CN116488297A - 体外充电器及其充电方法、存储介质及程序产品 - Google Patents
体外充电器及其充电方法、存储介质及程序产品 Download PDFInfo
- Publication number
- CN116488297A CN116488297A CN202310484061.9A CN202310484061A CN116488297A CN 116488297 A CN116488297 A CN 116488297A CN 202310484061 A CN202310484061 A CN 202310484061A CN 116488297 A CN116488297 A CN 116488297A
- Authority
- CN
- China
- Prior art keywords
- charging
- parameter set
- efficiency
- charger
- charging efficiency
- 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
- 238000007600 charging Methods 0.000 title claims abstract description 790
- 238000000034 method Methods 0.000 title claims abstract description 213
- 238000000338 in vitro Methods 0.000 title claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 141
- 239000007943 implant Substances 0.000 claims abstract description 64
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000012549 training Methods 0.000 claims description 77
- 238000004590 computer program Methods 0.000 claims description 39
- 238000013136 deep learning model Methods 0.000 claims description 37
- 238000002372 labelling Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000000638 stimulation Effects 0.000 description 43
- 239000003826 tablet Substances 0.000 description 15
- 230000009286 beneficial effect Effects 0.000 description 14
- 230000000694 effects Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 14
- 210000004556 brain Anatomy 0.000 description 11
- 238000013473 artificial intelligence Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 9
- 230000003993 interaction Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 210000005036 nerve Anatomy 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 230000007383 nerve stimulation Effects 0.000 description 4
- 238000013256 Gubra-Amylin NASH model Methods 0.000 description 3
- 208000002193 Pain Diseases 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 208000035475 disorder Diseases 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000036407 pain Effects 0.000 description 3
- 210000000278 spinal cord Anatomy 0.000 description 3
- 208000021384 Obsessive-Compulsive disease Diseases 0.000 description 2
- 208000027089 Parkinsonian disease Diseases 0.000 description 2
- 206010034010 Parkinsonism Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 210000005013 brain tissue Anatomy 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005674 electromagnetic induction Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 208000024714 major depressive disease Diseases 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010003805 Autism Diseases 0.000 description 1
- 208000020706 Autistic disease Diseases 0.000 description 1
- 208000020925 Bipolar disease Diseases 0.000 description 1
- 208000023105 Huntington disease Diseases 0.000 description 1
- 208000026139 Memory disease Diseases 0.000 description 1
- 208000019695 Migraine disease Diseases 0.000 description 1
- 208000019022 Mood disease Diseases 0.000 description 1
- 208000016285 Movement disease Diseases 0.000 description 1
- 208000008238 Muscle Spasticity Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 208000018737 Parkinson disease Diseases 0.000 description 1
- 208000028017 Psychotic disease Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 238000010280 constant potential charging Methods 0.000 description 1
- 238000010277 constant-current charging Methods 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000012377 drug delivery Methods 0.000 description 1
- 206010013663 drug dependence Diseases 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 201000006517 essential tremor Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 239000003562 lightweight material Substances 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 206010027599 migraine Diseases 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 210000000578 peripheral nerve Anatomy 0.000 description 1
- 208000028173 post-traumatic stress disease Diseases 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 208000018198 spasticity Diseases 0.000 description 1
- 238000002672 stereotactic surgery Methods 0.000 description 1
- 208000011117 substance-related disease Diseases 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000001515 vagal effect Effects 0.000 description 1
- 210000001186 vagus nerve Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/00032—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange
- H02J7/00036—Charger exchanging data with battery
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
- H02J50/10—Circuit arrangements or systems for wireless supply or distribution of electric power using inductive coupling
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0029—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with safety or protection devices or circuits
- H02J7/0036—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with safety or protection devices or circuits using connection detecting circuits
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Electrotherapy Devices (AREA)
Abstract
本申请提供了体外充电器的充电方法、体外充电器、计算机可读存储介质及计算机程序产品,所述体外充电器用于为植入患者体内的植入物充电,所述方法包括:S1:接收来自终端设备的充电参数集合,所述充电参数集合包括充电频率和/或充电电压;S2:根据所述充电参数集合,控制所述体外充电器为所述植入物充电;S3:在充电过程中,获取反馈参数集合,所述反馈参数集合包括充电效率和/或充电温度;S4:将所述反馈参数集合发送至所述终端设备。本申请能够通过终端设备调整体外充电器的充电参数,且可实现使用者对充电过程的实时监控,实现无线远程手动调节充电参数,实现手动可调、可控的充电,达到患者想要的充电状态。
Description
技术领域
本申请涉及植入式医疗器械、充电器的技术领域,尤其涉及体外充电器的充电方法、体外充电器、计算机可读存储介质及计算机程序产品。
背景技术
随着科技发展和社会进步,患者渴望通过各种治疗手段来提高生命质量,其中医疗器械,尤其是植入式医疗器械的应用前景非常广阔。用于进行脑深部电刺激治疗的脑深部电刺激系统通常包括脉冲发生器(即IPG,一种植入物),脉冲发生器一般是植入人体的表层组织中,并通过延伸导线连接电极导线。脉冲发生器具有内置的充电电池,当电池电量低时,需要对电池进行充电,而对该电池充电的方法采用电磁感应线圈无线充电的方式,隔着人体皮肤或其他表皮组织进行充电。
由于体外充电器之间具有一定的差异性,以及每个使用者(通常为患者自己,有时可能为患者的陪护人员)的充电习惯之间也具有一定的差异性,因此,采用固定的充电参数(例如充电频率、充电电压等)进行充电时,对于不同批次的产品和不同的使用者的组合,其充电效率也具有较大差异性。
基于此,本申请提供了体外充电器的充电方法、体外充电器、计算机可读存储介质及计算机程序产品,以改进现有技术。
发明内容
本申请的目的在于提供体外充电器的充电方法、体外充电器、计算机可读存储介质及计算机程序产品,能够通过终端设备调整体外充电器的充电参数,且可实现使用者对充电过程的实时监控。
本申请的目的采用以下技术方案实现:
第一方面,本申请提供了一种体外充电器的充电方法,所述体外充电器用于为植入患者体内的植入物充电,所述方法包括:
S1:接收来自终端设备的充电参数集合,所述充电参数集合包括充电频率和/或充电电压;
S2:根据所述充电参数集合,控制所述体外充电器为所述植入物充电;
S3:在充电过程中,获取反馈参数集合,所述反馈参数集合包括充电效率和/或充电温度;
S4:将所述反馈参数集合发送至所述终端设备,以实现使用者对充电过程的实时监控。
该技术方案的有益效果在于:能够通过终端设备调整体外充电器的充电参数,且可实现使用者对充电过程的实时监控,实现无线远程手动调节充电参数,实现手动可调、可控的充电,达到患者想要的充电状态。具体而言,通过将充电参数设置为可控制的参数,使使用者可以根据实际情况和需求调整充电参数,从而实现个性化的充电过程,提高充电效率与安全性。同时,通过实时监控充电过程中的充电效率和充电温度,使用者能够有效地发现和处理充电过程中可能出现的问题,进一步确保充电过程的稳定和安全。通过本申请提供的技术方案,可以实现医生、患者和陪护人员对植入式医疗器械充电过程的无线远程实时监控和参数调整,从而提高充电效率、安全性以及患者的生活质量。在此基础上,通过收集和分析大量患者的充电数据,可以进一步优化充电参数设定,为不同批次的产品(即体外充电器)和不同的使用者的组合分别提供最佳的充电参数,实现差异化的最佳充电状态。
在一些可能的实现方式中,在S1之前,所述方法还包括:
S5:通过所述终端设备接收参数配置操作,以得到所述充电参数集合。
该技术方案的有益效果在于:在S5步骤中,通过终端设备接收参数配置操作以得到充电参数集合,使得医生、患者或陪护人员能够根据实际需求和条件,直接在终端设备上进行充电参数的设置和调整。这样做的好处是,增强医生、患者和陪护人员在充电过程中的主动性和自主权,使他们能够根据具体情况灵活调整充电参数,提高充电效率和舒适度;允许医生、患者和陪护人员自主设置充电参数,有助于发现和解决个体差异导致的充电效果不佳等问题,从而进一步提高患者的生活质量;这种方法简化了充电参数调整的操作流程,降低了技术门槛,使得普通患者和陪护人员也能轻松掌握并运用,提高了患者对植入式医疗器械的接受度和满意度。综上所述,通过在S1之前增加S5步骤,使得医生、患者和陪护人员能够更加便捷、灵活地进行充电参数的配置。
在一些可能的实现方式中,在S4之后,所述方法还包括:
S6:根据所述反馈参数集合,检测是否需要调整所述充电参数集合;如果需要,则执行S7;如果不需要,则执行S3;
S7:在所述终端设备上显示提示信息,以提示所述使用者调整所述充电参数集合;执行S5。
该技术方案的有益效果在于:在S6和S7步骤中,根据反馈参数集合检测是否需要调整充电参数集合,并在需要调整时在终端设备上显示提示信息,使得使用者能够更加快速地发现和处理充电过程中的问题。这样做的好处是,通过实时监测充电过程中的参数变化,可以更加准确地判断充电效果和安全性,从而在第一时间发现并解决潜在的问题;当检测到需要调整充电参数集合时,及时在终端设备上显示提示信息,提高了使用者对充电过程中问题的认识和处理能力,降低了因为操作不当导致的安全风险;通过执行S5步骤,使用终端设备对充电参数集合进行调整,能够针对实时监测到的问题进行有针对性的处理。
在一些可能的实现方式中,检测是否需要调整所述充电参数集合的过程包括:
根据所述反馈参数集合,分别检测每个所述反馈参数是否处于自身对应的预设数值范围;
当一个或多个所述反馈参数不处于自身对应的预设数值范围时,确认需要调整所述充电参数集合;
当所有反馈参数均处于自身对应的预设数值范围时,确认不需要调整所述充电参数集合。
该技术方案的有益效果在于:通过对反馈参数集合中的每个参数进行检测,判断其是否处于自身对应的预设数值范围,可以更加精确地确定充电过程中是否存在异常情况。这样做的好处是,在充电过程中实现对每个反馈参数的实时检测,使得使用者能够快速了解充电过程的状态,及时发现潜在问题;通过比较反馈参数与预设数值范围,可以准确地评估充电效率、安全性以及舒适性,帮助患者和陪护人员找到最佳的充电参数设置;当检测到一个或多个反馈参数不处于自身对应的预设数值范围时,及时确认需要调整第—充电参数集合,有助于降低因参数异常导致的充电风险;当所有反馈参数均处于自身对应的预设数值范围时,确认不需要调整充电参数集合,有助于保持充电过程的稳定性,避免频繁调整参数对患者造成不必要的困扰。综上所述,通过上述检测过程,可以更加准确地判断充电过程中是否存在异常情况。
在一些可能的实现方式中,获取所述充电效率对应的预设数值范围的过程包括:
获取所述体外充电器与所述植入物之间的充电距离;
将所述充电距离对应的预设充电效率范围作为所述充电效率对应的预设数值范围。
该技术方案的有益效果在于:通过获取体外充电器与植入物之间的充电距离,将充电距离对应的预设充电效率范围作为充电效率对应的预设数值范围,可以更为精确地评估充电效率,从而为参数调整提供更有针对性的依据。具体而言,充电距离是影响充电效率的重要因素,不同的充电距离对应着不同的预设充电效率范围。通过实时获取充电距离,可以根据实际情况确定充电效率对应的预设数值范围,从而更准确地评估充电过程中的充电效率。这样做的好处是,可以有效地避免因充电距离变化导致的充电效率降低,提高充电过程的稳定性;有助于降低因充电距离异常导致的充电风险,保障患者的安全;为使用者提供了更为精确的充电效率评估依据,有助于优化充电参数设置,进一步提高充电效率。综上所述,通过上述获取充电效率对应的预设数值范围的过程,可以更加准确地评估充电效率是否达标,从而有针对性地进行参数调整。
在一些可能的实现方式中,获取所述充电效率的过程包括:
在充电过程中,获取所述体外充电器的充电电压和充电电流以及所述植入物在单位时间内的电量变化量;
根据所述充电电压、所述充电电流和所述电量变化量,获取所述充电效率。
该技术方案的有益效果在于:通过在充电过程中获取体外充电器的充电电压和充电电流以及植入物在单位时间内的电量变化量,并根据这些参数获取充电效率,可以更加准确地评估充电过程的效果。具体而言,实时监测充电电压、充电电流和电量变化量以便计算充电效率,数据实时性高,计算结果可靠程度高。
在一些可能的实现方式中,所述根据所述充电电压、所述充电电流和所述电量变化量,获取所述充电效率,包括:
将所述充电电压、所述充电电流和所述电量变化量输入充电效率模型,以得到所述充电效率;
所述充电效率模型的训练过程包括:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括样本充电电压、样本充电电流、样本电量变化量以及标注充电效率;
针对每个所述训练数据,执行以下处理:
将所述训练数据中的样本充电电压、样本充电电流和样本电量变化量输入预设的深度学习模型,以得到预测充电效率;
根据所述预测充电效率和所述标注充电效率,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的所述深度学习模型作为所述充电效率模型;如果否,则继续使用下一个所述训练数据训练所述深度学习模型。
该技术方案的有益效果在于:根据充电电压、充电电流和电量变化量输入充电效率模型以获取充电效率,并利用深度学习模型进行训练和优化。具体而言,通过深度学习模型的训练过程,充电效率模型可以根据大量的训练数据进行自动优化,提高预测充电效率的准确性,相比传统的基于规则的方法,深度学习模型具有更强的泛化能力,可以更好地适应不同充电条件和设备特性;随着训练数据量的增加,深度学习模型可以不断地自我调整和优化,提高预测充电效率的准确性,这意味着充电效率模型具有较强的自适应性,可以适应不同患者的具体情况和设备特性;通过将充电电压、充电电流和电量变化量实时输入充电效率模型,可以实时得到充电效率,及时发现并解决充电过程中可能出现的问题,从而提高充电过程的安全性和效率;通过不断地对深度学习模型进行训练和优化,可以不断改进充电效率模型,使其在不同充电条件和设备特性下都能够保持较高的预测准确性,有助于进一步提高充电过程的效率、安全性以及患者的生活质量。综上所述,利用深度学习模型获取充电效率,可以更加准确地评估充电过程的效果,并具有较强的自适应性和实时性,有助于进一步提高充电效率、安全性以及患者的生活质量。
第二方面,本申请提供了一种体外充电器,所述体外充电器用于为植入患者体内的植入物充电,所述体外充电器包括存储器和至少一个处理器,所述存储器存储有计算机程序,所述至少一个处理器被配置成执行所述计算机程序时实现以下步骤:
S1:接收来自终端设备的充电参数集合,所述充电参数集合包括充电频率和/或充电电压;
S2:根据所述充电参数集合,控制所述体外充电器为所述植入物充电;
S3:在充电过程中,获取反馈参数集合,所述反馈参数集合包括充电效率和/或充电温度;
S4:将所述反馈参数集合发送至所述终端设备,以实现使用者对充电过程的实时监控。
该技术方案的有益效果在于:体外充电器通过执行计算机程序实现了植入物的充电以及实时监控。具体而言,通过接收终端设备传来的充电参数集合(包括充电频率和/或充电电压),体外充电器可以根据患者的具体需求和植入物的特性进行个性化充电,提高充电效率和安全性;在充电过程中,体外充电器可以获取反馈参数集合(包括充电效率和/或充电温度),并将这些参数实时发送至终端设备,这使得使用者可以实时监控充电过程,及时发现并解决可能出现的问题,提高充电过程的安全性和效率;在充电过程中,如果监控到的充电效率或充电温度出现异常,使用者可以根据实时监控数据迅速调整充电参数,从而优化充电过程,提高充电效率和安全性;通过将反馈参数集合发送至终端设备,可以为充电过程的数据记录和分析提供依据,有助于进一步优化充电策略,提高充电效率,降低充电风险;由于实时监控数据可以在终端设备上展示,患者和使用者可以直观地了解充电过程的状态,提高患者的信心和满意度。综上所述,本申请提供了一个能够实现个性化充电和实时监控的体外充电器,可以提高植入物充电的效率和安全性,同时增强患者和使用者(例如是医生、患者、陪护人员)的使用体验。
第三方面,本申请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存储有计算机程序,所述计算机程序被至少一个处理器执行时实现上述任一项方法的步骤或者实现上述任一项体外充电器的功能。
第四方面,本申请提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被至少一个处理器执行时实现上述任一项方法的步骤或者实现上述任一项体外充电器的功能。
附图说明
下面结合说明书附图和具体实施方式进一步说明本申请。
图1是本申请实施例提供的一种体外充电器的充电方法的流程示意图。
图2是本申请实施例提供的一种体外充电器的结构框图。
图3是本申请实施例提供的一种控制模块的结构框图。
图4是本申请实施例提供的一种计算机程序产品的结构示意图。
具体实施方式
下面将结合本申请的说明书附图以及具体实施方式,对本申请中的技术方案进行描述,需要说明的是,在不相冲突的前提下,以下描述的各实施方式之间或各技术特征之间可以任意组合形成新的实施方式。
本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施方式或设计方案不应被解释为比其他实施方式或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本申请实施例的说明书和权利要求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,以便这里描述的本申请实施例例如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“对应于”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。
下面对本申请实施例的技术领域和相关术语进行简单说明。
植入式医疗系统包括植入式神经电刺激系统、植入式心脏电刺激系统(又称心脏起搏器)、植入式药物输注系统(Implantable Drug Delivery System,简称I DDS)和导线转接系统等。植入式神经电刺激系统例如是脑深部电刺激系统(Deep Brain Stimulation,简称DBS)、植入式脑皮层刺激系统(Cortical Nerve Stimulation,简称CNS)、植入式脊髓电刺激系统(Spinal Cord Stimulation,简称SCS)、植入式骶神经电刺激系统(SacralNerve Stimulation,简称SNS)、植入式迷走神经电刺激系统(Vagus Nerve Stimulation,简称VNS)等。
植入式神经电刺激系统包括植入患者体内的刺激器(即植入式神经刺激器,一种神经刺激装置)以及设置于患者体外的程控设备。也就是说,刺激器是一种植入物,或者说,植入物包括刺激器。相关的神经调控技术主要是通过立体定向手术在生物体的组织的特定部位(即靶点)植入电极(电极例如是电极导线的形式),经电极向靶点发放电脉冲,调控相应神经结构和网络的电活动及其功能,从而改善症状、缓解病痛。其中,刺激器可以包括IPG、延伸导线和电极导线,IPG(implantable pulse generator,植入式脉冲发生器)设置于患者体内,响应于程控设备发送的程控指令,依靠密封电池和电路向体内组织提供可控制的电刺激能量。IPG通过延伸导线和电极导线,为体内组织的特定区域递送一路或多路可控制的特定电刺激。延伸导线配合IPG使用,作为电刺激信号的传递媒体,将IPG产生的电刺激信号,传递给电极导线。电极导线通过多个电极触点,向体内组织的特定区域递送电刺激。刺激器设置有单侧或双侧的一路或多路电极导线,电极导线上设置有多个电极触点,电极触点可以均匀排列或者非均匀排列在电极导线的周向上。作为一个示例,电极触点可以以4行3列的阵列(共计12个电极触点)排列在电极导线的周向上。电极触点可以包括刺激电极触点和/或采集电极触点。电极触点例如可以采用片状、环状、点状等形状。
在一些实施例中,受刺激的体内组织可以是患者的脑组织,受刺激的部位可以是脑组织的特定部位。当患者的疾病类型不同时,受刺激的部位一般来说是不同的,所使用的刺激触点(单源或多源)的数量、一路或多路(单通道或多通道)特定电刺激信号的运用以及刺激参数数据也是不同的。本申请实施例对适用的疾病类型不做限定,其可以是脑深部刺激(DBS)、脊髓刺激(SCS)、骨盆刺激、胃刺激、外周神经刺激、功能性电刺激所适用的疾病类型。其中,DBS可以用于治疗或管理的疾病类型包括但不限于:痉挛疾病(例如,癫痫)、疼痛、偏头痛、精神疾病(例如,重度抑郁症(MDD))、躁郁症、焦虑症、创伤后压力心理障碍症、轻郁症、强迫症(OCD)、行为障碍、情绪障碍、记忆障碍、心理状态障碍、移动障碍(例如,特发性震颤或帕金森氏病)、亨廷顿病、阿尔茨海默症、药物成瘾症、孤独症或其他神经学或精神科疾病和损害。
本申请实施例中,程控设备和刺激器建立程控连接时,可以利用程控设备调整刺激器的刺激参数(或者说脉冲发生器的刺激参数,不同的刺激参数所对应的电刺激信号不同),也可以通过刺激器感测患者的电生理活动以采集得到电生理信号,并可以通过所采集到的电生理信号来继续调整刺激器的刺激参数。
刺激参数可以包括以下至少一种:用于递送电刺激的电极触点标识(例如可以是2#电极触点和3#电极触点)、频率(例如是单位时间1s内的电刺激脉冲信号个数,单位为Hz)、脉宽(每个脉冲的持续时间,单位为μs)、幅值(一般用电压表述,即每个脉冲的强度,单位为V)、时序(例如可以是连续或者簇发,簇发是指多个过程组成的不连续的时序行为)、刺激模式(包括电流模式、电压模式、定时刺激模式和循环刺激模式中的一种或多种)、医生控制上限及下限(医生可调节的范围)和患者控制上限及下限(患者可自主调节的范围)
在一个具体应用场景中,可以在电流模式或者电压模式下对刺激器的各刺激参数进行调节。
程控设备可以是医生程控设备(即医生使用的程控设备)或者患者程控设备(即患者使用的程控设备)。医生程控设备例如可以是搭载有程控软件的平板电脑、笔记本电脑、台式计算机、手机等智能终端设备。患者程控设备例如可以是搭载有程控软件的平板电脑、笔记本电脑、台式计算机、手机等智能终端设备,患者程控设备还可以是其他具有程控功能的电子设备(例如是具有程控功能的充电器、数据采集设备等)。
本申请实施例对医生程控设备和刺激器的数据交互不进行限制,当医生远程程控时,医生程控设备可以通过服务器、患者程控设备与刺激器进行数据交互。当医生线下和患者面对面进行程控时,医生程控设备可以通过患者程控设备与刺激器进行数据交互,医生程控设备还可以直接与刺激器进行数据交互。
在一些实施例中,患者程控设备可以包括(与服务器通信的)主机和(与刺激器通信的)子机,主机和子机可通信地连接。其中,医生程控设备可以通过3G/4G/5G网络与服务器进行数据交互,服务器可以通过3G/4G/5G网络与主机进行数据交互,主机可以通过蓝牙协议/WIFI协议/USB协议与子机进行数据交互,子机可以通过401MHz-406MHz工作频段/2.4GHz-2.48GHz工作频段与刺激器进行数据交互,医生程控设备可以通过401MHz-406MHz工作频段/2.4GHz-2.48GHz工作频段与刺激器直接进行数据交互。
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。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。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、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。
机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。计算机程序可以在给定某种类别的任务T和性能度量P下学习经验E,如果其在任务T中的性能恰好可以用P度量,则随着经验E而提高。机器学习专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。
深度学习是一种特殊的机器学习,通过学习将世界使用嵌套的概念层次来表示并实现巨大的功能和灵活性,其中每个概念都定义为与简单概念相关联,而更为抽象的表示则以较不抽象的方式来计算。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
随着科技发展和社会进步,患者渴望通过各种治疗手段来提高生命质量,其中医疗器械,尤其是植入式医疗器械的应用前景非常广阔。用于进行脑深部电刺激治疗的脑深部电刺激系统通常包括脉冲发生器(即IPG,一种植入物),脉冲发生器一般是植入人体的表层组织中,并通过延伸导线连接电极导线。脉冲发生器具有内置的充电电池,当电池电量低时,需要对电池进行充电,而对该电池充电的方法采用电磁感应线圈无线充电的方式,隔着人体皮肤或其他表皮组织进行充电。
由于体外充电器之间具有一定的差异性,以及每个使用者(通常为患者自己,有时可能为患者的陪护人员)的充电习惯之间也具有一定的差异性,因此,采用固定的充电参数(例如充电频率、充电电压等)进行充电时,对于不同批次的产品和不同的使用者的组合,其充电效率也具有较大差异性。
现有技术中,虽然存在针对充电参数进行调整的充电方案,但是无法实现无线远程手动调节充电参数,无法实现手动可调、可控的充电,达不到患者想要的最佳充电状态。
基于此,本申请提供了体外充电器的充电方法、体外充电器、计算机可读存储介质及计算机程序产品,以改进现有技术。
除了上述植入式医疗器械的应用领域,本申请实施例还可以应用于其他医疗器械甚至非医疗器械的技术领域,本申请实施例不对此设限,且程控设备发送至刺激器的指令可以不局限于程控指令。
本申请实施例提供的方案涉及植入式医疗器械、脑深部电刺激、人工智能、云计算等技术,具体通过如下实施例进行说明。需要说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
(体外充电器的充电方法)
参见图1,图1是本申请实施例提供的一种体外充电器的充电方法的流程示意图。
本申请实施例提供了一种体外充电器的充电方法,所述体外充电器用于为植入患者体内的植入物充电,所述方法包括:
S1:接收来自终端设备的充电参数集合,所述充电参数集合包括充电频率和/或充电电压;
S2:根据所述充电参数集合,控制所述体外充电器为所述植入物充电;
S3:在充电过程中,获取反馈参数集合,所述反馈参数集合包括充电效率和/或充电温度;
S4:将所述反馈参数集合发送至所述终端设备,以实现使用者对充电过程的实时监控。
所述充电方法可以在体外充电器上运行,体外充电器和(使用者使用的)终端设备可以各自独立,体外充电器也可以和终端设备结合为一体。当体外充电器和终端设备各自独立时,体外充电器可以是具有计算能力的充电设备。
本申请实施例对终端设备不作限定,其例如可以是手机、平板电脑、笔记本电脑、台式计算机、智能穿戴设备等具有显示屏、麦克风、扬声器的智能终端设备,或者,也可以是具有显示屏、麦克风、扬声器的工作站或者控制台。显示屏可以是触控显示屏或者非触控显示屏。当体外充电器和终端设备结合为一体时,体外充电器可以具有显示屏、麦克风、扬声器、按钮、旋钮、滑动开关等组件。
本申请实施例中,体外充电器是一个无线充电设备,用于为患者体内的植入物充电。
本申请实施例对植入物不作限定,其例如可以是刺激器、心脏起搏器等。
本申请实施例对使用者不作限定,其例如可以是患者本人、医生、陪护人员等,可以通过终端设备实时监控充电过程。需要注意的是,本申请实施例中的使用者是指体外充电器的使用者,不能等同于植入物的使用者(即患者本人)。
本申请实施例中,充电参数集合可以包括充电频率和充电电压中的一种或多种,还可以包括充电模式、充电时间等。
本申请实施例对充电频率不作限定,其例如可以是10kHz、15kHz、20kHz、25kHz、30kHz、40kHz、50kHz、60kHz、70kHz、80kHz、100kHz、120kHz等。
本申请实施例对充电电压不作限定,其例如可以是1V、1.5V、2V、2.2V、2.5V、3V、4V、5V、6V、8V等。
本申请实施例对充电模式不作限定,其例如可以是快速充电或普通充电。
本申请实施例对充电时间不作限定,其例如可以是30分钟、60分钟、2小时等。
充电效率可以采用百分数来表示,例如10%、15%、18%、20%、25%、30%、45%、50%、70%等。或者,充电效率也可以采用0-1之间的小数来表示,例如0.1、0.15、0.18、0.2、0.25、0.3、0.45、0.5、0.7等。
充电温度可以采用摄氏度来表示,例如20摄氏度、25摄氏度、37摄氏度、38摄氏度、40摄氏度、45摄氏度等。或者,充电温度也可以采用华氏度来表示。
作为一个示例,在步骤S3中,在充电过程中,每隔第一预设时长,获取反馈参数集合。第一预设时长例如是1秒钟、3秒钟、5秒钟、10秒钟、15秒钟、30秒钟、1分钟、3分钟等。
作为另一个示例,在步骤S3中,在充电过程中,在每个预设时刻,获取反馈参数集合。预设时刻是预先设定的时刻,例如是2023年4月1日08:00:00、2023年4月1日08:00:10、2023年4月1日08:00:20、2023年4月1日08:00:30、2023年4月1日08:00:40、2023年4月1日08:00:50、2023年4月1日08:01:00……
由此,实现无线远程手动调节充电参数,实现手动可调、可控的充电,达到患者想要的充电状态。具体而言,通过将充电参数设置为可控制的参数,使使用者可以根据实际情况和需求调整充电参数,从而实现个性化的充电过程,提高充电效率与安全性。同时,通过实时监控充电过程中的充电效率和充电温度,使用者能够有效地发现和处理充电过程中可能出现的问题,进一步确保充电过程的稳定和安全。通过本申请提供的技术方案,可以实现医生、患者和陪护人员对植入式医疗器械充电过程的无线远程实时监控和参数调整,从而提高充电效率、安全性以及患者的生活质量。在此基础上,通过收集和分析大量患者的充电数据,可以进一步优化充电参数设定,为不同批次的产品(即体外充电器)和不同的使用者的组合分别提供最佳的充电参数,实现差异化的最佳充电状态。
举例说明,假设有一位帕金森患者植入了一种脑深部电刺激器,用于治疗帕金森病。该患者需要定期或不定期地为植入物(即刺激器)充电。
S1:医生在平板电脑APP上设置充电参数,例如充电频率为50kHz,充电电压为3V。这些参数组成充电参数集合,APP通过蓝牙将这些参数发送给体外充电器。
S2:体外充电器接收到充电参数集合后,根据充电频率(50kHz)和充电电压(3V)为患者体内的刺激器的脉冲发生器进行充电。
S3:在充电过程中,体外充电器实时获取充电效率和充电温度等反馈参数集合。例如,当前充电效率为20%,充电温度为37摄氏度。
S4:体外充电器将反馈参数集合(充电效率和充电温度)发送至平板电脑APP。医生可以通过APP实时查看充电效率(20%)和充电温度(37摄氏度),以实现对充电过程的实时监控。
在上述实施例中,使用者可以根据实时监控数据调整充电参数以优化充电过程,提高充电效率和安全性。
在一些实施例中,在S1之前,所述方法还包括:
S5:通过所述终端设备接收参数配置操作,以得到所述充电参数集合。
本申请实施例中,参数配置操作例如可以包括数值输入操作、计数器调整操作、曲线调整操作、进度条调整操作、开关切换操作、下拉菜单选择操作、单选框选择操作、复选框选择操作等。
其中针对充电频率,计数器调整操作对应的步进(step)例如可以是0.05kHz、0.1kHz、0.2kHz、0.3kHz、0.5kHz、1kHz等。并且,步进可以取正值或者负值。
针对充电电压,计数器调整操作对应的步进(step)例如可以是0.05V、0.1V、0.2V、0.3V、0.5V、1V等。
由此,在S5步骤中,通过终端设备接收参数配置操作以得到充电参数集合,使得医生、患者或陪护人员能够根据实际需求和条件,直接在终端设备上进行充电参数的设置和调整。这样做的好处是,增强医生、患者和陪护人员在充电过程中的主动性和自主权,使他们能够根据具体情况灵活调整充电参数,提高充电效率和患者舒适度;允许医生、患者和陪护人员自主设置充电参数,有助于发现和解决个体差异导致的充电效果不佳等问题,从而进一步提高患者的生活质量;这种方法简化了充电参数调整的操作流程,降低了技术门槛,使得普通患者和陪护人员也能轻松掌握并运用,提高了患者对植入式医疗器械的接受度和满意度。综上所述,通过在S1之前增加S5步骤,使得医生、患者和陪护人员能够更加便捷、灵活地进行充电参数的配置。
举例说明,使用者在平板电脑上进行参数配置操作,例如是数值输入操作,将充电频率配置为40kHz,充电电压配置为3V。或者,使用者在智能手机上进行计数器调整操作,将充电频率配置为39.9kHz,充电电压配置为3.1V。或者,使用者在平板电脑上进行下拉菜单选择操作,将充电频率配置为40kHz,充电电压配置为2.5V。
在一些实施例中,在S4之后,所述方法还包括:
S6:根据所述反馈参数集合,检测是否需要调整所述充电参数集合;如果需要,则执行S7;如果不需要,则执行S3;
S7:在所述终端设备上显示提示信息,以提示所述使用者调整所述充电参数集合;执行S5。
本申请实施例中,调整充电参数集合是指调整充电参数集合中的一个或多个充电参数。
由此,在S6和S7步骤中,根据反馈参数集合检测是否需要调整充电参数集合,并在需要调整时在终端设备上显示提示信息,使得使用者能够更加快速地发现和处理充电过程中的问题。这样做的好处是,通过实时监测充电过程中的参数变化,可以更加准确地判断充电效果和安全性,从而在第一时间发现并解决潜在的问题;当检测到需要调整充电参数集合时,及时在终端设备上显示提示信息,提高了使用者对充电过程中问题的认识和处理能力,降低了因为操作不当导致的安全风险;通过执行S5步骤,使用终端设备对充电参数集合进行调整,能够针对实时监测到的问题进行有针对性的处理。
举例说明,假设有一位强迫症患者植入了一种脑深部电刺激器,用于治疗强迫症。该患者需要定期或不定期地为植入物(即刺激器)充电,医生或护士可以使用终端设备(例如智能手机或平板电脑)来配置充电参数。
首先,医生通过终端设备进行参数配置操作,以得到充电参数集合(S5)。例如,可以设置充电频率为35kHz,充电电压为3V。
然后,体外充电器接收来自终端设备的充电参数集合(S1),并根据这些参数为植入物充电(S2)。
在充电过程中,体外充电器会获取反馈参数集合(S3),包括充电效率和充电温度。例如,检测到充电效率为20%,充电温度为37摄氏度。
接下来,体外充电器将反馈参数集合发送至终端设备(S4),以实现医生对充电过程的实时监控。
然后,根据反馈参数集合,检测是否需要调整充电参数集合(S6)。如果需要调整,则在终端设备上显示提示信息(S7),以提示医生调整充电参数集合。例如,可以将充电频率调整为34kHz,然后执行S5以更新充电参数集合。如果不需要调整,则返回S3继续监控充电过程。
在一些实施例中,检测是否需要调整所述充电参数集合的过程包括:
根据所述反馈参数集合,分别检测每个所述反馈参数是否处于自身对应的预设数值范围;
当一个或多个所述反馈参数不处于自身对应的预设数值范围时,确认需要调整所述充电参数集合;
当所有反馈参数均处于自身对应的预设数值范围时,确认不需要调整所述充电参数集合。
预设数值范围是预先设定的数值范围,用于指示对于反馈参数所期望的数值范围。
由此,通过对反馈参数集合中的每个反馈参数进行检测,判断其是否处于自身对应的预设数值范围,可以更加精确地确定充电过程中是否存在异常情况。这样做的好处是,在充电过程中实现对每个反馈参数的实时检测,使得使用者能够快速了解充电过程的状态,及时发现潜在问题;通过比较反馈参数与预设数值范围,可以准确地评估充电效率、安全性以及舒适性,帮助患者和陪护人员找到最佳的充电参数设置;当检测到一个或多个反馈参数不处于自身对应的预设数值范围时,及时确认需要调整充电参数集合,有助于降低因参数异常导致的充电风险;当所有反馈参数均处于自身对应的预设数值范围时,确认不需要调整充电参数集合,有助于保持充电过程的稳定性,避免频繁调整参数对患者造成不必要的困扰。综上所述,通过上述检测过程,可以更加准确地判断充电过程中是否存在异常情况。
举例说明,在充电过程中,体外充电器检测到充电效率为20%,充电温度为37摄氏度。
接下来,根据反馈参数集合,分别检测每个反馈参数是否处于自身对应的预设数值范围。假设充电效率对应的预设数值范围(即预设充电效率范围)为15%-100%,充电温度对应的预设数值范围(即预设充电温度范围)为35-40摄氏度。在这种情况下,由于检测到的充电效率为20%,处于充电效率对应的预设数值范围(即预设充电效率范围)内,而且检测到的充电温度为37摄氏度,也处于充电温度对应的预设数值范围(即预设充电温度范围)内,因此确认不需要调整充电参数集合。
但是,如果检测到的充电效率为12%,不处于预设充电效率范围内,则需要调整充电参数集合以提高充电效率。
在一些实施例中,获取所述充电效率对应的预设数值范围的过程包括:
获取所述体外充电器与所述植入物之间的充电距离;
将所述充电距离对应的预设充电效率范围作为所述充电效率对应的预设数值范围。
例如,当植入物是刺激器时,体外充电器与植入物之间的充电距离是指体外充电器与刺激器的脉冲发生器之间的距离。
本申请实施例对充电距离不作限定,其例如可以是0.5厘米、1厘米、1.2厘米、1.5厘米、2厘米、3厘米、5厘米等。
针对不同的充电距离,可以设置不同的预设充电效率范围。例如当充电距离为1厘米时,预设充电效率范围可以是20-100%;当充电距离为2厘米时,预设充电效率范围可以是15-100%。
由此,通过获取体外充电器与植入物之间的充电距离,将充电距离对应的预设充电效率范围作为充电效率对应的预设数值范围,可以更为精确地评估充电效率,从而为参数调整提供更有针对性的依据。具体而言,充电距离是影响充电效率的重要因素,不同的充电距离对应着不同的预设充电效率范围。通过实时获取充电距离,可以根据实际情况确定充电效率对应的预设数值范围,从而更准确地评估充电过程中的充电效率。这样做的好处是,可以有效地避免因充电距离变化导致的充电效率降低,提高充电过程的稳定性;有助于降低因充电距离异常导致的充电风险,保障患者的安全;为使用者提供了更为精确的充电效率评估依据,有助于优化充电参数设置,进一步提高充电效率。综上所述,通过上述获取充电效率对应的预设数值范围的过程,可以更加准确地评估充电效率是否达标,从而有针对性地进行参数调整。
线圈不同、IPG植入位置不同,所对应的充电参数集合不同。因此针对每个IPG,首次充电时,需要医护人员或者刺激器提供方的工作人员帮助患者调节到最适合该患者及该IPG的充电参数集合。本申请实施例能够在初始的充电电压和充电频率下,基于反馈的充电效率和/或充电温度调节充电参数。
举例说明,患者A首次充电,医生帮助A获取充电参数集合的初始值,充电电压2.2v,充电频率70kHz。假设反馈参数集合包括充电效率,并且在1厘米的充电距离充电,1厘米对应的预设充电效率范围是20-100%。根据体外充电器通过蓝牙传输的实时电量,结合体外充电器的充电电流、充电电压,计算得到实时的充电效率。假设实时的充电效率是18%,不处于预设充电效率范围,则需要调整充电参数集合。也就是说,可以通过电量变化反映出来实时的充电效率。如果充电效率不够高,就重新调整充电参数集合,再次充电、反馈电量变化,判断充电效率是否达标,不达标继续调整,直到充电效率达标为止。将此时的充电参数集合记录下来,提供给患者,即可为患者提供具体的充电参数。接下来,当患者自己充电时,只要采用记录中的充电参数集合为植入物进行充电,即可在1厘米的充电距离内实现20%以上的充电效率。
假设充电参数集合包括充电频率和充电电压,可以采用以下方式人工调整或自动调整充电频率和充电电压:
首先,设置体外充电器的初始充电电压为2.2V,初始充电频率为70kHz。将体外充电器的充电频率以0.1k的步进调整(此时充电频率的步进为负值),体外充电器对充电电压、充电电流、充电温度进行实时监测,并将充电效率和充电温度实时反馈给终端设备。
如果频率调整无效,再将体外充电器的充电电压以0.1V的步进向4V调整(此时充电电压的步进为正值),即设置充电电压为2.3V,充电频率为70kHz。体外充电器将充电效率和充电温度实时反馈给终端设备,如果充电效率不达标,则重复上述频率调整过程,每次以0.1k的步进调整,直到实时反馈的充电效率处于预设充电效率范围,记录此时的充电参数集合。
其中,频率调节无效是指在充电电压保持不变的前提下,将充电频率以预设步进遍历预设充电频率范围(例如是10-70kHz),实时反馈得到的充电效率始终不处于预设充电效率范围。
在一些实施例中,获取所述充电效率的过程包括:
在充电过程中,获取所述体外充电器的充电电压-时间曲线、充电电流-时间曲线以及所述植入物的电量-时间曲线;
根据充电电压-时间曲线、充电电流-时间曲线、电量-时间曲线,获取所述充电效率。
其中,充电电压-时间曲线是指体外充电器的充电电压随时间变化的曲线,充电电流-时间曲线是指体外充电器的充电电流随时间变化的曲线,电量-时间曲线是指植入物的电量随时间变化的曲线。
根据体外充电器的充电电压-时间曲线、充电电流-时间曲线,能够计算得到时间轴上的各时刻对应的充电功率,从而计算出预设时间段内体外充电器做的功W;根据植入物的电量-时间曲线,计算出该预设时间段内的电量变化量,结合植入物的输出电压,即可计算出预设时间段内植入物的电能增量ΔQ;计算电能增量ΔQ与体外充电器做的功W的比值,即可得到充电效率。
在一些实施例中,获取所述充电效率的过程包括:
在充电过程中,获取所述体外充电器的充电电压和充电电流以及所述植入物在单位时间内的电量变化量;
根据所述充电电压、所述充电电流和所述电量变化量,获取所述充电效率。
其中,体外充电器的充电电压和充电电流是指体外充电器在当前时刻的充电电压和充电电流。
植入物在单位时间内的电量变化量可以是植入物在预设时间段内的电量变化量与第二预设时长的比值。预设时间段例如是从预设时刻至当前时刻的一个时间段,预设时刻位于当前时刻之前。第二预设时长是预设时间段的时间长度,例如是1秒钟、3秒钟、5秒钟、10秒钟、15秒钟等。单位时间例如是1秒钟。
由此,通过在充电过程中获取体外充电器的充电电压和充电电流以及植入物在单位时间内的电量变化量,并根据这些参数获取充电效率,可以更加准确地评估充电过程的效果。具体而言,实时监测充电电压、充电电流和电量变化量以便计算充电效率,数据实时性高,计算结果可靠程度高。
在一些实施例中,所述根据所述充电电压、所述充电电流和所述电量变化量,获取所述充电效率,包括:
将所述充电电压、所述充电电流和所述电量变化量输入充电效率模型,以得到所述充电效率;
所述充电效率模型的训练过程包括:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括样本充电电压、样本充电电流、样本电量变化量以及标注充电效率;
针对每个所述训练数据,执行以下处理:
将所述训练数据中的样本充电电压、样本充电电流和样本电量变化量输入预设的深度学习模型,以得到预测充电效率;
根据所述预测充电效率和所述标注充电效率,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的所述深度学习模型作为所述充电效率模型;如果否,则继续使用下一个所述训练数据训练所述深度学习模型。
由此,根据充电电压、充电电流和电量变化量输入充电效率模型以获取充电效率,并利用深度学习模型进行训练和优化。具体而言,通过深度学习模型的训练过程,充电效率模型可以根据大量的训练数据进行自动优化,提高预测充电效率的准确性,相比传统的基于规则的方法,深度学习模型具有更强的泛化能力,可以更好地适应不同充电条件和设备特性;随着训练数据量的增加,深度学习模型可以不断地自我调整和优化,提高预测充电效率的准确性,这意味着充电效率模型具有较强的自适应性,可以适应不同患者的具体情况和设备特性;通过将充电电压、充电电流和电量变化量实时输入充电效率模型,可以实时得到充电效率,及时发现并解决充电过程中可能出现的问题,从而提高充电过程的安全性和效率;通过不断地对深度学习模型进行训练和优化,可以不断改进充电效率模型,使其在不同充电条件和设备特性下都能够保持较高的预测准确性,有助于进一步提高充电过程的效率、安全性以及患者的生活质量。综上所述,利用深度学习模型获取充电效率,可以更加准确地评估充电过程的效果,并具有较强的自适应性和实时性,有助于进一步提高充电效率、安全性以及患者的生活质量。
本申请实施例对充电效率模型的获取方式不作限定,在一些实施例中,可以训练得到充电效率模型,在另一些实施例中,可以采用预先训练好的充电效率模型。
当采用深度学习方式训练得到充电效率模型时,通过设计,建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到充电效率模型对应的预设的深度学习模型(即充电效率模型对应的初始模型),通过深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的充电效率模型,可以基于输入数据获取对应的输出数据,适用范围广,且计算结果准确性高、可靠性高。
使用充电效率模型对应的训练集对深度学习模型进行训练,能够只通过学习少量样本就可以进行快速建模,深度学习模型在不断的训练过程中训练误差会逐渐降低,保存最优的权重,并读取权重;记录下训练集和验证集的精度,便于调参(调整模型参数);对深度学习模型的模型参数进行更新,可以使模型更好地拟合数据,具有有效的泛化能力,提高鲁棒性和拟合精度。
在一些可选的实施方式中,可以对历史数据进行数据挖掘,以获取训练集中的样本数据。也就是说,这些样本数据可以是在真实充电过程中采集得到的。另外,样本数据也可以是利用GAN模型的生成网络自动生成的。
其中,GAN模型即生成对抗网络(Generative Adversarial Network),由一个生成网络与一个判别网络组成。生成网络从潜在空间(latent space)中随机采样作为输入,其输出结果需要尽量模仿训练集中的真实样本。判别网络的输入则为真实样本或生成网络的输出,其目的是将生成网络的输出从真实样本中尽可能分辨出来。而生成网络则要尽可能地欺骗判别网络。两个网络相互对抗、不断调整参数,最终目的是使判别网络无法判断生成网络的输出结果是否真实。使用GAN模型可以生成大量样本数据,用于上述充电效率模型的训练过程,能有效降低原始数据采集的数据量,大大降低数据采集和标注的成本。
本申请实施例对充电效率模型的训练过程不作限定,其例如可以采用监督学习的训练方式,或者可以采用半监督学习的训练方式,或者可以采用无监督学习的训练方式。
当采用监督学习或者半监督学习的训练方式时,本申请实施例对标注数据的获取方式不作限定,例如可以采用人工标注的方式,也可以采用自动标注或者半自动标注的方式。当样本数据是在真实充电过程中采集得到时,可以通过关键词提取的方式从历史数据中获取真实数据作为标注数据。
本申请实施例对充电效率模型的训练过程中的训练结束条件不作限定,其例如可以是训练次数达到预设次数(预设次数例如是1次、3次、10次、100次、1000次、10000次等),或者可以是训练集中的训练数据都完成一次或多次训练,或者可以是本次训练得到的总损失值不大于预设损失值。
在一个具体应用场景中,本申请实施例还提供了一种体外充电器的充电方法,所述体外充电器用于为植入患者体内的植入物充电,所述方法包括:
S5:通过所述终端设备接收参数配置操作,以得到所述充电参数集合;
S1:接收来自终端设备的充电参数集合,所述充电参数集合包括充电频率和/或充电电压;
S2:根据所述充电参数集合,控制所述体外充电器为所述植入物充电;
S3:在充电过程中,获取反馈参数集合,所述反馈参数集合包括充电效率和/或充电温度;
S4:将所述反馈参数集合发送至所述终端设备,以实现使用者对充电过程的实时监控;
S6:根据所述反馈参数集合,检测是否需要调整所述充电参数集合;如果需要,则执行S7;如果不需要,则执行S3;
S7:在所述终端设备上显示提示信息,以提示所述使用者调整所述充电参数集合;执行S5。
在步骤S3中,获取所述充电效率的过程包括:
在充电过程中,获取所述体外充电器的充电电压和充电电流以及所述植入物在单位时间内的电量变化量;
将所述充电电压、所述充电电流和所述电量变化量输入充电效率模型,以得到所述充电效率。
在步骤S6中,检测是否需要调整所述充电参数集合的过程包括:
根据所述反馈参数集合,分别检测每个所述反馈参数是否处于自身对应的预设数值范围;
当一个或多个所述反馈参数不处于自身对应的预设数值范围时,确认需要调整所述充电参数集合;
当所有反馈参数均处于自身对应的预设数值范围时,确认不需要调整所述充电参数集合。
其中,获取所述充电效率对应的预设数值范围的过程包括:
获取所述体外充电器与所述植入物之间的充电距离;
将所述充电距离对应的预设充电效率范围作为所述充电效率对应的预设数值范围。
其中,所述充电效率模型的训练过程包括:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括样本充电电压、样本充电电流、样本电量变化量以及标注充电效率;
针对每个所述训练数据,执行以下处理:
将所述训练数据中的样本充电电压、样本充电电流和样本电量变化量输入预设的深度学习模型,以得到预测充电效率;
根据所述预测充电效率和所述标注充电效率,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的所述深度学习模型作为所述充电效率模型;如果否,则继续使用下一个所述训练数据训练所述深度学习模型。
本申请实施例通过平板电脑、PC端软件可以无线调节体外充电器的充电参数,还能够监测充电过程中的充电电压、充电电流、充电温度、充电效率等,患者可基于自身状态、充电距离设置充电参数,使自身处于一个良好的充电状态,不会因充电而感到身体疲劳、身体不适或者痛苦。本申请实施例支持平板电脑、PC(个人电脑)端软件等对患者的体外充电器进行充电参数调节,并可获取充电效率等反馈参数;能够以固定的频率,电压给IPG进行充电,可针对不同的IPG设置不同的充电参数,并实时检测充电是否正常;可以通过平板电脑、PC等渠道,对体外充电器进行充电控制,实现固定的充电效率对IPG进行充电,提高整体充电效率;如果患者要求某个充电距离下充电效率要达到预设充电效率,也可以通过平板电脑、PC等软件直接给患者设置充电参数,实现某个充电距离(例如1厘米、1.5厘米等)下的充电效率可以达到期望值(即预设充电效率,例如20%)。
综上所述,本申请实施例所提供的无线远程调节方案,能够根据患者自身状态等,利用平板电脑、PC端等软件实现对体外充电器的充电参数的无线调节,并通过平板电脑、PC端等软件实现充电状态下的反馈参数获取,可以进行有效、可控的充电,并有效提高充电效率,用户体验佳,实用性强。
(体外充电器)
本申请实施例还提供了一种体外充电器,其具体实施例与上述方法实施例中记载的实施例、所达到的技术效果一致,部分内容不再赘述。
所述体外充电器用于为植入患者体内的植入物充电,所述体外充电器包括存储器和至少一个处理器,所述存储器存储有计算机程序,所述至少一个处理器被配置成执行所述计算机程序时实现以下步骤:
S1:接收来自终端设备的充电参数集合,所述充电参数集合包括充电频率和/或充电电压;
S2:根据所述充电参数集合,控制所述体外充电器为所述植入物充电;
S3:在充电过程中,获取反馈参数集合,所述反馈参数集合包括充电效率和/或充电温度;
S4:将所述反馈参数集合发送至所述终端设备,以实现使用者对充电过程的实时监控。
由此,体外充电器通过执行计算机程序实现了植入物的充电以及实时监控。具体而言,通过接收终端设备传来的充电参数集合(包括充电频率和/或充电电压),体外充电器可以根据患者的具体需求和植入物的特性进行个性化充电,提高充电效率和安全性;在充电过程中,体外充电器可以获取反馈参数集合(包括充电效率和/或充电温度),并将这些参数实时发送至终端设备,这使得使用者可以实时监控充电过程,及时发现并解决可能出现的问题,提高充电过程的安全性和效率;在充电过程中,如果监控到的充电效率或充电温度出现异常,使用者可以根据实时监控数据迅速调整充电参数,从而优化充电过程,提高充电效率和安全性;通过将反馈参数集合发送至终端设备,可以为充电过程的数据记录和分析提供依据,有助于进一步优化充电策略,提高充电效率,降低充电风险;由于实时监控数据可以在终端设备上展示,患者和使用者可以直观地了解充电过程的状态,提高患者的信心和满意度。综上所述,本申请提供了一个能够实现个性化充电和实时监控的体外充电器,可以提高植入物充电的效率和安全性,同时增强患者和使用者(例如是医生、患者、陪护人员)的使用体验。
在一些实施例中,所述至少一个处理器被配置成执行所述计算机程序时在S1之前,还实现以下步骤:
S5:通过所述终端设备接收参数配置操作,以得到所述充电参数集合。
在一些实施例中,所述至少一个处理器被配置成执行所述计算机程序时在S4之后,还实现以下步骤:
S6:根据所述反馈参数集合,检测是否需要调整所述充电参数集合;如果需要,则执行S7;如果不需要,则执行S3;
S7:在所述终端设备上显示提示信息,以提示所述使用者调整所述充电参数集合;执行S5。
在一些实施例中,所述至少一个处理器被配置成执行所述计算机程序时采用以下方式检测是否需要调整所述充电参数集合:
根据所述反馈参数集合,分别检测每个所述反馈参数是否处于自身对应的预设数值范围;
当一个或多个所述反馈参数不处于自身对应的预设数值范围时,确认需要调整所述充电参数集合;
当所有反馈参数均处于自身对应的预设数值范围时,确认不需要调整所述充电参数集合。
在一些实施例中,所述至少一个处理器被配置成执行所述计算机程序时采用以下方式获取所述充电效率对应的预设数值范围:
获取所述体外充电器与所述植入物之间的充电距离;
将所述充电距离对应的预设充电效率范围作为所述充电效率对应的预设数值范围。
在一些实施例中,所述至少一个处理器被配置成执行所述计算机程序时采用以下方式获取所述充电效率:
在充电过程中,获取所述体外充电器的充电电压和充电电流以及所述植入物在单位时间内的电量变化量;
根据所述充电电压、所述充电电流和所述电量变化量,获取所述充电效率。
在一些实施例中,所述至少一个处理器被配置成执行所述计算机程序时采用以下方式根据所述充电电压、所述充电电流和所述电量变化量,获取所述充电效率:
将所述充电电压、所述充电电流和所述电量变化量输入充电效率模型,以得到所述充电效率;
所述充电效率模型的训练过程包括:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括样本充电电压、样本充电电流、样本电量变化量以及标注充电效率;
针对每个所述训练数据,执行以下处理:
将所述训练数据中的样本充电电压、样本充电电流和样本电量变化量输入预设的深度学习模型,以得到预测充电效率;
根据所述预测充电效率和所述标注充电效率,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的所述深度学习模型作为所述充电效率模型;如果否,则继续使用下一个所述训练数据训练所述深度学习模型。
参见图2,图2是本申请实施例提供的一种体外充电器的结构框图。
在一些实施例中,体外充电器包括控制模块10、无线充电模块20、通信模块30、传感器模块40、电源模块50以及外壳。
体外充电器通过无线充电模块20为患者体内的植入物(如刺激器)进行充电,通常采用磁共振或磁感应技术实现。无线充电模块20包括一个发射线圈,用于产生交变磁场;同时,植入物内部也有一个接收线圈,用于接收能量并将其转换为电能供植入物使用。
控制模块10用于根据接收到的充电参数集合(如充电频率和充电电压)调整无线充电模块20的输出,以及获取反馈参数集合。控制模块10包括存储器和至少一个处理器及相关电路,以确保充电过程的安全和高效。
通信模块30用于与终端设备(如智能手机、平板电脑等)进行通信,接收充电参数集合以及发送反馈参数集合。通信模块30可以包括蓝牙、Wi-Fi或其他无线通信技术对应的通信单元。
体外充电器配备了用于实时监测充电过程的传感器模块40,如用于测量充电温度的温度传感器。传感器模块40将数据传输给控制模块10,控制模块10根据需要对数据进行处理并将数据发送至终端设备。
电源模块50为体外充电器提供电能,可以是内置电池或通过外部适配器从电网获取。电源模块50用于将输入的电能转换为适合无线充电模块20使用的电压和电流。
体外充电器的外壳设计要求轻便、舒适,便于佩戴在患者身上。外壳材料可以采用高强度塑料或其他轻质材料,以保护充电器内部的组件并确保患者使用时的舒适性。
在一些实施例中,为了提高充电效率和延长植入物的使用寿命,可以引入自适应充电算法,根据植入物的当前状态(如剩余电量、充电次数等)和患者的使用模式(如刺激模式、睡眠模式等),自动调整充电参数,从而实现更高效且安全的充电过程。
为了提高患者的舒适度,可以将体外充电器设计成可穿戴式设备,并采用柔性材料制作体外充电器的外壳,使其能够贴合患者的皮肤。此外,可以为体外充电器配备可调节的固定带,以便患者在进行日常活动时便捷地佩戴充电器。
在充电过程中,可以引入更多的传感器(如皮肤温度传感器、距离传感器等),实时监测体外充电器与患者之间的充电距离、体外充电器与植入物之间的耦合程度等参数,并据此实时调整充电参数,从而确保充电过程更加安全、稳定。
为了让患者和医护人员更好地了解充电过程,可以在终端设备上设计更加直观、用户友好的界面。例如,可以展示实时的充电效率、充电温度、剩余充电时间等信息,并提供警告和提示,帮助用户在出现异常情况时采取相应措施。
为了减轻患者在充电过程中的不适感,可以采用分段式充电方法。在充电过程中,根据患者的需求或植入物的状态,可以将充电过程分为多个阶段,例如预充、常规充电、恒流充电、恒压充电等,这样可以更加精确地控制充电过程,降低患者的不适感。
通过上述改进,可以进一步优化体外充电器及其充电方法,提高充电效率、安全性和患者的舒适度。
参见图3,图3是本申请实施例提供的一种控制模块10的结构框图。
控制模块10例如可以包括至少一个存储器11、至少一个处理器12以及连接不同平台系统的总线13。
存储器11可以包括易失性存储器形式的(计算机)可读介质,例如随机存取存储器(RAM)111和/或高速缓存存储器112,还可以进一步包括只读存储器(ROM)113。
其中,存储器11还存储有计算机程序,计算机程序可以被处理器12执行,使得处理器12实现上述任一项方法的步骤。
存储器11还可以包括具有至少一个程序模块115的实用工具114,这样的程序模块115包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例的每一个或某种组合中可能包括网络环境的实现。
相应的,处理器12可以执行上述计算机程序,以及可以执行实用工具114。
处理器12可以采用一个或多个应用专用集成电路(ASIC,Application SpecificIntegrated Circuit)、DSP、可编程逻辑器件(PLD,ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)或其他电子元件。
总线13可以为表示几类总线结构的一种或多种,包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构的任意总线结构的局域总线。
控制模块10也可以与一个或多个外部设备例如键盘、指向设备、蓝牙设备等通信,还可与一个或者多个能够与该控制模块10交互的设备通信,和/或与使得该控制模块10能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入输出接口14进行。并且,控制模块10还可以通过网络适配器15与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器15可以通过总线13与控制模块10的其它模块通信。应当明白,尽管图中未示出,但在实际应用中可以结合控制模块10使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
(计算机可读存储介质)
本申请实施例还提供了一种计算机可读存储介质,其具体实施例与上述方法实施例中记载的实施例、所达到的技术效果一致,部分内容不再赘述。
所述计算机可读存储介质存储有计算机程序,所述计算机程序被至少一个处理器执行时实现上述任一项方法的步骤或者实现上述任一项体外充电器的功能。
计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。在本申请实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。计算机可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读存储介质还可以是任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向偶像的程序设计语言诸如Java、C++等,还包括常规的过程式程序设计语言诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
(计算机程序产品)
本申请实施例还提供了一种计算机程序产品,其具体实施例与上述方法实施例中记载的实施例、所达到的技术效果一致,部分内容不再赘述。
所述计算机程序产品包括计算机程序,所述计算机程序被至少一个处理器执行时实现上述任一项方法的步骤或者实现上述任一项体外充电器的功能。
参见图4,图4是本申请实施例提供的一种计算机程序产品的结构示意图。
所述计算机程序产品用于实现上述任一项方法的步骤或者实现上述任一项体外充电器的功能。计算机程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的计算机程序产品不限于此,计算机程序产品可以采用一个或多个计算机可读介质的任意组合。
本申请从使用目的上,效能上,进步及新颖性等观点进行阐述,已符合专利法所强调的功能增进及使用要件,本申请以上的说明书及说明书附图,仅为本申请的较佳实施例而已,并非以此局限本申请,因此,凡一切与本申请构造,装置,特征等近似、雷同的,即凡依本申请专利申请范围所作的等同替换或修饰等,皆应属本申请的专利申请保护的范围之内。
Claims (10)
1.一种体外充电器的充电方法,其特征在于,所述体外充电器用于为植入患者体内的植入物充电,所述方法包括:
S1:接收来自终端设备的充电参数集合,所述充电参数集合包括充电频率和/或充电电压;
S2:根据所述充电参数集合,控制所述体外充电器为所述植入物充电;
S3:在充电过程中,获取反馈参数集合,所述反馈参数集合包括充电效率和/或充电温度;
S4:将所述反馈参数集合发送至所述终端设备,以实现使用者对充电过程的实时监控。
2.根据权利要求1所述的体外充电器的充电方法,其特征在于,在S1之前,所述方法还包括:
S5:通过所述终端设备接收参数配置操作,以得到所述充电参数集合。
3.根据权利要求2所述的体外充电器的充电方法,其特征在于,在S4之后,所述方法还包括:
S6:根据所述反馈参数集合,检测是否需要调整所述充电参数集合;如果需要,则执行S7;如果不需要,则执行S3;
S7:在所述终端设备上显示提示信息,以提示所述使用者调整所述充电参数集合;执行S5。
4.根据权利要求3所述的体外充电器的充电方法,其特征在于,检测是否需要调整所述充电参数集合的过程包括:
根据所述反馈参数集合,分别检测每个所述反馈参数是否处于自身对应的预设数值范围;
当一个或多个所述反馈参数不处于自身对应的预设数值范围时,确认需要调整所述充电参数集合;
当所有反馈参数均处于自身对应的预设数值范围时,确认不需要调整所述充电参数集合。
5.根据权利要求4所述的体外充电器的充电方法,其特征在于,获取所述充电效率对应的预设数值范围的过程包括:
获取所述体外充电器与所述植入物之间的充电距离;
将所述充电距离对应的预设充电效率范围作为所述充电效率对应的预设数值范围。
6.根据权利要求1所述的体外充电器的充电方法,其特征在于,获取所述充电效率的过程包括:
在充电过程中,获取所述体外充电器的充电电压和充电电流以及所述植入物在单位时间内的电量变化量;
根据所述充电电压、所述充电电流和所述电量变化量,获取所述充电效率。
7.根据权利要求6所述的体外充电器的充电方法,其特征在于,所述根据所述充电电压、所述充电电流和所述电量变化量,获取所述充电效率,包括:
将所述充电电压、所述充电电流和所述电量变化量输入充电效率模型,以得到所述充电效率;
所述充电效率模型的训练过程包括:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括样本充电电压、样本充电电流、样本电量变化量以及标注充电效率;
针对每个所述训练数据,执行以下处理:
将所述训练数据中的样本充电电压、样本充电电流和样本电量变化量输入预设的深度学习模型,以得到预测充电效率;
根据所述预测充电效率和所述标注充电效率,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的所述深度学习模型作为所述充电效率模型;如果否,则继续使用下一个所述训练数据训练所述深度学习模型。
8.一种体外充电器,其特征在于,所述体外充电器用于为植入患者体内的植入物充电,所述体外充电器包括存储器和至少一个处理器,所述存储器存储有计算机程序,所述至少一个处理器被配置成执行所述计算机程序时实现以下步骤:
S1:接收来自终端设备的充电参数集合,所述充电参数集合包括充电频率和/或充电电压;
S2:根据所述充电参数集合,控制所述体外充电器为所述植入物充电;
S3:在充电过程中,获取反馈参数集合,所述反馈参数集合包括充电效率和/或充电温度;
S4:将所述反馈参数集合发送至所述终端设备,以实现使用者对充电过程的实时监控。
9.一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存储有计算机程序,所述计算机程序被至少一个处理器执行时实现权利要求1-7任一项所述方法的步骤或者实现权利要求8所述体外充电器的功能。
10.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被至少一个处理器执行时实现权利要求1-7任一项所述方法的步骤或者实现权利要求8所述体外充电器的功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310484061.9A CN116488297A (zh) | 2023-04-28 | 2023-04-28 | 体外充电器及其充电方法、存储介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310484061.9A CN116488297A (zh) | 2023-04-28 | 2023-04-28 | 体外充电器及其充电方法、存储介质及程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116488297A true CN116488297A (zh) | 2023-07-25 |
Family
ID=87217610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310484061.9A Pending CN116488297A (zh) | 2023-04-28 | 2023-04-28 | 体外充电器及其充电方法、存储介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116488297A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117873274A (zh) * | 2024-03-13 | 2024-04-12 | 合源医疗器械(上海)有限公司 | 输出功率的控制方法及装置、体外设备和植入物管理系统 |
-
2023
- 2023-04-28 CN CN202310484061.9A patent/CN116488297A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117873274A (zh) * | 2024-03-13 | 2024-04-12 | 合源医疗器械(上海)有限公司 | 输出功率的控制方法及装置、体外设备和植入物管理系统 |
CN117873274B (zh) * | 2024-03-13 | 2024-05-31 | 合源医疗器械(上海)有限公司 | 输出功率的控制方法及装置、体外设备和植入物管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102089031B (zh) | 使治疗调整与患者姿势状态相关联 | |
US11833355B2 (en) | User-weighted closed loop adjustment of neuromodulation treatment | |
WO2024021960A1 (zh) | 脉冲发生器、医疗系统及计算机可读存储介质 | |
WO2024041496A1 (zh) | 充电提醒装置、植入式神经刺激系统及存储介质 | |
WO2023071378A1 (zh) | 植入式神经刺激器和植入式神经刺激系统 | |
WO2023124390A1 (zh) | 程控设备和植入式神经刺激系统 | |
CN115501481A (zh) | 应急程控设备、医疗系统及计算机可读存储介质 | |
WO2023241338A1 (zh) | 程控设备、程控系统、电子设备和计算机可读存储介质 | |
WO2023005353A1 (zh) | 基于多模态数据的配置信息获取装置及相关设备 | |
CN115463347A (zh) | 参数调节装置、程控设备、医疗系统及计算机存储介质 | |
CN116488297A (zh) | 体外充电器及其充电方法、存储介质及程序产品 | |
WO2024083193A1 (zh) | 脉冲发生器、刺激器、医疗系统及计算机可读存储介质 | |
WO2024007823A1 (zh) | 体外充电器、程控系统和计算机可读存储介质 | |
CN109358289A (zh) | 有源植入医疗设备的电池寿命确定方法及设备 | |
CN115019948B (zh) | 控制设备、远程会诊系统和计算机可读存储介质 | |
US20240233912A9 (en) | Customizable neuromodulation device treatment journey | |
US20240136050A1 (en) | Customizable neuromodulation device treatment journey | |
CN117936058A (zh) | 配置信息获取装置、终端设备、医疗系统及存储介质 | |
US20240226560A9 (en) | Goal setting and tracking for neuromodulation treatment | |
US20240131337A1 (en) | Goal setting and tracking for neuromodulation treatment | |
CN117065217A (zh) | 电位信号采集设备及其方法、医疗系统、可读存储介质 | |
CN117914020A (zh) | 无线充电认证方法、设备、体外充电系统及存储介质 | |
US20200215330A1 (en) | Method and apparatus for controlling neurostimulation based on patient life factors | |
CN116936060A (zh) | 医疗系统的故障检测方法及相关装置 | |
CN116936068A (zh) | 事件传输装置、脑部医疗分析设备、存储介质及程序产品 |
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 | ||
CB02 | Change of applicant information |
Address after: 215000 building C16, bio nano Park, 218 Xinghu street, Suzhou Industrial Park, Jiangsu Province Applicant after: Jingyu Medical Technology (Suzhou) Co.,Ltd. Address before: 215000 building C16, bio nano Park, 218 Xinghu street, Suzhou Industrial Park, Jiangsu Province Applicant before: SCENERAY Co.,Ltd. |
|
CB02 | Change of applicant information |