CN114887171A - 一种cpap参数的调控方法和装置 - Google Patents

一种cpap参数的调控方法和装置 Download PDF

Info

Publication number
CN114887171A
CN114887171A CN202210506443.2A CN202210506443A CN114887171A CN 114887171 A CN114887171 A CN 114887171A CN 202210506443 A CN202210506443 A CN 202210506443A CN 114887171 A CN114887171 A CN 114887171A
Authority
CN
China
Prior art keywords
cpap
data set
model
parameter
label
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
CN202210506443.2A
Other languages
English (en)
Inventor
林浩添
魏晓悦
庞健宇
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.)
Zhongshan Ophthalmic Center
Original Assignee
Zhongshan Ophthalmic Center
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 Zhongshan Ophthalmic Center filed Critical Zhongshan Ophthalmic Center
Priority to CN202210506443.2A priority Critical patent/CN114887171A/zh
Publication of CN114887171A publication Critical patent/CN114887171A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/021—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes operated by electrical means
    • A61M16/022—Control means therefor
    • A61M16/024—Control means therefor including calculation means, e.g. using a processor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/10—Preparation of respiratory gases or vapours
    • A61M16/1005—Preparation of respiratory gases or vapours with O2 features or with parameter measurement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • A61B2503/04—Babies, e.g. for SIDS detection
    • A61B2503/045—Newborns, e.g. premature baby monitoring
    • 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
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/10—Preparation of respiratory gases or vapours
    • A61M16/1005—Preparation of respiratory gases or vapours with O2 features or with parameter measurement
    • A61M2016/102—Measuring a parameter of the content of the delivered gas
    • A61M2016/1025—Measuring a parameter of the content of the delivered gas the O2 concentration
    • 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
    • A61M2205/18—General characteristics of the apparatus with alarm
    • 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
    • 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
    • A61M2205/3379—Masses, volumes, levels of fluids in reservoirs, flow rates
    • 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
    • A61M2205/50—General characteristics of the apparatus with microprocessors or computers
    • 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
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/20—Blood composition characteristics
    • A61M2230/205—Blood composition characteristics partial oxygen pressure (P-O2)
    • 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
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/40—Respiratory characteristics
    • A61M2230/42—Rate
    • 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
    • A61M2240/00—Specially adapted for neonatal use

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Evolutionary Computation (AREA)
  • Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Pulmonology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Hematology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • Physiology (AREA)
  • Emergency Medicine (AREA)
  • Anesthesiology (AREA)
  • Optics & Photonics (AREA)
  • Fuzzy Systems (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供了一种CPAP参数的调控方法和装置，所述方法包括：获取第一数据集；根据所述第一数据集，构建CPAP参数调控模型，并对CPAP参数调控模型进行训练直至符合预设收敛条件；将待测早产儿的呼吸频率数据和经皮血氧饱和度数据输入至收敛的CPAP参数调控模型，获得待测早产儿的CPAP参数，并相应调节CPAP的氧浓度、呼吸末压和送气流量。相比于现有技术，无需医生介入，可持续、实时地监控数据，及时跟进早产儿状况，提高救治效率，降低人力成本；降低救治过程中的主观性，做到对早产儿氧疗护理的规范化；可根据早产儿的病情实时调节CPAP参数，无需人力反复调节，提高救治质量并降低了使用者的知识门槛。

Description

一种CPAP参数的调控方法和装置
技术领域
本发明涉及早产儿氧疗领域，尤其涉及一种CPAP参数的调控方法和装置。
背景技术
持续气道正压通气系统(CPAP)是一种重要的早产儿氧疗方法，其原理是持续用正压防止呼吸末肺泡萎陷，起到改善通气和换气的作用。通过CPAP可以有效改善早产儿的血氧浓度，有助于减小眼部及全身的并发症风险，从而改善患儿的生存率和生存质量。然而早产儿通常病情不稳定，临床工作中很难实时根据患儿的情况调整氧疗救治方案，由此引起的血氧大幅波动，增加了早产儿视网膜病变与严重的坏死性小肠结肠炎等眼部与全身并发症的风险。
目前，现有的CPAP技术需要有经验的新生儿科医生，人为定期地调整呼吸末压、送气流量和氧浓度等参数。因此，受限于新生儿科医生的紧缺以及人力的限制，很难做到24小时对每个早产儿身体状况的实时跟踪，影响救治效率；并且对于CPAP参数的调整缺乏一个相对固定的标准，完全依赖医生经验，不同医院之间的参数设置偏好可能存在差异，再加上人为判断等主观因素，会影响到对早产儿氧疗护理的规范化。因此亟需一种能够对CPAP参数进行智能调控的方法。
发明内容
本发明提供了一种CPAP参数的调控方法和装置，根据早产儿的病情对CPAP参数进行自动调控，提高了救治效率和救治质量。
为了解决上述技术问题，本发明实施例提供了一种CPAP参数的调控方法，包括:
获取第一数据集；其中，所述第一数据集包括若干早产儿的呼吸频率数据、经皮血氧饱和度数据以及预设的CPAP参数；所述CPAP参数包括氧浓度、呼吸末压和送气流量；
根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件；
实时获取待测早产儿的呼吸频率数据和经皮血氧饱和度数据，将所述待测早产儿的呼吸频率数据和经皮血氧饱和度数据输入至收敛的CPAP参数调控模型，获得所述待测早产儿的CPAP参数，并相应调节CPAP的氧浓度、呼吸末压和送气流量。
作为优选方案，所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
将所述第一数据集划分为第一样本数据集和第二样本数据集；
通过所述第一样本数据集构建基础分类模型，将所述第二样本数据集输入所述基础分类模型，获得所述第二样本数据集的分类标签的设置概率，并基于所述设置概率确定所述第二样本数据集的权重；
根据所述第一样本数据集、第二样本数据集和所述第二样本数据集的权重，构建目标分类模型；
对所述目标分类模型进行训练直至符合预设的聚类条件，获得CPAP参数调控模型。
进一步的，所述分类标签包括第一标签、第二标签、第三标签和第四标签；其中，所述第一标签设置为氧浓度up，呼吸末压up，送气流量up；所述第二标签设置为氧浓度up，呼吸末压down，送气流量down；所述第三标签设置为氧浓度down，呼吸末压down，送气流量down；所述第四标签设置为氧浓度down，呼吸末压up，送气流量up。
作为另一种优选方案，所述根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
将第一数据集中的经皮血氧饱和度作为横坐标，呼吸频率作为纵坐标，时间参数作为颜色输入，将各早产儿的呼吸频率数据和经皮血氧饱和度数据转换为图像集；
将所述图像集结合所述第一数据集中各早产儿的CPAP参数，按照预设比例划分为训练集、验证集和测试集；
基于所述训练集构建卷积神经网络模型，并通过所述训练集和所述测试集对所述卷积神经网络模型进行迭代优化，直到所述卷积神经网络模型收敛，得到CPAP参数调控模型。
优选的，在构建CPAP参数调控模型之前，还包括：对所述第一数据集进行分段处理，具体地：
当早产儿的经皮血氧饱和度在70％和99％之间，占总时长70％以上，且早产儿的呼吸频率波动小于每分钟20次，将所述第一数据集以每五分钟进行分段；否则，将所述第一数据集以每三分钟进行分段。
优选的，所述调控方法还包括：当所述待测早产儿的氧浓度大于30％，呼吸末压大于8mmHg，且送气流量大于8L/min时，发送报警信号给医护人员终端。
相应的，本发明实施例还提供了一种CPAP参数的调控装置，包括数据获取模块、模型构建模块和调控模块；其中，
所述数据获取模块用于获取第一数据集；其中，所述第一数据集包括若干早产儿的呼吸频率数据、经皮血氧饱和度数据以及预设的CPAP参数；所述CPAP参数包括氧浓度、呼吸末压和送气流量；
所述模型构建模块用于根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件；
所述调控模块用于实时获取待测早产儿的呼吸频率数据和经皮血氧饱和度数据，将所述待测早产儿的呼吸频率数据和经皮血氧饱和度数据输入至收敛的CPAP参数调控模型，获得所述待测早产儿的CPAP参数，并相应调节CPAP的氧浓度、呼吸末压和送气流量。
作为优选方案，所述模型构建模块根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
所述模型构建模块将所述第一数据集划分为第一样本数据集和第二样本数据集；
通过所述第一样本数据集构建基础分类模型，将所述第二样本数据集输入所述基础分类模型，获得所述第二样本数据集的分类标签的设置概率，并基于所述设置概率确定所述第二样本数据集的权重；
根据所述第一样本数据集、第二样本数据集和所述第二样本数据集的权重，构建目标分类模型；
对所述目标分类模型进行训练直至符合预设的聚类条件，获得CPAP参数调控模型。
进一步的，所述分类标签包括第一标签、第二标签、第三标签和第四标签；其中，所述第一标签设置为氧浓度up，呼吸末压up，送气流量up；所述第二标签设置为氧浓度up，呼吸末压down，送气流量down；所述第三标签设置为氧浓度down，呼吸末压down，送气流量down；所述第四标签设置为氧浓度down，呼吸末压up，送气流量up。
作为另一种优选方案，所述模型构建模块根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
所述模型构建模块将第一数据集中的经皮血氧饱和度作为横坐标，呼吸频率作为纵坐标，时间参数作为颜色输入，将各早产儿的呼吸频率数据和经皮血氧饱和度数据转换为图像集；
将所述图像集结合所述第一数据集中各早产儿的CPAP参数，按照预设比例划分为训练集、验证集和测试集；
基于所述训练集构建卷积神经网络模型，并通过所述训练集和所述测试集对所述卷积神经网络模型进行迭代优化，直到所述卷积神经网络模型收敛，得到CPAP参数调控模型。
相比于现有技术，本发明实施例具有如下有益效果：
本发明实施例提供了一种CPAP参数的调控方法和装置，所述方法包括：获取第一数据集；其中，所述第一数据集包括若干早产儿的呼吸频率数据、经皮血氧饱和度数据以及预设的CPAP参数；所述CPAP参数包括氧浓度、呼吸末压和送气流量；根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件；将待测早产儿的呼吸频率数据和经皮血氧饱和度数据输入至收敛的CPAP参数调控模型，获得所述待测早产儿的CPAP参数，并相应调节CPAP的氧浓度、呼吸末压和送气流量。相比于现有技术，无需医生的介入，可持续、实时地监控早产儿的呼吸频率数据和经皮血氧饱和度数据，及时跟进早产儿的身体状况，提高救治效率，降低人力成本；提供了一个相对固定的风险判断标准，不因医生的参数设置偏好而异，做到对早产儿氧疗护理的规范化，降低救治过程中的主观性；可根据早产儿的病情实时调节CPAP参数，无需人力反复调节，提高救治质量。
进一步的，采用目标分类模型，根据样本数据集确定分类标签的概率并设置不同的分类标签，提高了调控模型对早产儿病情判断和分类的准确度；同时，调控模型算法简单，分类效果好。
进一步的，采用卷积神经网络模型，通过对图像的识别实现对早产儿的病情判断和调控的决策，避免了数据特征的损失。
进一步的，根据早产儿的呼吸频率和经皮血氧饱和度设置不同的分段方式，优化对调控模型的计算资源分配，实现对模型性能和计算资源消耗之间的均衡，进一步提高了调控方法的实用性。
附图说明
图1：为本发明提供的一种CPAP参数的调控方法的实施例的流程示意图。
图2：为本发明提供的一种CPAP参数的调控装置的实施例的结构示意图。
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作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。
实施例一:
请参照图1，图1为本发明实施例提供的一种CPAP参数的调控方法，包括步骤S1至S3，其中，
步骤S1，获取第一数据集；其中，所述第一数据集包括若干早产儿的呼吸频率数据、经皮血氧饱和度数据以及预设的CPAP参数；所述CPAP参数包括氧浓度、呼吸末压和送气流量。
在本实施例中，前期采集并获取若干个中心所有的新生儿科早产儿的呼吸频率数据、经皮血氧饱和度数据和预设的CPAP参数作为第一数据集。具体包括在一段时间内的呼吸频率曲线图以及一段时间内的经皮血氧饱和度曲线图。预设的CPAP参数为超过10年临床经验的新生儿科医生根据呼吸频率数据、经皮血氧饱和度数据进行经验性的参数调整，参数包括但不限于氧浓度、呼吸末压和送气流量等。每个早产儿的呼吸频率数据、经皮血氧饱和度数据和CPAP参数对应，用于CPAP参数调控模型的构建。
在本实施例中，步骤S2之前还包括：对所述第一数据集进行预处理，具体地：
对第一数据集中所有的数据进行归一化处理，减少经皮血氧饱和度数据和呼吸频率数据尺度scale区别对结果造成的影响。
然后对第一数据集进行分段处理：当早产儿的经皮血氧饱和度在70％和99％之间，占总时长70％以上，且早产儿的呼吸频率波动小于每分钟20次，将所述第一数据集以每五分钟进行分段，取五分钟的数据作为sample；否则，将所述第一数据集以每三分钟进行分段，取三分钟的数据作为sample。优选的，可选择每次进行人为的CPAP参数调整操作前的一段时间，标准通常采用五分钟的时间段，如果两次人为操作间隔不足5分钟，则截取数据后按照数据均值和方差对数据进行相应地补全。通过实际情况选择不同的分段方式，可以优化对调控模型的计算资源分配，实现对模型性能和计算资源消耗之间的均衡，有效提高调控方法的实用性。
步骤S2，根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件。
在本实施例中，作为本实施例的第一种举例，CPAP参数调控模型采用目标分类模型，所述根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
将所述第一数据集划分为第一样本数据集和第二样本数据集；通过所述第一样本数据集构建基础分类模型，将所述第二样本数据集输入所述基础分类模型，获得所述第二样本数据集的分类标签的设置概率，并基于所述设置概率确定所述第二样本数据集的权重；根据所述第一样本数据集、第二样本数据集和所述第二样本数据集的权重，构建目标分类模型；对所述目标分类模型进行训练直至符合预设的聚类条件，获得CPAP参数调控模型。所述聚类条件可以按照标签对数据进行颜色标注或点形标注，将数据输出到同一图像上，确定其聚类程度，若存在聚类，则该模型的线性较好，反之模型的线性较差，该实施方式可以作为一种判断模型是否收敛的条件。
进一步的，所述分类标签包括第一标签、第二标签、第三标签和第四标签；其中，所述第一标签设置为氧浓度up，呼吸末压up，送气流量up；所述第二标签设置为氧浓度up，呼吸末压down，送气流量down；所述第三标签设置为氧浓度down，呼吸末压down，送气流量down；所述第四标签设置为氧浓度down，呼吸末压up，送气流量up。该举例对标签进行了划分，设置成了四类标签，囊括考虑了不同早产儿的情况，提高了调控模型对早产儿病情判断和分类的准确度；同时该模型算法简单，极适合用于对早产儿的病情诊断，并且分类的高准确度能贴合CPAP实际应用场景。
作为本实施例的另一种举例，CPAP参数调控模型采用卷积神经网络模型。所述根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
将第一数据集中的经皮血氧饱和度作为横坐标，呼吸频率作为纵坐标，时间参数作为颜色输入(颜色输入可以理解为不同的时间采用不同的颜色，例如由绿趋向于红)，将各早产儿的呼吸频率数据和经皮血氧饱和度数据转换为另一种以曲线表示的图像集；
将所述图像集结合所述第一数据集中各早产儿的CPAP参数，按照70％、15％和15％的比例随机进行划分，划分为训练集、验证集和测试集。
基于所述训练集构建卷积神经网络模型，并通过所述训练集和所述测试集对所述卷积神经网络模型进行迭代优化，直到所述卷积神经网络模型收敛，得到CPAP参数调控模型。当所述卷积神经网络模型的损失函数小于一预设值或该损失函数的变化值小于一预设值时可以确认该神经网络模型收敛。由于该模型采用的是end-to-end结构，因此相比第一种举例不会损失数据特征。
优选的，所述卷积神经网络的卷积层数为4层，卷积类型为valid，采用激活函数，全部激活函数为relu，最后一层激活函数采用softmax，损失函数采用交叉熵函数，优化器为adam，批量大小(batch size)为原数据量的十分之一。
步骤S3，实时获取待测早产儿的呼吸频率数据和经皮血氧饱和度数据，将所述待测早产儿的呼吸频率数据和经皮血氧饱和度数据输入至收敛的CPAP参数调控模型，获得所述待测早产儿的CPAP参数，并相应调节CPAP的氧浓度、呼吸末压和送气流量。
本实施例中，实时采集并获取早产儿的呼吸频率数据和经皮血氧饱和度数据，通过将这些数据输入至收敛的CPAP参数调控模型，可以获得所述待测早产儿的CPAP参数，并每隔三分钟或五分钟调节CPAP的氧浓度、呼吸末压和送气流量同时将待测早产儿的呼吸频率数据、经皮血氧饱和度数据和CPAP参数以标准化结构同步至云端，为进一步改善早产儿氧疗护理方案打下坚实的基础。当待测早产儿呼吸频率数据和经皮血氧饱和度数据比较稳定时可以采用五分钟自动进行一次调控，当波动较大时，可以每隔三分钟自动进行一次调控。优选的，采用实时调控，具体的实施方式根据实际情况而定。另外，参数的调控需要控制在一定的范围内，例如氧浓度不得超过30％，呼吸末压一般处于6-8mmHg之间，送气流量在6-8L/min之间。
当三者均超出安全范围，例如当氧浓度大于30％，呼吸末压大于8mmHg，且送气流量大于8L/min时，说明早产儿的血氧饱和度可能还无法达到理想水平，此时发送报警信号给医护人员终端，提醒医护人员进行积极救治，以保障患儿的生命安全。
相应的，参照图2，本发明实施例还提供了一种CPAP参数的调控装置，包括数据获取模块101、模型构建模块102和调控模块103；其中，
所述数据获取模块101用于获取第一数据集；其中，所述第一数据集包括若干早产儿的呼吸频率数据、经皮血氧饱和度数据以及预设的CPAP参数；所述CPAP参数包括氧浓度、呼吸末压和送气流量；
所述模型构建模块102用于根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件；
所述调控模块103用于实时获取待测早产儿的呼吸频率数据和经皮血氧饱和度数据，将所述待测早产儿的呼吸频率数据和经皮血氧饱和度数据输入至收敛的CPAP参数调控模型，获得所述待测早产儿的CPAP参数，并相应调节CPAP的氧浓度、呼吸末压和送气流量。
在本实施例中，作为第一种实施方式，所述模型构建模块102根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
所述模型构建模块102将所述第一数据集划分为第一样本数据集和第二样本数据集；
通过所述第一样本数据集构建基础分类模型，将所述第二样本数据集输入所述基础分类模型，获得所述第二样本数据集的分类标签的设置概率，并基于所述设置概率确定所述第二样本数据集的权重；
根据所述第一样本数据集、第二样本数据集和所述第二样本数据集的权重，构建目标分类模型；
对所述目标分类模型进行训练直至符合预设的聚类条件，获得CPAP参数调控模型。
优选的，所述分类标签包括第一标签、第二标签、第三标签和第四标签；其中，所述第一标签设置为氧浓度up，呼吸末压up，送气流量up；所述第二标签设置为氧浓度up，呼吸末压down，送气流量down；所述第三标签设置为氧浓度down，呼吸末压down，送气流量down；所述第四标签设置为氧浓度down，呼吸末压up，送气流量up。
在本实施例中，作为另一种实施方式，所述模型构建模块102根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
所述模型构建模块102将第一数据集中的经皮血氧饱和度作为横坐标，呼吸频率作为纵坐标，时间参数作为颜色输入，将各早产儿的呼吸频率数据和经皮血氧饱和度数据转换为图像集；
将所述图像集结合所述第一数据集中各早产儿的CPAP参数，按照预设比例划分为训练集、验证集和测试集；
基于所述训练集构建卷积神经网络模型，并通过所述训练集和所述测试集对所述卷积神经网络模型进行迭代优化，直到所述卷积神经网络模型收敛，得到CPAP参数调控模型。
相比于现有技术，本发明实施例具有如下有益效果：
本发明实施例提供了一种CPAP参数的调控方法和装置，所述方法包括：获取第一数据集；其中，所述第一数据集包括若干早产儿的呼吸频率数据、经皮血氧饱和度数据以及预设的CPAP参数；所述CPAP参数包括氧浓度、呼吸末压和送气流量；根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件；将待测早产儿的呼吸频率数据和经皮血氧饱和度数据输入至收敛的CPAP参数调控模型，获得所述待测早产儿的CPAP参数，并相应调节CPAP的氧浓度、呼吸末压和送气流量。相比于现有技术，无需医生的介入，可持续、实时地监控早产儿的呼吸频率数据和经皮血氧饱和度数据，及时跟进早产儿的身体状况，提高救治效率，降低人力成本；提供了一个相对固定的风险判断标准，不因医生的参数设置偏好而异，做到对早产儿氧疗护理的规范化，降低救治过程中的主观性；可根据早产儿的病情实时调节CPAP参数，无需人力反复调节，提高救治质量并且降低了使用者的知识门槛。
进一步的，采用目标分类模型，根据样本数据集确定分类标签的概率并设置不同的分类标签，提高了调控模型对早产儿病情判断和分类的准确度；同时，调控模型算法简单，分类效果好。
进一步的，采用卷积神经网络模型，通过对图像的识别实现对早产儿的病情判断和调控的决策，避免了数据特征的损失。
进一步的，根据早产儿的呼吸频率和经皮血氧饱和度设置不同的分段方式，优化对调控模型的计算资源分配，实现对模型性能和计算资源消耗之间的均衡，进一步提高了调控方法的实用性。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种CPAP参数的调控方法，其特征在于，包括：
获取第一数据集；其中，所述第一数据集包括若干早产儿的呼吸频率数据、经皮血氧饱和度数据以及预设的CPAP参数；所述CPAP参数包括氧浓度、呼吸末压和送气流量；
根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件；
实时获取待测早产儿的呼吸频率数据和经皮血氧饱和度数据，将所述待测早产儿的呼吸频率数据和经皮血氧饱和度数据输入至收敛的CPAP参数调控模型，获得所述待测早产儿的CPAP参数，并相应调节CPAP的氧浓度、呼吸末压和送气流量。
2.如权利要求1所述的一种CPAP参数的调控方法，其特征在于，所述根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
将所述第一数据集划分为第一样本数据集和第二样本数据集；
通过所述第一样本数据集构建基础分类模型，将所述第二样本数据集输入所述基础分类模型，获得所述第二样本数据集的分类标签的设置概率，并基于所述设置概率确定所述第二样本数据集的权重；
根据所述第一样本数据集、第二样本数据集和所述第二样本数据集的权重，构建目标分类模型；
对所述目标分类模型进行训练直至符合预设的聚类条件，获得CPAP参数调控模型。
3.如权利要求2所述的一种CPAP参数的调控方法，其特征在于，所述分类标签包括第一标签、第二标签、第三标签和第四标签；其中，所述第一标签设置为氧浓度up，呼吸末压up，送气流量up；所述第二标签设置为氧浓度up，呼吸末压down，送气流量down；所述第三标签设置为氧浓度down，呼吸末压down，送气流量down；所述第四标签设置为氧浓度down，呼吸末压up，送气流量up。
4.如权利要求1所述的一种CPAP参数的调控方法，其特征在于，所述根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
将第一数据集中的经皮血氧饱和度作为横坐标，呼吸频率作为纵坐标，时间参数作为颜色输入，将各早产儿的呼吸频率数据和经皮血氧饱和度数据转换为图像集；
将所述图像集结合所述第一数据集中各早产儿的CPAP参数，按照预设比例划分为训练集、验证集和测试集；
基于所述训练集构建卷积神经网络模型，并通过所述训练集和所述测试集对所述卷积神经网络模型进行迭代优化，直到所述卷积神经网络模型收敛，得到CPAP参数调控模型。
5.如权利要求1所述的一种CPAP参数的调控方法，其特征在于，在构建CPAP参数调控模型之前，还包括：对所述第一数据集进行分段处理，具体地：
当早产儿的经皮血氧饱和度在70％和99％之间，占总时长70％以上，且早产儿的呼吸频率波动小于每分钟20次，将所述第一数据集以每五分钟进行分段；否则，将所述第一数据集以每三分钟进行分段。
6.如权利要求1至5任意一项所述的一种CPAP参数的调控方法，其特征在于，所述调控方法还包括：当所述待测早产儿的氧浓度大于30％，呼吸末压大于8mmHg，且送气流量大于8L/min时，发送报警信号给医护人员终端。
7.一种CPAP参数的调控装置，其特征在于，包括数据获取模块、模型构建模块和调控模块；其中，
所述数据获取模块用于获取第一数据集；其中，所述第一数据集包括若干早产儿的呼吸频率数据、经皮血氧饱和度数据以及预设的CPAP参数；所述CPAP参数包括氧浓度、呼吸末压和送气流量；
所述模型构建模块用于根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件；
所述调控模块用于实时获取待测早产儿的呼吸频率数据和经皮血氧饱和度数据，将所述待测早产儿的呼吸频率数据和经皮血氧饱和度数据输入至收敛的CPAP参数调控模型，获得所述待测早产儿的CPAP参数，并相应调节CPAP的氧浓度、呼吸末压和送气流量。
8.如权利要求7所述的一种CPAP参数的调控装置，其特征在于，所述模型构建模块根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
所述模型构建模块将所述第一数据集划分为第一样本数据集和第二样本数据集；
通过所述第一样本数据集构建基础分类模型，将所述第二样本数据集输入所述基础分类模型，获得所述第二样本数据集的分类标签的设置概率，并基于所述设置概率确定所述第二样本数据集的权重；
根据所述第一样本数据集、第二样本数据集和所述第二样本数据集的权重，构建目标分类模型；
对所述目标分类模型进行训练直至符合预设的聚类条件，获得CPAP参数调控模型。
9.如权利要求8所述的一种CPAP参数的调控装置，其特征在于，所述分类标签包括第一标签、第二标签、第三标签和第四标签；其中，所述第一标签设置为氧浓度up，呼吸末压up，送气流量up；所述第二标签设置为氧浓度up，呼吸末压down，送气流量down；所述第三标签设置为氧浓度down，呼吸末压down，送气流量down；所述第四标签设置为氧浓度down，呼吸末压up，送气流量up。
10.如权利要求7所述的一种CPAP参数的调控装置，其特征在于，所述模型构建模块根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
所述模型构建模块将第一数据集中的经皮血氧饱和度作为横坐标，呼吸频率作为纵坐标，时间参数作为颜色输入，将各早产儿的呼吸频率数据和经皮血氧饱和度数据转换为图像集；
将所述图像集结合所述第一数据集中各早产儿的CPAP参数，按照预设比例划分为训练集、验证集和测试集；
基于所述训练集构建卷积神经网络模型，并通过所述训练集和所述测试集对所述卷积神经网络模型进行迭代优化，直到所述卷积神经网络模型收敛，得到CPAP参数调控模型。
CN202210506443.2A 2022-05-11 2022-05-11 一种cpap参数的调控方法和装置 Pending CN114887171A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210506443.2A CN114887171A (zh) 2022-05-11 2022-05-11 一种cpap参数的调控方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210506443.2A CN114887171A (zh) 2022-05-11 2022-05-11 一种cpap参数的调控方法和装置

Publications (1)

Publication Number Publication Date
CN114887171A true CN114887171A (zh) 2022-08-12

Family

ID=82722597

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210506443.2A Pending CN114887171A (zh) 2022-05-11 2022-05-11 一种cpap参数的调控方法和装置

Country Status (1)

Country Link
CN (1) CN114887171A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115554553A (zh) * 2022-09-27 2023-01-03 江苏鱼跃医疗设备股份有限公司 脉冲式制氧控制方法、装置、控制器及存储介质
CN117085223A (zh) * 2023-08-31 2023-11-21 广州市思创泓一电子科技有限公司 一种智能供氧制氧设备及其运行监测系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115554553A (zh) * 2022-09-27 2023-01-03 江苏鱼跃医疗设备股份有限公司 脉冲式制氧控制方法、装置、控制器及存储介质
CN117085223A (zh) * 2023-08-31 2023-11-21 广州市思创泓一电子科技有限公司 一种智能供氧制氧设备及其运行监测系统
CN117085223B (zh) * 2023-08-31 2024-04-05 广州市思创泓一电子科技有限公司 一种智能供氧制氧设备及其运行监测系统

Similar Documents

Publication Publication Date Title
CN114887171A (zh) 一种cpap参数的调控方法和装置
US5402796A (en) Arterial CO2 Monitor and closed loop controller
CN106039510A (zh) 呼吸机安全控制的方法、呼吸机及云平台
CN105953355A (zh) 一种提高睡眠质量的环境控制系统
CN106902421B (zh) 一种个人化麻醉闭环控制系统
CN109481199A (zh) 智能化医护管理机构
CN104800949A (zh) 一种呼吸暂停唤醒装置及方法
CN110464938A (zh) 呼吸支持设备氧浓度控制系统及方法
CN104189983A (zh) 一种深度镇静的闭环控制方法和系统
CN111658931B (zh) 一种智能经鼻高流量湿化氧疗系统
CN114099016B (zh) 基于数字孪生模型的固定矫正与隐形矫正混合治疗系统
CN113870988A (zh) 一种基于大数据分析的麻醉工作站运行监管系统
CN116844709B (zh) 心脏复苏机控制系统及方法
CN107320823A (zh) 一种滴定式伺服吸氧的控制方法及控制装置
CN115857595B (zh) 基于用户心境的功能环境调节方法、系统和装置
CN115944820B (zh) 一种准确定量呼吸器参数的控制方法及装置
CN116344024A (zh) 一种用于ecmo护理质量控制方法及装置
CN111973188A (zh) 一种基于神经网络估算呼吸力学参数的方法
CN207980368U (zh) 一种基于智能物联网辅助减脂仪
US11915818B2 (en) System and method for assessing extubation
CN114887169B (zh) 一种呼吸机智能控制决策方法与系统
CN108968934A (zh) 一种基于宠物体征信息的宠物看护系统
CN115206540A (zh) 一种腺样体面容筛查、监测处理系统及方法
CN111358431B (zh) 一种食道压力云图的标识识别方法及设备
CN107785065B (zh) 用于调整呼吸机运行参数的方法及系统

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