CN116153517A - 一种基于肺功能锻炼监测模型的恢复评估方法及系统 - Google Patents

一种基于肺功能锻炼监测模型的恢复评估方法及系统 Download PDF

Info

Publication number
CN116153517A
CN116153517A CN202310426394.6A CN202310426394A CN116153517A CN 116153517 A CN116153517 A CN 116153517A CN 202310426394 A CN202310426394 A CN 202310426394A CN 116153517 A CN116153517 A CN 116153517A
Authority
CN
China
Prior art keywords
detection
expiration
vital capacity
data
evaluation
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
Application number
CN202310426394.6A
Other languages
English (en)
Other versions
CN116153517B (zh
Inventor
赵洪林
陈军
刘明辉
张洪兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Medical University General Hospital
Original Assignee
Tianjin Medical University General Hospital
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Medical University General Hospital filed Critical Tianjin Medical University General Hospital
Priority to CN202310426394.6A priority Critical patent/CN116153517B/zh
Publication of CN116153517A publication Critical patent/CN116153517A/zh
Application granted granted Critical
Publication of CN116153517B publication Critical patent/CN116153517B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/091—Measuring volume of inspired or expired gases, e.g. to determine lung capacity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Pulmonology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种基于肺功能锻炼监测模型的恢复评估方法及系统，涉及肺功能锻炼监测技术领域；包括体征数据获取模块、呼气检测模块以及评估模块；所述体征数据获取模块用于获取患者锻炼前的肺容量数据；所述体征数据获取模块包括呼气体征检测单元以及肺部数据获取单元，所述呼气体征检测单元用于获取患者锻炼前的肺活量，所述肺部数据获取单元用于获取患者锻炼前的肺部扫描数据；本发明通过对患者锻炼过程的数据进行筛选后分析，能够提高评估的有效性，同时针对恢复周期进行多维度的评估，提高恢复评估的全面性，以解决现有的肺功能锻炼的恢复评估方法单一，评估的有效性的全面性存在不足的问题。

Description

一种基于肺功能锻炼监测模型的恢复评估方法及系统
技术领域
本发明涉及肺功能锻炼监测技术领域，具体为一种基于肺功能锻炼监测模型的恢复评估方法及系统。
背景技术
肺是人体的呼吸器官，位于胸腔，左右各一，覆盖于心之上，肺功能检查是呼吸系统疾病的必要检查之一，主要用于检测呼吸道的通畅程度、肺容量的大小，对于早期检出肺、气道病变，评估疾病的病情严重程度及预后，评定药物或其他治疗方法的疗效，鉴别呼吸困难的原因，诊断病变部位、评估肺功能对手术的耐受力或劳动强度耐受力及对危重病人的监护等方面有重要的临床价值。
患者在肺部损失恢复时，其肺活量会受到较大的影响，肺活量是指在最大吸气后尽力呼气的气量，现有的技术中，在对患者的肺功能锻炼的过程中，对于肺活量的检测通常都是基于呼气量的数据提取，提取数据后与医生预设的恢复数值进行比对，这种监测方法的方式简单，提取的数值缺乏有效性，并且只对结果进行评估，很难发现恢复过程中的其他问题，因此缺少能够对患者的肺功能锻炼进行自助检测，且能够对恢复周期进行细致全面监测的方法。
发明内容
本发明旨在至少在一定程度上解决现有技术中的技术问题之一，通过对患者锻炼过程的数据进行筛选后分析，能够提高评估的有效性，同时针对恢复周期进行多维度的评估，提高恢复评估的全面性，以解决现有的肺功能锻炼的恢复评估方法单一，评估的有效性的全面性存在不足的问题。
为实现上述目的，第一方面，本发明提供一种基于肺功能锻炼监测模型的恢复评估系统，包括体征数据获取模块、呼气检测模块以及评估模块；所述体征数据获取模块用于获取患者锻炼前的肺容量数据；所述体征数据获取模块包括呼气体征检测单元以及肺部数据获取单元，所述呼气体征检测单元用于获取患者锻炼前的肺活量，所述肺部数据获取单元用于获取患者锻炼前的肺部扫描数据；
所述呼气检测模块包括呼气检测单元以及呼气校准单元，所述呼气检测单元用于设定呼气检测模型，所述呼气检测模型基于患者锻炼前的肺活量以及肺部扫描数据建立呼气检测模型，所述呼气检测模型配置有呼气检测周期，在呼气检测周期内获取患者的周期呼气数据；所述呼气校准单元用于提取周期呼气数据中的周期呼气肺活量，对周期呼气肺活量中的数据进行处理，剔除周期呼气肺活量数据中的异常数据，得到校准后的周期呼气肺活量；
所述评估模块用于基于呼气检测模型对校准后的周期呼气肺活量进行分析，得到评估后的恢复等级；所述评估模块包括基础评估单元、异常评估单元以及综合评估单元，所述基础评估单元用于对呼气检测周期的日检测数据的基础变化数据进行评估，所述异常评估单元用于对呼气检测周期的日检测数据的异常变化数据进行评估，所述综合评估单元用于对基础变化数据和异常变化数据进行综合评估，得到呼气检测周期的综合评估结果，基于综合评估结果设定恢复等级。
进一步地，所述呼气体征检测单元配置有呼气体征检测策略，所述呼气体征检测策略包括：对患者进行呼气检测，获取多次患者呼气数据，提取若干次呼气数据中的肺活量数值；
获取若干肺活量数值的最大值和最小值，将最小值到最大值之间的范围设定为肺活量参照区间；
将肺活量参照区间划分为若干参照子区间，若干参照子区间的数量设置为第一划分数量，将若干肺活量数值根据数值大小划分到若干参照子区间内；
将肺活量数值分布数量最多的参照子区间设定为比对子区间，将比对子区间的中间值作为患者锻炼前的肺活量，将患者锻炼前的肺活量设置为基础参照肺活量。
进一步地，所述肺部数据获取单元用于获取患者锻炼前的肺部扫描数据；所述肺部数据获取单元配置有肺部数据提取策略，所述肺部数据提取策略包括：提取肺部扫描数据中的肺部扫描影像，提取肺部扫描影像中的双肺区域轮廓；
求取双肺区域轮廓的图像面积，将双肺区域轮廓的图像面积通过肺活量转换公式得到扫描参照肺活量；所述肺活量转换公式配置为：
Figure SMS_1
；其中，VCsc为扫描参照肺活量，Sft为双肺区域轮廓的图像面积，r1为图像面积的容量转换系数；r1为常数且r1大于零。
进一步地，所述呼气检测单元配置有呼气检测模型设定策略，所述呼气检测模型设定策略包括：获取基础参照肺活量以及扫描参照肺活量，将基础参照肺活量以及扫描参照肺活量通过检测周期计算公式计算得到呼气检测周期；所述检测周期计算公式配置为：
Figure SMS_2
；其中，Tjc为呼气检测周期，VCjc为基础参照肺活量，T1为标准参照周期；
当Tjc大于等于第一周期阈值时，将Tjc按照第一检测频率进行日检测等分划分；当Tjc大于等于第二周期阈值且小于第一周期阈值时，将Tjc按照第二检测频率进行日检测等分划分；当Tjc小于第二周期阈值时，将Tjc按照第三检测频率进行日检测等分划分；其中，第一检测频率大于第二检测频率，第二检测频率大于第三检测频率。
进一步地，所述呼气校准单元配置有呼气校准策略，所述呼气校准策略包括：对呼气检测周期的日检测数据进行获取，将日检测数据中的若干周期呼气肺活量的最小值和最大值分别设置为周期日检测最小值和周期日检测最大值；
将周期日检测最小值与周期日检测最大值之间的范围设置为周期日检测范围，将周期日检测范围划分为若干周期日检测区间，将若干周期日检测区间的数量设置为第二划分数量；
将若干周期呼气肺活量按照数值大小划分到若干周期日检测区间内，将周期呼气肺活量分布数量最多的周期日检测区间设置为周期日参照区间，将周期日参照区间的中间值设定为周期日检测参照肺活量。
进一步地，所述基础评估单元配置有基础评估策略，所述基础评估策略包括：将呼气检测周期内的周期日检测参照肺活量进行获取，按照呼气检测周期的时间顺序由前至后进行排序；
将排序中前后相邻的两个周期日检测参照肺活量分别设置为前日参照肺活量和后日参照肺活量，依次将后日参照肺活量减去前日参照肺活量得到基础变化值；
统计若干基础变化值中大于零的数量，设定为正向参考数量；统计若干基础变化值中小于等于零的数量，设定为负向参考数量；其中，基础变化数据包括正向参考数量和负向参考数量。
进一步地，所述异常评估单元配置有异常评估策略，所述异常评估策略包括：将呼气检测周期内最后一天获取到的周期日检测参照肺活量减去第一天获取到的周期日检测参照肺活量，得到恢复参考值；
将扫描参照肺活量减去基础参照肺活量得到基础参考差值；
将恢复参考值与基础参考差值相比得到异常评估比值；其中，异常变化数据包括异常评估比值。
进一步地，所述综合评估单元配置有综合评估策略，所述综合评估策略包括：将正向参考数量、负向参考数量以及异常评估比值通过综合评估公式计算得到综合评估参考值；所述综合评估公式配置为：
Figure SMS_3
；其中，Ppg为综合评估参考值，Sz为正向参考数量，Sf为负向参考数量，Byc为异常评估比值；
所述设定第一评估区间、第二评估区间以及第三评估区间，当综合评估参考值处于第一评估区间时，输出一级恢复等级，当综合评估参考值处于第二评估区间时，输出二级恢复等级，当综合评估参考值处于第三评估区间时，输出三级恢复等级。
第二方面，本发明还提供一种基于肺功能锻炼监测模型的恢复评估方法，包括如下步骤：
获取患者锻炼前的肺容量数据；患者锻炼前的肺容量数据包括患者锻炼前的肺活量以及患者锻炼前的肺部扫描数据；
基于患者锻炼前的肺活量以及肺部扫描数据建立呼气检测模型，所述呼气检测模型配置有呼气检测周期，在呼气检测周期内获取患者的周期呼气数据；
提取周期呼气数据中的周期呼气肺活量，对周期呼气肺活量中的数据进行处理，剔除周期呼气肺活量数据中的异常数据，得到校准后的周期呼气肺活量；
基于呼气检测模型对校准后的周期呼气肺活量进行分析，得到评估后的恢复等级；对呼气检测周期的日检测数据的基础变化数据进行评估，对呼气检测周期的日检测数据的异常变化数据进行评估；对基础变化数据和异常变化数据进行综合评估，得到呼气检测周期的综合评估结果，基于综合评估结果设定恢复等级。
本发明的有益效果：本发明通过获取患者锻炼前的肺容量数据；患者锻炼前的肺容量数据包括患者锻炼前的肺活量以及患者锻炼前的肺部扫描数据，该设计的好处在于能够对患者的基础肺活量情况进行搭建，从而能够针对不同恢复程度的患者进行针对性的数据分析；
本发明基于患者锻炼前的肺活量以及肺部扫描数据建立呼气检测模型，呼气检测模型配置有呼气检测周期，在呼气检测周期内获取患者的周期呼气数据；提取周期呼气数据中的周期呼气肺活量，对周期呼气肺活量中的数据进行处理，剔除周期呼气肺活量数据中的异常数据，得到校准后的周期呼气肺活量；该设计能够针对患者的基础肺活量设置不同的呼气检测模型，从而提高对不同患者的呼气检测的精准度，提高数据获取的适配性和有效性；
本发明基于呼气检测模型对校准后的周期呼气肺活量进行分析，得到评估后的恢复等级；对呼气检测周期的日检测数据的基础变化数据进行评估，对呼气检测周期的日检测数据的异常变化数据进行评估；对基础变化数据和异常变化数据进行综合评估，得到呼气检测周期的综合评估结果，基于综合评估结果设定恢复等级，该设计的好处在于通过对呼气数据进行两个维度上的分析，能够提高对肺功能恢复评估的全面性。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本发明的系统的原理框图；
图2为本发明的方法的局部步骤流程图；
图3为本发明的肺活量分布直方图的设置示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一请参阅图1所示，本发明提供一种基于肺功能锻炼监测模型的恢复评估系统，包括体征数据获取模块、呼气检测模块以及评估模块；体征数据获取模块用于获取患者锻炼前的肺容量数据；患者锻炼前的肺容量数据包括患者锻炼前的肺活量以及患者锻炼前的肺部扫描数据；
体征数据获取模块包括呼气体征检测单元以及肺部数据获取单元，呼气体征检测单元用于获取患者锻炼前的肺活量，肺部数据获取单元用于获取患者锻炼前的肺部扫描数据；
呼气体征检测单元配置有呼气体征检测策略，呼气体征检测策略包括：对患者进行呼气检测，获取多次患者呼气数据，提取若干次呼气数据中的肺活量数值；
获取若干肺活量数值的最大值和最小值，将最小值到最大值之间的范围设定为肺活量参照区间；
将肺活量参照区间划分为若干参照子区间，若干参照子区间的数量设置为第一划分数量，将若干肺活量数值根据数值大小划分到若干参照子区间内；若干参照子区间中最大的区间为左右闭合区间，若干参照子区间中除去最大的区间的其他区间为左闭右开区间，第一划分数量设置为10。
将肺活量数值分布数量最多的参照子区间设定为比对子区间，将比对子区间的中间值作为患者锻炼前的肺活量，将患者锻炼前的肺活量设置为基础参照肺活量；在获取比对子区间的过程中，针对若干参照子区间内的肺活量数值的分布情况可以建立肺活量分布直方图，请参阅图3所示，横坐标为肺活量数值，划分标准根据若干参照子区间进行划分，纵坐标为肺活量数值的分布数量，直接从肺活量分布直方图中提取最高的柱状图所在区间，即为比对子区间。
肺部数据获取单元用于获取患者锻炼前的肺部扫描数据；肺部数据获取单元配置有肺部数据提取策略，肺部数据提取策略包括：提取肺部扫描数据中的肺部扫描影像，提取肺部扫描影像中的双肺区域轮廓；求取双肺区域轮廓的图像面积，将双肺区域轮廓的图像面积通过肺活量转换公式得到扫描参照肺活量；肺活量转换公式配置为：
Figure SMS_4
；其中，VCsc为扫描参照肺活量，Sft为双肺区域轮廓的图像面积，r1为图像面积的容量转换系数；r1为常数且r1大于零；在实际换算过程中，扫描图像与实际的人体的大小为1比1，双肺区域轮廓的图像面积单位为平方厘米，按照成年男性肺活量在3000ml，肺部扫描的面积在600平方厘米换算得到r1为5，因此在具体设置时，r1参照数值5进行设置。
呼气检测模块包括呼气检测单元以及呼气校准单元，呼气检测单元用于设定呼气检测模型，呼气检测模型基于患者锻炼前的肺活量以及肺部扫描数据建立呼气检测模型，呼气检测模型配置有呼气检测周期，在呼气检测周期内获取患者的周期呼气数据；
呼气检测单元配置有呼气检测模型设定策略，呼气检测模型设定策略包括：获取基础参照肺活量以及扫描参照肺活量，将基础参照肺活量以及扫描参照肺活量通过检测周期计算公式计算得到呼气检测周期；检测周期计算公式配置为：
Figure SMS_5
；其中，Tjc为呼气检测周期，VCjc为基础参照肺活量，T1为标准参照周期；T1通常设置为30天，将30天作为标准参照周期，扫描参照肺活量为一个正常肺活量的参照数值，如果基础参照肺活量与扫描参照肺活量的差值越大，则肺部的损害越大，对应的恢复周期越长，求取的呼气检测周期越长。
当Tjc大于等于第一周期阈值时，将Tjc按照第一检测频率进行日检测等分划分；当Tjc大于等于第二周期阈值且小于第一周期阈值时，将Tjc按照第二检测频率进行日检测等分划分；当Tjc小于第二周期阈值时，将Tjc按照第三检测频率进行日检测等分划分；其中，第一检测频率大于第二检测频率，第二检测频率大于第三检测频率；在具体实施时，第一周期阈值设置为20，第一检测频率设置为20次/天，第二周期阈值设置为10，第二检测频率设置为15次/天，第三检测频率设置为10次/天，上述设置方式能够根据患者的肺部康复的严重程度进行针对性设置，如果患者的恢复周期长，损害严重，检测频率也需要密集，能够对患者的康复情况进行细致的监控。
呼气校准单元用于提取周期呼气数据中的周期呼气肺活量，对周期呼气肺活量中的数据进行处理，剔除周期呼气肺活量数据中的异常数据，得到校准后的周期呼气肺活量；呼气校准单元配置有呼气校准策略，呼气校准策略包括：对呼气检测周期的日检测数据进行获取，将日检测数据中的若干周期呼气肺活量的最小值和最大值分别设置为周期日检测最小值和周期日检测最大值；
将周期日检测最小值与周期日检测最大值之间的范围设置为周期日检测范围，将周期日检测范围划分为若干周期日检测区间，将若干周期日检测区间的数量设置为第二划分数量；
将若干周期呼气肺活量按照数值大小划分到若干周期日检测区间内，将周期呼气肺活量分布数量最多的周期日检测区间设置为周期日参照区间，将周期日参照区间的中间值设定为周期日检测参照肺活量；其中，剔除的异常数据即为周期日参照区间之外的数据，校准后的周期呼气肺活量为周期日检测参照肺活量。
评估模块用于基于呼气检测模型对校准后的周期呼气肺活量进行分析，得到评估后的恢复等级；评估模块包括基础评估单元、异常评估单元以及综合评估单元，基础评估单元用于对呼气检测周期的日检测数据的基础变化数据进行评估，异常评估单元用于对呼气检测周期的日检测数据的异常变化数据进行评估，综合评估单元用于对基础变化数据和异常变化数据进行综合评估，得到呼气检测周期的综合评估结果，基于综合评估结果设定恢复等级。
基础评估单元配置有基础评估策略，基础评估策略包括：将呼气检测周期内的周期日检测参照肺活量进行获取，按照呼气检测周期的时间顺序由前至后进行排序；
将排序中前后相邻的两个周期日检测参照肺活量分别设置为前日参照肺活量和后日参照肺活量，依次将后日参照肺活量减去前日参照肺活量得到基础变化值；
统计若干基础变化值中大于零的数量，设定为正向参考数量；统计若干基础变化值中小于等于零的数量，设定为负向参考数量；其中，基础变化数据包括正向参考数量和负向参考数量，在统计时，若干基础变化值的数量为相邻两个周期日检测参照肺活量相减后的数值的总数量，如果后一天检测到的周期日检测参照肺活量始终大于前一天检测到的周期日检测参照肺活量，那么肺部恢复情况为好的，此时对于肺部恢复情况来说正向参考数量越大越好，负向参考数量越小越好。
异常评估单元配置有异常评估策略，异常评估策略包括：将呼气检测周期内最后一天获取到的周期日检测参照肺活量减去第一天获取到的周期日检测参照肺活量，得到恢复参考值；
将扫描参照肺活量减去基础参照肺活量得到基础参考差值；
将恢复参考值与基础参考差值相比得到异常评估比值，其中，异常变化数据包括异常评估比值，其中异常评估比值越大表明恢复情况越好；异常评估比值越小，表明恢复参考值与基础参考差值之间的差值越大，恢复量越小，恢复情况也越差；
综合评估单元配置有综合评估策略，综合评估策略包括：将正向参考数量、负向参考数量以及异常评估比值通过综合评估公式计算得到综合评估参考值；综合评估公式配置为：
Figure SMS_6
；其中，Ppg为综合评估参考值，Sz为正向参考数量，Sf为负向参考数量，Byc为异常评估比值；
设定第一评估区间、第二评估区间以及第三评估区间，当综合评估参考值处于第一评估区间时，输出一级恢复等级，当综合评估参考值处于第二评估区间时，输出二级恢复等级，当综合评估参考值处于第三评估区间时，输出三级恢复等级；在具体实施时，参照综合评估参考值的求取过程，综合评估参考值为两个比值的平均值，其中Sz/（Sz+Sf）越趋近于1，表明正向恢复的情况越多，恢复状态也越好，Byc越趋近于1，表明恢复参考值与基础参考差值之间的差值越小，恢复状态也越好，因此第一评估区间的取值范围设置为[0.8，1)，第二评估区间的取值范围设置为[0.5，0.8），第三评估区间的取值范围设置为[0，0.5）。
实施例二请参阅图2所示，本发明还提供一种基于肺功能锻炼监测模型的恢复评估方法，包括如下步骤：
步骤S1，获取患者锻炼前的肺容量数据；患者锻炼前的肺容量数据包括患者锻炼前的肺活量以及患者锻炼前的肺部扫描数据；
步骤S1还包括：步骤S111，对患者进行呼气检测，获取多次患者呼气数据，提取若干次呼气数据中的肺活量数值；
步骤S112，获取若干肺活量数值的最大值和最小值，将最小值到最大值之间的范围设定为肺活量参照区间；
步骤S113，将肺活量参照区间划分为若干参照子区间，若干参照子区间的数量设置为第一划分数量，将若干肺活量数值根据数值大小划分到若干参照子区间内；
步骤S114，将肺活量数值分布数量最多的参照子区间设定为比对子区间，将比对子区间的中间值作为患者锻炼前的肺活量，将患者锻炼前的肺活量设置为基础参照肺活量。
步骤S1还包括：步骤S121，提取肺部扫描数据中的肺部扫描影像，提取肺部扫描影像中的双肺区域轮廓；
步骤S122，求取双肺区域轮廓的图像面积，将双肺区域轮廓的图像面积通过肺活量转换公式得到扫描参照肺活量；肺活量转换公式配置为：
Figure SMS_7
；其中，VCsc为扫描参照肺活量，Sft为双肺区域轮廓的图像面积，r1为图像面积的容量转换系数；r1为常数且r1大于零。
步骤S2，基于患者锻炼前的肺活量以及肺部扫描数据建立呼气检测模型，所述呼气检测模型配置有呼气检测周期，在呼气检测周期内获取患者的周期呼气数据；步骤S2还包括：步骤S21，获取基础参照肺活量以及扫描参照肺活量，将基础参照肺活量以及扫描参照肺活量通过检测周期计算公式计算得到呼气检测周期；检测周期计算公式配置为：
Figure SMS_8
；其中，Tjc为呼气检测周期，VCjc为基础参照肺活量，T1为标准参照周期；
步骤S22，当Tjc大于等于第一周期阈值时，将Tjc按照第一检测频率进行日检测等分划分；当Tjc大于等于第二周期阈值且小于第一周期阈值时，将Tjc按照第二检测频率进行日检测等分划分；当Tjc小于第二周期阈值时，将Tjc按照第三检测频率进行日检测等分划分；其中，第一检测频率大于第二检测频率，第二检测频率大于第三检测频率。
步骤S3，提取周期呼气数据中的周期呼气肺活量，对周期呼气肺活量中的数据进行处理，剔除周期呼气肺活量数据中的异常数据，得到校准后的周期呼气肺活量；
步骤S3还包括：步骤S31，对呼气检测周期的日检测数据进行获取，将日检测数据中的若干周期呼气肺活量的最小值和最大值分别设置为周期日检测最小值和周期日检测最大值；
步骤S32，将周期日检测最小值与周期日检测最大值之间的范围设置为周期日检测范围，将周期日检测范围划分为若干周期日检测区间，将若干周期日检测区间的数量设置为第二划分数量；
步骤S33，将若干周期呼气肺活量按照数值大小划分到若干周期日检测区间内，将周期呼气肺活量分布数量最多的周期日检测区间设置为周期日参照区间，将周期日参照区间的中间值设定为周期日检测参照肺活量。
步骤S4，基于呼气检测模型对校准后的周期呼气肺活量进行分析，得到评估后的恢复等级；对呼气检测周期的日检测数据的基础变化数据进行评估，对呼气检测周期的日检测数据的异常变化数据进行评估；对基础变化数据和异常变化数据进行综合评估，得到呼气检测周期的综合评估结果，基于综合评估结果设定恢复等级。
步骤S4还包括：步骤S411，将呼气检测周期内的周期日检测参照肺活量进行获取，按照呼气检测周期的时间顺序由前至后进行排序；
步骤S412，将排序中前后相邻的两个周期日检测参照肺活量分别设置为前日参照肺活量和后日参照肺活量，依次将后日参照肺活量减去前日参照肺活量得到基础变化值；
步骤S413，统计若干基础变化值中大于零的数量，设定为正向参考数量；统计若干基础变化值中小于等于零的数量，设定为负向参考数量；其中，基础变化数据包括正向参考数量和负向参考数量。
步骤S4还包括：步骤S421，将呼气检测周期内最后一天获取到的周期日检测参照肺活量减去第一天获取到的周期日检测参照肺活量，得到恢复参考值；
步骤S422，将扫描参照肺活量减去基础参照肺活量得到基础参考差值；
步骤S423，将恢复参考值与基础参考差值相比得到异常评估比值；其中，异常变化数据包括异常评估比值。
步骤S4还包括：步骤S431，将正向参考数量、负向参考数量以及异常评估比值通过综合评估公式计算得到综合评估参考值；综合评估公式配置为：
Figure SMS_9
；其中，Ppg为综合评估参考值，Sz为正向参考数量，Sf为负向参考数量，Byc为异常评估比值；
步骤S432，设定第一评估区间、第二评估区间以及第三评估区间，当综合评估参考值处于第一评估区间时，输出一级恢复等级，当综合评估参考值处于第二评估区间时，输出二级恢复等级，当综合评估参考值处于第三评估区间时，输出三级恢复等级。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random AccessMemory，简称SRAM），电可擦除可编程只读存储器（Electrically Erasable ProgrammableRead-Only Memory，简称EEPROM），可擦除可编程只读存储器（Erasable ProgrammableRead Only Memory，简称EPROM），可编程只读存储器（Programmable Red-Only Memory，简称PROM），只读存储器（Read-OnlyMemory，简称ROM），磁存储器，快闪存储器，磁盘或光盘。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其他的方式实现。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，又例如，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通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。

Claims (9)

1.一种基于肺功能锻炼监测模型的恢复评估系统，其特征在于，包括体征数据获取模块、呼气检测模块以及评估模块；所述体征数据获取模块用于获取患者锻炼前的肺容量数据；所述体征数据获取模块包括呼气体征检测单元以及肺部数据获取单元，所述呼气体征检测单元用于获取患者锻炼前的肺活量，所述肺部数据获取单元用于获取患者锻炼前的肺部扫描数据；
所述呼气检测模块包括呼气检测单元以及呼气校准单元，所述呼气检测单元用于设定呼气检测模型，所述呼气检测模型基于患者锻炼前的肺活量以及肺部扫描数据建立呼气检测模型，所述呼气检测模型配置有呼气检测周期，在呼气检测周期内获取患者的周期呼气数据；所述呼气校准单元用于提取周期呼气数据中的周期呼气肺活量，对周期呼气肺活量中的数据进行处理，剔除周期呼气肺活量数据中的异常数据，得到校准后的周期呼气肺活量；
所述评估模块用于基于呼气检测模型对校准后的周期呼气肺活量进行分析，得到评估后的恢复等级；所述评估模块包括基础评估单元、异常评估单元以及综合评估单元，所述基础评估单元用于对呼气检测周期的日检测数据的基础变化数据进行评估，所述异常评估单元用于对呼气检测周期的日检测数据的异常变化数据进行评估，所述综合评估单元用于对基础变化数据和异常变化数据进行综合评估，得到呼气检测周期的综合评估结果，基于综合评估结果设定恢复等级。
2.根据权利要求1所述的一种基于肺功能锻炼监测模型的恢复评估系统，其特征在于，所述呼气体征检测单元配置有呼气体征检测策略，所述呼气体征检测策略包括：对患者进行呼气检测，获取多次患者呼气数据，提取若干次呼气数据中的肺活量数值；
获取若干肺活量数值的最大值和最小值，将最小值到最大值之间的范围设定为肺活量参照区间；
将肺活量参照区间划分为若干参照子区间，若干参照子区间的数量设置为第一划分数量，将若干肺活量数值根据数值大小划分到若干参照子区间内；
将肺活量数值分布数量最多的参照子区间设定为比对子区间，将比对子区间的中间值作为患者锻炼前的肺活量，将患者锻炼前的肺活量设置为基础参照肺活量。
3.根据权利要求2所述的一种基于肺功能锻炼监测模型的恢复评估系统，其特征在于，所述肺部数据获取单元用于获取患者锻炼前的肺部扫描数据；所述肺部数据获取单元配置有肺部数据提取策略，所述肺部数据提取策略包括：提取肺部扫描数据中的肺部扫描影像，提取肺部扫描影像中的双肺区域轮廓；
求取双肺区域轮廓的图像面积，将双肺区域轮廓的图像面积通过肺活量转换公式得到扫描参照肺活量；所述肺活量转换公式配置为：
Figure QLYQS_1
；其中，VCsc为扫描参照肺活量，Sft为双肺区域轮廓的图像面积，r1为图像面积的容量转换系数；r1为常数且r1大于零。
4.根据权利要求3所述的一种基于肺功能锻炼监测模型的恢复评估系统，其特征在于，所述呼气检测单元配置有呼气检测模型设定策略，所述呼气检测模型设定策略包括：获取基础参照肺活量以及扫描参照肺活量，将基础参照肺活量以及扫描参照肺活量通过检测周期计算公式计算得到呼气检测周期；所述检测周期计算公式配置为：
Figure QLYQS_2
；其中，Tjc为呼气检测周期，VCjc为基础参照肺活量，T1为标准参照周期；
当Tjc大于等于第一周期阈值时，将Tjc按照第一检测频率进行日检测等分划分；当Tjc大于等于第二周期阈值且小于第一周期阈值时，将Tjc按照第二检测频率进行日检测等分划分；当Tjc小于第二周期阈值时，将Tjc按照第三检测频率进行日检测等分划分；其中，第一检测频率大于第二检测频率，第二检测频率大于第三检测频率。
5.根据权利要求4所述的一种基于肺功能锻炼监测模型的恢复评估系统，其特征在于，所述呼气校准单元配置有呼气校准策略，所述呼气校准策略包括：对呼气检测周期的日检测数据进行获取，将日检测数据中的若干周期呼气肺活量的最小值和最大值分别设置为周期日检测最小值和周期日检测最大值；
将周期日检测最小值与周期日检测最大值之间的范围设置为周期日检测范围，将周期日检测范围划分为若干周期日检测区间，将若干周期日检测区间的数量设置为第二划分数量；
将若干周期呼气肺活量按照数值大小划分到若干周期日检测区间内，将周期呼气肺活量分布数量最多的周期日检测区间设置为周期日参照区间，将周期日参照区间的中间值设定为周期日检测参照肺活量。
6.根据权利要求5所述的一种基于肺功能锻炼监测模型的恢复评估系统，其特征在于，所述基础评估单元配置有基础评估策略，所述基础评估策略包括：将呼气检测周期内的周期日检测参照肺活量进行获取，按照呼气检测周期的时间顺序由前至后进行排序；
将排序中前后相邻的两个周期日检测参照肺活量分别设置为前日参照肺活量和后日参照肺活量，依次将后日参照肺活量减去前日参照肺活量得到基础变化值；
统计若干基础变化值中大于零的数量，设定为正向参考数量；统计若干基础变化值中小于等于零的数量，设定为负向参考数量；其中，基础变化数据包括正向参考数量和负向参考数量。
7.根据权利要求6所述的一种基于肺功能锻炼监测模型的恢复评估系统，其特征在于，所述异常评估单元配置有异常评估策略，所述异常评估策略包括：将呼气检测周期内最后一天获取到的周期日检测参照肺活量减去第一天获取到的周期日检测参照肺活量，得到恢复参考值；
将扫描参照肺活量减去基础参照肺活量得到基础参考差值；
将恢复参考值与基础参考差值相比得到异常评估比值；其中，异常变化数据包括异常评估比值。
8.根据权利要求7所述的一种基于肺功能锻炼监测模型的恢复评估系统，其特征在于，所述综合评估单元配置有综合评估策略，所述综合评估策略包括：将正向参考数量、负向参考数量以及异常评估比值通过综合评估公式计算得到综合评估参考值；所述综合评估公式配置为：
Figure QLYQS_3
；其中，Ppg为综合评估参考值，Sz为正向参考数量，Sf为负向参考数量，Byc为异常评估比值；
设定第一评估区间、第二评估区间以及第三评估区间，当综合评估参考值处于第一评估区间时，输出一级恢复等级，当综合评估参考值处于第二评估区间时，输出二级恢复等级，当综合评估参考值处于第三评估区间时，输出三级恢复等级。
9.适用于权利要求1-8任意一项所述的基于肺功能锻炼监测模型的恢复评估系统的方法，其特征在于，包括如下步骤：
获取患者锻炼前的肺容量数据；患者锻炼前的肺容量数据包括患者锻炼前的肺活量以及患者锻炼前的肺部扫描数据；
基于患者锻炼前的肺活量以及肺部扫描数据建立呼气检测模型，所述呼气检测模型配置有呼气检测周期，在呼气检测周期内获取患者的周期呼气数据；
提取周期呼气数据中的周期呼气肺活量，对周期呼气肺活量中的数据进行处理，剔除周期呼气肺活量数据中的异常数据，得到校准后的周期呼气肺活量；
基于呼气检测模型对校准后的周期呼气肺活量进行分析，得到评估后的恢复等级；对呼气检测周期的日检测数据的基础变化数据进行评估，对呼气检测周期的日检测数据的异常变化数据进行评估；对基础变化数据和异常变化数据进行综合评估，得到呼气检测周期的综合评估结果，基于综合评估结果设定恢复等级。
CN202310426394.6A 2023-04-20 2023-04-20 一种基于肺功能锻炼监测模型的恢复评估方法及系统 Active CN116153517B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310426394.6A CN116153517B (zh) 2023-04-20 2023-04-20 一种基于肺功能锻炼监测模型的恢复评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310426394.6A CN116153517B (zh) 2023-04-20 2023-04-20 一种基于肺功能锻炼监测模型的恢复评估方法及系统

Publications (2)

Publication Number Publication Date
CN116153517A true CN116153517A (zh) 2023-05-23
CN116153517B CN116153517B (zh) 2023-06-20

Family

ID=86341058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310426394.6A Active CN116153517B (zh) 2023-04-20 2023-04-20 一种基于肺功能锻炼监测模型的恢复评估方法及系统

Country Status (1)

Country Link
CN (1) CN116153517B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110782992A (zh) * 2019-10-31 2020-02-11 刘剑 基于心电信号的康复效果量化评估智能实现方法及系统
CN111062579A (zh) * 2019-11-25 2020-04-24 泰康保险集团股份有限公司 任务生成方法及装置、存储介质及电子设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110782992A (zh) * 2019-10-31 2020-02-11 刘剑 基于心电信号的康复效果量化评估智能实现方法及系统
CN111062579A (zh) * 2019-11-25 2020-04-24 泰康保险集团股份有限公司 任务生成方法及装置、存储介质及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曾春来: "采用定性法和定量法评估肺康复后生活质量", 国外医学.物理医学与康复学分册, no. 03 *

Also Published As

Publication number Publication date
CN116153517B (zh) 2023-06-20

Similar Documents

Publication Publication Date Title
US7025729B2 (en) Apparatus for detecting sleep apnea using electrocardiogram signals
US20120220846A1 (en) System and method for diagnosing sleep apnea
JP6199312B2 (ja) チェーンストークス呼吸パターンの判別
CN110246577B (zh) 一种基于人工智能辅助妊娠期糖尿病遗传风险预测的方法
CN108597601A (zh) 基于支持向量机的慢性阻塞性肺疾病诊断辅助系统及方法
CN108024730A (zh) 使用数学分析和机器学习来诊断疾病的方法和系统
CN116612891B (zh) 一种慢性病患者数据处理系统
CN112675393A (zh) 一种呼吸机撤机管理系统及方法
CN115115620B (zh) 一种基于深度学习的肺炎病变模拟方法及系统
Zhang et al. A novel encoding Lempel–Ziv complexity algorithm for quantifying the irregularity of physiological time series
CN112932448A (zh) 基于整体关联医学逻辑的肝、胆癌癌细胞术后监测仪及使用方法
WO2005084539A1 (en) System and method for prebalancing electrical properties to diagnose disease
CN116153517B (zh) 一种基于肺功能锻炼监测模型的恢复评估方法及系统
CN113729648B (zh) 一种基于多脉搏传感器的穿戴式脉诊手环系统
CN117497181A (zh) 一种基于人工智能的慢性病信息管理系统
CN113362944A (zh) 一种基于机器学习的功能性消化不良和针刺疗效的预测
KR20200025717A (ko) 폐음을 이용한 폐 정보 획득 방법, 그 장치 및 그 프로그램
CN115414026A (zh) 一种基于流速波形的呼吸自动切分方法及其系统
CN110265118A (zh) 一种肺部影像诊断报告质量的评估方法和系统
CN112562851B (zh) 一种口腔癌颈部淋巴转移诊断算法的构建方法及系统
CN111588359B (zh) 一种新冠肺炎预警系统
CN111466877B (zh) 一种基于lstm网络的氧减状态预测方法
CN110021438A (zh) 人体营养状态辅助诊断系统及方法
Dunitz et al. Predicting hyperlactatemia in the MIMIC II database
Saadi et al. Low-cost ecg monitoring system with classification using deep learning

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