CN115463336A - 一种心室导管泵的监测方法及装置 - Google Patents
一种心室导管泵的监测方法及装置 Download PDFInfo
- Publication number
- CN115463336A CN115463336A CN202211237884.3A CN202211237884A CN115463336A CN 115463336 A CN115463336 A CN 115463336A CN 202211237884 A CN202211237884 A CN 202211237884A CN 115463336 A CN115463336 A CN 115463336A
- Authority
- CN
- China
- Prior art keywords
- target
- ventricular catheter
- catheter pump
- characteristic
- state
- 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
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
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/10—Location thereof with respect to the patient's body
- A61M60/122—Implantable pumps or pumping devices, i.e. the blood being pumped inside the patient's body
- A61M60/165—Implantable pumps or pumping devices, i.e. the blood being pumped inside the patient's body implantable in, on, or around the heart
- A61M60/17—Implantable pumps or pumping devices, i.e. the blood being pumped inside the patient's body implantable in, on, or around the heart inside a ventricle, e.g. intraventricular balloon pumps
- A61M60/174—Implantable pumps or pumping devices, i.e. the blood being pumped inside the patient's body implantable in, on, or around the heart inside a ventricle, e.g. intraventricular balloon pumps discharging the blood to the ventricle or arterial system via a cannula internal to the ventricle or arterial system
-
- 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
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/50—Details relating to control
- A61M60/508—Electronic control means, e.g. for feedback regulation
-
- 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
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/50—Details relating to control
- A61M60/508—Electronic control means, e.g. for feedback regulation
- A61M60/538—Regulation using real-time blood pump operational parameter data, e.g. motor current
- A61M60/546—Regulation using real-time blood pump operational parameter data, e.g. motor current of blood flow, e.g. by adapting rotor speed
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Cardiology (AREA)
- Biomedical Technology (AREA)
- Anesthesiology (AREA)
- Mechanical Engineering (AREA)
- Hematology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- External Artificial Organs (AREA)
Abstract
本发明实施例提供了一种心室导管泵的监测方法及装置,涉及医疗器械技术领域,上述方法包括:在目标心室导管泵运行过程中,获得所述目标心室导管泵的运行参数数据;对所述运行参数数据进行特征提取,得到表征所述目标心室导管泵运行状态的特征数据;基于所述特征数据,确定所述目标心室导管泵的运行状态。应用本实施例的方案,能够实现对心室导管泵进行监测。
Description
技术领域
本发明涉及医疗器械技术领域,特别是涉及一种心室导管泵的监测方法及装置。
背景技术
心室导管泵为用于支持患者血液循环系统的血管内微型轴流泵。以左心室导管泵为例,左心室导管泵可以植入患者的左心室,当左心室导管泵处于正常运行状态时,左心室导管泵可以将血液从位于左心室内的入口区通过导管输送到升主动脉出口。左心室导管泵能够辅助增加心输出量,升高主动脉压和冠状动脉灌注压,改善平均动脉压、冠状动脉血流量。
然而,由于体内环境因素的影响,心室导管泵在患者体内运行时易出现异常,从而影响患者健康。因此,需要监测心室导管泵的运行状态,以便及时掌握心室导管泵的运行状况。
发明内容
本发明实施例的目的在于提供一种心室导管泵的监测方法及装置,以监测心室导管泵的运行状态。具体技术方案如下:
第一方面,本发明实施例提供了一种心室导管泵的监测方法,所述方法包括:
在目标心室导管泵运行过程中,获得所述目标心室导管泵的运行参数数据;
对所述运行参数数据进行特征提取,得到表征所述目标心室导管泵运行状态的特征数据;
基于所述特征数据,确定所述目标心室导管泵的运行状态。
本发明的一个实施例中,上述运行参数数据包括:光纤信号、电流信号,所述对所述运行参数数据进行特征提取,得到表征所述目标心室导管泵运行状态的特征数据,包括:
对所述光纤信号进行特征提取,得到目标光纤信号特征;
对所述电流信号进行特征提取,得到目标电流特征;
所述基于所述特征数据,确定所述目标心室导管泵的运行状态,包括:
基于所述目标光纤信号特征与目标电流特征,确定所述目标心室导管泵的运行状态。
本发明的一个实施例中,上述基于所述目标光纤信号特征与目标电流特征,确定所述目标心室导管泵的运行状态,包括:
将所述目标光纤信号特征与每一预设运行状态的光纤信号特征进行特征匹配,得到第一匹配度;
将所述目标电流特征与每一预设运行状态的电流特征进行特征匹配,得到第二匹配度;
基于所述第一匹配度与第二匹配度,确定所述目标心室导管泵的运行状态。
本发明的一个实施例中,上述基于所述目标光纤信号特征与目标电流特征,确定所述目标心室导管泵的运行状态,包括:
将所述目标光纤信号特征与目标电流特征输入预测模型,获得所述预测模型输出的所述目标心室导管泵的运行状态;
其中,所述预测模型为:采用样本心室导管泵运行过程的样本光纤信号与样本电流信号为训练样本,以样本心室导管泵的运行状态为训练基准,对初始神经网络模型进行训练得到的、用于预测心室导管泵的运行状态的模型。
本发明的一个实施例中,上述基于所述目标光纤信号特征与目标电流特征,确定所述目标心室导管泵的运行状态,包括:
对所述目标光纤信号特征与目标电流特征进行特征融合;
基于融合后得到的状态特征,确定所述目标心室导管泵的运行状态。
本发明的一个实施例中,上述基于融合后得到的状态特征,确定所述目标心室导管泵的运行状态,包括:
将融合后得到的状态特征与每一预设运行状态的状态特征进行匹配;
基于匹配结果,确定所述目标心室导管泵的运行状态。
第二方面,本发明实施例提供了一种心室导管泵的监测装置,所述装置包括:
数据获得模块,用于在目标心室导管泵运行过程中,获得所述目标心室导管泵的运行参数数据;
特征提取模块,用于对所述运行参数数据进行特征提取,得到表征所述目标心室导管泵运行状态的特征数据;
状态确定模块,用于基于所述特征数据,确定所述目标心室导管泵的运行状态。
本发明的一个实施例中,上述运行参数数据包括:光纤信号、电流信号,所述特征提取模块,包括:
第一特征提取子模块,用于对所述光纤信号进行特征提取,得到目标光纤信号特征;
第二特征提取子模块,用于对所述电流信号进行特征提取,得到目标电流特征;
所述状态确定模块,具体用于基于所述目标光纤信号特征与目标电流特征,确定所述目标心室导管泵的运行状态。
本发明的一个实施例中,上述状态确定模块,包括:
第一匹配度确定子模块,用于将所述目标光纤信号特征与每一预设运行状态的光纤信号特征进行特征匹配,得到第一匹配度;
第二匹配度确定子模块,用于将所述目标电流特征与每一预设运行状态的电流特征进行特征匹配,得到第二匹配度;
第一状态确定子模块,用于基于所述第一匹配度与第二匹配度,确定所述目标心室导管泵的运行状态。
本发明的一个实施例中,上述状态确定模块,具体用于将所述目标光纤信号特征与目标电流特征输入预测模型,获得所述预测模型输出的所述目标心室导管泵的运行状态;其中,所述预测模型为:采用样本心室导管泵运行过程的样本光纤信号与样本电流信号为训练样本,以样本心室导管泵的运行状态为训练基准,对初始神经网络模型进行训练得到的、用于预测心室导管泵的运行状态的模型。
本发明的一个实施例中,上述状态确定模块,包括:
特征融合子模块,用于对所述目标光纤信号特征与目标电流特征进行特征融合;
第二状态确定子模块,用于基于融合后得到的状态特征,确定所述目标心室导管泵的运行状态。
本发明的一个实施例中,上述第二状态确定子模块,具体用于将融合后得到的状态特征与每一预设运行状态的状态特征进行匹配;基于匹配结果,确定所述目标心室导管泵的运行状态。
第三方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第一方面所述的方法步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的方法步骤。
由以上可见,应用本发明实施例提供的方案,由于特征数据是对目标心室导管泵的运行参数数据进行特征提取得到的,上述特征数据能够更为准确地表征目标心室导管泵的运行状态,那么基于提取得到的特征数据确定目标心室导管泵的运行状态,能够较为准确反映目标心室导管泵当前运行状况,从而实现监测心室导管泵的运行状态。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的实施例。
图1为本发明实施例提供的第一种心室导管泵的监测方法的流程示意图;
图2为本发明实施例提供的第二种心室导管泵的监测方法的流程示意图;
图3为本发明实施例提供的一种心室导管泵的监测装置的结构示意图;
图4为本发明实施例提供的一种电子设备的结构示意图。
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基于本申请所获得的所有其他实施例,都属于本发明保护的范围。
首先,在对本发明实施例提供的方案进行具体说明之前,对本发明实施例的应用场景以及执行主体进行介绍。
本发明实施例的应用场景为:心室导管泵运行于患者体内的应用场景。上述心室导管泵可以为左心室导管泵。
本发明实施例的执行主体为:心室辅助设备。上述心室辅助设备用于采集心室导管泵的运行参数数据、并控制心室导管泵的运行。在心室导管泵运行于患者体内时,医护人员可以通过心室辅助设备的用户界面查看心室导管泵的运行参数数据。
当然,本发明实施例的执行主体还可以为:与心室导管泵所连接的心室辅助设备进行数据交互的电子设备。上述电子设备可以为服务器、云服务器等。
以下对本发明实施例提供的心室导管泵的监测方法进行具体说明。
参见图1,图1为本发明实施例提供的第一种心室导管泵的监测方法的流程示意图,上述方法包括以下步骤S101-S103。
步骤S101:在目标心室导管泵运行过程中,获得目标心室导管泵的运行参数数据。
上述目标心室导管泵是指待监测运行状态的心室导管泵。
运行参数数据是指:在运行过程中目标心室导管泵运行参数项的参数值。上述运行参数项可以为电机电流参数项、转速参数项等。
一种实施方式中,可以从目标心室导管泵开始运行时刻起,在每预设间隔的时刻获得目标心室导管泵的运行参数数据,上述预设间隔可以为1s、5s、10s等,在这种情况下,运行参数数据可以包括预设间隔时间内每一单位时刻目标心室导管泵的运行参数数据。这样,由于是在每预设间隔时刻获得目标上述运行参数数据,进而基于运行参数数据对目标心室导管泵进行监测,从而实现高频率实时监测目标心室导管泵的运行状态。
步骤S102:对运行参数数据进行特征提取,得到表征目标心室导管泵运行状态的特征数据。
运行参数数据是指目标心室导管在运行时的数据,对运行参数数据进行特征提取所得到的特征数据能够更为准确地表征目标心室导管泵的运行状态。
在进行特征提取时,可以采用特征提取算法,对上述运行参数数据进行特征提取。上述特征提取算法可以为主成分分析法、线性判别分析法、多维尺度分析法、独立成分分析法等。
上述特征提取算法还可以结合深度学习模型,具体来说,可以采用预先训练的特征提取模型,将运行参数数据输入上述特征提取模型,特征提取模型对运行参数数据进行特征提取,得到特征数据。
上述特征提取模型是预先训练得到的,具体在训练特征提取模型时,可以采用样本心室导管泵的样本运行参数数据作为训练样本,以样本运行参数数据的特征数据作为训练基准,对初始神经网络进行训练得到的、用于对运行参数数据进行特征提取的模型。
以下以运行参数数据为时序数据为例,说明上述特征提取模型进行特征提取的过程。运行参数数据输入上述特征提取模型后,首先对所输入的数据进行恒等映射,对映射后的数据进行标准化、ReLU(Rectified Linear Unit,激活函数)操作以及卷积操作;对上述操作后的数据进行全局均值池化处理,最后采用软阈值化算法对上述池化处理后的输入数据进行处理。上述软阈值化算法是指将数据朝着零的方向进行收缩的算法。
具体的,可以采用下述公式对输入数据进行软阈值化。
其中,x表示输入的特征数据,y表示输出的特征数据,τ表示预设的特征数据阈值。
步骤S103:基于特征数据,确定目标心室导管泵的运行状态。
由于特征数据能够表征目标心室导管泵运行状态,因此,基于特征数据,能够准确地确定目标心室导管泵的运行状态。
心室导管泵的运行状态包括未发生异常运行事件的状态、发生异常运行事件的状态。上述异常运行事件可以包括:发生血液反流事件、发生抽吸事件等。
在上述特征数据为特征向量的情况下,一种实施方式中,在确定目标心室导管泵的运行状态时,可以针对特征数据中每一特征值,判断该特征值是否大于预设特征阈值,若为是,表示目标心室导管泵处于异常运行状态;若为否,表示目标心室导管泵处于正常运行状态。
由以上可见,应用本实施例提供的方案,由于特征数据是对目标心室导管泵的运行参数数据进行特征提取得到的,上述特征数据能够更为准确地表征目标心室导管泵的运行状态,那么基于提取得到的特征数据确定目标心室导管泵的运行状态,能够较为准确反映目标心室导管泵当前运行状况,从而实现监测心室导管泵的运行状态。
在前述图1对应实施例中涉及的运行参数数据可以包括:光纤信号、电流信号。在这种情况下,上述步骤S102可以按照下述图2对应实施例的步骤S202-S203实现,上述步骤S103可以按照下述图2对应实施例的步骤S204实现。
步骤S201:在目标心室导管泵运行过程中,获得目标心室导管泵的运行参数数据。
上述运行参数数据可以包括光纤信号、电流信号。上述光纤信号可以是由分布式光纤传感器采集得到的。
一种实施方式中,在获得光纤信号、电流信号后,可以对上述信号进行预处理,包括滤除噪声数据以及进行归一化处理。
具体的,可以采用预设滤波方法对光纤信号、电流信号进行滤波,上述预设滤波方法可以为卡尔曼滤波方法。
步骤S202:对光纤信号进行特征提取,得到目标光纤信号特征。
步骤S203:对电流信号进行特征提取,得到目标电流特征。
上述步骤S202、S203均可以采用特征提取算法,分别对光纤信号、电流信号进行特征提取。
上述步骤S202-S203可以是并行执行,也可以是按照预设顺序串行执行,上述预设顺序可以为:先执行步骤S202,后执行步骤S203,也可以为:先执行步骤S203,后执行步骤S202。
步骤S204:基于目标光纤信号特征与目标电流特征,确定目标心室导管泵的运行状态。
光纤信号特征能够反映心室导管泵是否出现振动现象,电流特征能够反映心室导管泵是否成功启动,因此,目标光纤信号特征、目标电流特征从两个不同角度充分反映心室导管泵当前的运行状态,从而提高了所确定的运行状态的准确度。
本发明的一个实施例中,可以分别基于目标光纤信号特征与目标电流特征确定目标心室导管泵的运行状态,还可以结合目标光纤信号特征与目标电流特征,基于结合得到的特征确定目标心室导管泵的运行状态。具体实施方式可以参见后续实施例,在此不进行详述。
由于是基于目标光纤信号特征与目标电流特征,确定目标心室导管泵的运行状态,又由于目标光纤信号特征能够反映心室导管泵是否出现振动,电流特征能够反映心室导管泵是否成功启动,因此,从上述两个不同角度、充分准确地确定得到目标心室导管泵的运行状态。
前述图2所示实施例中步骤S204可以采用以下三种不同方式确定目标心室导管泵的运行状态。
第一种方式,分别基于目标光纤信号特征与目标电流特征确定目标心室导管泵的运行状态。具体实施方式参见下述步骤A1-A3。
步骤A1:将目标光纤信号特征与每一预设运行状态的光纤信号特征进行特征匹配,得到第一匹配度。
预设运行状态可以是基于心室导管泵常见的运行状态预先确定的。例如:上述预设运行状态可以包括:正常运行、心室导管泵处于主动脉、心室导管泵处于左心室、心室导管泵发生反流、心室导管泵发生抽吸。
第一匹配度包括:每一预设运行状态的光纤信号特征与目标光纤信号特征之间的匹配度。当匹配度越高,表示目标光纤信号特征为预设运行状态的光纤信号特征的可能性越高;当匹配度越低,表示目标光纤信号特征为预设运行状态的光纤信号特征的可能性越低。
一种实施方式中,可以针对每一预设运行状态,计算该预设运行状态的光纤信号特征与目标光纤信号特征之间的距离,将计算得到的距离作为第一匹配度。上述距离可以为欧式距离、余弦距离等。当计算得到的距离越近,表示两类光纤信号特征之间的匹配度越高;当计算得到的距离越远,表示两类光纤信号特征之间的匹配度越低。
步骤A2:将目标电流特征与每一预设运行状态的电流特征进行特征匹配,得到第二匹配度。
第二匹配度包括:每一预设运行状态的电流特征与目标电流特征之间的匹配度。当匹配度越高,表示目标电流特征为预设运行状态的电流特征的可能性越高;当匹配度越低,表示目标电流特征为预设运行状态的电流特征的可能性越低。
一种实施方式中,可以针对每一预设运行状态,计算该预设运行状态的电流特征与目标电流特征之间的距离,将计算得到的距离作为第二匹配度。上述距离可以为欧式距离、余弦距离等。当计算得到的距离越近,表示两类电流特征之间的匹配度越高;当计算得到的距离越远,表示两类电流特征之间的匹配度越低。
步骤A3:基于第一匹配度与第二匹配度,确定目标心室导管泵的运行状态。
一种实施方式中,针对每一预设运行状态,计算该预设运行状态对应的第一匹配度与第二匹配度的平均值,将最高平均值的预设运行状态确定为目标心室导管泵的运行状态。
例如:预设运行状态包括:F0、F1、F2、F3、F4,第一匹配度如下表1所示。
表1
其中,上述表1中百分数数字表示:目标光纤信号特征与预设运行状态的光纤信号特征之间的匹配度。以第二行第二列的表项90%为例,90%表示目标光纤信号特征与预设运行状态F1的光纤信号特征之间的匹配度为90%。
第二匹配度如下表2所示。
表2
针对每一预设运行状态,计算该预设运行状态对应的第一匹配度与第二匹配度的平均值如下表3所示。
表3
由上述表3可知,预设运行状态F0的平均值最高,所以,F0为目标心室导管泵的运行状态。
由以上可见,由于第一匹配度表示从光纤信号这一角度而言目标心室导管泵的运行状态为每一预设运行状态的可能性大小,第二匹配度表示从电流信号这一角度而言目标心室导管泵的运行状态为每一预设运行状态可能性大小,那么基于第一匹配度与第二匹配度,确定目标心室导管泵的运行状态时,从两方面综合确定运行状态,从而使得所确定的运行状态的准确度高。
第二种方式,将目标光纤信号特征与目标电流特征输入预测模型,获得预测模型输出的目标心室导管泵的运行状态。
上述预测模型为:采用样本心室导管泵运行过程的样本光纤信号与样本电流信号为训练样本,以样本心室导管泵的运行状态为训练基准,对初始神经网络模型进行训练得到的、用于预测心室导管泵的运行状态的模型。
上述初始神经网络模型可以为卷积神经网络。更为具体的,可以为深度残差收缩网络。
在训练上述预测模型时,可以在模拟环境中,获得样本心室导管泵处于每一预设运行状态下的光纤信号以及电流信号,对所获得的数据进行预处理,包括滤波处理以及归一化处理,将预处理后的数据按照预设比例划分为训练集、测试集、预测集,训练集用于对初始神经网络进行训练,测试集用于提高模型的泛化能力,预测集用于进一步增强模型的泛化能力。
一种实施方式中,可以确定每一预设运行状态的标识,在这种情况下,目标光纤信号特征与目标电流特征输入预测模型后,预测模型基于上述特征预测运行状态,并输出所预测的运行状态的标识。
这样,由于是通过预测模型确定目标心室导管泵的运行状态,又由于预测模型是采用大量训练样本训练得到的、用于预测心室导管泵的运行状态的模型,预测模型学习到基于光纤信号特征与电流特征确定运行状态的规律,因此,通过预测模型能够准确地确定目标心室导管泵的运行状态。
第三种方式,可以按照下述步骤B1-B2实现。
步骤B1:对目标光纤信号特征与目标电流特征进行特征融合。
一种实施方式中,可以将目标光纤信号特征与目标电流特征进行特征拼接,实现特征融合。
另一种实施方式中,在目标光纤信号特征与目标电流特征包括多层特征时,可以对每一层的目标光纤信号特征与目标电流特征进行特征组合,将组合后的得到的特征确定为融合后的状态特征。
步骤B2:基于融合后得到的状态特征,确定目标心室导管泵的运行状态。
本发明的一个实施例中,可以将融合后得到的状态特征与每一预设运行状态的状态特征进行匹配;基于匹配结果,确定目标心室导管泵的运行状态。
一种实施方式中,可以针对每一预设运行状态,计算该预设运行状态的状态特征与融合后得到的状态特征之间的距离,将计算得到的距离作为匹配结果。上述距离可以为欧式距离、余弦距离等。当计算得到的距离越近,表示两类状态特征之间的匹配度越高;当计算得到的距离越远,表示两类状态特征之间的匹配度越低。
由于上述匹配结果表示综合光纤信号与电流信号两角度而言目标心室导管泵的运行状态为每一预设运行状态的可能性大小,因此基于上述匹配结果使得所确定的运行状态的准确度高。
由以上可见,由于是将目标光纤信号特征与目标电流特征进行特征融合,又由于目标光纤信号特征、目标电流特征分别从两个不同角度反映目标心室导管泵的运行状态,那么融合后得到的状态特征能够充分、全面准确地反映目标心室导管泵的运行状态,从而基于上述状态特征能够更为准确地确定目标心室导管泵的运行状态。
与上述心室导管泵的监测方法相对应,本发明实施例还提供了一种心室导管泵的监测装置。
参见图3,图3为本发明实施例提供的一种心室导管泵的监测装置的结构示意图,上述装置包括以下模块301-303。
数据获得模块301,用于在目标心室导管泵运行过程中,获得所述目标心室导管泵的运行参数数据;
特征提取模块302,用于对所述运行参数数据进行特征提取,得到表征所述目标心室导管泵运行状态的特征数据;
状态确定模块303,用于基于所述特征数据,确定所述目标心室导管泵的运行状态。
由以上可见,应用本实施例提供的方案,由于特征数据是对目标心室导管泵的运行参数数据进行特征提取得到的,上述特征数据能够更为准确地表征目标心室导管泵的运行状态,那么基于提取得到的特征数据确定目标心室导管泵的运行状态,能够较为准确反映目标心室导管泵当前运行状况,从而实现监测心室导管泵的运行状态。
本发明的一个实施例中,上述运行参数数据包括:光纤信号、电流信号,所述特征提取模块302,包括:
第一特征提取子模块,用于对所述光纤信号进行特征提取,得到目标光纤信号特征;
第二特征提取子模块,用于对所述电流信号进行特征提取,得到目标电流特征;
所述状态确定模块303,具体用于基于所述目标光纤信号特征与目标电流特征,确定所述目标心室导管泵的运行状态。
由于是基于目标光纤信号特征与目标电流特征,确定目标心室导管泵的运行状态,又由于目标光纤信号特征能够反映心室导管泵是否出现振动,电流特征能够反映心室导管泵是否成功启动,因此,从上述两个不同角度、充分准确地确定得到目标心室导管泵的运行状态。
本发明的一个实施例中,上述状态确定模块303,包括:
第一匹配度确定子模块,用于将所述目标光纤信号特征与每一预设运行状态的光纤信号特征进行特征匹配,得到第一匹配度;
第二匹配度确定子模块,用于将所述目标电流特征与每一预设运行状态的电流特征进行特征匹配,得到第二匹配度;
第一状态确定子模块,用于基于所述第一匹配度与第二匹配度,确定所述目标心室导管泵的运行状态。
由以上可见,由于第一匹配度表示从光纤信号这一角度而言目标心室导管泵的运行状态为每一预设运行状态的可能性大小,第二匹配度表示从电流信号这一角度而言目标心室导管泵的运行状态为每一预设运行状态可能性大小,那么基于第一匹配度与第二匹配度,确定目标心室导管泵的运行状态时,从两方面综合确定运行状态,从而使得所确定的运行状态的准确度高。
本发明的一个实施例中,上述状态确定模块303,具体用于将所述目标光纤信号特征与目标电流特征输入预测模型,获得所述预测模型输出的所述目标心室导管泵的运行状态;其中,所述预测模型为:采用样本心室导管泵运行过程的样本光纤信号与样本电流信号为训练样本,以样本心室导管泵的运行状态为训练基准,对初始神经网络模型进行训练得到的、用于预测心室导管泵的运行状态的模型。
这样,由于是通过预测模型确定目标心室导管泵的运行状态,又由于预测模型是采用大量训练样本训练得到的、用于预测心室导管泵的运行状态的模型,预测模型学习到基于光纤信号特征与电流特征确定运行状态的规律,因此,通过预测模型能够准确地确定目标心室导管泵的运行状态。
本发明的一个实施例中,上述状态确定模块303,包括:
特征融合子模块,用于对所述目标光纤信号特征与目标电流特征进行特征融合;
第二状态确定子模块,用于基于融合后得到的状态特征,确定所述目标心室导管泵的运行状态。
由以上可见,由于是将目标光纤信号特征与目标电流特征进行特征融合,又由于目标光纤信号特征、目标电流特征分别从两个不同角度反映目标心室导管泵的运行状态,那么融合后得到的状态特征能够充分、全面准确地反映目标心室导管泵的运行状态,从而基于上述状态特征能够更为准确地确定目标心室导管泵的运行状态。
本发明的一个实施例中,上述第二状态确定子模块,具体用于将融合后得到的状态特征与每一预设运行状态的状态特征进行匹配;基于匹配结果,确定所述目标心室导管泵的运行状态。
由于上述匹配结果表示综合光纤信号与电流信号两角度而言目标心室导管泵的运行状态为每一预设运行状态的可能性大小,因此基于上述匹配结果使得所确定的运行状态的准确度高。
与上述心室导管泵的监测方法相对应,本发明实施例还提供了一种电子设备。
参见图4,图4为本发明实施例提供的一种电子设备的结构示意图,包括处理器401、通信接口402、存储器403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信,
存储器403,用于存放计算机程序;
处理器401,用于执行存储器403上所存放的程序时,实现本发明实施例提供的心室导管泵的监测方法。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例提供的心室导管泵的监测方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行时实现本发明实施例提供的心室导管泵的监测方法。
由以上可见,应用本实施例提供的方案,由于特征数据是对目标心室导管泵的运行参数数据进行特征提取得到的,上述特征数据能够更为准确地表征目标心室导管泵的运行状态,那么基于提取得到的特征数据确定目标心室导管泵的运行状态,能够较为准确反映目标心室导管泵当前运行状况,从而实现监测心室导管泵的运行状态。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、计算机可读存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种心室导管泵的监测方法,其特征在于,所述方法包括:
在目标心室导管泵运行过程中,获得所述目标心室导管泵的运行参数数据;
对所述运行参数数据进行特征提取,得到表征所述目标心室导管泵运行状态的特征数据;
基于所述特征数据,确定所述目标心室导管泵的运行状态。
2.根据权利要求1所述的方法,其特征在于,所述运行参数数据包括:光纤信号、电流信号,所述对所述运行参数数据进行特征提取,得到表征所述目标心室导管泵运行状态的特征数据,包括:
对所述光纤信号进行特征提取,得到目标光纤信号特征;
对所述电流信号进行特征提取,得到目标电流特征;
所述基于所述特征数据,确定所述目标心室导管泵的运行状态,包括:
基于所述目标光纤信号特征与目标电流特征,确定所述目标心室导管泵的运行状态。
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标光纤信号特征与目标电流特征,确定所述目标心室导管泵的运行状态,包括:
将所述目标光纤信号特征与每一预设运行状态的光纤信号特征进行特征匹配,得到第一匹配度;
将所述目标电流特征与每一预设运行状态的电流特征进行特征匹配,得到第二匹配度;
基于所述第一匹配度与第二匹配度,确定所述目标心室导管泵的运行状态。
4.根据权利要求2所述的方法,其特征在于,所述基于所述目标光纤信号特征与目标电流特征,确定所述目标心室导管泵的运行状态,包括:
将所述目标光纤信号特征与目标电流特征输入预测模型,获得所述预测模型输出的所述目标心室导管泵的运行状态;
其中,所述预测模型为:采用样本心室导管泵运行过程的样本光纤信号与样本电流信号为训练样本,以样本心室导管泵的运行状态为训练基准,对初始神经网络模型进行训练得到的、用于预测心室导管泵的运行状态的模型。
5.根据权利要求2所述的方法,其特征在于,所述基于所述目标光纤信号特征与目标电流特征,确定所述目标心室导管泵的运行状态,包括:
对所述目标光纤信号特征与目标电流特征进行特征融合;
基于融合后得到的状态特征,确定所述目标心室导管泵的运行状态。
6.根据权利要求5所述的方法,其特征在于,所述基于融合后得到的状态特征,确定所述目标心室导管泵的运行状态,包括:
将融合后得到的状态特征与每一预设运行状态的状态特征进行匹配;
基于匹配结果,确定所述目标心室导管泵的运行状态。
7.一种心室导管泵的监测装置,其特征在于,所述装置包括:
数据获得模块,用于在目标心室导管泵运行过程中,获得所述目标心室导管泵的运行参数数据;
特征提取模块,用于对所述运行参数数据进行特征提取,得到表征所述目标心室导管泵运行状态的特征数据;
状态确定模块,用于基于所述特征数据,确定所述目标心室导管泵的运行状态。
8.根据权利要求7所述的装置,其特征在于,所述运行参数数据包括:光纤信号、电流信号,所述特征提取模块,包括:
第一特征提取子模块,用于对所述光纤信号进行特征提取,得到目标光纤信号特征;
第二特征提取子模块,用于对所述电流信号进行特征提取,得到目标电流特征;
所述状态确定模块,具体用于基于所述目标光纤信号特征与目标电流特征,确定所述目标心室导管泵的运行状态。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-6任一所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211237884.3A CN115463336A (zh) | 2022-10-11 | 2022-10-11 | 一种心室导管泵的监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211237884.3A CN115463336A (zh) | 2022-10-11 | 2022-10-11 | 一种心室导管泵的监测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115463336A true CN115463336A (zh) | 2022-12-13 |
Family
ID=84336602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211237884.3A Pending CN115463336A (zh) | 2022-10-11 | 2022-10-11 | 一种心室导管泵的监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115463336A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115995291A (zh) * | 2023-03-22 | 2023-04-21 | 安徽通灵仿生科技有限公司 | 一种介入式心室导管泵的控制系统及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108671296A (zh) * | 2018-05-25 | 2018-10-19 | 中国计量大学 | 一种多层级多目标左心室辅助血泵生理控制系统 |
CN109446991A (zh) * | 2018-10-30 | 2019-03-08 | 北京交通大学 | 基于全局和局部特征融合的步态识别方法 |
CN111652406A (zh) * | 2020-04-10 | 2020-09-11 | 安徽继远软件有限公司 | 云-边协同下电网设备运行状态预测方法及系统 |
CN112703032A (zh) * | 2018-09-21 | 2021-04-23 | 阿比奥梅德公司 | 使用光纤传感器作为基于导管的医疗设备中的诊断工具 |
CN113033654A (zh) * | 2021-03-23 | 2021-06-25 | 云南大学 | 基于WiFi信道状态信息的室内入侵检测方法及系统 |
CN113536697A (zh) * | 2021-08-24 | 2021-10-22 | 江南大学 | 一种基于改进残差网络和wgan的轴承剩余寿命预测方法 |
CN113837299A (zh) * | 2021-09-28 | 2021-12-24 | 平安科技(深圳)有限公司 | 基于人工智能的网络训练方法及装置、电子设备 |
CN114239885A (zh) * | 2022-01-11 | 2022-03-25 | 中国科学院深圳先进技术研究院 | 一种运行故障预测方法及装置 |
CN114273977A (zh) * | 2021-12-15 | 2022-04-05 | 重庆文高科技有限公司 | 一种基于mes的刀具磨损检测方法及其系统 |
CN114588530A (zh) * | 2022-03-14 | 2022-06-07 | 丰凯利医疗器械(上海)有限公司 | 泵血导管在人体内位置的检测方法和系统 |
-
2022
- 2022-10-11 CN CN202211237884.3A patent/CN115463336A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108671296A (zh) * | 2018-05-25 | 2018-10-19 | 中国计量大学 | 一种多层级多目标左心室辅助血泵生理控制系统 |
CN112703032A (zh) * | 2018-09-21 | 2021-04-23 | 阿比奥梅德公司 | 使用光纤传感器作为基于导管的医疗设备中的诊断工具 |
CN109446991A (zh) * | 2018-10-30 | 2019-03-08 | 北京交通大学 | 基于全局和局部特征融合的步态识别方法 |
CN111652406A (zh) * | 2020-04-10 | 2020-09-11 | 安徽继远软件有限公司 | 云-边协同下电网设备运行状态预测方法及系统 |
CN113033654A (zh) * | 2021-03-23 | 2021-06-25 | 云南大学 | 基于WiFi信道状态信息的室内入侵检测方法及系统 |
CN113536697A (zh) * | 2021-08-24 | 2021-10-22 | 江南大学 | 一种基于改进残差网络和wgan的轴承剩余寿命预测方法 |
CN113837299A (zh) * | 2021-09-28 | 2021-12-24 | 平安科技(深圳)有限公司 | 基于人工智能的网络训练方法及装置、电子设备 |
CN114273977A (zh) * | 2021-12-15 | 2022-04-05 | 重庆文高科技有限公司 | 一种基于mes的刀具磨损检测方法及其系统 |
CN114239885A (zh) * | 2022-01-11 | 2022-03-25 | 中国科学院深圳先进技术研究院 | 一种运行故障预测方法及装置 |
CN114588530A (zh) * | 2022-03-14 | 2022-06-07 | 丰凯利医疗器械(上海)有限公司 | 泵血导管在人体内位置的检测方法和系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115995291A (zh) * | 2023-03-22 | 2023-04-21 | 安徽通灵仿生科技有限公司 | 一种介入式心室导管泵的控制系统及方法 |
CN115995291B (zh) * | 2023-03-22 | 2023-07-14 | 安徽通灵仿生科技有限公司 | 一种介入式心室导管泵的控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112365987B (zh) | 诊断数据异常检测方法、装置、计算机设备及存储介质 | |
US10679751B2 (en) | Cell abnormality diagnosis system using DNN learning, and diagnosis management method of the same | |
CN116370819B (zh) | 一种心室辅助装置的泵血流量估测方法及装置 | |
JP6869347B2 (ja) | リスク制御イベント自動処理の方法および装置 | |
US10431337B2 (en) | System and method for weighting manageable patient attributes during criteria evaluations for treatment | |
CN112259245B (zh) | 待检查项确定方法、装置、设备及计算机可读存储介质 | |
CN115995291B (zh) | 一种介入式心室导管泵的控制系统及方法 | |
CN115463336A (zh) | 一种心室导管泵的监测方法及装置 | |
CN116492588B (zh) | 一种心室导管泵的位置检测方法及装置 | |
CN111883222B (zh) | 文本数据的错误检测方法、装置、终端设备及存储介质 | |
CN115527337A (zh) | 一种基于医疗设备系统的报警方法、装置及电子设备 | |
CN115845248B (zh) | 一种心室导管泵的定位方法及装置 | |
CN115887906A (zh) | 一种心室导管泵的抽吸事件检测方法及装置 | |
CN115905960B (zh) | 一种基于心室辅助装置的不良事件检测方法及装置 | |
CN116719926B (zh) | 基于智慧医疗的先天性心脏病报告数据筛选方法及系统 | |
CN115985491B (zh) | 一种介入式心室导管泵的医学信息处理系统 | |
CN116870354A (zh) | 一种心室辅助设备的转速控制方法及装置 | |
CN114579626B (zh) | 数据处理方法、数据处理装置、电子设备和介质 | |
CN115998261A (zh) | 一种左心室压力的估计方法及装置 | |
CN117323558B (zh) | 一种心室辅助设备的自适应控制方法及装置 | |
CN117298444B (zh) | 一种心室导管泵的控制方法及装置 | |
CN117258138B (zh) | 一种心室辅助系统的冲洗设备的控制方法及装置 | |
EP3899964A1 (en) | Using natural language processing to find adverse events | |
US20190385715A1 (en) | Systems and methods for facilitating computer-assisted linkage of healthcare records | |
CN115497633B (zh) | 一种数据处理方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |