CN116077826A - 一种心室导管泵的转速控制方法及装置 - Google Patents
一种心室导管泵的转速控制方法及装置 Download PDFInfo
- Publication number
- CN116077826A CN116077826A CN202310249808.2A CN202310249808A CN116077826A CN 116077826 A CN116077826 A CN 116077826A CN 202310249808 A CN202310249808 A CN 202310249808A CN 116077826 A CN116077826 A CN 116077826A
- Authority
- CN
- China
- Prior art keywords
- flow
- deviation
- preset
- target
- target value
- 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.)
- Granted
Links
- 230000002861 ventricular Effects 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008859 change Effects 0.000 claims abstract description 88
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000003062 neural network model Methods 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims 1
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 210000005240 left ventricle Anatomy 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000004872 arterial blood pressure Effects 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 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
- 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
-
- 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
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转速控制方法及装置，涉及医疗器械技术领域，上述方法包括：在按照输入转速对心室导管泵进行控制的情况下，获得心室导管泵的实际输出流量；基于实际输出流量与预设输出流量，计算实际输出流量的偏差流量；判断偏差流量是否大于预设偏差流量阈值；若为是，计算偏差流量的变化率，分别对偏差流量以及偏差流量的变化率进行模糊化处理，得到第一目标值、以及第二目标值，基于第一目标值和第二目标值，控制输入转速；若为否，基于偏差流量以及预设偏差系数，计算输入转速的第二调整量，按照第二调整量，控制输入转速。应用本实施例提供的方案，能够实现心室导管泵的转速控制。
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转速控制方法及装置。
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，左心室导管泵植入患者的左心室中，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。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，若心室导管泵的转速异常，导致心室导管泵的工作效率不足，使得部分血液从主动脉经心室导管泵逆流到左心室，从而发生反流现象，使患者出现左心室增大以及血损等并发症，若反流时间过长，会严重危害患者的健康，可以看到，心室导管泵的转速关乎心室导管泵是否正常工作，因此，亟需一种心室导管泵的转速控制方案。
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转速控制方法及装置，以实现心室导管泵的转速控制。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转速控制方法，所述方法包括：
在按照输入转速对心室导管泵进行控制的情况下，获得所述心室导管泵的实际输出流量；
基于所述实际输出流量与预设输出流量，计算所述实际输出流量的偏差流量；
判断所述偏差流量是否大于预设偏差流量阈值；
若为是，计算所述偏差流量的变化率，分别对所述偏差流量以及所述偏差流量的变化率进行模糊化处理，得到表征所述偏差流量的偏差程度的第一目标值、以及表征所述变化率的变化程度的第二目标值，基于所述第一目标值和第二目标值，预测所述输入转速的第一调整量，按照所述第一调整量，控制输入转速；
若为否，基于所述偏差流量以及预设偏差系数，计算所述输入转速的第二调整量，按照所述第二调整量，控制所述输入转速。
本发明的一个实施例中，上述分别对所述偏差流量以及所述偏差流量的变化率进行模糊化处理，得到表征所述偏差流量的偏差程度的第一目标值、以及表征所述变化率的变化程度的第二目标值，包括：
按照以下方式对目标数据进行模糊化处理，得到所述目标数据的目标值，所述目标数据为：所述偏差流量或所述偏差流量的变化率：
从目标数据的数据类型对应的每一预设数据范围中，确定目标数据所在的目标数据范围；
基于目标数据与所述目标数据范围内的最大值，计算目标数据隶属于所述最大值所表征数据程度的第一隶属度；
基于目标数据与所述目标范围的最小值，计算目标数据隶属于所述最小值所表征数据程度的第二隶属度；
将所述第一隶属度与第二隶属度确定为所述目标数据的目标值。
本发明的一个实施例中，按照以下方式预测所述输入转速的第一调整量：
将所述偏差流量以及变化率输入预先训练的模糊神经网络模型，得到模糊神经网络模型输出的转速调整量，作为所述输入转速的第一调整量。
所述模糊神经网络模型为：采用样本偏差流量以及样本偏差流量的变化率作为训练样本，以样本输入转速与样本实际转速之间的转速差作为训练基准，对初始神经网络模型进行训练、用于预测转速调整量的模型；所述样本偏差流量为：样本心室导管泵的实际输出流量相较于预设期望输出流量的偏差值。
本发明的一个实施例中，上述基于所述第一目标值和第二目标值，预测所述输入转速的第一调整量，包括：
按照预设对应关系，确定所述第一目标值与第二目标值相对应的转速调整量，作为候选调整量，其中，所述预设对应关系为：第一预设目标值、第二预设目标值与转速调整量之间的对应关系，所述第一预设目标值为表征预设偏差流量的偏差程度的数据，所述第二预设目标值为表征预设偏差流量的变化率的变化程度的数据；
在所述候选调整量为多个的情况下，确定每一候选调整量的置信度；
基于所述置信度，从候选调整量中确定所述输入转速的第一调整量。
本发明的一个实施例中，上述获得所述心室导管泵的实际输出流量，包括：
获得所述心室导管泵的电机电流、输出转速；
基于所述电机电流、输出转速，确定主动脉压力与心室压力之间的压力差；
基于所述压力差，确定所述心室导管泵的实际输出流量。
第二方面，本发明实施例提供了一种心室导管泵的转速控制装置，所述装置包括：
流量获得模块，用于在按照输入转速对心室导管泵进行控制的情况下，获得所述心室导管泵的实际输出流量；
流量计算模块，用于基于所述实际输出流量与预设输出流量，计算所述实际输出流量的偏差流量；
流量判断模块，用于判断所述偏差流量是否大于预设偏差流量阈值；若为是，执行第一转速控制模块，若为否，执行第二转速控制模块；
所述第一转速控制模块，用于计算所述偏差流量的变化率，分别对所述偏差流量以及所述偏差流量的变化率进行模糊化处理，得到表征所述偏差流量的偏差程度的第一目标值、以及表征所述变化率的变化程度的第二目标值，基于所述第一目标值和第二目标值，预测所述输入转速的第一调整量，按照所述第一调整量，控制输入转速；
所述第二转速控制模块，用于基于所述偏差流量以及预设偏差系数，计算所述输入转速的第二调整量，按照所述第二调整量，控制所述输入转速。
本发明的一个实施例中，上述第一转速控制模块，具体用于按照以下方式对目标数据进行模糊化处理，得到所述目标数据的目标值，所述目标数据为：所述偏差流量或所述偏差流量的变化率：从目标数据的数据类型对应的每一预设数据范围中，确定目标数据所在的目标数据范围；基于目标数据与所述目标数据范围内的最大值，计算目标数据隶属于所述最大值所表征数据程度的第一隶属度；基于目标数据与所述目标范围的最小值，计算目标数据隶属于所述最小值所表征数据程度的第二隶属度；将所述第一隶属度与第二隶属度确定为所述目标数据的目标值。
本发明的一个实施例中，上述第一转速控制模块，具体用于按照以下方式预测所述输入转速的第一调整量：将所述偏差流量以及变化率输入预先训练的模糊神经网络模型，得到模糊神经网络模型输出的转速调整量，作为所述输入转速的第一调整量。所述模糊神经网络模型为：采用样本偏差流量以及样本偏差流量的变化率作为训练样本，以样本输入转速与样本实际转速之间的转速差作为训练基准，对初始神经网络模型进行训练、用于预测转速调整量的模型；所述样本偏差流量为：样本心室导管泵的实际输出流量相较于预设期望输出流量的偏差值。
本发明的一个实施例中，上述第一转速控制模块，具体用于按照预设对应关系，确定所述第一目标值与第二目标值相对应的转速调整量，作为候选调整量，其中，所述预设对应关系为：第一预设目标值、第二预设目标值与转速调整量之间的对应关系，所述第一预设目标值为表征预设偏差流量的偏差程度的数据，所述第二预设目标值为表征预设偏差流量的变化率的变化程度的数据；在所述候选调整量为多个的情况下，确定每一候选调整量的置信度；基于所述置信度，从候选调整量中确定所述输入转速的第一调整量。
本发明的一个实施例中，上述流量获得模块，具体用于获得所述心室导管泵的电机电流、输出转速；基于所述电机电流、输出转速，确定主动脉压力与心室压力之间的压力差；基于所述压力差，确定所述心室导管泵的实际输出流量。
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进行转速控制时，由于是基于实际输出流量相较于预设输出流量的偏差流量选择不同的转速控制策略，使得转速控制方式更为智能和灵活，具有自适应调整性能，提高转速控制的精确度。
另外，在偏差流量大于预设偏差流量阈值时，表示偏差流量较大，在这种情况下，采用模糊处理方式得到偏差流量以及偏差流量的变化率的模糊值，进而基于模糊值预测转速调整量，由于模糊处理方式具有响应速度快、动态性能好，能够基于偏差流量以及偏差流量的变化率自适应确定转速调整量，因此，在偏差流量较大的情况下，能够更加灵活地实现转速控制；在偏差流量小于或者等于预设偏差流量阈值时，表示偏差流量较小，在这种情况下，采用偏差流量以及预设偏差系数，直接计算得到转速调整量，使得计算得到的转速调整量更加精确，静态性能较佳，因此，综合上述两个方面，利用偏差流量自适应选择不同的控制策略，实现更加灵活地控制心脏泵转速。
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一种心室导管泵的转速控制方法的流程示意图；
图2为本发明实施例提供的一种心室导管泵的转速控制装置的结构示意图；
图3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。例如：左心室导管泵用于辅助患者左心室的应用场景。
本发明实施例的执行主体为：心室导管泵的控制设备。上述控制设备用于监视以及控制心室导管泵。
其次，对心室导管泵的转速控制方式的基本原理进行说明。
在心室导管泵运行于患者体内时，医护人员基于医学理论知识设定心室导管泵的转速，该转速为输入转速，由于实际生理环境以及设备误差等影响因素，心室导管泵的实际转速与输入转速具有差异的，当差异较大时，导致心室导管泵出现异常情况，从而影响患者生命健康。因此，需要对心室导管泵的转速进行控制，以使得输出转速趋近于输入转速。
以下对本发明实施例提供的心室导管泵的转速控制方法进行具体说明。
参见图1，图1为本发明实施例提供的一种心室导管泵的转速控制方法的流程示意图，上述方法包括以下步骤S101-S105。
步骤S101：在按照输入转速对心室导管泵进行控制的情况下，获得心室导管泵的实际输出流量。
心室导管泵用于辅助心室泵血，将血液从左心室输送至主动脉，心室导管泵的实际输出流量是指心室导管泵所输送血液的流量。
一种实施方式中，心室导管泵设置有流量传感器，可以获得流量传感器采集的心室导管泵的实际输出流量。
另一种实施方式中，还可以获得心室导管泵的电机电流以及输出转速，基于电机电流以及输出转速，确定主动脉压力与心室压力之间的压力差，基于压力差，确定心室导管泵的实际输出流量。
具体的，可以通过第一预设映射关系确定电机电流、输出转速对应的压力差，上述第一预设映射关系为电机电流、转速以及压力差之间的对应关系。在确定压力差后，可以通过第二预设映射关系确定压力差对应的流量，作为心室导管泵的实际输出流量，上述第二预设映射关系为压力差与流量之间的对应关系。
由于流量与压力差之间具有关联关系，且压力差与电机电流、输出转速之间具有关系，因此，仅通过电机电流以及输出转速能够确定输出流量，而电机电流以及输出转速的获取不需要更改原有电路结构，在保持原有电路结构的基础上，能够准确获得输出流量。
步骤S102：基于实际输出流量与预设输出流量，计算实际输出流量的偏差流量。
上述预设输出流量表征期望心室导管泵输出的流量，上述预设输出流量可以是预先由医护人员设定的。
上述偏差流量表征实际输出流量相对于预设输出流量的变化量，在计算偏差流量时，可以计算实际输出流量与预设输出流量之间的差值，将上述差值作为偏差流量，还可以将差值的绝对值作为实际输出流量的偏差流量。
步骤S103：判断偏差流量是否大于预设偏差流量阈值，若为是，执行步骤S104，若为否，执行步骤S105。
上述预设流量范围是预先由医护人员设定的。当偏差流量大于预设偏差流量阈值时，执行下述步骤S104，当偏差流量小于或者等于预设偏差流量阈值时，执行下述步骤S105。
步骤S104：计算偏差流量的变化率，分别对偏差流量以及偏差流量的变化率进行模糊化处理，得到表征偏差流量的偏差程度的第一目标值、以及表征变化率的变化程度的第二目标值，基于第一目标值和第二目标值，预测输入转速的第一调整量，按照第一调整量，控制输入转速。
偏差流量的变化率表征偏差流量的变化情况。一种实施方式中，可以对偏差流量进行求导，得到偏差流量的变化率。
上述模糊化处理是指将精确值转换为模糊值，在对偏差流量以及偏差流量的变化率进行模糊化处理后，所得到的第一目标值表征偏差流量的偏差程度，第二目标值表征变化率的变化程度，偏差流量为精确值，而偏差流量的偏差程度相较于偏差流量这一精确值来说，则是模糊值，同理变化率的变化程度相较于变化率这一精确值来说，也是模糊值。
在得到上述第一调整量，一种实施方式中，可以将偏差流量以及偏差流量的变化率输入预先训练的模糊神经网络模型，得到模糊神经网络模型输出的转速调整量，作为第一调整量。
上述模糊神经网络模型为：采用样本偏差流量以及样本偏差流量的变化率作为训练样本，以样本输入转速与样本实际转速之间的转速差作为训练基准，对初始神经网络模型进行训练、用于预测转速调整量的模型。上述样本偏差流量为：样本心室导管泵的实际输出流量相较于预设期望输出流量的偏差值。
由于模糊神经网络模型是采用大量的样本偏差流量以及样本偏差流量的变化率进行训练得到的，模糊神经网络模型学习到如何利用样本偏差流量以及样本偏差流量的变化率预测转速调整量的规律，从而将实际运行时偏差流量以及偏差流量的变化率输入上述模糊神经网络模型，能够得到较为准确的转速调整量。
步骤S105：基于偏差流量以及预设偏差系数，计算输入转速的第二调整量，按照第二调整量，控制输入转速。
一种实施方式中，基于偏差流量以及预设偏差系数计算流量调整量，按照第三预设映射关系，确定流量调整量对应的转速调整量，作为第二调整量。上述第三预设映射关系为预设流量调整量与预设转速调整量之间的对应关系。
在计算流量调整量时，可以按照以下表达式进行计算：
其中，为流量调整量，为偏差流量，为预设比例增益，为预设积分增益，为预设微分增益，、、均为预设系数，t表示当前时间。
由以上可见，应用本实施例提供的方案进行转速控制时，由于是基于实际输出流量相较于预设输出流量的偏差流量选择不同的转速控制策略，使得转速控制方式更为智能和灵活，具有自适应调整性能，提高转速控制的精确度。
另外，在偏差流量大于预设偏差流量阈值时，表示偏差流量较大，在这种情况下，采用模糊处理方式得到偏差流量以及偏差流量的变化率的模糊值，进而基于模糊值预测转速调整量，由于模糊处理方式具有响应速度快、动态性能好，能够基于偏差流量以及偏差流量的变化率自适应确定转速调整量，因此，在偏差流量较大的情况下，能够更加灵活地实现转速控制；在偏差流量小于或者等于预设偏差流量阈值时，表示偏差流量较小，在这种情况下，采用偏差流量以及预设偏差系数，直接计算得到转速调整量，使得计算得到的转速调整量更加精确，静态性能较佳，因此，综合上述两个方面，利用偏差流量自适应选择不同的控制策略，实现更加灵活地控制心脏泵转速。
在前述图1对应实施例的步骤S104中，除了可以结合深度学习之外，还可以采用下述步骤A1-A4的方式对目标数据进行模糊化处理，得到目标数据的目标值，上述目标数据为：偏差流量或偏差流量的变化率。
步骤A1：从目标数据的数据类型对应的每一预设数据范围中，确定目标数据所在的目标数据范围。
当目标数据为偏差流量时，数据类型为偏差流量类型；当目标数据为偏差流量的变化率时，数据类型为变化率类型。
预设数据范围为预先针对每一数据类型设定的数据范围，数据类型对应的预设数据范围可以有多个。例如，以偏差流量为例，偏差流量类型对应的预设数据范围可以包括：(-5,-4)、(-4,-3)、(-3,-2)、(-2,-1)、(-1,0)、(0,1)、(1,2)、(2,3)、(3,4)、(4,5)。
在确定目标数据范围时，沿用上述例子，若偏差流量为1.3，由于1.3位于(1,2)之间，所以，偏差流量1.3所在的目标数据范围为(1,2)。
步骤A2：基于目标数据与目标数据范围内的最大值，计算目标数据隶属于最大值所表征数据程度的第一隶属度。
预设数据范围的最大值和最小值表征不同的数据程度，如以偏差流量对应的预设数据范围（1,2）为例，（1,2）的最大值为2，（1,2）的最小值为1，其中，最小值1表征偏差程度较小，最大值2相较于最小值1来说表征偏差程度较大。具体的，在确定预设数据范围时，可以预先确定目标数据的数据类型所在的数据范围，从数据范围内确定表征不同程度的代表数据，将所确定的相邻两个代表数据形成的范围作为预设数据范围。
一种实施方式中，可以计算目标数据与目标数据范围内的最大值之间的距离，计算该距离在目标数据范围所在距离的占比，作为第一隶属度，
沿用上述例子，偏差流量为1.3，目标数据范围为（1,2），目标数据范围的最大值为2，可以计算偏差流量与最大值之间的距离为0.7，确定该距离在目标数据范围所在距离的占比为0.7/1，即为0.7。
步骤A3：基于目标数据与目标范围的最小值，计算目标数据隶属于最小值所表征数据程度的第二隶属度。
一种实施方式中，可以计算目标数据与目标数据范围内的最小值之间的距离，计算该距离在目标数据范围所在距离的占比，作为第二隶属度，
沿用上述例子，偏差流量为1.3，目标数据范围为(1,2)，目标数据范围的最小值为1，可以计算偏差流量与最小值之间的距离为0.3，确定该距离在目标数据范围所在距离的占比为0.3/1，即为0.3。
步骤A4：将第一隶属度与第二隶属度确定为目标数据的目标值。
当目标数据为偏差流量时，偏差流量的目标值包括偏差流量对应的第一隶属度和第二隶属度；当目标数据为偏差流量的变化率时，变化率的目标值包括变化率对应的第一隶属度和第二隶属度。
在确定目标数据所在的目标数据范围后，由于目标数据范围的最大值和最小值分别表征不同数据程度，当目标数据位于目标数据范围内，表示目标数据所表征的数据为最大值和最小值所表征的数据程度均有可能，所以，将第一隶属度和第二隶属度确定为目标数据的目标值，能够使得目标数据的目标值的准确度较高。
在前述图1对应实施例的步骤S104中预测第一调整量，除了结合深度学习方式之外，还可以采用下述步骤B1-B3实现。
步骤B1：按照预设对应关系，确定第一目标值与第二目标值相对应的转速调整量，作为候选调整量。
上述预设对应关系为：第一预设目标值、第二预设目标值与转速调整量之间的对应关系，第一预设目标值为表征预设偏差流量的偏差程度的数据，第二预设目标值为表征预设偏差流量的变化率的变化程度的数据。
一种实施方式中，可以从上述预设对应关系中，确定第一目标值和第二目标值相对应的转速调整量。在预设对应关系中，第一预设目标值和第二预设目标值相对应的转速调整量可能有多个，在这种情况下，所确定的第一目标值与第二目标值相对应的转速调整量也可能有多个。
步骤B2：在候选调整量为多个的情况下，确定每一候选调整量的置信度。
一种实施方式中，可以计算候选调整量的平均值，计算候选调整量与平均值之间的距离，将距离与最大距离的比值确定为候选调整量的置信度，上述最大距离是指候选调整量与平均值之间的距离中最大的距离。
步骤B3：基于置信度，从候选调整量中确定输入转速的第一调整量。
一种实施方式中，可以将最大置信度的候选调整量确定为第一调整量，也可以将置信度大于预设置信度阈值的候选调整量确定为第一调整量。
这样，在候选调整量为多个情况下，基于候选调整量的置信度，能够准确地确定输入转速的第一调整量。
与上述心室导管泵的转速控制方法相对应，本发明实施例还提供了一种心室导管泵的转速控制装置。
参见图2，图2为本发明实施例提供的一种心室导管泵的转速控制装置的结构示意图，上述装置包括以下模块201-205。
流量获得模块201，用于在按照输入转速对心室导管泵进行控制的情况下，获得所述心室导管泵的实际输出流量；
流量计算模块202，用于基于所述实际输出流量与预设输出流量，计算所述实际输出流量的偏差流量；
流量判断模块203，用于判断所述偏差流量是否大于预设偏差流量阈值；若为是，执行第一转速控制模块204，若为否，执行第二转速控制模块205；
所述第一转速控制模块204，用于计算所述偏差流量的变化率，分别对所述偏差流量以及所述偏差流量的变化率进行模糊化处理，得到表征所述偏差流量的偏差程度的第一目标值、以及表征所述变化率的变化程度的第二目标值，基于所述第一目标值和第二目标值，预测所述输入转速的第一调整量，按照所述第一调整量，控制输入转速；
所述第二转速控制模块205，用于基于所述偏差流量以及预设偏差系数，计算所述输入转速的第二调整量，按照所述第二调整量，控制所述输入转速。
由以上可见，应用本实施例提供的方案进行转速控制时，由于是基于实际输出流量相较于预设输出流量的偏差流量选择不同的转速控制策略，使得转速控制方式更为智能和灵活，具有自适应调整性能，提高转速控制的精确度。
另外，在偏差流量大于预设偏差流量阈值时，表示偏差流量较大，在这种情况下，采用模糊处理方式得到偏差流量以及偏差流量的变化率的模糊值，进而基于模糊值预测转速调整量，由于模糊处理方式具有响应速度快、动态性能好，能够基于偏差流量以及偏差流量的变化率自适应确定转速调整量，因此，在偏差流量较大的情况下，能够更加灵活地实现转速控制；在偏差流量小于或者等于预设偏差流量阈值时，表示偏差流量较小，在这种情况下，采用偏差流量以及预设偏差系数，直接计算得到转速调整量，使得计算得到的转速调整量更加精确，静态性能较佳，因此，综合上述两个方面，利用偏差流量自适应选择不同的控制策略，实现更加灵活地控制心脏泵转速。
本发明的一个实施例中，上述第一转速控制模块204，具体用于按照以下方式对目标数据进行模糊化处理，得到所述目标数据的目标值，所述目标数据为：所述偏差流量或所述偏差流量的变化率：从目标数据的数据类型对应的每一预设数据范围中，确定目标数据所在的目标数据范围；基于目标数据与所述目标数据范围内的最大值，计算目标数据隶属于所述最大值所表征数据程度的第一隶属度；基于目标数据与所述目标范围的最小值，计算目标数据隶属于所述最小值所表征数据程度的第二隶属度；将所述第一隶属度与第二隶属度确定为所述目标数据的目标值。
在确定目标数据所在的目标数据范围后，由于目标数据范围的最大值和最小值分别表征不同数据程度，当目标数据位于目标数据范围内，表示目标数据所表征的数据为最大值和最小值所表征的数据程度均有可能，所以，将第一隶属度和第二隶属度确定为目标数据的目标值，能够使得目标数据的目标值的准确度较高。
本发明的一个实施例中，上述第一转速控制模块204，具体用于按照以下方式预测所述输入转速的第一调整量：将所述偏差流量以及变化率输入预先训练的模糊神经网络模型，得到模糊神经网络模型输出的转速调整量，作为所述输入转速的第一调整量。所述模糊神经网络模型为：采用样本偏差流量以及样本偏差流量的变化率作为训练样本，以样本输入转速与样本实际转速之间的转速差作为训练基准，对初始神经网络模型进行训练、用于预测转速调整量的模型；所述样本偏差流量为：样本心室导管泵的实际输出流量相较于预设期望输出流量的偏差值。
由于模糊神经网络模型是采用大量的样本偏差流量以及样本偏差流量的变化率进行训练得到的，模糊神经网络模型学习到如何利用样本偏差流量以及样本偏差流量的变化率预测转速调整量的规律，从而将实际运行时偏差流量以及偏差流量的变化率输入上述模糊神经网络模型，能够得到较为准确的转速调整量。
本发明的一个实施例中，上述第一转速控制模块204，具体用于按照预设对应关系，确定所述第一目标值与第二目标值相对应的转速调整量，作为候选调整量，其中，所述预设对应关系为：第一预设目标值、第二预设目标值与转速调整量之间的对应关系，所述第一预设目标值为表征预设偏差流量的偏差程度的数据，所述第二预设目标值为表征预设偏差流量的变化率的变化程度的数据；在所述候选调整量为多个的情况下，确定每一候选调整量的置信度；基于所述置信度，从候选调整量中确定所述输入转速的第一调整量。
这样，在候选调整量为多个情况下，基于候选调整量的置信度，能够准确地确定输入转速的第一调整量。
本发明的一个实施例中，上述流量获得模块201，具体用于获得所述心室导管泵的电机电流、输出转速；基于所述电机电流、输出转速，确定主动脉压力与心室压力之间的压力差；基于所述压力差，确定所述心室导管泵的实际输出流量。
由于流量与压力差之间具有关联关系，且压力差与电机电流、输出转速之间具有关系，因此，仅通过电机电流以及输出转速能够确定输出流量，而电机电流以及输出转速的获取不需要更改原有电路结构，在保持原有电路结构的基础上，能够准确获得输出流量。
与上述心室导管泵的转速控制方法相对应，本发明实施例还提供了一种电子设备。
参见图3，图3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301、通信接口302、存储器303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信，
存储器303，用于存放计算机程序；
处理器301，用于执行存储器303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转速控制方法。
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转速控制方法。
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转速控制方法。
由以上可见，应用本实施例提供的方案进行转速控制时，由于是基于实际输出流量相较于预设输出流量的偏差流量选择不同的转速控制策略，使得转速控制方式更为智能和灵活，具有自适应调整性能，提高转速控制的精确度。
另外，在偏差流量大于预设偏差流量阈值时，表示偏差流量较大，在这种情况下，采用模糊处理方式得到偏差流量以及偏差流量的变化率的模糊值，进而基于模糊值预测转速调整量，由于模糊处理方式具有响应速度快、动态性能好，能够基于偏差流量以及偏差流量的变化率自适应确定转速调整量，因此，在偏差流量较大的情况下，能够更加灵活地实现转速控制；在偏差流量小于或者等于预设偏差流量阈值时，表示偏差流量较小，在这种情况下，采用偏差流量以及预设偏差系数，直接计算得到转速调整量，使得计算得到的转速调整量更加精确，静态性能较佳，因此，综合上述两个方面，利用偏差流量自适应选择不同的控制策略，实现更加灵活地控制心脏泵转速。
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转速控制方法，其特征在于，所述方法包括：
在按照输入转速对心室导管泵进行控制的情况下，获得所述心室导管泵的实际输出流量；
基于所述实际输出流量与预设输出流量，计算所述实际输出流量的偏差流量；
判断所述偏差流量是否大于预设偏差流量阈值；
若为是，计算所述偏差流量的变化率，分别对所述偏差流量以及所述偏差流量的变化率进行模糊化处理，得到表征所述偏差流量的偏差程度的第一目标值、以及表征所述变化率的变化程度的第二目标值，基于所述第一目标值和第二目标值，预测所述输入转速的第一调整量，按照所述第一调整量，控制输入转速；
若为否，基于所述偏差流量以及预设偏差系数，计算所述输入转速的第二调整量，按照所述第二调整量，控制所述输入转速。
2.根据权利要求1所述的方法，其特征在于，所述分别对所述偏差流量以及所述偏差流量的变化率进行模糊化处理，得到表征所述偏差流量的偏差程度的第一目标值、以及表征所述变化率的变化程度的第二目标值，包括：
按照以下方式对目标数据进行模糊化处理，得到所述目标数据的目标值，所述目标数据为：所述偏差流量或所述偏差流量的变化率：
从目标数据的数据类型对应的每一预设数据范围中，确定目标数据所在的目标数据范围；
基于目标数据与所述目标数据范围内的最大值，计算目标数据隶属于所述最大值所表征数据程度的第一隶属度；
基于目标数据与所述目标范围的最小值，计算目标数据隶属于所述最小值所表征数据程度的第二隶属度；
将所述第一隶属度与第二隶属度确定为所述目标数据的目标值。
3.根据权利要求1所述的方法，其特征在于，
按照以下方式预测所述输入转速的第一调整量：
将所述偏差流量以及变化率输入预先训练的模糊神经网络模型，得到模糊神经网络模型输出的转速调整量，作为所述输入转速的第一调整量；
所述模糊神经网络模型为：采用样本偏差流量以及样本偏差流量的变化率作为训练样本，以样本输入转速与样本实际转速之间的转速差作为训练基准，对初始神经网络模型进行训练、用于预测转速调整量的模型；所述样本偏差流量为：样本心室导管泵的实际输出流量相较于预设期望输出流量的偏差值。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述基于所述第一目标值和第二目标值，预测所述输入转速的第一调整量，包括：
按照预设对应关系，确定所述第一目标值与第二目标值相对应的转速调整量，作为候选调整量，其中，所述预设对应关系为：第一预设目标值、第二预设目标值与转速调整量之间的对应关系，所述第一预设目标值为表征预设偏差流量的偏差程度的数据，所述第二预设目标值为表征预设偏差流量的变化率的变化程度的数据；
在所述候选调整量为多个的情况下，确定每一候选调整量的置信度；
基于所述置信度，从候选调整量中确定所述输入转速的第一调整量。
5.根据权利要求1-3中任一项所述的方法，其特征在于，所述获得所述心室导管泵的实际输出流量，包括：
获得所述心室导管泵的电机电流、输出转速；
基于所述电机电流、输出转速，确定主动脉压力与心室压力之间的压力差；
基于所述压力差，确定所述心室导管泵的实际输出流量。
6.一种心室导管泵的转速控制装置，其特征在于，所述装置包括：
流量获得模块，用于在按照输入转速对心室导管泵进行控制的情况下，获得所述心室导管泵的实际输出流量；
流量计算模块，用于基于所述实际输出流量与预设输出流量，计算所述实际输出流量的偏差流量；
流量判断模块，用于判断所述偏差流量是否大于预设偏差流量阈值；若为是，执行第一转速控制模块，若为否，执行第二转速控制模块；
所述第一转速控制模块，用于计算所述偏差流量的变化率，分别对所述偏差流量以及所述偏差流量的变化率进行模糊化处理，得到表征所述偏差流量的偏差程度的第一目标值、以及表征所述变化率的变化程度的第二目标值，基于所述第一目标值和第二目标值，预测所述输入转速的第一调整量，按照所述第一调整量，控制输入转速；
所述第二转速控制模块，用于基于所述偏差流量以及预设偏差系数，计算所述输入转速的第二调整量，按照所述第二调整量，控制所述输入转速。
7.根据权利要求6所述的装置，其特征在于，所述第一转速控制模块，具体用于按照以下方式对目标数据进行模糊化处理，得到所述目标数据的目标值，所述目标数据为：所述偏差流量或所述偏差流量的变化率：从目标数据的数据类型对应的每一预设数据范围中，确定目标数据所在的目标数据范围；基于目标数据与所述目标数据范围内的最大值，计算目标数据隶属于所述最大值所表征数据程度的第一隶属度；基于目标数据与所述目标范围的最小值，计算目标数据隶属于所述最小值所表征数据程度的第二隶属度；将所述第一隶属度与第二隶属度确定为所述目标数据的目标值。
8.根据权利要求6所述的装置，其特征在于，所述第一转速控制模块，具体用于按照以下方式预测所述输入转速的第一调整量：将所述偏差流量以及变化率输入预先训练的模糊神经网络模型，得到模糊神经网络模型输出的转速调整量，作为所述输入转速的第一调整量。所述模糊神经网络模型为：采用样本偏差流量以及样本偏差流量的变化率作为训练样本，以样本输入转速与样本实际转速之间的转速差作为训练基准，对初始神经网络模型进行训练、用于预测转速调整量的模型；所述样本偏差流量为：样本心室导管泵的实际输出流量相较于预设期望输出流量的偏差值。
9.根据权利要求6-8中任一项所述的装置，其特征在于，所述第一转速控制模块，具体用于按照预设对应关系，确定所述第一目标值与第二目标值相对应的转速调整量，作为候选调整量，其中，所述预设对应关系为：第一预设目标值、第二预设目标值与转速调整量之间的对应关系，所述第一预设目标值为表征预设偏差流量的偏差程度的数据，所述第二预设目标值为表征预设偏差流量的变化率的变化程度的数据；在所述候选调整量为多个的情况下，确定每一候选调整量的置信度；基于所述置信度，从候选调整量中确定所述输入转速的第一调整量。
10.一种电子设备，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1-5任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310249808.2A CN116077826B (zh) | 2023-03-15 | 一种心室导管泵的转速控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310249808.2A CN116077826B (zh) | 2023-03-15 | 一种心室导管泵的转速控制方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116077826A true CN116077826A (zh) | 2023-05-09 |
| CN116077826B CN116077826B (zh) | 2024-05-14 |
Family
ID=
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116870296A (zh) * | 2023-09-07 | 2023-10-13 | 广东宝莱特医用科技股份有限公司 | 基于泵秤联调的输注控制方法、装置、设备、存储介质 |
| CN116943015A (zh) * | 2023-09-21 | 2023-10-27 | 安徽通灵仿生科技有限公司 | 一种心室辅助设备的控制方法及装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11328144A (ja) * | 1998-05-20 | 1999-11-30 | Yamaha Motor Co Ltd | ファジィニューラル回路網の最適化方法 |
| CN102622000A (zh) * | 2012-03-30 | 2012-08-01 | 山东轻工业学院 | 一种基于模糊神经网路的供浆系统流量控制方法 |
| CN102653933A (zh) * | 2012-05-20 | 2012-09-05 | 徐州锐马重工机械有限公司 | 一种基于模糊pid复合控制的冷再生机喷洒控制方法 |
| CN103986400A (zh) * | 2014-05-30 | 2014-08-13 | 清华大学 | 基于二维模糊控制的模型参考自适应系统参数自整定方法 |
| CN108289984A (zh) * | 2015-11-02 | 2018-07-17 | 心脏器械股份有限公司 | 用于使用泵操作数据的不良事件预测的方法和系统 |
| CN108843548A (zh) * | 2018-05-28 | 2018-11-20 | 北京长城华冠汽车科技股份有限公司 | 纯电动车辆的热管理回路状态监控方法及装置 |
| CN109876216A (zh) * | 2019-01-08 | 2019-06-14 | 江苏大学 | 一种基于无创测量的lvad无差别自适应的模糊pi控制方法 |
| CN110531614A (zh) * | 2019-09-06 | 2019-12-03 | 长春工业大学 | 新颖的无刷直流电机模糊神经网络pi控制器 |
| CN113422088A (zh) * | 2021-06-28 | 2021-09-21 | 太原理工大学 | 一种氢燃料电池空气供给系统及其解耦控制方法 |
| US20220112108A1 (en) * | 2020-10-10 | 2022-04-14 | Beijing University Of Technology | Hierarchical Model Predictive Control Method of Wastewater Treatment Process based on Fuzzy Neural Network |
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11328144A (ja) * | 1998-05-20 | 1999-11-30 | Yamaha Motor Co Ltd | ファジィニューラル回路網の最適化方法 |
| CN102622000A (zh) * | 2012-03-30 | 2012-08-01 | 山东轻工业学院 | 一种基于模糊神经网路的供浆系统流量控制方法 |
| CN102653933A (zh) * | 2012-05-20 | 2012-09-05 | 徐州锐马重工机械有限公司 | 一种基于模糊pid复合控制的冷再生机喷洒控制方法 |
| CN103986400A (zh) * | 2014-05-30 | 2014-08-13 | 清华大学 | 基于二维模糊控制的模型参考自适应系统参数自整定方法 |
| CN108289984A (zh) * | 2015-11-02 | 2018-07-17 | 心脏器械股份有限公司 | 用于使用泵操作数据的不良事件预测的方法和系统 |
| CN108843548A (zh) * | 2018-05-28 | 2018-11-20 | 北京长城华冠汽车科技股份有限公司 | 纯电动车辆的热管理回路状态监控方法及装置 |
| CN109876216A (zh) * | 2019-01-08 | 2019-06-14 | 江苏大学 | 一种基于无创测量的lvad无差别自适应的模糊pi控制方法 |
| CN110531614A (zh) * | 2019-09-06 | 2019-12-03 | 长春工业大学 | 新颖的无刷直流电机模糊神经网络pi控制器 |
| US20220112108A1 (en) * | 2020-10-10 | 2022-04-14 | Beijing University Of Technology | Hierarchical Model Predictive Control Method of Wastewater Treatment Process based on Fuzzy Neural Network |
| CN113422088A (zh) * | 2021-06-28 | 2021-09-21 | 太原理工大学 | 一种氢燃料电池空气供给系统及其解耦控制方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116870296A (zh) * | 2023-09-07 | 2023-10-13 | 广东宝莱特医用科技股份有限公司 | 基于泵秤联调的输注控制方法、装置、设备、存储介质 |
| CN116870296B (zh) * | 2023-09-07 | 2023-11-21 | 广东宝莱特医用科技股份有限公司 | 基于泵秤联调的输注控制方法、装置、设备、存储介质 |
| CN116943015A (zh) * | 2023-09-21 | 2023-10-27 | 安徽通灵仿生科技有限公司 | 一种心室辅助设备的控制方法及装置 |
| CN116943015B (zh) * | 2023-09-21 | 2023-12-15 | 安徽通灵仿生科技有限公司 | 一种心室辅助设备的控制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116370819B (zh) | 一种心室辅助装置的泵血流量估测方法及装置 | |
| CN116943015B (zh) | 一种心室辅助设备的控制方法及装置 | |
| CN108242266A (zh) | 辅助诊断装置和方法 | |
| JP2018124937A (ja) | 異常検出装置、異常検出方法およびプログラム | |
| CN115995291A (zh) | 一种介入式心室导管泵的控制系统及方法 | |
| CN116492588A (zh) | 一种心室导管泵的位置检测方法及装置 | |
| CN111723901A (zh) | 神经网络模型的训练方法及装置 | |
| CN110782030A (zh) | 深度学习权值更新方法、系统、计算机设备及存储介质 | |
| CN116077826B (zh) | 一种心室导管泵的转速控制方法及装置 | |
| CN116077826A (zh) | 一种心室导管泵的转速控制方法及装置 | |
| CN116870354A (zh) | 一种心室辅助设备的转速控制方法及装置 | |
| CN115845248B (zh) | 一种心室导管泵的定位方法及装置 | |
| CN112809451B (zh) | 机床主轴温度修正方法、热伸长量补偿方法、介质及机床 | |
| CN113222262A (zh) | 设备的故障预测方法、装置、系统、设备及存储介质 | |
| CN117258138B (zh) | 一种心室辅助系统的冲洗设备的控制方法及装置 | |
| CN115463336A (zh) | 一种心室导管泵的监测方法及装置 | |
| CN117244171B (zh) | 一种心室辅助系统的冲洗设备的自适应控制方法及装置 | |
| US10956646B2 (en) | Customizing circuit layout design rules for fabrication facilities | |
| CN112539519B (zh) | 空调化霜控制方法、装置、设备及存储介质 | |
| CN117323558B (zh) | 一种心室辅助设备的自适应控制方法及装置 | |
| CN114519370A (zh) | 一种基于深度学习早停机制的左心室肥大检测方法及系统 | |
| CN114398241A (zh) | 智慧养殖环境数据的监测方法及系统 | |
| US11333678B2 (en) | Method for offset calibration of a yaw rate sensor signal of a yaw rate sensor, system and computer program | |
| CN117258137B (zh) | 一种心室导管泵的转速自适应控制方法及装置 | |
| CN117899351B (zh) | 流量预测方法、装置、电子设备及存储介质 |
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 | ||
| GR01 | Patent grant |