CN115282401B - 静脉输液泵控制系统、静脉输液泵控制方法和存储介质 - Google Patents
静脉输液泵控制系统、静脉输液泵控制方法和存储介质 Download PDFInfo
- Publication number
- CN115282401B CN115282401B CN202210870599.9A CN202210870599A CN115282401B CN 115282401 B CN115282401 B CN 115282401B CN 202210870599 A CN202210870599 A CN 202210870599A CN 115282401 B CN115282401 B CN 115282401B
- Authority
- CN
- China
- Prior art keywords
- infusion
- parameter
- parameters
- medical
- patient
- 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
- 238000001802 infusion Methods 0.000 title claims abstract description 544
- 238000001990 intravenous administration Methods 0.000 title claims abstract description 159
- 238000000034 method Methods 0.000 title claims abstract description 89
- 239000003814 drug Substances 0.000 claims abstract description 129
- 238000012544 monitoring process Methods 0.000 claims abstract description 79
- 229940079593 drug Drugs 0.000 claims description 98
- 238000003062 neural network model Methods 0.000 claims description 61
- 239000008280 blood Substances 0.000 claims description 48
- 210000004369 blood Anatomy 0.000 claims description 48
- 238000012549 training Methods 0.000 claims description 46
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 40
- 239000001301 oxygen Substances 0.000 claims description 40
- 229910052760 oxygen Inorganic materials 0.000 claims description 40
- 210000002700 urine Anatomy 0.000 claims description 35
- 230000036760 body temperature Effects 0.000 claims description 32
- 239000007788 liquid Substances 0.000 claims description 32
- 230000036772 blood pressure Effects 0.000 claims description 28
- 230000000241 respiratory effect Effects 0.000 claims description 20
- 210000004556 brain Anatomy 0.000 claims description 18
- 230000001105 regulatory effect Effects 0.000 claims description 13
- 230000001276 controlling effect Effects 0.000 claims description 10
- 239000003978 infusion fluid Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 43
- 206010067484 Adverse reaction Diseases 0.000 abstract description 24
- 230000006838 adverse reaction Effects 0.000 abstract description 24
- 230000002159 abnormal effect Effects 0.000 abstract description 13
- 230000002829 reductive effect Effects 0.000 abstract description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 239000012530 fluid Substances 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 18
- 238000002512 chemotherapy Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 16
- 238000013528 artificial neural network Methods 0.000 description 14
- 238000011282 treatment Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 12
- 239000000243 solution Substances 0.000 description 11
- 206010028980 Neoplasm Diseases 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 239000000872 buffer Substances 0.000 description 9
- 238000009104 chemotherapy regimen Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 238000012795 verification Methods 0.000 description 7
- AOJJSUZBOXZQNB-TZSSRYMLSA-N Doxorubicin Chemical compound O([C@H]1C[C@@](O)(CC=2C(O)=C3C(=O)C=4C=CC=C(C=4C(=O)C3=C(O)C=21)OC)C(=O)CO)[C@H]1C[C@H](N)[C@H](O)[C@H](C)O1 AOJJSUZBOXZQNB-TZSSRYMLSA-N 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000036387 respiratory rate Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000004217 heart function Effects 0.000 description 5
- 210000004881 tumor cell Anatomy 0.000 description 5
- CMSMOCZEIVJLDB-UHFFFAOYSA-N Cyclophosphamide Chemical compound ClCCN(CCCl)P1(=O)NCCCO1 CMSMOCZEIVJLDB-UHFFFAOYSA-N 0.000 description 4
- 208000007502 anemia Diseases 0.000 description 4
- 230000000973 chemotherapeutic effect Effects 0.000 description 4
- 229940044683 chemotherapy drug Drugs 0.000 description 4
- 229960004397 cyclophosphamide Drugs 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- OGWKCGZFUXNPDA-XQKSVPLYSA-N vincristine Chemical compound C([N@]1C[C@@H](C[C@]2(C(=O)OC)C=3C(=CC4=C([C@]56[C@H]([C@@]([C@H](OC(C)=O)[C@]7(CC)C=CCN([C@H]67)CC5)(O)C(=O)OC)N4C=O)C=3)OC)C[C@@](C1)(O)CC)CC1=C2NC2=CC=CC=C12 OGWKCGZFUXNPDA-XQKSVPLYSA-N 0.000 description 4
- OGWKCGZFUXNPDA-UHFFFAOYSA-N vincristine Natural products C1C(CC)(O)CC(CC2(C(=O)OC)C=3C(=CC4=C(C56C(C(C(OC(C)=O)C7(CC)C=CCN(C67)CC5)(O)C(=O)OC)N4C=O)C=3)OC)CN1CCC1=C2NC2=CC=CC=C12 OGWKCGZFUXNPDA-UHFFFAOYSA-N 0.000 description 4
- FBOZXECLQNJBKD-ZDUSSCGKSA-N L-methotrexate Chemical compound C=1N=C2N=C(N)N=C(N)C2=NC=1CN(C)C1=CC=C(C(=O)N[C@@H](CCC(O)=O)C(O)=O)C=C1 FBOZXECLQNJBKD-ZDUSSCGKSA-N 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- HAWPXGHAZFHHAD-UHFFFAOYSA-N mechlorethamine Chemical compound ClCCN(C)CCCl HAWPXGHAZFHHAD-UHFFFAOYSA-N 0.000 description 3
- 229960000485 methotrexate Drugs 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 229960004528 vincristine Drugs 0.000 description 3
- 206010001526 Air embolism Diseases 0.000 description 2
- 206010002091 Anaesthesia Diseases 0.000 description 2
- 206010019280 Heart failures Diseases 0.000 description 2
- 206010020751 Hypersensitivity Diseases 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 208000026935 allergic disease Diseases 0.000 description 2
- 230000000172 allergic effect Effects 0.000 description 2
- 230000007815 allergy Effects 0.000 description 2
- 230000037005 anaesthesia Effects 0.000 description 2
- 239000002246 antineoplastic agent Substances 0.000 description 2
- 208000010668 atopic eczema Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 229960004316 cisplatin Drugs 0.000 description 2
- DQLATGHUWYMOKM-UHFFFAOYSA-L cisplatin Chemical compound N[Pt](N)(Cl)Cl DQLATGHUWYMOKM-UHFFFAOYSA-L 0.000 description 2
- 229960004679 doxorubicin Drugs 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 230000002706 hydrostatic effect Effects 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000010412 perfusion Effects 0.000 description 2
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 description 2
- 229960004618 prednisone Drugs 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- HDCUSMZVZWLDRZ-UHFFFAOYSA-N 1-benzyl-2-methylhydrazine Chemical compound CNNCC1=CC=CC=C1 HDCUSMZVZWLDRZ-UHFFFAOYSA-N 0.000 description 1
- YZEUHQHUFTYLPH-UHFFFAOYSA-N 2-nitroimidazole Chemical compound [O-][N+](=O)C1=NC=CN1 YZEUHQHUFTYLPH-UHFFFAOYSA-N 0.000 description 1
- 206010002198 Anaphylactic reaction Diseases 0.000 description 1
- 206010005746 Blood pressure fluctuation Diseases 0.000 description 1
- 102100034362 E3 ubiquitin-protein ligase KCMF1 Human genes 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 101000994641 Homo sapiens E3 ubiquitin-protein ligase KCMF1 Proteins 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 229940122803 Vinca alkaloid Drugs 0.000 description 1
- AHTYDUCWNMCQQP-UHFFFAOYSA-N [3-(5-fluoro-2,4-dioxopyrimidin-1-yl)-2-methylphenyl] hydrogen carbonate Chemical compound CC1=C(OC(O)=O)C=CC=C1N1C(=O)NC(=O)C(F)=C1 AHTYDUCWNMCQQP-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 208000003455 anaphylaxis Diseases 0.000 description 1
- 229940045799 anthracyclines and related substance Drugs 0.000 description 1
- 229940041181 antineoplastic drug Drugs 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 108700004675 bleomycetin Proteins 0.000 description 1
- QYOAUOAXCQAEMW-UTXKDXHTSA-N bleomycin A5 Chemical compound N([C@H](C(=O)N[C@H](C)[C@@H](O)[C@H](C)C(=O)N[C@@H]([C@H](O)C)C(=O)NCCC=1SC=C(N=1)C=1SC=C(N=1)C(=O)NCCCNCCCCN)[C@@H](O[C@H]1[C@H]([C@@H](O)[C@H](O)[C@H](CO)O1)O[C@@H]1[C@H]([C@@H](OC(N)=O)[C@H](O)[C@@H](CO)O1)O)C=1N=CNC=1)C(=O)C1=NC([C@H](CC(N)=O)NC[C@H](N)C(N)=O)=NC(N)=C1C QYOAUOAXCQAEMW-UTXKDXHTSA-N 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 230000005821 brain abnormality Effects 0.000 description 1
- 210000004958 brain cell Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000008711 chromosomal rearrangement Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 230000003090 exacerbative effect Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 230000002147 killing effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229960004961 mechlorethamine Drugs 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 206010033675 panniculitis Diseases 0.000 description 1
- 230000036314 physical performance Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 210000004304 subcutaneous tissue Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 230000004614 tumor growth Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
- A61M5/142—Pressure infusion, e.g. using pumps
-
- 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
- A61M5/16831—Monitoring, detecting, signalling or eliminating infusion flow anomalies
-
- 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
-
- 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
- A61M5/142—Pressure infusion, e.g. using pumps
- A61M2005/14208—Pressure infusion, e.g. using pumps with a programmable infusion control system, characterised by the infusion program
-
- 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
-
- 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
- A61M2205/00—General characteristics of the apparatus
- A61M2205/50—General characteristics of the apparatus with microprocessors or computers
- A61M2205/52—General characteristics of the apparatus with microprocessors or computers with memories providing a history of measured variating parameters of apparatus or patient
-
- 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
- A61M2230/04—Heartbeat characteristics, e.g. ECG, blood pressure modulation
-
- 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
- A61M2230/08—Other bio-electrical signals
- A61M2230/10—Electroencephalographic signals
-
- 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
-
- 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
- A61M2230/50—Temperature
Abstract
本发明实施例提供静脉输液泵控制系统、静脉输液泵控制方法和存储介质，涉及人工智能技术领域。其中静脉输液泵控制系统包括：输液通路、监护单元、静脉输液泵、处理器，处理器根据输液参数，得到输液控制指令发送至静脉输液泵，控制静脉输液泵的位置调节量；从而控制输液通路的液体流量。本实施例通过静脉输液泵控制模型对患者的输液参数进行分析，能够识别输液中异常情况，判断当前药物输液速度是否合适，如果不合适则实时调整药物输液速度，无需人工时刻关注输液过程，减少患者的输液不良反应，并为医生抢救预留时间，提升患者输液的安全，提升患者输液舒适性，同时提升输液的管理效率。
Description
技术领域
本发明涉及医疗设备技术领域，尤其涉及静脉输液泵控制系统、静脉输液泵控制方法和存储介质。
背景技术
静脉输液是利用大气压和液体静压原理将大量无菌液体、电解质、药物、血液等由静脉输入体内的方法。使用输液器对患者进行输液治疗的过程中，需要根据药物和患者的病情选择合适的静脉输液速度，并且在整个输液治疗过程中需要实时监控静脉输液速度，以防止滴停、回血、空气栓塞的现象发生，同时在输液结束时，还需要及时地更换输液或者拨出针头停止输液。
目前对静脉输液的输液速度的监控普遍采用人工方式，一般情况下护士根据经验观察滴壶的滴速状态调节输液器的滴速调节器将输液速度调节至适当值，或者利用静脉输液泵进行控制，静脉输液泵一般都是机械泵，设置好输液参数后直接执行。但由于不同的输液速度对患者的治疗过程会产生不同影响，尤其是对于肿瘤患者利用静脉输液进行化疗来说，不同的输液速度与患者产生的不良反应有关联，并且肿瘤患者本身病情较重，免疫低下，不良反应有时候会是致命的。相关技术对输液过程中患者是否发生不良反应均采用人工识别的方式，即使患者已经发生过敏等严重不良反应，都需要人工停止静脉输液泵。一方面，输液监护需要依赖临床医生或护士的专业知识，人力物力投入大；另一方面，如果临床医生对该患者的不良反应发现不及时，或者患者处于手术麻醉状态无法进行反馈，则无法及时采取抢救措施。
发明内容
本发明实施例的主要目的在于提出静脉输液泵控制系统、静脉输液泵控制方法和存储介质，通过静脉输液泵控制模型对患者的输液参数进行分析，判断当前药物输液速度是否合适，如果不合适则实时调整药物输液速度，无需人工时刻关注输液过程，减少患者的输液不良反应，并为医生抢救预留时间，提升患者输液的安全。
为实现上述目的，本发明实施例的第一方面提出了一种静脉输液泵控制系统，包括：
输液通路，用于建立静脉给液通路以给患者输液；
监护单元，用于获取患者的医疗参数；
静脉输液泵，可拆卸的安装在所述输液通路上；
处理器，分别与所述静脉输液泵和所述监护单元连接，所述处理器用于获取输液参数，所述输液参数包括：药物参数、用户参数和来自所述监护单元的医疗参数，所述药物参数包括药物种类、药物输液速度，所述医疗参数包括以下至少一种：体温参数、血压参数、心率参数、血氧参数、尿量参数、脑电参数、呼吸参数；
所述处理器还用于将所述输液参数输入训练好的静脉输液泵控制模型，得到输液控制指令，将所述输液控制指令发送至所述静脉输液泵，以控制所述静脉输液泵的位置调节量；
为实现上述目的，本发明的第二方面提供一种静脉输液泵控制方法，包括：
获取输液参数，所述输液参数包括：药物参数、用户参数和医疗参数，所述药物参数包括药物种类、药物输液速度，所述医疗参数包括以下至少一种：体温参数、血压参数、心率参数、血氧参数、尿量参数、脑电参数、呼吸参数；
将所述输液参数输入训练好的静脉输液泵控制模型，得到输液控制指令；
根据所述输液控制指令控制静脉输液泵的位置调节量；
根据所述位置调节量控制输液通路的液体流量。
为实现上述目的，本发明的第三方面提出了一种存储介质，该存储介质是计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行：
如上述第二方面所述的方法。
本发明实施例提出的静脉输液泵控制系统、静脉输液泵控制方法和存储介质，其中静脉输液泵控制系统包括：输液通路，用于给患者建立静脉给液通路；监护单元，与监护单元连接，用于获取患者的医疗参数；静脉输液泵，可拆卸的安装在输液通路上；处理器，分别与静脉输液泵和监护单元连接，处理器用于获取输液参数，将输液参数输入训练好的静脉输液泵控制模型，得到输液控制指令，将输液控制指令发送至静脉输液泵，以控制静脉输液泵的位置调节量；静脉输液泵根据位置调节量控制输液通路的液体流量。本实施例通过静脉输液泵控制模型对患者的输液参数进行分析，能够识别输液中异常情况，判断当前药物输液速度是否合适，如果不合适则实时调整药物输液速度，无需人工时刻关注输液过程，减少患者的输液不良反应，并为医生抢救预留时间，提升患者输液的安全，提升患者输液舒适性，同时提升输液的管理效率。
附图说明
图1是本发明实施例提供的静脉输液泵控制系统的结构示意图。
图2是本发明又一实施例提供的静脉输液泵控制系统的监护单元结构示意图。
图3是本发明又一实施例提供的静脉输液泵控制系统的夹持单元结构示意图。
图4是本发明又一实施例提供的静脉输液泵控制系统的使用场景示意图。
图5是本发明又一实施例提供的静脉输液泵控制系统中静脉输液泵控制模型结构示意图。
图6是本发明又一实施例提供的静脉输液泵控制系统中处理器的执行流程示意图。
图7是本发明又一实施例提供的静脉输液泵控制系统中处理器的执行流程示意图。
图8是本发明又一实施例提供的静脉输液泵控制系统中一级参数神经网络模型结构示意图。
图9是本发明又一实施例提供的静脉输液泵控制系统中处理器的执行流程示意图。
图10是本发明又一实施例提供的静脉输液泵控制系统中静脉输液泵控制模型的训练过程示意图。
图11是本发明又一实施例提供的静脉输液泵控制系统中静脉输液泵控制模型的训练过程示意图。
图12是本发明又一实施例提供的静脉输液泵控制系统中静脉输液泵控制模型的训练过程示意图。
图13是本发明实施例提供的静脉输液泵控制方法的流程示意图。
图14是本发明又一实施例提供的静脉输液泵控制方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。
首先，对本发明中涉及的若干名词进行解析：
静脉输液：利用大气压和液体静压原理将大量无菌液体、电解质、药物、血液等由静脉输入体内的方法，其具有：易将药物达至疗效浓度，并可持续维持疗效所需的恒定浓度；对肌肉、皮下组织有刺激的药物可经静脉给予；可迅速地补充身体所丧失的液体或血液，使得静脉输液成为临床治疗中必不可少的一种治疗手段。
化疗：化学药物治疗，是恶性肿瘤的一种治疗方法，即用抗肿瘤药物来杀灭全身各处的肿瘤细胞。因为即使通过手术将大部分肿瘤切除，在肿瘤的邻近区域或身体的其他部位仍可能存有肿瘤细胞，而应用化疗则达到控制肿瘤生长或缓解肿瘤所引起的相应症状。化疗药物必须通过血流到达肿瘤细胞才能起作用。因此静脉滴注是最常用的方法，也就是把药物溶解混合在输液中后将输液缓慢地输液患者手臂的静脉里。
神经网络：神经网络是一种以人脑为模型的机器学习，神经网络能够执行深度学习，人工神经网络的基本组成部分是一个感知器，这个感知器可以完成简单的信号处理，然后连接到一个大的网状网络中。具有深度学习能力的神经网络不能直接编程完成任务，需要学习这些信息，一般学习方法有三种：1)监督学习，计算机要根据标记的数据集，对模型进行修改，直到能够处理数据集以获得所需的结果；2)无监督学习，没有可供学习的标记数据集，神经网络分析数据集，然后用代价函数告诉神经网络离目标有多远，然后神经网络进行调整，以提高算法的准确性；3)强化学习，在该算法中，对神经网络的正向结果进行强化，对一个负结果进行惩罚，迫使神经网络随着时间的推移而学习。
BP神经网络模型：也叫前馈神经网络，其参数权重值时由反向传播学习算法进行调整，是一种多层的前馈神经网络，其主要的特点是：信号是前向传播的，而误差是反向传播的。具体来说，BP神经网络的过程主要分为两个阶段，第一阶段是信号的前向传播，从输入层经过隐含层，最后到达输出层；第二阶段是误差的反向传播，从输出层到隐含层，最后到输入层，依次调节隐含层到输出层的权重和偏置，输入层到隐含层的权重和偏置。
使用输液器对患者进行输液治疗的过程中，需要根据药物和患者的病情选择合适的静脉输液速度，并且在整个输液治疗过程中需要实时监控静脉输液速度，以防止滴停、回血、空气栓塞的现象发生，同时在输液结束时，还需要及时地更换输液或者拨出针头停止输液。
目前对静脉输液的输液速度的监控普遍采用人工方式，一般情况下护士根据经验观察滴壶的滴速状态调节输液器的滴速调节器将输液速度调节至适当值，或者利用静脉输液泵进行控制，静脉输液泵一般都是机械泵，设置好输液参数后直接执行。但由于不同的输液速度对患者的治疗过程会产生不同影响，尤其是对于肿瘤患者利用静脉输液进行化疗来说，不同的输液速度与患者产生的不良反应有关联，并且肿瘤患者本身病情较重，免疫低下，不良反应有时候会是致命的。由于不同个体对药物的吸收程度和耐受程度不一样，并且在保证疗效的同时不同化疗药物的输液速度、浓度要求不一样，产生的不良反应也不一样。事实上，并不是所有的输液都会产生不良反应，同样的药物有的人会药物过敏，有的人并不严重，这个与患者自身身体状况，耐受能力有关。
相关技术对输液过程中患者是否发生不良反应均采用人工识别的方式，即使患者已经发生过敏等严重不良反应，都需要人工停止静脉输液泵。这时候如果临床医生对该患者的不良反应发现不及时，或者患者处于手术麻醉状态无法进行反馈，则无法及时采取抢救措施。
基于此，本发明实施例提供一种静脉输液泵控制系统、静脉输液泵控制方法和存储介质，静脉输液泵控制系统通过静脉输液泵控制模型对患者的输液参数进行分析，能够识别输液中异常情况，判断当前药物输液速度是否合适，如果不合适则实时调整药物输液速度，无需人工时刻关注输液过程，减少患者的输液不良反应，并为医生抢救预留时间，提升患者输液的安全，提升患者输液舒适性，同时提升输液的管理效率。
本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本发明实施例提供静脉输液泵控制系统、静脉输液泵控制方法和存储介质，具体通过如下实施例进行说明，首先描述本发明实施例中的静脉输液泵控制系统。
参照图1，图1示出了根据本发明实施例的静脉输液泵控制系统的结构示意图。
本发明实施例提供一种静脉输液泵控制系统，包括：输液通路110、监护单元120、静脉输液泵130和处理器140。
其中，输液通路110用于建立静脉给液通路以给患者输液，例如可以包括：输液针、输液管和输液袋/输液瓶等。
监护单元120用于获取输液患者的医疗参数，其中医疗参数包括以下至少一种：体温参数、血压参数、心率参数、血氧参数、尿量参数、脑电参数、呼吸参数。
参照图2，为监护单元结构示意图。
在一实施例中，监护单元120包括以下至少一种：体温监护单元1210、血压监护单元1220、心率监护单元1230、血氧监护单元1240、尿量监护单元1250、脑电监护单元1260和呼吸监护单元1270。
在一实施例中，体温监护单元1210，与处理器140连接，主要采集输液针与皮肤接触的局部区域的体温，能更好的反应输液温度，可以在输液部位可穿戴的放置一个温度传感器贴片作为体温监护单元，实时检测并记录输液患者的体温参数。
在一实施例中，心率监护单元1230与处理器140连接，用于连续观察监测输液患者心脏电活动情况，是一种无创的监测方法，可实时观察病情，提供有价值的心电活动指标，并指导实时处理监护输液患者的心率值。可以在输液患者的心脏部位可穿戴的放置电极片，通过采集电极片的电信号获取输液患者的心率参数。
在一实施例中，血氧监护单元1240与处理器140连接，用于监护输液患者的血氧饱和度情况，输液患者的血氧饱和度经血氧监护单元1240的血氧传感器接收后，通过导线传输给血氧监护单元1240，血氧监护单元1240可以实时显示、分析血氧饱和度，并在异常时提供报警。通过血氧监护单元1240能够实时采集输液患者的血氧参数。
在一实施例中，尿量监护单元1250与处理器140连接，用于监护输液患者的尿量。尿量可反映输液过程中肾脏灌注、血容量及全身灌注情况及体液平衡，并可反映肾功能、心功能及循环血量状态，尤其是烧伤、心脏手术后的危重患者是严密监测的重要指标之一，对防治严重的并发症有很重要的作用。因此需要严密监测尿量，尿量监护单元1250可以采用智能计量的储尿袋，通过类似光电传感器的设备实时采集当前储尿袋中尿液的计量值。
在一实施例中，脑电监护单元1260与处理器140连接，用来监护输液患者的脑电图，一及时判断输液不良反应在脑部的异常表征。脑电图是通过电子仪器，从头皮上将脑部的自发性生物电位加以放大记录而获得的图形，是通过电极记录下来的脑细胞群的自发性、节律性的电活动。可以通过将获取的脑电图进行傅里叶变换，将脑电图转化为频域信号进行分析识别。
在一实施例中，呼吸监护单元1270与处理器140连接，用来获取患者的呼吸频率，例如可以通过小型毫米波雷达计算患者输液过程中的呼吸频率。
处理器140与监护单元120连接，用于获取输液参数，其中输液参数包括：药物参数、用户参数和来自监护单元120的医疗参数，药物参数包括药物种类和药物输液速度，医疗参数包括以下至少一种：体温参数、血压参数、心率参数、血氧参数、尿量参数、脑电参数、呼吸参数。
在一实施例中，处理器140可以利用获取单元获取药物参数和用户参数，其获取单元可以包括：输入单元和显示单元两部分，其中输入单元用于接收患者的药物参数和用户参数，并接收来自监护单元120采集的医疗参数，医疗参数包括以下至少一种：体温参数、血压参数、心率参数、血氧参数、尿量参数、脑电参数、呼吸参数。其中，输入单元可与显示单元连接，显示交互信息，即对应的输液参数和用户参数，以备医生或者护士随时查看。
该实施例中，输入单元用于接收用户的输入。常见地，输入单元可以是鼠标和键盘等，在一些情况下，也可以是触控显示屏，触控显示屏带来供用户输入和显示内容的功能，因此这种例子中输入单元和显示单元是集成在一起的。当然，在一些例子中，输入单元甚至可以是带来识别语音的语音输入设备等。
显示单元可以用于显示信息。在有的实施例中，输入单元本身可以集成显示装置，在有的实施例中，输入单元也可以连接一个计算机设备(例如电脑)，通过计算机设备的显示单元(例如显示屏)来显示信息，这些都属于本文中显示单元所限定和保护的范围。
静脉输液泵130可拆卸的安装在输液通路上，其中，静脉输液泵130包括夹持单元1310，夹持单元1310夹持在输液通路110的输液管上，夹持单元1310能够改变夹持松紧度，从而控制输液通路110的液体流量。
参照图3，为本申请一实施例中夹持单元结构示意图。图3中以夹子形式示意夹持单元1310，将输液管1110夹在夹持单元1310的第一卡口1311和第二卡口1312中间，通过调节两个卡口的相对位置，改变夹持松紧度。例如两个卡口的相对位置大，则夹持松紧度松，从而输液管1110的输液直径大，输液管1110中液体流动速度大；卡口的相对位置小，则夹持松紧度紧，从而输液管1110的输液直径小，输液管1110中液体流动速度小；如果卡口的相对位置极小时，即夹持的最紧，则输液管1110中液体流动速度趋于零，可以理解为停止输液。
处理器140，分别与静脉输液泵130和监护单元120连接，处理器140用于输液参数，其中输液参数包括：药物参数、用户参数和来自监护单元120的医疗参数，将输液参数输入训练好的静脉输液泵控制模型，得到输液控制指令，将输液控制指令发送至静脉输液泵130，以控制静脉输液泵130中夹持单元1310的卡口的位置调节量，然后静脉输液泵130根据卡口的位置调节量控制输液通路110的液体流量，从而对药物输液速度进行实时调整。
在一实施例中，处理器140将输液控制指令发送至静脉输液泵130，以控制夹持单元1310的夹持松紧度，其中，位置调节量包括：加快输液速度调节量、减缓输液速度调节量或停止输液调节量。
该实施例中，当位置调节量为加快输液速度调节量时，夹持单元调节夹持松紧度使得输液通路中液体流速变快；
当位置调节量为减缓输液速度调节量时，夹持单元调节夹持松紧度使得输液通路中液体流速变慢；
当位置调节量为停止输液调节量时，夹持单元调节夹持松紧度使得输液通路中液体流速趋于零。
该实施例中，静脉输液泵130根据位置调节量完成调节过程后，输出当前的输液速度作为药物参数中的药物输液速度，可以将输液速度进行消息通知，利用人工输入，将药物输液速度反馈给处理器140，也可以直接发送至处理器140，使得处理器140能够实时获取当前的药物输液速度，并对此进行实时调节。
参照图4，为本申请一实施例静脉输液泵控制系统的使用场景示意图。图4中示出患者150输液时，输液通路建立静脉给液通路，包括：输液针(图中未示出)、输液管1110和输液袋1120等。监护单元120包括以下的功能组成部件(图中未示出功能组成部件，监护单元120的位置仅作示意)：体温监护单元、血压监护单元、心率监护单元、血氧监护单元和尿量监护单元，监护单元120用来获取包括：体温参数、血压参数、心率参数、血氧参数、尿量参数、脑电参数、呼吸参数在内的输液患者的医疗参数。本实施例中处理器140与监护单元120连接，用于获取输液参数，输液参数包括：药物参数、用户参数和来自监护单元120的医疗参数，药物参数包括药物种类和药物输液速度，用户参数包括：患者年龄和患者性别。静脉输液泵130利用夹持单元(图中未示出)可拆卸地夹持在输液通路的输液管1110上，通过改变夹持单元卡口的夹持松紧度，从而控制输液管1110中的液体流量。
该实施例中，处理器140，分别与静脉输液泵130和监护单元120连接，处理器140用于获取输液参数，输液参数包括：药物参数、用户参数和来自监护单元120的医疗参数，将输液参数输入训练好的静脉输液泵控制模型，得到输液控制指令，将输液控制指令发送至静脉输液泵130，以控制静脉输液泵130中夹持单元的卡口的位置调节量，然后静脉输液泵130根据卡口的位置调节量控制输液通路110的液体流量，从而对药物输液速度进行实时调整。
本实施例中静脉输液泵控制系统，通过静脉输液泵控制模型对患者的输液参数进行分析，能够识别输液中异常情况，判断当前药物输液速度是否合适，如果不合适则实时调整药物输液速度，无需人工时刻关注输液过程，减少患者的输液不良反应，并为医生抢救预留时间，提升患者输液的安全，提升患者输液舒适性，同时提升输液的管理效率。
需要说明的是，本发明实施例描述的静脉输液泵控制系统的结构是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域技术人员可知，随着设备架构的演变和新应用场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图1中示出的静脉输液泵控制系统并不构成对本发明实施例的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面具体介绍本申请实施例的静脉输液泵控制系统中处理器中预先安装的训练好的静脉输液泵控制模型。
在一实施例中，参照图5，静脉输液泵控制系统中静脉输液泵控制模型结构示意图，处理器中训练好的静脉输液泵控制模型包括：至少一个一级参数神经网络模型和二级参数模型。
参照图6，为本申请一实施例中处理器的执行流程示意图。
该实施例中，处理器用于执行将输液参数输入训练好的静脉输液泵控制模型，得到输液控制指令，将输液控制指令发送至静脉输液泵时，执行步骤S110至步骤S130。
步骤S110，将输液参数输入至至少一个一级参数神经网络模型，得到至少一个对应的参数影响程度输出值。
步骤S120，将至少一个参数影响程度输出值输入二级参数模型，得到输液速度输出值。
该实施例中，构建的静脉输液泵控制模型包括二级的模型，主要是为了参考多个维度输入参数，避免单一维度参数引起误识别的风险，在保障患者输液安全同时，确保不要轻易中断输液，从而有效保障患者的治疗效果。
步骤S130，根据输液速度输出值生成输液控制指令发送至静脉输液泵。
在一实施例步骤S110中将上述得到的输液参数特征值输入至至少一个一级参数神经网络模型，得到至少一个对应的参数影响程度输出值。该实施例中，至少一个一级参数神经网络模型为BP神经网络模型，静脉输液泵控制模型包括N个一级参数神经网络模型，这里的N为对应于医疗参数的数量，N为大于或等于1的正整数，即有多少个医疗参数就有多少个一级参数神经网络模型，针对每一个医疗参数均构建一个一级参数神经网络模型。
在一实施例中，处理器执行步骤S110时，参照图7，包括步骤S111至步骤S114。
步骤S111，根据输液参数得到输液参数特征值。
步骤S112，根据输液参数特征值得到对应于医疗参数数量的医疗参数影响序列。
步骤S113，将医疗参数影响序列输入对应医疗参数的一级参数神经网络模型，得到医疗参数对应的参数影响程度输出值。
步骤S114，重复执行上述步骤，直到获取每个医疗参数对应的参数影响程度输出值。
由于不同个体对药物的吸收程度和耐受程度不一样，并且在保证疗效的同时不同化疗药物的输液速度、浓度要求不一样，产生的不良反应也不一样。事实上，并不是所有的输液都会产生不良反应，同样的药物有的人会药物过敏，有的人并不严重，这个与患者自身身体状况，耐受能力有关。
因此，在一实施例中，首先对输液参数进行特征化处理，得到输液参数对应的输液参数特征值。例如根据药物参数对应得到药物参数特征值，根据用户参数对应得到用户参数特征值，根据医疗参数对应得到医疗参数特征值。
该实施例中，患者信息可以包括患者年龄和患者性别等个体信息，因此用户参数特征值包括：患者年龄特征值和患者性别特征值。药物参数特征值包括：药物种类特征值和药物输液速度特征值。
在一实施例中，输液过程中，输液所在皮肤区域的体温会根据输液状态不同而发生变化，因此本实施例中将体温参数作为医疗参数之一。
在一实施例中，输液过程本身会让患者难受，例如化疗过程中的化疗药物更容易让患者身体不适，当患者出现身体不适时，容易产生血压波动，因此需要将血压参数也作为医疗参数之一。
在一实施例中，一些患者对输液药物反应比较敏感，输液过程中会出现心率波动，或者输液药物本身会引起心率变化，主要是考虑输液治疗时用的药物以及患者本身的心脏功能情况，输液过程中以后如果出现过敏反应，就会出现心率加快，或者使用蒽环类的药物也可以导致心率加快，甚至心肌酶的升高。另外考虑不同患者的的年龄、心功能的状况，以及有没有合并高血压、糖尿病、以及高血脂等容易导致心功能损害、心衰的情况，如果有上述因素，或者是基础心脏病的话，再加上输液治疗以后心率就快，会诱发心功能衰竭，甚至心梗等情况的发生，因此输液过程中需要密切监测心率，以评估心功能。因此本实施例将心率参数也作为医疗参数之一。
在一实施例中，输液过程中，例如化疗输液过程中如果出现贫血，贫血会直接导致血液系统携氧能力的下降，加剧肿瘤细胞的缺氧状态，缺氧会增加肿瘤细胞对化疗的抵抗能力，降低肿瘤患者对化疗药物的敏感性，影响化疗效果；且缺氧状态将增加基因的不稳定性，进而导致点突变、扩增和染色体重排，加剧肿瘤复发和转移的进程。此外，贫血患者体能状态差，对化疗不耐受性较不贫血患者更显著，往往导致化疗不能如期足量的进行。因此本实施例将血氧参数也作为医疗参数之一。
在一实施例中，正常人24小时的小便量需要超过1500毫升，所以输液期间，患者射入大量水分，因此输液期间患者的小便量至少要在24小时超过1500毫升才可以。某些化疗药物或化疗方法还会特别要求患者在24小时内小便量达到3000毫升，只有这样才能维持患者的正常生理代谢，减轻或消除化疗药物不良反应。因此本实施例将尿量参数也作为医疗参数之一。
在一实施例中，脑电图用于脑部异常诊断及鉴别诊断，能够及时发现输液过程中如出现不良反应，可能会导致的脑部异常状态。因此本实施例将脑电参数也作为医疗参数之一。
在一实施例中，静息状态下，正常人的呼吸频率为12～22次/min，呼吸与脉搏之比为1:4，新生儿的呼吸频率较快，可达44次/min，随年龄增长而逐渐减慢。输液过程中如果发生不良反应，患者的呼吸频率也会发生改变，因此本实施例将呼吸参数也作为医疗参数之一。
因此上述实施例选取的患者的医疗参数包括：体温参数、血压参数、心率参数、血氧参数、尿量参数、脑电参数、呼吸参数，因此医疗参数特征值分别是：体温参数特征值、血压参数特征值、心率参数特征值、血氧参数特征值、尿量参数特征值脑电参数特征值和呼吸参数特征值。
在一实施例中，对输液参数进行特征化处理，得到输液参数对应的输液参数特征值。该实施例中特征化即数据标准化。下面介绍数据标准化过程。
1)体温参数特征值即输液部位的局部温度，可以是华氏温度，将常用的温度量化成简单数字，如用“1”表示“35摄氏度”、用“2”表示“35.5摄氏度”等。
2)药物输液速度，根据标准输液管的单位时间的滴注点数，划定适当的点滴数范围。不同的点滴数对应不同药物的输入浓度。例如单位时间是10s，划定输液范围1：(1～3)滴/10s；输液范围2：(4～8)滴/10s；输液范围3：(9～12)滴/10s…等，对每一个范围进行数值化，例如“1”表示输液范围1,“2”表示输液范围2,“3”表示输液范围3…等，以此类推将药物输液速度特征化为药物输液速度特征值。
3)患者信息包括：患者年龄和患者性别等个体信息。如上述，对患者年龄进行特征化可以直接数值表示或者划分年龄段，用“1”表示“0～3岁幼儿”、用“2”表示“3～6岁儿童”、用“3”表示“6～10岁少年”、…、用“7”表示“40～45岁成年人”等，划分标准可以根据实际需求定。对患者性别进行特征化时，用“1”表示“男性”，用2表示“女性”。以此类推，得到患者信息特征值，患者信息特征值可以使数组形式。可以理解的是，在实际应用中可以根据需求增加其他的患者个人信息，本实施例对此不做具体限定。
4)药物种类是针对患者进行治疗选定的治疗方案中包含的用于输液的药物种类。药物种类可以只是药物名称，即特征化时，每个药物用一个数字表示。例如患者是肿瘤患者时，药物种类也可以是化疗方案结合对应的药物名称，即特征化时，药物种类特征值数组的第一个位置表示化疗方案，用数字表示，药物种类特征值数组的第二个位置表示该化疗方案用到的药物，用数字表示。
一些常见的化疗方案如下：
MOPP化疗方案(用“1”表示)：HN2(氮芥)+VCR(长春新碱)+PCE(甲基苄肼)+PDN(强的松)。
ABVD化疗方案(用“2”表示)：ADM(阿霉素)+PYM(平阳霉素)+VLB(长春花碱)+DTIC(氮烯咪胺)。
CVP化疗方案(用“3”表示)：CTX(环磷酰胺)+VCR(长春新碱)+PDN(强的松)。
CMF化疗方案(用“4”表示)：CTX(环磷酰胺)+MTX(甲氨蝶呤)。
PCMF化疗方案(用“5”表示)：DDP(顺铂)+CTX(环磷酰胺)+MTX(甲氨蝶呤)。
CAP化疗方案(用“6”表示)：CTX(环磷酰胺)+ADM(阿霉素)+DDP(顺铂)。
对应的化疗药物表示为：HN2(“1”)、VCR(“2”)、PCE(“3”)等。
5)通过心电监护单元获取患者心率，按照心率范围划分，将心率量化成简单数字，如用“1”表示“心率98”、用“2”表示“心率99”等。
6)通过血压监护单元获取患者血压，按照血压范围划分，将血压量化成简单数字，如用“1”表示“低压50～55，高压90～95”、用“02”表示“低压56～61，高压96～101”等。
7)通过血氧监护设备获取患者血氧饱和度，按照血氧饱和度范围划分，将血氧饱和度量化成简单数字，如用“1”表示“50％～55％”、用“2”表示“56％～61％”等。
8)通过尿量监护设备获取患者尿量，按照尿量范围划分，将尿量量化成简单数字，如用“1”表示“500ml～550ml”、用“2”表示“560ml～600ml”等。
9)通过脑电监护设备获取患者脑电图的结果，可以对结果进行分类，将脑电图结果量化成简单数字，如用“1”表示“正常范围”、用“2”表示“异常范围”等。
10)通过呼吸监护设备获取患者呼吸频率，按照呼吸频率范围划分，将呼吸频率量化成简单数字，如用“1”表示“10次～12次”、用“2”表示“13次～15次”等。
上述实施例中，例如一个患者的输液参数如下所述。
患者信息：男性，41岁；
体温参数：35摄氏度；
药物输液速度：(4～8)滴/10s；
血压参数：低压54，高压93；
患者心率：98；
血氧饱和度：57％；
药物种类：采用CVP化疗方案，当前输液的药物名称是长春新碱；
尿量参数：600ml；
脑电参数：脑电图正常；
呼吸参数：13次。
按照上述实施例中将输液参数进行特征化的过程得到：输液参数特征值{[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，[体温参数特征值，血压参数特征值，心率参数特征值，血氧参数特征值，尿量参数特征值，脑电参数特征值，呼吸参数特征值]}＝{[3，2],[2，7],[1，2，1，2，2，1，2]}，可以理解的是，本实施例仅对特征化做示例，并不代表对其进行限制，本领域技术人员可以采用任何合适的方式将输液参数进行特征化。
上述步骤得到输液参数特征值后，处理器执行步骤S112，即根据输液参数特征值得到对应于医疗参数数量的医疗参数影响序列。这里将输液参数特征分为：[药物参数特征值，用户参数特征值，任一类的医疗参数特征值]，例如有7种医疗参数，即得到7种医疗参数影响序列：
1){[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，体温参数特征值}；
2){[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，血压参数特征值}；
3){[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，心率参数特征值}；
4){[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，血氧参数特征值}；
5){[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，尿量参数特征值}；
6){[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，脑电参数特征值}；
7){[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，呼吸参数特征值}。
然后处理器执行步骤S113，将医疗参数影响序列输入对应医疗参数的一级参数神经网络模型，得到医疗参数对应的参数影响程度输出值。
在一实施例中，参照图8，为一级参数神经网络模型结构示意图。
图8中一级参数神经网络模型为BP神经网络模型，包括输入层、隐藏层和输出层，输入层用于接收医疗参数影响序列中每一个特征值，表示为x1，x2...xn，然后结合模型权重，经过隐藏层和激活函数得到参数影响程度输出值y。一级参数神经网络模型中输入层的神经元个数与输入数据医疗参数影响序列的维数相同，输出层神经元个数与需要拟合的参数影响程度输出值个数相同，例如输出层神经元个数为1个，参数影响程度输出值为0表示该医疗参数对输液速度的调节无影响，参数影响程度输出值为1表示该医疗参数对输液速度的调节有影响，该实施例中，一级参数神经网络模型的计算过程主要分为两个阶段，第一阶段是信号的前向传播，从输入层经过隐含层，最后到达输出层；第二阶段是误差的反向传播，从输出层到隐含层，最后到输入层，依次调节隐含层到输出层的权重和偏置，输入层到隐含层的权重和偏置。该实施例中激活函数为非线性变换函数，例如sigmoid函数，在次不做具体限定。
然后处理器执行步骤S114，重复执行上述步骤S113，直到获取每个医疗参数对应的参数影响程度输出值。
在一实施例中，将每个医疗参数对应的医疗参数影响序列输入到对应的一级参数神经网络模型得到每个医疗参数对应的参数影响程度输出值。
表示为：
其中，f1()表示第j个医疗参数对应的一级参数神经网络模型，y1j表示第j个医疗参数对应的一级参数神经网络模型对应的参数影响程度输出值，ωji表示第j个医疗参数对应的一级参数神经网络模型的模型权重，xi表示医疗参数影响序列的输液参数特征值，m表示第j个医疗参数对应的医疗参数影响序列的输液参数特征值的数量。
在一实施例中，N＝7，y11表示体温参数对应的参数影响程度输出值，y12表示血压参数对应的参数影响程度输出值，...，y17表示呼吸参数对应的参数影响程度输出值。
在一实施例中，二级参数模型也是BP神经网络模型，在得到多个一级参数神经网络模型输出的参数影响程度输出值，处理器执行步骤120将至少一个参数影响程度输出值输入二级参数模型，得到输液速度输出值。
参照图9，处理器执行步骤S120包括步骤S121至步骤S122。
步骤S121，将每个医疗参数对应的参数影响程度输出值组成参数影响程度序列。
该实施例中，将上述的y11～y17组成参数影响程度序列，具体是{体温参数对应的参数影响程度输出值，血压参数对应的参数影响程度输出值，心率参数对应的参数影响程度输出值，血氧参数对应的参数影响程度输出值，尿量参数对应的参数影响程度输出值，脑电参数对应的参数影响程度输出值，呼吸参数对应的参数影响程度输出值}，表示为：
{y11,y12,y13,y14,y15,y16,y17}
步骤S122，将参数影响程度序列输入二级参数模型，得到输液速度输出值，表示为：
其中，f2()表示二级参数模型，y1j表示第j个医疗参数对应的参数影响程度输出值，ωj表示二级参数模型的模型权重，y2表示输液速度输出值。
在一实施例中，一级参数神经网络模型为BP神经网络模型，二级参数模型为参数权重加权模型，表示为：
其中，y2表示输液速度输出值，θj表示参数权重加权模型的权重，y1j表示第j个医疗参数对应的参数影响程度输出值。
该实施例中，参数权重加权模型的权重θj可以是先验知识，由专业医生根据学识经验对医疗参数赋予不同的影响力重要性作为权重，在此不做具体限定。
在一实施例中，输液速度输出值包括：加快输液速度、减缓输液速度或停止输液，如果是停止输液，还可以生成告警信息，提醒医生或护士关注该患者。本实施例得到输液速度输出值之后，处理器执行步骤S130，根据输液速度输出值生成输液控制指令发送至静脉输液泵。本实施例通过静脉输液泵控制模型对患者的输液参数进行分析，能够识别输液中异常情况，判断当前药物输液速度是否合适，如果不合适则实时调整药物输液速度，无需人工时刻关注输液过程，减少患者的输液不良反应，并为医生抢救预留时间，提升患者输液的安全，提升患者输液舒适性，同时提升输液的管理效率。
在一实施例中，处理器中安装的静脉输液泵控制模型是预先训练好的，但是不限定其是在处理器中进行训练，训练设备不做具体限定。参照图10，该静脉输液泵控制模型的训练过程包括步骤S210至步骤S240。
步骤S210，获取第一训练样本集和第二训练样本集。
在一实施例中，可以由专业医生在采集过程或者样本生成过程中，对数据进行初筛去噪，剔除明显不合格的样本，以提高利用第一训练样本集和第二训练样本集训练静脉输液泵控制模型的准确率。
在一实施例中，第一训练样本集用于训练一级参数神经网络模型，第一训练样本集包含的第一样本包括：医疗参数影响序列和参数影响程度标签。
在一实施例中，医疗参数影响序列中输液参数特征值是：药物参数特征值、用户参数特征值和医疗参数特征值，其中参数影响程度标签包括至少一个影响程度标签。
在一实施例中，为了避免噪音数据或短时间突发异常数据干扰，以兼顾准确性和及时性，可以对采集的医疗参数对应数据进行预处理，包括对数据进行统计，根据统计结果进行分析，将分析得到的数据用作医疗参数，进一步求得医疗参数特征值。
在一实施例中监护单元向处理器发送医疗参数对应数据，处理器缓存流式的医疗参数对应数据。该实施例中，由于临床监测的医疗参数数据是流式输入，所以需要缓存一定时间段的医疗参数的数据。
在一实施例中，处理器根据不同的医疗参数的数据类型，如血压参数、血氧参数、心率参数等，一个缓存区只能缓存同一个医疗参数的数据。每个缓存区按照采集时间和一定时间区间当作时间窗口的方式来缓存记录事件。其中，一个时间窗口为一个时间区间，如五分钟里面缓存医疗参数的数据。医疗参数的数据进入缓存区后，同一位置一个缓存区，一个缓存区由一个或多个时间窗口组成，关键是什么时候截止，即本次缓存完毕可以统计。
在一实施例中处理器用于利用时间窗口对获取的患者的医疗参数进行缓存，时间窗口按照采集时间和时间区间的方式缓存数据，处理器还用于计算时间区间的医疗参数的值作为采集时间的医疗参数的值。
在一实施例中，具体过程是：处理器用于利用时间窗口对获取的患者的医疗参数进行缓存，时间窗口按照采集时间和时间区间的方式缓存数据，其中，时间区间的长度为M，M为采集时间的整数倍，整数大于等于1，时间区间的起始时间为采集时间。采集时间可以根据实际需求定义，例如1ms等，在此不作具体限定。
该实施例中，处理器计算时间区间的医疗参数的值作为采集时间的医疗参数的值，具体是：获取每个采集时间对应的时间区间的医疗参数的值，组成每个采集时间的时间区间序列，然后计算时间区间序列的统计值作为采集时间的医疗参数的值，其中统计值可以是均值。
可以理解的是，也可以采用其他的统计方法获取医疗参数的值，不限于均值方式。
例如，一实施例中，获取从第Ti个采集时间开始的连续M个采集时间采集的医疗参数的值，组成第Ti个时间区间序列，其中，Ti为正整数；将该时间区间序列的均值作为第Ti个采集时间的医疗参数的值，这里也可以采用别的统计方式替换均值。
然后，获取从第Ti+1个采集时间开始的连续M个采集时间采集的医疗参数的值，组成第Ti+1个采集时间对应的时间区间序列，并获得第Ti+1个采集时间的医疗参数的值。
获取时间区间序列的过程描述为：
获取第Ti+1+M个采集时间采集的医疗参数的值；
去除第Ti个时间区间序列的第Ti个采集时间采集的医疗参数的值；
将第Ti+1+M个采集时间采集的医疗参数的值加入第Ti个时间区间序列中，组成第Ti+1个采集时间对应的第Ti+1个时间区间序列。
以此类推，获得每个采集时间对应的采集时间值，从而实现处理器实时获取医疗参数。
本发明实施例通过获取采集时间对应的一个时间区间序列，对其进行统计值计算(例如均值)，得到该采集时间的值，避免了单个采集时间点由于干扰或瞬时异常值输入模型，导致误识别；另一方面，采用滑窗统计方式，保障采集的密度，发现的及时性。
步骤S220，利用第一训练样本集训练至少一个一级参数神经网络模型。
在一实施例中，参照图11，步骤S220包括步骤S221至步骤S224。
步骤S221，根据预设分类规则将第一训练样本集进行分类，得到多组类别样本，每一组类别样本对应一个一级参数神经网络模型。
在一实施例中，获取医疗参数影响序列的步骤是：根据预设分类规则将第一训练样本集进行分类，每一类对应一个一级参数神经网络模型。该实施例中根据预设分类规则将第一训练样本集进行分类，得到多组类别样本，每一组类别样本对应一个一级参数神经网络模型，即每一组类别样本(即第一样本)中均包含同任一类的医疗参数特征值，表示为：[药物参数特征值，用户参数特征值，任一类的医疗参数特征值]。
例如有7种医疗参数，即得到7种医疗参数影响序列：
1){[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，体温参数特征值}；
2){[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，血压参数特征值}；
3){[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，心率参数特征值}；
4){[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，血氧参数特征值}；
5){[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，尿量参数特征值}；
6){[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，脑电参数特征值}；
7){[药物种类特征值，药物输液速度特征值]，[患者年龄特征值和患者性别特征值]，呼吸参数特征值}。
该实施例中，针对每一类医疗参数均生成对应的医疗参数影响序列的原因是：即使同一类医疗参数，针对不同的患者或者不同的输液药物时，其正常值有区别，因此对每一类医疗参数均进行单独预测计算其参数影响程度。例如体温参数，由于不同年龄患者的基础体温不同，因此针对不同的体温，对应的输液速度输出值不同，例如对小孩来说，由于基础体温较高，因此同一温度下，小孩可能不需要降低输液速度，而老年人就需要降低输液速度。
在一实施例中，得到某一医疗参数对应的医疗参数影响序列后，将其跟对应该医疗参数的参数影响程度标签构成第一样本，参数影响程度标签可以是该医疗参数对输液速度是否有影响，可以是二值化的0和1表示，也可以是一组平滑的小数，根据具体使用需求设定。依次得到每一个医疗参数对应的大量第一样本。
步骤S222，逐一将类别样本输入对应的一级参数神经网络模型，得到参数影响程度输出值。
在一实施例中，获取每任一类的医疗参数特征值对应的一组第一样本，将第一样本输入对应医疗参数的一级参数神经网络模型，得到参数影响程度输出值。
在该实施例中，利用血压参数对应的大量第一样本训练血压参数对应的一级参数神经网络模型，利用血氧参数对应的大量第一样本训练血氧参数对应的一级参数神经网络模型，以此类推，得到训练好的每一个医疗参数对应的一级参数神经网络模型。
步骤S223，根据参数影响程度输出值和参数影响程度标签得到第一损失函数的第一损失值。
在一实施例中，第一损失函数为交叉熵损失函数，在此不做具体限定，其他类型损失函数同样适用。
步骤S224，利用第一损失值调整一级参数神经网络模型的权重，直到第一损失函数收敛，得到训练好的一级参数神经网络模型。
步骤S230，利用第二训练样本集训练二级参数模型。
在一实施例中，第二训练样本集用于训练二级参数模型，第二训练样本集的第二样本包括：参数影响程度序列和输液速度分类标签。该实施例中，输液速度分类标签包括：加快输液速度标签、降低输液速度标签、停止输液速度标签或告警标签。其中加快输液速度标签用于表征加快输液通路中液体流动速度，降低输液速度标签用于表征加快输液通路中液体流动速度，停止输液速度标签用于表征停止所述输液通路中液体流动并发出告警信号。
参照图12，步骤S230包括步骤S231至步骤S233。
步骤S231，将第二训练样本输入二级参数模型，得到输液速度输出值。
步骤S232，根据输液速度输出值和输液速度分类标签得到第二损失函数的第二损失值。
在一实施例中，第二损失函数为交叉熵损失函数，在此不做具体限定，其他类型损失函数同样适用。
步骤S233，利用第二损失值调整二级参数模型的权重，直到第二损失函数收敛，得到训练好的二级参数模型。
可以理解的是，一级参数神经网络模型和二级参数模型可以同步训练，也可以依次训练，在此不对训练步骤做限制。
步骤S240，根据训练结果得到训练好的静脉输液泵控制模型。
在一实施例中，根据一级参数神经网络模型和二级参数模型的训练结果得到训练好的静脉输液泵控制模型，用在处理器中进行静脉输液泵控制。
本发明实施例的静脉输液泵控制系统包括：输液通路，用于给患者建立静脉给液通路；监护单元，与监护单元连接，用于获取患者的医疗参数；静脉输液泵，可拆卸的安装在输液通路上；处理器，分别与静脉输液泵和监护单元连接，处理器用于获取输液参数，将输液参数输入训练好的静脉输液泵控制模型，得到输液控制指令，将输液控制指令发送至静脉输液泵，以控制静脉输液泵的位置调节量；静脉输液泵根据位置调节量控制输液通路的液体流量。本实施例通过静脉输液泵控制模型对患者的输液参数进行分析，能够识别输液中异常情况，判断当前药物输液速度是否合适，如果不合适则实时调整药物输液速度，无需人工时刻关注输液过程，减少患者的输液不良反应，并为医生抢救预留时间，提升患者输液的安全，提升患者输液舒适性，同时提升输液的管理效率。
下面具体介绍本申请实施例的静脉输液泵控制方法。
本发明实施例提供的静脉输液泵控制方法，涉及人工智能技术领域。本发明实施例提供的静脉输液泵控制方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。其中，终端通过网络与服务器进行通信。该静脉输液泵控制方法可以由终端或服务器执行，或由终端和服务器协同执行。这里以该静脉输液泵控制方法利用终端执行为例进行说明：终端通过技术方案。
在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机或者智能手表等。服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器；也可以是区块链系统中的服务节点，该区块链系统中的各服务节点之间形成组成点对点(P2P，Peer To Peer)网络，P2P协议是一个运行在传输控制协议(TCP，Transmission ControlProtocol)协议之上的应用层协议。服务器上可以安装需求管理系统的服务端，通过该服务端可以与终端进行交互，例如服务端上安装对应的软件，软件可以是实现静脉输液泵控制方法的应用等，但并不局限于以上形式。终端与服务器之间可以通过蓝牙、USB(UniversalSerial Bus，通用串行总线)或者网络等通讯连接方式进行连接，本实施例在此不做限制。
本发明可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
图13是本发明实施例提供的静脉输液泵控制方法的一个可选的流程图，图13中的方法可以包括但不限于包括步骤S1310至步骤S1340。
步骤S1310，获取输液参数。
该实施例中，输液参数包括：药物参数、用户参数和医疗参数，药物参数包括药物种类、药物输液速度，医疗参数包括以下至少一种：体温参数、血压参数、心率参数、血氧参数、尿量参数、脑电参数、呼吸参数。
步骤S1320，将输液参数输入训练好的静脉输液泵控制模型，得到输液控制指令。
在一实施例中，输液控制指令包括：加快输液速度、降低输液速度或停止输液速度。
步骤S1330，根据输液控制指令控制静脉输液泵的位置调节量。
在一实施例中，根据输液控制指令得到的位置调节量包括：加快输液速度调节量、减缓输液速度调节量或停止输液调节量。
步骤S1340，根据位置调节量控制输液通路的液体流量。
在一实施例中，当位置调节量为加快输液速度调节量时，夹持单元调节夹持松紧度使得输液通路中液体流速变快；
当位置调节量为减缓输液速度调节量时，夹持单元调节夹持松紧度使得输液通路中液体流速变慢；
当位置调节量为停止输液调节量时，夹持单元调节夹持松紧度使得输液通路中液体流速趋于零。
在一实施例中，参照图14，静脉输液泵控制方法还包括步骤S1410至步骤S1430。
步骤S1410，获取验证信息集。
步骤S1420，将验证信息集输入静脉输液泵控制模型得到验证结果。
步骤S1430，根据验证结果更新静脉输液泵控制模型的特征权重。
该实施例中，得到训练好的静脉输液泵控制模型之后，在应用该静脉输液泵控制模型的过程中会产生新的样本，可以将新样本作为验证数据对模型进行验证，根据验证结果计算静脉输液泵控制模型的精度和召回率，从而表征静脉输液泵控制模型的预测准确度。同时，验证样本可扩充训练样本集，用于静脉输液泵控制模型的迭代训练。
本发明实施例还提供了一种存储介质，该存储介质是计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令用于使计算机执行上述静脉输液泵控制方法。
本发明实施例提出的静脉输液泵控制系统、静脉输液泵控制方法和存储介质，其中静脉输液泵控制系统包括：输液通路，用于给患者建立静脉给液通路；监护单元，与监护单元连接，用于获取患者的医疗参数；静脉输液泵，可拆卸的安装在输液通路上；处理器，分别与静脉输液泵和监护单元连接，处理器用于获取输液参数，将输液参数输入训练好的静脉输液泵控制模型，得到输液控制指令，将输液控制指令发送至静脉输液泵，以控制静脉输液泵的位置调节量；静脉输液泵根据位置调节量控制输液通路的液体流量。本实施例通过静脉输液泵控制模型对患者的输液参数进行分析，能够识别输液中异常情况，判断当前药物输液速度是否合适，如果不合适则实时调整药物输液速度，无需人工时刻关注输液过程，减少患者的输液不良反应，并为医生抢救预留时间，提升患者输液的安全，提升患者输液舒适性，同时提升输液的管理效率。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本发明实施例描述的实施例是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图1-14中示出的技术方案并不构成对本发明实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本发明的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本发明实施例的优选实施例，并非因此局限本发明实施例的权利范围。本领域技术人员不脱离本发明实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本发明实施例的权利范围之内。
Claims (12)
1.一种静脉输液泵控制系统，其特征在于，包括：
输液通路，用于建立静脉给液通路以给患者输液；
监护单元，用于获取患者的医疗参数；
静脉输液泵，可拆卸的安装在所述输液通路上；
处理器，分别与所述静脉输液泵和所述监护单元连接，所述处理器用于获取输液参数，所述输液参数包括：药物参数、用户参数和来自所述监护单元的医疗参数，所述药物参数包括药物种类、药物输液速度，所述医疗参数包括：体温参数、血压参数、心率参数、血氧参数、尿量参数、脑电参数、呼吸参数；
所述处理器还用于将所述输液参数输入训练好的静脉输液泵控制模型，得到输液控制指令，将所述输液控制指令发送至所述静脉输液泵，以控制所述静脉输液泵的位置调节量；
所述静脉输液泵还用于根据所述位置调节量控制所述输液通路的液体流量；
所述处理器中所述训练好的静脉输液泵控制模型包括：至少一个一级参数神经网络模型和二级参数模型；所述一级参数神经网络模型为BP神经网络模型；所述二级参数模型为BP神经网络模型；所述静脉输液泵控制模型包括N个所述一级参数神经网络模型，所述N为对应于所述医疗参数的数量，即N为7；
所述处理器用于将所述输液参数输入训练好的静脉输液泵控制模型，得到输液控制指令，将所述输液控制指令发送至所述静脉输液泵时，执行：
将所述输液参数输入至至少一个所述一级参数神经网络模型，得到至少一个对应的参数影响程度输出值；所述参数影响程度输出值用于表征该医疗参数对输液速度是否有影响，为二值化的0和1；
将至少一个所述参数影响程度输出值输入所述二级参数模型，得到输液速度输出值；
根据所述输液速度输出值生成输液控制指令发送至所述静脉输液泵；
所述处理器用于将所述输液参数输入至至少一个所述一级参数神经网络模型，得到至少一个对应的参数影响程度输出值时，执行：
根据所述输液参数得到输液参数特征值；
根据所述输液参数特征值得到对应于所述医疗参数数量的医疗参数影响序列；
将所述医疗参数影响序列输入对应所述医疗参数的所述一级参数神经网络模型，得到所述医疗参数对应的参数影响程度输出值；
重复执行上述步骤，直到获取每个所述医疗参数对应的参数影响程度输出值；
表示为：
其中，表示第j个医疗参数对应的一级参数神经网络模型，表示第j个医疗参数对应的一级参数神经网络模型对应的参数影响程度输出值，表示第j个医疗参数对应的一级参数神经网络模型的模型权重，表示所述医疗参数影响序列的输液参数特征值，m表示第j个医疗参数对应的所述医疗参数影响序列的输液参数特征值的数量。
2.根据权利要求1所述的一种静脉输液泵控制系统，其特征在于，所述静脉输液泵包括夹持单元，所述夹持单元夹持在所述输液通路上，用于根据所述位置调节量调节夹持松紧度，以控制所述输液通路的液体流量。
3.根据权利要求2所述的一种静脉输液泵控制系统，其特征在于，所述处理器将所述输液控制指令发送至所述静脉输液泵，以控制所述夹持单元的夹持松紧度，所述位置调节量包括：加快输液速度调节量、减缓输液速度调节量或停止输液调节量；
当所述位置调节量为加快输液速度调节量时，所述夹持单元调节所述夹持松紧度使得所述输液通路中液体流速变快；
当所述位置调节量为减缓输液速度调节量时，所述夹持单元调节所述夹持松紧度使得所述输液通路中液体流速变慢；
当所述位置调节量为停止输液调节量时，所述夹持单元调节所述夹持松紧度使得所述输液通路中液体流速趋于零。
4.根据权利要求1所述的一种静脉输液泵控制系统，其特征在于，所述二级参数模型为BP神经网络模型，所述处理器用于将至少一个所述参数影响程度输出值输入所述二级参数模型，得到输液速度输出值时，执行：
将每个所述医疗参数对应的参数影响程度输出值组成参数影响程度序列；
将所述参数影响程度序列输入所述二级参数模型，得到输液速度输出值，
表示为：
其中，表示所述二级参数模型，表示第j个医疗参数对应的参数影响程度输出值，表示所述二级参数模型的模型权重，表示所述输液速度输出值。
5.根据权利要求1至4任一项所述的一种静脉输液泵控制系统，其特征在于，所述静脉输液泵控制模型的训练步骤包括：
获取第一训练样本集和第二训练样本集，所述第一训练样本集的第一样本包括：医疗参数影响序列和参数影响程度标签，所述第二训练样本集的第二样本包括：参数影响程度序列和输液速度分类标签；
利用所述第一训练样本集训练所述至少一个一级参数神经网络模型；
和/或，
利用所述第二训练样本集训练所述二级参数模型；
根据训练结果得到所述训练好的静脉输液泵控制模型。
6.根据权利要求5所述的一种静脉输液泵控制系统，其特征在于，所述医疗参数影响序列中输液参数特征值包括：药物参数特征值、用户参数特征值和医疗参数特征值，所述参数影响程度标签包括至少一个影响程度标签；
所述利用所述第一训练样本集训练所述至少一个一级参数神经网络模型，包括：
根据预设分类规则将所述第一训练样本集进行分类，得到多组类别样本，每一组所述类别样本对应一个所述一级参数神经网络模型；
逐一将所述类别样本输入对应的所述一级参数神经网络模型，得到参数影响程度输出值；
根据所述参数影响程度输出值和所述参数影响程度标签得到第一损失函数的第一损失值；
利用所述第一损失值调整所述一级参数神经网络模型的权重，直到所述第一损失函数收敛，得到所述训练好的一级参数神经网络模型。
7.根据权利要求6所述的一种静脉输液泵控制系统，其特征在于，所述根据预设分类规则将所述第一训练样本集进行分类，得到多组类别样本，每一组所述类别样本对应一个所述一级参数神经网络模型，包括：
根据所述预设分类规则将所述第一样本中所述输液参数特征值按照所述医疗参数特征值的类别进行分组，使得每一组所述第一样本中均包含同任一类的医疗参数特征值，表示为：[药物参数特征值，用户参数特征值，任一类的医疗参数特征值]；
所述逐一将所述类别样本输入对应的所述一级参数神经网络模型，得到参数影响程度输出值，包括：
获取每一类所述医疗参数特征值对应的一组所述第一样本；
将所述第一样本输入对应所述医疗参数的所述一级参数神经网络模型，得到参数影响程度输出值。
8.根据权利要求5所述的一种静脉输液泵控制系统，其特征在于，所述第二训练样本集的第二样本的输液速度分类标签包括：加快输液速度标签、降低输液速度标签或停止输液速度标签；所述加快输液速度标签用于表征加快输液通路中液体流动速度，所述降低输液速度标签用于表征加快输液通路中液体流动速度，所述停止输液速度标签用于表征停止所述输液通路中液体流动并发出告警信号；
所述利用所述第二训练样本集训练所述二级参数模型，包括：
将所述第二训练样本输入所述二级参数模型，得到输液速度输出值；
根据所述输液速度输出值和所述输液速度分类标签得到第二损失函数的第二损失值；
利用所述第二损失值调整所述二级参数模型的权重，直到所述第二损失函数收敛，得到所述训练好的二级参数模型。
9.根据权利要求1所述的一种静脉输液泵控制系统，其特征在于，所述处理器用于利用时间窗口对获取的患者的医疗参数进行缓存，所述时间窗口按照采集时间和时间区间的方式缓存数据；所述时间区间的长度为M，M为所述采集时间的整数倍，所述整数大于等于1，所述时间区间的起始时间为所述采集时间，所述处理器还用于计算所述时间区间的医疗参数的值作为所述采集时间的医疗参数的值；
获取每个采集时间对应的时间区间的医疗参数的值，组成每个采集时间的时间区间序列；
计算所述时间区间序列的统计值作为所述采集时间的医疗参数的值。
10.根据权利要求1所述的一种静脉输液泵控制系统，其特征在于，所述监护单元包括以下至少一种：
体温监护单元，与所述处理器连接，用于获取患者的体温参数；
血压监护单元，与所述处理器连接，用于获取患者的血压参数；
心率监护单元，与所述处理器连接，用于获取患者的心率参数；
血氧监护单元，与所述处理器连接，用于获取患者的血氧参数；
尿量监护单元，与所述处理器连接，用于获取患者的尿量参数；
脑电监护单元，与所述处理器连接，用于获取患者的脑电参数；
呼吸监护单元，与所述处理器连接，用于获取患者的呼吸参数。
11.一种静脉输液泵控制方法，其特征在于，应用于如权利要求1至10任一项所述的静脉输液泵控制系统，所述方法包括：
获取输液参数，所述输液参数包括：药物参数、用户参数和医疗参数，所述药物参数包括药物种类、药物输液速度，所述医疗参数包括以下至少一种：体温参数、血压参数、心率参数、血氧参数、尿量参数、脑电参数、呼吸参数；
将所述输液参数输入训练好的静脉输液泵控制模型，得到输液控制指令；
根据所述输液控制指令控制静脉输液泵的位置调节量；
根据所述位置调节量控制输液通路的液体流量。
12.一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求11所述的静脉输液泵控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210870599.9A CN115282401B (zh) | 2022-07-22 | 2022-07-22 | 静脉输液泵控制系统、静脉输液泵控制方法和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210870599.9A CN115282401B (zh) | 2022-07-22 | 2022-07-22 | 静脉输液泵控制系统、静脉输液泵控制方法和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115282401A CN115282401A (zh) | 2022-11-04 |
| CN115282401B true CN115282401B (zh) | 2023-04-21 |
Family
ID=83825052
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210870599.9A Active CN115282401B (zh) | 2022-07-22 | 2022-07-22 | 静脉输液泵控制系统、静脉输液泵控制方法和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115282401B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115881269A (zh) * | 2022-12-19 | 2023-03-31 | 中山大学附属第六医院 | 输液设备与手术进程的智能化协作实现方法及系统 |
| CN117457179B (zh) * | 2023-12-22 | 2024-03-12 | 中国人民解放军总医院第二医学中心 | 一种智能医用静脉注射监控系统及监控方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000322263A (ja) * | 1999-05-07 | 2000-11-24 | Toshiba Mach Co Ltd | ファジィ推論モデルの構成の適正化方法 |
| CN111006240A (zh) * | 2019-11-22 | 2020-04-14 | 华北电力大学 | 一种生物质锅炉炉膛温度和负荷预测方法 |
| CN111639344A (zh) * | 2020-07-31 | 2020-09-08 | 中国人民解放军国防科技大学 | 一种基于神经网络的漏洞检测方法及装置 |
| CN111884716A (zh) * | 2020-06-30 | 2020-11-03 | 中国南方电网有限责任公司 | 一种基于神经网络的光纤通信系统性能评估方法 |
| CN112183994A (zh) * | 2020-09-23 | 2021-01-05 | 南方电网数字电网研究院有限公司 | 一种设备状态的评估方法、装置、计算机设备和存储介质 |
| CN112503725A (zh) * | 2020-12-08 | 2021-03-16 | 珠海格力电器股份有限公司 | 空调自清洁控制方法、装置和空调 |
| CN113051961A (zh) * | 2019-12-26 | 2021-06-29 | 深圳市光鉴科技有限公司 | 深度图人脸检测模型训练方法、系统、设备及存储介质 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101579544A (zh) * | 2008-05-13 | 2009-11-18 | 深圳市深科医疗器械技术开发有限公司 | 一种自动调节输液方法及装置 |
| US20100160854A1 (en) * | 2008-12-22 | 2010-06-24 | Gauthier Robert T | Integrated patient management and control system for medication delivery |
| CN101496923A (zh) * | 2009-03-10 | 2009-08-05 | 中山大学 | 危重监护及输液控制诊疗一体化系统及其控制方法 |
| US10713597B2 (en) * | 2018-01-22 | 2020-07-14 | NeuralStudio SECZ | Systems and methods for preparing data for use by machine learning algorithms |
| JP6915562B2 (ja) * | 2018-02-16 | 2021-08-04 | 日本電信電話株式会社 | 分散処理システムおよび分散処理方法 |
| GB2580307A (en) * | 2018-12-12 | 2020-07-22 | Osama Al Baalbaky Alaa | Smart self-monitored syringe infusion pump |
| CN109481785A (zh) * | 2018-12-29 | 2019-03-19 | 长春理工大学光电信息学院 | 一种滴液余量监控系统及其控制方法 |
| CN111564206A (zh) * | 2019-02-13 | 2020-08-21 | 东软医疗系统股份有限公司 | 一种分诊方法、装置、设备及介质 |
| CN111242182A (zh) * | 2020-01-03 | 2020-06-05 | 联想(北京)有限公司 | 数据处理方法、装置及电子设备 |
| CN111430000A (zh) * | 2020-05-28 | 2020-07-17 | 领先医疗科技(广州)有限责任公司 | 一种智能注射泵系统、其控制方法及介质 |
| CN112169070A (zh) * | 2020-11-02 | 2021-01-05 | 华中科技大学同济医学院附属协和医院 | 一种高精度输液装置及输液方法 |
-
2022
- 2022-07-22 CN CN202210870599.9A patent/CN115282401B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000322263A (ja) * | 1999-05-07 | 2000-11-24 | Toshiba Mach Co Ltd | ファジィ推論モデルの構成の適正化方法 |
| CN111006240A (zh) * | 2019-11-22 | 2020-04-14 | 华北电力大学 | 一种生物质锅炉炉膛温度和负荷预测方法 |
| CN113051961A (zh) * | 2019-12-26 | 2021-06-29 | 深圳市光鉴科技有限公司 | 深度图人脸检测模型训练方法、系统、设备及存储介质 |
| CN111884716A (zh) * | 2020-06-30 | 2020-11-03 | 中国南方电网有限责任公司 | 一种基于神经网络的光纤通信系统性能评估方法 |
| CN111639344A (zh) * | 2020-07-31 | 2020-09-08 | 中国人民解放军国防科技大学 | 一种基于神经网络的漏洞检测方法及装置 |
| CN112183994A (zh) * | 2020-09-23 | 2021-01-05 | 南方电网数字电网研究院有限公司 | 一种设备状态的评估方法、装置、计算机设备和存储介质 |
| CN112503725A (zh) * | 2020-12-08 | 2021-03-16 | 珠海格力电器股份有限公司 | 空调自清洁控制方法、装置和空调 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115282401A (zh) | 2022-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115282401B (zh) | 静脉输液泵控制系统、静脉输液泵控制方法和存储介质 | |
| US20210169409A1 (en) | Systems of centralized data exchange for monitoring and control of blood glucose | |
| US20200214629A1 (en) | Unified platform for monitoring and control of blood glucose levels in diabetic patients | |
| Bsoul et al. | Apnea MedAssist: real-time sleep apnea monitor using single-lead ECG | |
| US8388530B2 (en) | Personalized monitoring and healthcare information management using physiological basis functions | |
| US11593468B2 (en) | System and method for identifying user | |
| CN106874699A (zh) | 一种基于iOS平台的健康管理系统 | |
| Belal et al. | Automatic detection of distorted plethysmogram pulses in neonates and paediatric patients using an adaptive-network-based fuzzy inference system | |
| CN107203695A (zh) | 一种基于云平台大数据统计与计算的糖尿病监测与交互系统 | |
| Di Martino et al. | High-resolution physiological stress prediction models based on ensemble learning and recurrent neural networks | |
| CN108738299A (zh) | 用于确定针对儿科对象的血流动力学不稳定风险评分的系统和方法 | |
| EP1107158B1 (en) | System and method for determining a reference baseline of individual patient status for use in an automated collection and analysis patient care system | |
| JP2022527174A (ja) | 術中臨床意思決定支援システム | |
| CN106913326A (zh) | 生物生理状况反馈系统及其操作方法 | |
| Panindre et al. | Comparison of performance of artificial intelligence algorithms for real-time atrial fibrillation detection using instantaneous heart rate | |
| Manna et al. | Understanding early childhood obesity risks: an empirical study using fuzzy signatures | |
| US20200077940A1 (en) | Voice analysis for determining the cardiac health of a subject | |
| Swapna et al. | Diabetes detection and sensor-based continuous glucose monitoring–a deep learning approach | |
| US20230010826A1 (en) | Control of a therapeutic delivery system | |
| Madhuri et al. | Novel Internet of Things Based Disease Diagnosis Framework for Smart Healthcare Schemes using Combined Optimized Artificial Intelligence Approach | |
| Muthuraman et al. | A framework for personalized decision support system for the healthcare application | |
| Zhang et al. | Depth of anesthesia control with fuzzy logic | |
| Giacomelli et al. | Using soft computer techniques on smart devices for monitoring chronic diseases: the chronious case | |
| Tsichlaki | Type 1 diabetes hypoglycemia prediction based on continuous glucose monitoring and heart rate. | |
| Greyson et al. | Formulation Process of Knowledge for an Expert Healthcare System Unit |
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 |