，负压波传播速度为v。将传感器1的位置设置为参考起点，假设泄漏点位于位置X，临床使用导管两端负压波的到达时间分别为t₁和t₂，则：

如果Δt＝t1-t2，泄漏点X通过公式(13)确定：

负压波在油中的传播速度约为900–1200m/s，在水中的传播速度约为1000–1500m/s。与上述相比，临床使用导管的液体流速u通常在1–3m/s的范围内，忽略不计。因此，公式(13)简化为：

从式(14)可知确定实际泄漏位置的精度受几个关键因素的影响：临床使用导管长度、负压波速度和负压波到达临床使用导管两端的时间差。在实际应用中，临床使用导管长度的增加将导致负压波的信号衰减，从而造成在使用这种两点监测系统时受到限制。

本发明的基于负压波的泄漏检测系统，该系统包括多个光纤光栅压力传感器、通信导线和监控主机。利用沿临床使用导管长度存在的通信导线作为信号传输信道，并充分利用光纤光栅的波长编码和复用能力。每个光纤光栅压力传感器装置包括一根梁、一个波纹管和两个光纤光栅，光纤光栅对称地结合在梁的相对侧。

当临床使用导管内的介质在波纹管上施加压力变化ΔP时，波纹管的变形会干扰梁的平衡，从而导致压力变化进而影响梁的弯曲。通过监测两个光纤光栅17、18在相反方向上的波长偏移来量化。两个光纤光栅都具有相同的温度系数和应变系数，并且由环境温度效应引起的两个光纤光栅的波长偏移将是相同的。因此，两个光纤光栅的总波长位移可描述如下：

Δλ₁＝k_PΔP+k_TΔy (15)

Δλ₂＝-k_PΔP+k_TΔy (16)

其中，上述每个Δλ上的下标1或2分别表示第一光纤光栅18或第二光纤光栅17。Δλ为直接测量的压力变化，即：

Δλ＝Δλ₁-Δλ₂＝2k_PΔP (17)

因此，光纤光栅压力传感器不仅为压力测量提供了高灵敏度，而且通过使用内置差分结构固有地克服了光纤光栅对温度变化的交叉灵敏度。高灵敏度压力传感器可沿临床使用导管以已知间隔安装，从而形成线性传感器阵列。

光纤光栅压力传感器其沿临床使用导管均匀分布，且输出以串联或并联方式连接至监控主机。首先识别泄漏区域，对获得的数据进行处理接下来，使用负压波方法计算泄漏位置。

泄漏检测方法包括以下步骤：如果没有泄漏，则没有任何传感器检测到变化(“a”点)，如果存在任何干扰，则单个局部传感器仅会指示变化(b”点)。如果发生泄漏，泄漏产生的负压波将首先由两个相邻的传感器监测，泄漏发生在两个传感器之间(“c”点)此外，传感器离实际泄漏越近，当压力波传播时，它越快捕捉到与压力变化相关的信号。确定泄漏区后，计算负压波速度(“d”点)：该计算考虑了任何干扰影响(“e”点)。公式(14)用于计算泄漏位置(“f”点)。

根据临床使用导管沿线的温度分布和压力分布，该速度不能简单地认为是恒定的，因为各种干扰效应可能会对其产生影响。例如，在正常工作条件下(例如，泵启动或停止时)此外，必须考虑温度对负压波速度的影响；此处v不应视为常数，即使存在温度和/或压力变化。利用任意两个传感器到泄漏点的距离以及这两个传感器接收到的信号的时间差来捕获压力变化，从而：

在式(18)中，t_l,t_l+m分别是传感器l和传感器l+m接收到信号的时间，L_l,l+m是两个传感器之间沿临床使用导管的距离。此处l，m为正整数(1≤l≤i-1，2≤l+m≤i，或i+1≤l≤n-1，i+2≤l+m≤n)，假设泄漏发生在传感器i和沿传感器i的下一个传感器之间i+1。为了避免错误报警，考虑另一个传感器j(j＝3，4，…，i-1)的输出。通过相邻传感器之间的距离(传感器1和传感器2之间的距离，传感器2和传感器j之间的距离)和捕获压力变化的相应传感器的时间差来确定压力变化源。因此，如果由传感器1、2和j捕获的压力变化时间信号分别为：

压力变化不是由临床使用导管泄漏引起的，而是由外来的噪音影响引起的，如B端真空泵造成的干扰。

泄漏点位于传感器i和传感器i+1之间，在传感器i与传感器1的距离为：

L_s(i)＝(i-l)L/(n-1) (20)

因此，长度X_i,i+1表示泄漏点和监测起点之间的距离，则：

在式(21)中，Δt_i,i+1是根据两个传感器上首次捕捉压力变化的信号确定的时间差，L_i,i+1是两个传感器之间的距离，L_i,i+1＝L/(n-1).因此，泄漏位置与传感器1的距离可以表示为：

本发明的一种腹部手术用的负压引流系统，与现有技术相比，具有以下有益效果：

1)通过本发明中的与医院的腹部手术负压引流装置耦合的体外装置，使用体外装置来评估整个回路的压力差异，以提供校准水平的抽吸和漏气，系统能够根据实际的腹部内压力来调节抽吸水平，促进腹部的手术后恢复。

2)使用细菌算法创建模糊规则库，通过多次迭代来确定模糊规则的最佳数量，在评估模糊规则库和计算平均误差时，采用改进距离，基于误差下降和离群值列表确定最佳规则数，可以正确检测异常值，在负压引流系统工作中可及时发现异常值并充分处理。

3)采用专门设计的准分布式光纤光栅压力传感器，用于监测临床使用导管中所用介质的压力分布。检测系统可准确确定临床使用导管沿线的压力变化趋势，能够实现所需的高泄漏定位精度，并且由于所监测的信号衰减减小，通过增加沿临床使用导管的传感器位置密度，能够监测较小的泄漏水平。同时，无论线性传感器阵列的压力变化时间顺序如何，都可以减少信号干扰效应(如泵启动或停止引起的干扰)，从而降低泄漏假警报率。

附图说明

图1是本发明的一种腹部手术用的负压引流系统的整体结构示意图。

图2是本发明的一种腹部手术用的负压引流系统的体外装置结构示意图。

图3是本发明的一种腹部手术用的负压引流系统的放大电路示意图。

图4是本发明的一种腹部手术用的负压引流系统的泄漏检测示意图。

图5是本发明的一种腹部手术用的负压引流系统的泄漏检测示意图。

图6是本发明的一种腹部手术用的负压引流系统的压力传感器结构示意图。

图7是本发明的一种腹部手术用的负压引流系统的泄漏检测方法流程图。

附图标记：

1-传感器，2-传感器，3-泄漏控制阀，4-收集瓶，5-临床使用导管，6-真空泵，7-控制装置，8-触摸屏，9-电源，10-负压阀，11-临床真空源，12-重量传感器，13-传感器梁，14、15-光纤，16-波纹管，17、18-光纤光栅。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

如图1-2所示，一种腹部手术用的负压引流系统，包括创面引流装置A、体外装置、检测单元、控制单元、负压源B和电源模块；

体外装置包括临床使用导管5和流体收集瓶4；检测单元包括压力传感器1、2、重量传感器12；控制单元包括控制装置、显示模块和操作模块；负压源包括真空泵、负压阀和临床真空源；电源模块包括高低压电源；

其中，创面引流装置A采用高分子医用海绵作为临床使用导管5和创面间的中介，创面用生物半透性膜封闭，在负压源B形成一个密闭的引流系统；

在负压引流装置A和流体收集瓶4设置至少两个压力传感器1、2和临床使用导管5，将临床使用导管5固定在负压引流装置的下方，在腹部手术用负压引流装置、体外装置的两端放置两个压力传感器1、2进行压力测量；

其中，控制单元连接检测单元和负压源；临床真空源11通过负压阀12连接临床使用导管5进而连接流体收集瓶4，真空泵11通过临床使用导管5进而连接流体收集瓶4，控制单元分别控制真空泵6和/或负压阀10进行负压引流操作；重量传感器12检测流体收集瓶4的重量，压力传感器1、2检测负压管的压力。

另外，设置放大电路，使用带有运算放大器的放大电路将传感器信号放大后传输至数据采集模块，以固定频率对压力传感器1、2产生的信号进行采样，并将其传输至控制单元。

本发明设置两个负压源：一个是仪器内电动真空泵6提供的局部负压源，另一个是医院提供的临床负压源。电动真空泵6通过压缩和抽吸泵室内的空气，由电机产生负压。为避免普通真空泵产生较大噪音，配备了带消声器的小型真空泵。该泵具有出口喷嘴和进口喷嘴，并在进口处产生负压。临床真空源11通常设置在病房墙壁上，并可通过专门设计的接口管与设备连接。在不同情况下使用时，医生可以从触摸屏8上的两个负压源中选择一个。

控制单元由控制装置7和触摸屏8组成，该装置用于调节真空度。使用触摸屏8上的软键盘设置设备的操作参数。检测单元中的传感器获得的信号由控制装置7进行处理。该部分显示所有信息并执行紧急报警。真空度调节方法取决于负压源(泵或临床负压源)。

电机是真空泵的核心。控制装置通过控制电机转速来调节真空度。本发明采用了改进的PWM控制方法和PID算法，这种控制方法具有很强的鲁棒性。控制原理如(1)和(2)所示：

其中，x_k是电机控制信号在时间点k的占空比，k_p是比率系数，k_l是k的积分系数，常数A是积分阈值，T_d是导数时间常数。如果压力偏差e_k大于A，积分项为零，电机转速由PD调节。在实际使用中，压力传感器获取的压力信号首先传输到控制装置的输入端口，然后通过PID算法处理，得到占空比自动调整的PWM信号。最后，PWM信号通过控制电机转速来调节真空度。

如果使用临床负压源，通过软管连接到设备中的负压阀。在这种情况下，真空度由步进电机通过控制通风阀的开关来调节。负压阀步进电机由PWM信号控制，真空度调节方法与使用真空泵时类似。

负压引流系统的基本特征为混沌系统，其状态随时间变化，在存在扰动和其他未建模系统动力学的情况下，可能导致不可预测和可能异常的发散行为。例如负压源在工作范围边缘表现出易失性非线性行为。这种非线性行为主要是由于渗出物和气体混合物的物理性质；所用膜和泡沫材料的弹性效应；局部伤口部位的形状和性质、在线过滤器的多孔指数、气动回路中的体积变化以及阀门动作，以及敷料不能保证局部伤口部位密封。

临床使用导管的流体流动为混沌行为，其中微小的初始误差可能呈指数级发散。由于内腔中液柱的头部高度和流体的稠度，泵和伤口部位之间存在压力梯度。造成这种压力梯度的主要因素是重力、渗出物的重量和粘度。随着临床使用导管长度的增加，临床使用导管中的方向和扰动也成为重要因素。其中临床使用导管的总压力由伯努利方程给出：

P_total＝P_static+P_dynamic (3)

静压由以下公式计算：

P_static＝ρ·g·h＝ρ·g·L sinθ (4)

式中ρ＝流体密度，h＝流体深度(头部)，g＝重力加速度，L＝内腔长度，θ是内腔和水平面之间的角度，θ为正。动压力表示为：

其中，v＝流速。

理想情况下，负压引流系统的压力调节算法寻求系统地最小化压力设定点周围的误差。负压引流系统运行中可能出现异常值，包括传感器故障、泵电机机电故障、临床使用导管堵塞或泄漏、伤口敷料泄漏或环境意外变化。负压引流系统必须尽可能通过自动恢复安全操作条件或通过发出信号进行人工干预来对这些事件进行不同的处理。异常值处理包括：检测、识别或标记、处理。

细菌算法用于从训练数据集中提取系统的模型。系统的预期行为由输入-输出数据确定，从而消除因模型拟合不良而错误标记异常值的风险。训练数据集是通过在受控条件下对泵进行表征运行而获得的离群点。本发明中基于模糊规则的离线离群点检测方法，包括以下两个步骤：1)基于训练数据集创建模糊规则库模型；2)根据模糊模型的性质识别离群点数据。

细菌算法执行模糊规则提取，一个模糊规则库对应于种群中的一个细菌。梯形隶属函数的四个断点对模糊规则的前后模糊集进行编码。模糊规则库根据其逼近训练数据集的能力进行评估。在训练数据中，有P个训练模式，其形式为(x₁ ^(p),x₂ ^(p),…,x_n ^(p),t^(p))，其中(x₁ ^(p),x₂ ^(p),…,x_n ^(p))是p阶训练模式的n维输入，t^(p)是p阶训练模式的期望或目标输出，p(1≤p≤P)是每个训练输入的模式ID。对于每个训练输入(x₁ ^(p),x₂ ^(p),…,x_n ^(p))，使用推理计算模糊模型的输出y^(p)，以评估给定模糊规则库的逼近能力。输入(x₁ ^(p),x₂ ^(p),…,x_n ^(p))的模糊模型输出是y^(p)。

计算期望输出t^(p)和模糊输出y^(p)之间的误差。细菌算法允许根据任务更改误差的设置，常用的包括均方误差、均方相对误差和平均相对误差百分比。本发明采用改进距离作为初步测试和与其他度量的比较。改进距离对接近其预期值的数据点给予很少的权重，而对远离其预期值的离群值的数据点给予更大的权重。

改进距离如公式(6)所示，其中e_p是p阶训练模式的误差。

细菌算法从包含N_ind个体的初始随机群体的生成开始。应用细菌突变、LM方法和基因转移算子，直到满足代数N_gen的停止标准。

细菌突变通过创建N_clones+1个个体克隆应用于群体中的每个个体。一个基因在细菌染色体上可能意味着三种不同的东西，而基因在细菌突变中的意义是算法的一个参数。基因可以是梯形隶属函数的一个点，也可以是梯形隶属函数本身即模糊集或模糊规则。用这种变异修改的基因数l_bm成为算法的一个参数。根据基因和l_bm的定义随机选择一组基因。在N_clones克隆中随机更改选定的基因，其中一个克隆保持不变，从而生成N_clones+1克隆。从N_clones+1克隆中选择最佳克隆，以将突变基因转移到其他N_clones克隆中。然后随机选择一组尚未选择的基因，并再次执行相同的过程。突变选择转移序列重复进行，直到细菌染色体上的所有基因被精确地选择一次。最好的克隆取代种群中的原始细菌，丢弃其他克隆。

在细菌突变之后，通过算法的概率LM_prob参数对每个细菌应用LM方法。给定一个细菌种群，LM方法中使用单个细菌的样本种群。与细菌算子不同，在LM步骤中，公式(7)给出了用于评估适应度的平方和误差SSE：

LM算法是一种基于梯度的优化技术，计算与模糊模型参数有关的模糊模型输出导数，即梯形的断点。雅可比矩阵J的条目表示为：

其中

表示模糊模型(细菌)的参数，k表示阶跃指数。第k次迭代中细菌的更新载体为：

其中，γ_k初始设置为任何正值(γ_init＝γ₁>0)，I为单位矩阵。在计算了更新向量之后，信赖域r_k计算如下：

其中

表示更新的模糊模型的参数向量。梯形的四个断点的顺序是重要的，如果断点的顺序被破坏，则需要进行纠正。

根据r_k的值动态调整参数γ:如果r_k＜0.25，则r_k+1＝4·γ_k；如果r_k＞0.75，则r_k+1＝γ_k/2；其他，则r_k+1＝r_k。

如果

则

当满足停止条件或达到预定义的最大迭代LM_iter时，LM算法停止，否则继续第k+1个迭代步骤。

基因转移是最后一个操作。基因转移需要将基因从优等个体复制到劣等个体。正如细菌突变一样，基因转移基因可以有三种不同的含义，一种是梯形隶属函数点；梯形隶属函数本身即，模糊集；或模糊规则。基因转移算子中的基因含义可能与细菌突变中的基因含义不同。基因转移算子在群体水平上起作用。个体的误差定义将种群分成两半。从上半部种群中随机选择的一种细菌将基因转移到下半部种群中随机选择的另一种细菌。被转移的基因数l_gt也成为算法的另一个参数。在转移基因后，再次对群体进行排序，并重复前面的步骤。基因转移数量为N_inf。

基于模糊规则库模型的离群点检测算法。模糊规则库提取使用恒定数量的规则。在离群点检测算法中，采用模糊规则库提取算法，规则数量在最小和最大之间变化，这些规则是离群点检测算法的参数。由于细菌算法是一种随机方法，因此使用相同数量的规则执行多个运行。

在每次运行中，模糊规则库提取算法应用于给定数量的规则。所创建的模糊规则库的评估。在评估中，使用所有训练模式计算模糊模型的平均改进距离。此评估结果保存在矩阵中的所有运行。

为提取的模糊规则库创建了一个离群值列表。异常值列表保存在一个数组中，该数组包含所有运行的所有异常值列表。在创建离群值列表时，使用长度为P的二进制向量，其中P是训练数据集中的模式数。此离群值列表向量的所有组件都初始化为0。然后，迭代整个训练数据集，对于每个模式，通过公式(6)计算给定模式的期望输出和给定模式的模糊模型输出之间的改进距离。如果给定模式的改进距离高于阈值，则通过将其二进制值更改为1，将此模式列在异常值列表中。

对于给定规则数量的所有运行，在完成所有运行时计算并存储平均误差。基于这个平均误差向量，通过检查具有相邻规则数的模糊模型之间平均误差的下降，计算出离群检测的最优规则数。在当前平均误差值AEV和下一个平均误差值AEV之间的差值最大，可获得最佳规则数。最高平均误差降之前的模糊模型是检测异常值的最佳候选模型，因为与规则更多的模糊模型相比，这些模糊模型实现了对训练数据集的不太准确的近似，即使在异常值数据出现的地方，模糊模型也倾向于准确地拟合模型。规则较多的模型不能从数据集中分离出异常值；它们过度拟合了数据集。因此，基于最大平均误差下降，具有较少规则的模糊模型是在不拟合异常数据的情况下实现良好近似的最佳候选模型。从离群值数组中提取与最佳规则数相对应的离群值列表。使用交集操作合并这些异常值列表。合并是算法的最后一步，提供异常数据列表。

另外，为了确定临床使用导管之间的泄漏，图4示出了安装有两个压力传感器的两个点之间发生泄漏的一段临床使用导管的示意图。出现泄漏时，该泄漏点处的压力将下降，压力变化将沿临床使用导管朝向传感器1和朝向传感器2扩散。这与声波在流体中传播的速度相同，即负压波。根据负压波速度、两个压力传感器处的波到达时间差以及传感器之间的距离，可以通过以下分析确定泄漏位置。

假设临床使用导管长度为L，临床使用导管中介质的流速为u，流向为传感器1至传感器2，负压波传播速度为v。将传感器1的位置设置为参考起点，假设泄漏点位于位置X，临床使用导管两端负压波的到达时间分别为t₁和t₂，则：

如果Δt＝t1-t2，泄漏点X通过公式(13)确定：

负压波在油中的传播速度约为900–1200m/s，在水中的传播速度约为1000–1500m/s。与上述相比，临床使用导管的液体流速u通常在1–3m/s的范围内，忽略不计。因此，公式(13)简化为：

从式(14)可知确定实际泄漏位置的精度受几个关键因素的影响：临床使用导管长度、负压波速度和负压波到达临床使用导管两端的时间差。在实际应用中，临床使用导管长度的增加将导致负压波的信号衰减，从而造成在使用这种两点监测系统时受到限制。

图5是本发明的基于负压波的泄漏检测系统，该系统包括多个光纤光栅压力传感器、通信导线和监控主机。利用沿临床使用导管长度存在的通信导线作为信号传输信道，并充分利用光纤光栅的波长编码和复用能力。每个光纤光栅的压力传感器装置包括一根梁13、一个波纹管16和两个光纤光栅17、18，光纤光栅17、18对称地结合在梁的相对侧，如图6所示。

当临床使用导管内的介质在波纹管上施加压力变化ΔP时，波纹管的变形会干扰梁的平衡，从而导致压力变化进而影响梁的弯曲。通过监测两个光纤光栅17、18在相反方向上的波长偏移来量化。两个光纤光栅都具有相同的温度系数和应变系数，并且由环境温度效应引起的两个光纤光栅的波长偏移将是相同的。因此，两个光纤光栅的总波长位移可描述如下：

Δλ₁＝k_PΔP+k_TΔT (15)

Δλ₂＝-k_PΔP+k_TΔT (16)

其中，上述每个Δλ上的下标1或2分别表示第一光纤光栅18或第二光纤光栅17。Δλ为直接测量的压力变化，即：

Δλ＝Δλ₁-Δλ₂＝2k_PΔP (17)

因此，光纤光栅压力传感器不仅为压力测量提供了高灵敏度，而且通过使用内置差分结构固有地克服了光纤光栅对温度变化的交叉灵敏度。高灵敏度压力传感器可沿临床使用导管以已知间隔安装，从而形成线性传感器阵列，如图5所示。

如图5所示，光纤光栅压力传感器其沿临床使用导管5均匀分布，且输出以串联或并联方式连接至监控主机。根据图7所示流程图中，首先识别泄漏区域，对获得的数据进行处理接下来，使用负压波方法计算泄漏位置。

图7清楚地显示了传感器的响应情况：如果没有泄漏，则没有任何传感器检测到变化(“a”点)，如果存在任何干扰，则单个局部传感器仅会指示变化(b”点)。如果发生泄漏，泄漏产生的负压波将首先由两个相邻的传感器监测，泄漏发生在两个传感器之间(“c”点)此外，传感器离实际泄漏越近，当压力波传播时，它越快捕捉到与压力变化相关的信号。确定泄漏区后，计算负压波速度(“d”点)：该计算考虑了任何干扰影响(“e”点)。公式(14)用于计算泄漏位置(“f”点)。

根据临床使用导管沿线的温度分布和压力分布，该速度不能简单地认为是恒定的，因为各种干扰效应可能会对其产生影响。例如，在正常工作条件下(例如，泵启动或停止时)此外，必须考虑温度对负压波速度的影响；此处v不应视为常数，即使存在温度和/或压力变化。利用任意两个传感器到泄漏点的距离以及这两个传感器接收到的信号的时间差来捕获压力变化，从而：

在式(18)中，t_l,t_l+m分别是传感器l和传感器l+m接收到信号的时间，L_l,l+m是两个传感器之间沿临床使用导管的距离。此处l，m为正整数(1≤l≤i-1，2≤l+m≤i，或i+1≤l≤n-1，i+2≤l+m≤n)，假设泄漏发生在传感器i和沿传感器i的下一个传感器之间i+1。为了避免错误报警，考虑另一个传感器j(j＝3，4，…，i-1)的输出。通过相邻传感器之间的距离(传感器1和传感器2之间的距离，传感器2和传感器j之间的距离)和捕获压力变化的相应传感器的时间差来确定压力变化源。因此，如果由传感器1、2和j捕获的压力变化时间信号分别为：

压力变化不是由临床使用导管泄漏引起的，而是由外来的噪音影响引起的，如B端真空泵造成的干扰。

泄漏点位于传感器i和传感器i+1之间，在传感器i与传感器1的距离为：

L_s(i)＝(i-l)L/(n-1) (20)

因此，长度X_i,i+1表示泄漏点和监测起点之间的距离，则：

在式(21)中，Δt_i,i+1是根据两个传感器上首次捕捉压力变化的信号确定的时间差，L_i,i+1是两个传感器之间的距离，L_i,i+1＝L/(n-1).因此，泄漏位置与传感器1的距离可以表示为：

本发明的一种腹部手术用的负压引流系统，与现有技术相比，具有以下有益效果：

1)通过本发明中的与医院的腹部手术负压引流装置耦合的体外装置，使用体外装置来评估整个回路的压力差异，以提供校准水平的抽吸和漏气，系统能够根据实际的腹部内压力来调节抽吸水平，促进腹部的手术后恢复。

2)使用细菌算法创建模糊规则库，通过多次迭代来确定模糊规则的最佳数量，在评估模糊规则库和计算平均误差时，采用改进距离，基于误差下降和离群值列表确定最佳规则数，可以正确检测异常值，在负压引流系统工作中可及时发现异常值并充分处理。

3)采用专门设计的准分布式光纤光栅压力传感器，用于监测临床使用导管中所用介质的压力分布。检测系统可准确确定临床使用导管沿线的压力变化趋势，能够实现所需的高泄漏定位精度，并且由于所监测的信号衰减减小，通过增加沿临床使用导管的传感器位置密度，能够监测较小的泄漏水平。同时，无论线性传感器阵列的压力变化时间顺序如何，都可以减少信号干扰效应(如泵启动或停止引起的干扰)，从而降低泄漏假警报率。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。

Claims (8)

1.一种腹部手术用的负压引流系统，其特征在于，包括创面引流装置A、体外装置、检测单元、控制单元、负压源B和电源模块；

体外装置包括临床使用导管和流体收集瓶；检测单元包括压力传感器、重量传感器；控制单元包括控制装置、显示模块和操作模块；负压源包括真空泵、负压阀和临床真空源；电源模块包括高低压电源；

其中，创面引流装置A采用高分子医用海绵作为临床使用导管和创面间的中介，创面用生物半透性膜封闭，在负压源B形成一个密闭的引流系统；

在负压引流装置A和流体收集瓶设置至少两个压力传感器和临床使用导管，将临床使用导管固定在负压引流装置的下方，在腹部手术用负压引流装置、体外装置的两端放置至少个压力传感器进行压力测量；

其中，控制单元连接检测单元和负压源；临床真空源通过负压阀连接临床使用导管进而连接流体收集瓶，真空泵通过临床使用导管进而连接流体收集瓶，控制单元分别控制真空泵和/或负压阀进行负压引流操作；重量传感器检测流体收集瓶的重量，压力传感器检测负压管的压力。

2.如权利要求1所述的一种腹部手术用的负压引流系统，其特征在于，还设置放大电路，使用带有运算放大器的放大电路将传感器信号放大后传输至数据采集模块，以固定频率对压力传感器产生的信号进行采样，并将其传输至控制单元。

3.如权利要求1-2所述的一种腹部手术用的负压引流系统，其特征在于，控制单元由控制装置和触摸屏组成，该装置用于调节真空度；使用触摸屏上的软键盘设置设备的操作参数；检测单元中的传感器获得的信号由控制装置进行处理；触摸屏显示所有信息并执行紧急报警。

4.如权利要求1-3所述的一种腹部手术用的负压引流系统，其特征在于，还包括泄漏检测系统，该泄漏检测系统包括多个光纤光栅压力传感器、通信导线和监控主机。

5.如权利要求1-4所述的一种腹部手术用的负压引流系统，其特征在于，每个光纤光栅压力传感器装置包括一根梁、一个波纹管和两个光纤光栅，光纤光栅对称地结合在梁的相对侧。

6.如权利要求1-5所述的一种腹部手术用的负压引流系统，其特征在于，泄漏检测系统工作时，如果没有任何传感器检测到变化，则没有泄漏，如果存在任何干扰，则单个局部传感器仅会指示变化；如果发生泄漏，泄漏产生的负压波将首先由两个相邻的传感器监测，泄漏发生在两个传感器之间；确定泄漏区后，计算负压波速度。

7.如权利要求1-6所述的一种腹部手术用的负压引流系统，其特征在于，使用临床负压源时，通过软管连接到负压阀，真空度由步进电机通过控制通风阀的开关来调节。

8.如权利要求1-7所述的一种腹部手术用的负压引流系统，其特征在于，负压引流系统运行检测异常值，异常值的产生包括传感器故障、泵电机机电故障、临床使用导管堵塞或泄漏、伤口敷料泄漏或环境意外变化；异常值处理包括：检测、识别或标记、处理。

Images