CN116531663B - 一种呼吸机能监测、调控与干预方法、装置及存储介质 - Google Patents
一种呼吸机能监测、调控与干预方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116531663B CN116531663B CN202310508146.6A CN202310508146A CN116531663B CN 116531663 B CN116531663 B CN 116531663B CN 202310508146 A CN202310508146 A CN 202310508146A CN 116531663 B CN116531663 B CN 116531663B
- Authority
- CN
- China
- Prior art keywords
- respiratory
- intervention
- regulation
- human body
- training
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000004202 respiratory function Effects 0.000 title claims abstract description 63
- 238000012544 monitoring process Methods 0.000 title claims abstract description 44
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 20
- 230000000241 respiratory effect Effects 0.000 claims abstract description 185
- 238000012549 training Methods 0.000 claims abstract description 70
- 230000033228 biological regulation Effects 0.000 claims abstract description 41
- 230000003542 behavioural effect Effects 0.000 claims abstract description 36
- 239000000090 biomarker Substances 0.000 claims abstract description 26
- 210000003710 cerebral cortex Anatomy 0.000 claims abstract description 21
- 230000011514 reflex Effects 0.000 claims abstract description 17
- 230000007246 mechanism Effects 0.000 claims abstract description 15
- 210000001034 respiratory center Anatomy 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims abstract description 10
- 238000005728 strengthening Methods 0.000 claims abstract description 4
- 230000009125 negative feedback regulation Effects 0.000 claims abstract description 3
- 230000009024 positive feedback mechanism Effects 0.000 claims abstract description 3
- 230000009124 positive feedback regulation Effects 0.000 claims abstract description 3
- 239000012636 effector Substances 0.000 claims description 52
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 40
- 238000011156 evaluation Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 29
- 238000006243 chemical reaction Methods 0.000 claims description 26
- 230000014509 gene expression Effects 0.000 claims description 26
- 210000004556 brain Anatomy 0.000 claims description 22
- 230000000694 effects Effects 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 22
- 238000012806 monitoring device Methods 0.000 claims description 22
- 230000008844 regulatory mechanism Effects 0.000 claims description 21
- 230000003187 abdominal effect Effects 0.000 claims description 17
- 230000006399 behavior Effects 0.000 claims description 15
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 14
- 239000008280 blood Substances 0.000 claims description 14
- 210000004369 blood Anatomy 0.000 claims description 14
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 13
- 229910052760 oxygen Inorganic materials 0.000 claims description 13
- 239000001301 oxygen Substances 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000002269 spontaneous effect Effects 0.000 claims description 12
- 206010041235 Snoring Diseases 0.000 claims description 11
- 230000036541 health Effects 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 8
- 210000002345 respiratory system Anatomy 0.000 claims description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 7
- 239000001569 carbon dioxide Substances 0.000 claims description 7
- 230000019771 cognition Effects 0.000 claims description 7
- GPRLSGONYQIRFK-UHFFFAOYSA-N hydron Chemical compound [H+] GPRLSGONYQIRFK-UHFFFAOYSA-N 0.000 claims description 6
- 230000036412 respiratory physiology Effects 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 210000005036 nerve Anatomy 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 230000005236 sound signal Effects 0.000 claims description 3
- 210000000467 autonomic pathway Anatomy 0.000 claims description 2
- 230000037213 diet Effects 0.000 claims description 2
- 235000005911 diet Nutrition 0.000 claims description 2
- 230000001737 promoting effect Effects 0.000 claims description 2
- 230000009897 systematic effect Effects 0.000 claims description 2
- 230000008713 feedback mechanism Effects 0.000 claims 1
- 230000033001 locomotion Effects 0.000 description 13
- 230000001976 improved effect Effects 0.000 description 12
- 230000035939 shock Effects 0.000 description 12
- 210000003489 abdominal muscle Anatomy 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000007958 sleep Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 210000003205 muscle Anatomy 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 230000000638 stimulation Effects 0.000 description 5
- 230000001364 causal effect Effects 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000008451 emotion Effects 0.000 description 4
- 208000014085 Chronic respiratory disease Diseases 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 210000000653 nervous system Anatomy 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000003997 social interaction Effects 0.000 description 3
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- -1 hydrogen ions Chemical class 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004936 stimulating effect Effects 0.000 description 2
- 206010006322 Breath holding Diseases 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 208000008784 apnea Diseases 0.000 description 1
- 230000037007 arousal Effects 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- UBAZGMLMVVQSCD-UHFFFAOYSA-N carbon dioxide;molecular oxygen Chemical compound O=O.O=C=O UBAZGMLMVVQSCD-UHFFFAOYSA-N 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002143 encouraging effect Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000010352 nasal breathing Effects 0.000 description 1
- 208000001797 obstructive sleep apnea Diseases 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 210000005037 parasympathetic nerve Anatomy 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000004617 sleep duration Effects 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
- 230000011273 social behavior Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/3601—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation of respiratory organs
-
- 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Pulmonology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (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
本发明公开了一种呼吸机能监测、调控与干预方法、装置及存储介质,涉及呼吸机能监测与干预技术领域。本发明以监测呼吸生理体征的生物标记为主要手段,其中正反馈机制用于持续强化基于大脑皮质的行为性调节的意识,负反馈用于维持基于呼吸中枢的自主性调节,正负反馈调节机制通过监测与干预装置实现了协同工作,为训练人体内呼吸调节的神经网络提供了调控机制,使得所述发明可以帮助用户通过训练目标人体内呼吸调节的神经网络对呼吸模式进行重构,从而实现呼吸反射弧康复的有效训练,最终改善目标人体的呼吸质量。
Description
技术领域
本发明涉及呼吸机能监测与干预技术领域,具体涉及一种呼吸机能监测、调控与干预方法、装置及存储介质。
背景技术
以慢阻肺、哮喘、OSAHS为代表的慢性呼吸系统疾病是世界卫生组织WHO定义的四大慢性病之一,慢性呼吸系统疾病死亡率高居第三,已造成居民重大疾病负担和生命价值损失。此外,虽然慢性呼吸疾病的发病率和疾病负担已与高血压、糖尿病、高脂血症等其他慢性疾病相当,但疾病认知、患者教育程度以及呼吸系统康复远不及三高慢病的普及率。呼吸控制系统包括感受器、脑内中枢控制器以及效应器等三个基本要素。各种感受器将信息传入中枢控制器,再由脑内中枢控制器整合传入信息,并将冲动传出至呼吸效应器,通过改变通气量,呼吸肌反馈性降低振动感受器传入中枢的冲动。
例如申请号为CN201910958763.X的中国发明专利提供了一种身心诱导装置、身心诱导方法以及存储控制程序的存储介质,它们可以减少在通过诱导目标人物遵循呼吸定时来改变目标人物的心理和身体状态时,由于呼气与吸气之间的切换定时不匹配而导致的目标人物呼吸困难。
申请号为CN202010907716.5的中国发明专利提出一种个体化的呼吸运动模式重建训练系统及其使用方法,其能够对受试者的呼吸运动训练给出客观评价,其对受试者所进行的训练是个体化的,其能够分析受试者呼吸运动中各模式的呼吸在整个呼吸运动中的贡献比,为重建健康的呼吸运动模式提供信息反馈。
申请号为CN201610210287.X的中国发明专利提供一种基于生物电信号的呼吸训练系统,通过采集所述呼吸效应器的相关表面肌电信号,配合呼吸训练(治疗)师的引导,并能以生物反馈方式有效帮助用户学习、训练、掌握并巩固正确的呼吸方法,提高呼吸训练的准确度及效率。
针对现有技术存在以下问题:
通过分析呼吸系统的基本工作原理,可以注意到呼吸反射弧是否有效工作可以成为影响呼吸健康的关键因素,但是目前缺乏一个以呼吸反射弧康复为目的监测与干预方法,使得用户在日常生活中难以自主利用意识持续地去改变自己的呼吸模式,并提高呼吸的质量。
发明内容
本发明提供一种呼吸机能监测、调控与干预方法、装置及存储介质,以解决上述背景技术中提出的问题。
为解决上述技术问题,本发明所采用的技术方案是:
一种呼吸机能监测、调控与干预方法,所述方法包括以下步骤:
S101、通过监测装置对目标人体的呼吸生理体征进行采集;
S102、建立呼吸生理体征模态的函数关系,基于函数关系和上一步骤采集的呼吸生理体征,对目标人体呼吸机能进行评价;
S103、基于上一步骤的评价结果判断目标人体呼吸机能与呼吸机能康复目标的差距,将判断结果作为干预装置的输入;
S104、干预装置根据判断结果的输入,基于呼吸生理学的系统性原理,产生三类干预信号,以分别调整外源性驱动、刺激大脑皮质以及刺激呼吸效应器(以下称呼吸效应器),从而以系统动力学实现行为性神经和自主性神经的主被动协同工作,促使呼吸反射弧康复,返回执行步骤S101,直至目标人体呼吸机能达到健康水平。
本发明技术方案的进一步改进在于:监测装置包括生物标记识别子机构和生物标记处理子机构,步骤S101具体包括以下步骤:
S201、生物标记识别子机构根据预设指令采集目标人体的呼吸生理体征信号,所述呼吸生理体征信号包括声音信号、电流信号、图像信号、加速度信号、温度信号、光电信号中的一种或多种;
S202、生物标记处理子机构对生物标记识别子机构采集的信号进行处理并生成相应的呼吸生理体征数据。
本发明技术方案的进一步改进在于:监测装置还包括数据处理与存储子机构、效果评估子机构,步骤S102具体包括以下步骤:
S301、数据处理与存储子机构获取生物标记处理子机构生成的呼吸生理体征数据并进行存储;
S302、效果评估子机构建立呼吸生理体征模态的函数关系,所述函数关系包括:f1(声音)=鼾声、f2(图像)=腹肌形态、f3(温度)=腹肌动作、f4(震动)=腹肌动作、f5(电流)=腹肌动作、f6(光电)=血氧浓度、f7(震动)=心率、f8(光电)=二氧化碳浓度、f9(光电)=氢离子浓度;
S303、效果评估子机构根据上一步骤建立的呼吸生理体征模态的函数关系,建立多模态的呼吸机能评价函数;
S304、呼吸机能评价函数以数据处理与存储子机构存储的最新呼吸生理体征数据作为网络模型的输入,网络模型输出一系列目标人体可理解的评价数据。
本发明技术方案的进一步改进在于:步骤S103中,基于网络模型的输出计算评价数据M与呼吸机能康复目标G之间的差距值delta,表示为delta=F(M,G),F(M,G)表示计算函数,将差距值delta传输给干预装置作为输入。
本发明技术方案的进一步改进在于:干预装置包括干预模式配置模块和模式输出模块,干预模式配置模块包括意识干预模块和方法干预模块,模式输出模块包括非入侵式大脑意识控制模块、外源性驱动模块和呼吸效应器控制模块,步骤S104具体包括以下步骤:
S401、干预模式配置模块接收到目标人体的呼吸生理体征监测数据和效果评估子机构输出的智能辅助诊断指令后开始工作,输出意识干预模式的配置结果I1和方法干预模式的配置结果I 2作为模式输出模块的输入,意识干预模式的配置结果包括至少一个用于驱动目标人体行为意识及其外部影响因素之间的函数关系,所述外部影响因素包括鼓励、监督和认知,方法干预模式的配置结果包括外源性驱动与呼吸效应器控制的模式组合;
S402、模式输出模块将意识干预模式的配置结果I1作为非入侵式大脑意识控制模块的输入,经过计算输出可以刺激用于调节行为性呼吸调节机制的大脑皮质的表达内容,从而通过表达内容影响目标人体对于外源性驱动行为的执行程度;
S403、模式输出模块将方法干预模式的配置结果I2作为外源性驱动模块以及呼吸效应器控制模块的输入,经过计算输出训练内容、训练模式以及生物电信号,从而调整外源性驱动应用的参数,或者刺激呼吸效应器。
本发明技术方案的进一步改进在于:步骤S402中,非入侵式大脑意识控制模块计算输出表达内容后,还包括以下步骤:
S501、建立目标人体的第一图谱模型,第一图谱模型由第一型资源构成,第一型资源通过对目标人体在互联网应用上的行为数据进行处理后获得,第一型资源包括一类资源、二类资源、三类资源中的一种或多种;
S502、遍历第一图谱模型,对第一图谱模型中的第一型资源进行同类结合转换或异类结合转换,获得关于排斥内容、高效内容的新的第一型资源;
S503、根据上一步骤获得的第一型资源分析目标人体的排斥内容和高效内容,基于排斥内容对非入侵式大脑意识控制模块输出的表达内容进行匹配,删除与排斥内容相匹配的表达内容,基于高效内容对非入侵式大脑意识控制模块输出的表达内容进行匹配,对于高效内容相匹配的表达内容,增加其干预权重。
本发明技术方案的进一步改进在于:步骤S403中,外源性驱动模块和呼吸效应器控制模块计算输出训练内容、训练模式和生物电信号后,还包括以下步骤:
S601、建立目标人体的第二图谱模型,第二图谱模型由第二型资源构成,第二型资源通过针对目标人体采集的体质数据进行处理后获得,第二型资源包括一类资源、二类资源、三类资源中的一种或多种;
S602、遍历第二图谱模型,对第二图谱模型中的第二型资源进行同类结合转换或异类结合转换,获得关于目标人体训练强度上限、训练方式约束条件及生物电约束条件的新的第二型资源;
S603、根据上一步骤获得的第二型资源分析目标人体的训练强度上限、训练方式约束条件和生物电约束条件,对训练内容、训练模式中不符合训练强度上限和训练方式约束条件的内容进行调整,对生物电信号中不符合生物电约束条件的内容进行调整。
本发明技术方案的进一步改进在于:在每次进行同类结合转换或异类结合转换时,计算实现结合转换所需付出的计算资源量,判断计算资源量是否大于预设阈值,若大于预设阈值,则将该次转换所获得的资源标记为无效资源进行删除。
一种呼吸机能监测、调控与干预装置,所述装置包括吸机能监测、调控与干预方法所述的监测装置和干预装置。
一种提供存储控制程序的存储介质,其包括存储在其上的计算机可执行指令,所述计算机可执行指令在被处理器执行时实现呼吸机能监测、调控与干预方法。
由于采用了上述技术方案,本发明相对现有技术来说,取得的技术进步是:
1、本发明提供一种呼吸机能监测、调控与干预方法、装置及存储介质,所述方法包括基于系统动力学理论的正反馈和负反馈呼吸调节机制,其中正反馈机制用于持续强化基于大脑皮质的行为性调节的意识,负反馈用于维持基于呼吸中枢的自主性调节,正负反馈调节机制通过监测与干预装置实现了协同工作,为训练人体内呼吸调节的神经网络提供了工作机制,可以帮助用户通过训练目标人体内呼吸调节的神经网络对呼吸模式进行重构,从而实现呼吸反射弧康复的有效训练,最终改善目标人体的呼吸质量。
附图说明
图1为本发明面向呼吸反射弧康复训练的神经网络架构的示例图;
图2为本发明呼吸机能监测、调控与干预装置示意性整体配置图;
图3为本发明呼吸调控示意性配置整体结构的示例图;
图4为本发明呼吸监测与干预方法整理流程示意图;
图5为本发明呼吸机能监测装置示意性配置图;
图6为本发明呼吸机能干预装置示意性配置图;
图7为本发明呼吸的行为性调节与自主性调节的主被动协同行为模式示意图;
图8为本发明基于系统动力学模型的呼吸调控因果回路架构图。
图中:1、呼吸康复监测与干预;2、行为性呼吸调节机制;3、自主性呼吸调节机制;4、呼吸系统反射弧;10、监测装置;11、干预装置;12、呼吸调节机制;13、呼吸效应器;14、呼吸生理体征的生物标记;15、人体神经系统;16、外源性驱动;101、可穿戴设备;102、云计算与云存储;110、干预模式配置模块;111、模式输出模块;1100、意识干预模块;1101、方法干预模块;1110、非入侵式大脑意识控制模块;1111、外源性驱动控制模块;1112、呼吸效应器控制模块。
具体实施方式
下面结合实施例对本发明做进一步详细说明:
实施例1
如图1所示,呼吸反射弧康复训练由呼吸康复监测与干预1、行为性呼吸调节机制2、自主性呼吸调节机制3以及呼吸系统反射弧4组成。其中,呼吸康复监测与干预1分别与行为性呼吸调节和自主性呼吸调节机制互相作用,目的是重构用户的呼吸模式,包括胸式呼吸或腹式呼吸、口或鼻呼吸以及呼吸频率等。行为性呼吸调节主要受大脑皮质控制,自主性呼吸调节主要受呼吸中枢控制,基于两者形成的主被动协同呼吸调控方式对呼吸系统反射弧4进行康复训练。大脑皮质主要是受感官刺激影响,包括视觉、听觉就及触觉等,受刺激的结果就是执行外源性驱动行为,包括睡眠、呼吸训练、运动以及情绪等。呼吸中枢主要是脑髓液中的氧气浓度、二氧化碳浓度及氢离子浓度等影响,除此以外也可以通过电刺激呼吸效应器辅助呼吸中枢工作。
呼吸康复监测与干预1如图2所示,是一种具备通信功能的软硬件装置集合。通信功能包括了本地通信和远程通信,本地通信主要采用蓝牙和Wi F i等无线传输制式,用于完成各种传感器的控制与数据采集,远程通信主要采用wi f i、4G和5G等无线传输制式,用于完成数据上传到服务器进行存储与处理。
软硬件装置集合包括监测装置10和干预装置11。
其中监测装置10是由一些拥有数据采集、数据处理、数据存储能力的智能硬件组成,可以利用如声光电热力学原理等的传感器对人体的呼吸生理相关体征进行采集,这些体征可以包括鼾声、腹部温度、腹部起伏、腹部肌电、心率、血氧、血液二氧化碳浓度、血液氢离子浓度等。
干预装置11是由一些拥有机器学习、信号输出控制能力的智能硬件组成。机器学习能力可以是一些模仿人体大脑神经元工作原理的神经网络、信号输出能力可以包括声音、图像、电流信号或者是计算机的指令。
根据呼吸生理学中关于呼吸反射弧或者呼吸控制系统的结构,本实施例设计了一个利用呼吸机能监测与干预1构建的主被动协同呼吸调控结构,包括了监测装置10、干预装置11、呼吸调节机制12、呼吸效应器13、呼吸生理体征的生物标记14、人体神经系统15以及外源性驱动16。
如图3所示,人体的呼吸调节机制12由两种模式组成,一种是行为性呼吸调节、另一种是自主性呼吸调节。其中,行为性呼吸调节受大脑皮质控制的,在原觉醒状态下,可以根据人的行为意识执行外源性驱动,包括睡眠、呼吸训练、发声、运动以及情绪等。人的行为意识产生可以分为两种,一种是任意性的,也就是没有规律可循的,另外一种是接受外部感官的刺激,可以是一些基于人体的视觉、听觉、触觉等感知系统的图像、声音、电流刺激等,从而产生要实现一定目标的行为意识。其中,后者是本公开设计的重点。自主性呼吸调节主要受呼吸中枢控制,所产生的生物电作用于呼吸效应器等效应器,从而实现呼吸反射弧的控制逻辑。呼吸中枢的生物电输出受血液的氧气浓度、二氧化碳浓度及氢离子浓度的影响。
承担呼吸效应器角色的呼吸效应器包括了腹肌、横膈肌、舌咽肌等,它们的动作主要受电流的影响,这个电流可以是呼吸中枢产生的生物电,也可以是外部施加的电流。本实施例的重点之一就是调控内外生物电实现对呼吸效应器的干预。
由呼吸产生的生理体征包括鼾声、呼吸效应器的肌肉形态、呼吸效应器的温度、呼吸效应器的起伏所造成的加速度、呼吸效应器的肌电、心率、血液的氧气浓度、血液的二氧化碳浓度及氢离子浓度。这些体征都作为监测装置10的原始输入信号。如前所述,这些体征会通过使用声光电热力学技术的监测装置10的数据采集功能所采集。
干预装置11会产生三类干预信号,主要作用于调整外源性驱动、刺激大脑皮质以及刺激呼吸效应器。其中,调整外源性驱动主要是调整其行为规范,对于呼吸训练,可以是一些课程,里面规范了吸气、屏息及呼气的时间与频次,对于运动,可以是指导口鼻的使用、呼吸频次的方法,对于睡眠,可以是提供一些关于睡眠时间、体位等的指导;刺激大脑皮质主要是通过图像、声音影响大脑的意识,对于图像,可以是一些进行横膈肌训练之后腹肌有所改善的照片,对于声音,可以是睡觉时的鼾声,也可以是可以用于舒缓情绪的音乐。
图3中的呼吸调节机制12、呼吸效应器13、呼吸生理体征生物标记14、人体神经系统15以及外源驱动16都是用户日常生活中已经存在的,在没有目的性的行为意识控制下,呼吸机能呈现逐渐衰退的趋势。本公开设计的监测装置10、干预装置11,通过优化大脑对于呼吸的行为意识以及对受呼吸中枢控制的呼吸效应器施加外部电流的方式,开发出一种可以辅助呼吸机能进行康复的模式。
实施例2
如图4所示,本实施例提供一种呼吸机能监测、调控与干预方法,所述方法包括以下步骤:
S101、通过监测装置对目标人体的呼吸生理体征进行采集。
S102、建立呼吸生理体征模态的函数关系,基于函数关系和上一步骤采集的呼吸生理体征,对目标人体呼吸机能进行评价。
S103、基于上一步骤的评价结果判断目标人体呼吸机能与呼吸机能康复目标的差距,将判断结果作为干预装置的输入。
S104、干预装置根据判断结果的输入,产生三类干预信号,以分别调整外源性驱动、刺激大脑皮质以及刺激呼吸效应器,返回执行步骤S101,直至目标人体呼吸机能达到健康水平。
监测装置包括生物标记识别子机构和生物标记处理子机构,步骤S101具体包括以下步骤:
S201、生物标记识别子机构根据预设指令采集目标人体的呼吸生理体征信号,所述呼吸生理体征信号包括声音信号、电流信号、图像信号、加速度信号、温度信号、光电信号中的一种或多种。
S202、生物标记处理子机构对生物标记识别子机构采集的信号进行处理并生成相应的呼吸生理体征数据。
本实施例中,所述生物标记识别子机构为可穿戴设备101,可穿戴设备101包括信号采集模块、数字信号处理模块以及数据处理模块。信号采集模块可以根据监测的需要选择声音采集、电流采集、图像采集、加速度采集、温度采集和血氧采集中的一种或多种,实现对呼吸生理体征进行采集。采集完的数据可以根据呼吸生理体征的临床会被存储、处理并通过显示器直观地展示给用户看,以便了解自己的实时呼吸生理体征。
同时,监测装置10还包括数据处理与存储子机构、效果评估子机构,步骤S102具体包括以下步骤:
S301、数据处理与存储子机构获取生物标记处理子机构生成的呼吸生理体征数据并进行存储。
S302、效果评估子机构建立呼吸生理体征模态的函数关系,所述函数关系包括:f1(声音)=鼾声、f2(图像)=腹肌形态、f3(温度)=腹肌动作、f4(震动)=腹肌动作、f5(电流)=腹肌动作、f6(光电)=血氧浓度、f7(震动)=心率、f8(光电)=二氧化碳浓度、f9(光电)=氢离子浓度。
S303、效果评估子机构根据上一步骤建立的呼吸生理体征模态的函数关系,建立多模态的呼吸机能评价函数。
S304、呼吸机能评价函数以数据处理与存储子机构存储的最新呼吸生理体征数据作为网络模型的输入,网络模型输出一系列目标人体可理解的评价数据。
参照图5,本实施例中数据处理与存储子机构、效果评估子机构通过云计算与云存储102实现。云计算与云存储102是一些存放在数据中心的服务器软硬件集群,这些服务器拥有网络,可以实现服务器之间以及与外部系统进行数据交换。它包含了计算单元、存储单元、感知测量应用以及智能辅助诊断应用等四个模块。
感知测量应用模块是一些根据呼吸生理临床医学原理而设计的可以运行在计算机上的程序,用来解决可穿戴设备计算能力不足的问题并可以对可穿戴设备进行远程的算法程序更新。感知测量应用模块用于建立呼吸生理体征模态的函数关系。
智能辅助诊断应用模块是一些根据临床呼吸生理学对呼吸健康的定义而设计的程序,根据感知测量应用程序中所建立的呼吸生理体征模态的函数关系,呼吸机能的智能辅助诊断的多模态函数可以表达为:呼吸机能评价M=F(f1,f2,f3,f4,f5,f6,f7...,fn),可以根据呼吸机能评价模式M(m1,m2,m3...,mn)的需要选择不同模态的组合作为参数。函数F的计算包括一个模仿人脑神经元工作方式的网络模型、一个可以预先设置呼吸机能康复目标G。这个网络的输入是可穿戴设备采集的数据,输出是一系列按照预先设置的呼吸机能用户可以直观理解的评价以及数据。以下是一些评价模式的示例:
m1腹肌肌肉的形状,比如可以识别出多少块腹肌,腹肌马甲线是否明显等,反映了横膈肌呼吸训练后效果,一定程度上体现了呼吸机能;
m2呼吸效应器肌电的变化,比如在屏息后呼吸效应器在呼吸中枢副交感神经的控制下发生收缩时发生的电流变化所需的时间,反映了呼吸中枢对二氧化碳浓度的敏感度,一定程度上体现了呼吸机能;
m3鼾声的频率,比如是否有鼾声、鼾声是否平稳有规律、是否出现呼吸暂停等,反映了非原觉醒状态下呼吸中枢、呼吸效应器的状态,一定程度上体现了呼吸机能;
m4腹肌肌肉的温度,反映了呼吸训练中脂肪燃烧的结果,一定程度上体现了呼吸机能;
m5血氧浓度,反映了呼吸训练对血液氧气浓度的干预结果,一定程度上体现了呼吸机能。
在步骤S103中,计算上述这些评价M与呼吸机能康复目标G之间的差距值delta,表示为delta=F(M,G),F(M,G)表示计算函数,将差距值delta传输给干预装置作为输入。
存储单元是一些拥有非挥发性记忆数据的硬件,用于存储可穿戴设备通过无线通信技术,如wifi、蓝牙、4G/5G移动通信传输的数据、感知测量应用模块运行过程中产生的数据、智能辅助诊断应用模块运行过程中产生的数据。
如图6所示,干预装置11包括干预模式配置模块110和模式输出模块111,干预模式配置模块包括意识干预模块1100和方法干预模块1101,模式输出模块111包括非入侵式大脑意识控制模块1110、外源性驱动16和呼吸效应器控制模块1112,步骤S104具体包括以下步骤:
S401、干预模式配置模块110接收到目标人体的呼吸生理体征监测数据和效果评估子机构输出的智能辅助诊断指令后开始工作,输出意识干预模式的配置结果I1和方法干预模式的配置结果I2作为模式输出模块的输入,意识干预模式的配置结果包括至少一个用于驱动目标人体行为意识及其外部影响因素之间的函数关系,所述外部影响因素包括鼓励、监督和认知,方法干预模式的配置结果包括外源性驱动与呼吸效应器控制的模式组合。
根据监测数据及智能辅助诊断指令,意识干预模块1100包含了一些驱动人行为意识及其外部影响因素之间的函数关系,这些外部影响因素可以包括鼓励、监督以及认知等。实现鼓励作用的可以是社交互动应用,实现监督作用的可以是智能助手应用,实现认知作用的可以是课程学习应用等,意识干预模式的示例可以采用以下的表达式:
社交互动应用=f11(鼓励),社交互动应用={点赞、评论、打赏}
智能助手应用=f12(监督),智能助手应用={提醒、预警}
课程学习内容=f13(认知),课程学习内容={临床呼吸生理学知识、呼吸训练、睡眠、情绪}
意识干预模式的配置可以采用以下的表达式:
I 1=F(f11,f12,f13...,f1 n),可以根据干预意识的需要选择不同的函数进行配置。
根据监测数据及智能辅助诊断指令,方法干预模块1101包含了一些外源性驱动与呼吸效应器控制的模式组合,外源性驱动及呼吸效应器控制的示例可以采用以下的表达式:
睡眠应用=f21(睡觉时长)
呼吸训练=f22(呼吸方式、吸气时长、屏息时长、呼气时长、训练次数)
运动=f23(心率、有氧运动时长、无氧运动时长)
腹肌=f24(电流强度、电击频次、电击时长)
舌咽肌=f25(电流强度、电击频次、电击时长)
横膈肌=f26(电流强度、电击频次、电击时长)
方法干预模式的配置可以采用以下的表达式:
I 2=F(f21,f22,f23...,f2n),可以根据方法干预的需要选择不同的函数进行配置。
S402、模式输出模块111将意识干预模式的配置结果I1作为非入侵式大脑意识控制模块1110的输入,经过计算输出可以刺激用于调节行为性呼吸调节机制的大脑皮质的表达内容,从而通过表达内容影响目标人体对于外源性驱动行为的执行程度。
S403、模式输出模块111将方法干预模式的配置结果I2作为外源性驱动16以及呼吸效应器控制模块1112的输入,经过计算输出训练内容、训练模式以及生物电信号,从而调整外源性驱动应用的参数,或者刺激呼吸效应器的呼吸效应器。
意识干预模块1100的输出I1被作为非入侵式大脑意识控制模块1110的输入,经过计算输出可以刺激大脑皮质的图像、声音和文字等表达形式。这些输入是通过一种应用程序接口的方式进行参数传递,输出是通过一些硬件接口来实现。这些输出的信号主要用于调节影响行为性呼吸调节机制的在大脑皮质,从而影响用户对于外源性驱动行为的执行程度,比如持续的呼吸训练、调整日常呼吸模式和运动呼吸模式、调整情绪、睡眠等。
方法干预模块1101的输出I2被作为外源性驱动模块1111以及呼吸效应器控制模块1112的输入,经过计算输出训练内容、训练模式以及生物电。这些输入是通过一种应用程序接口的方式进行参数传递,输出是通过一些硬件的应用程序接口来实现。这些输出的信号主要用于调整外源性驱动应用15的参数,比如睡眠的时机与时长,吸气、屏息和呼气时长,呼吸频率等。这些输出的信号也可以用于刺激呼吸效应器13的呼吸效应器,主要包括生物电流的强度、电击频次与电击模式等。
作为一种优选的示例,步骤S402中,非入侵式大脑意识控制模块1110计算输出表达内容后,还包括以下步骤:
S501、建立目标人体的第一图谱模型,第一图谱模型由第一型资源构成,第一型资源通过对目标人体在互联网应用上的行为数据进行处理后获得,所述行为数据可以是目标人体在互联网应用上产生的所有相关数据,例如社交网站上发表的文章、对他人发表内容的评价、点赞等。第一型资源包括一类资源、二类资源、三类资源中的一种或多种。一类资源是直接观察或传感器传输得到的独立实体内容,不与任何人的意图捆绑,在不结合上下文的情形下,不具备任何实质性内容。二类资源记录了用户的各种行为,二类资源与用户的某个特定目的相关。三类资源是对关系的一种总结归纳,由单个或多个一类资源和/或二类资源经过演绎推导得到。
S502、遍历第一图谱模型,对第一图谱模型中的第一型资源进行同类结合转换或异类结合转换,获得关于排斥内容、高效内容的新的第一型资源。同类结合转换即对相同类型的资源进行结合计算分析,从而转换得到新的资源。异类结合转换是对不同类型的资源进行结合计算分析,从而转换得到新的资源。所述排斥内容描述了目标人体所排斥的内容,这些内容对目标人体的呼吸机能康复较有可能会起到反效果。所述高效内容描述了目标人体感兴趣的内容,这些内容在目标人体上应用时较有可能获得更好的大脑皮层刺激效果。
S503、根据上一步骤获得的第一型资源分析目标人体的排斥内容和高效内容,基于排斥内容对非入侵式大脑意识控制模块输出的表达内容进行匹配,删除与排斥内容相匹配的表达内容,基于高效内容对非入侵式大脑意识控制模块输出的表达内容进行匹配,对于高效内容相匹配的表达内容,增加其干预权重。干预权重越高的表达内容在所有表达内容的篇幅占比越高。
另外,步骤S403中,外源性驱动模块和呼吸效应器控制模块计算输出训练内容、训练模式和生物电信号后,还包括以下步骤:
S601、建立目标人体的第二图谱模型,第二图谱模型由第二型资源构成,第二型资源通过针对目标人体采集的体质数据进行处理后获得,第二型资源包括一类资源、二类资源、三类资源中的一种或多种。
S602、遍历第二图谱模型,对第二图谱模型中的第二型资源进行同类结合转换或异类结合转换,获得关于目标人体训练强度上限、训练方式约束条件及生物电约束条件的新的第二型资源。
S603、根据上一步骤获得的第二型资源分析目标人体的训练强度上限、训练方式约束条件和生物电约束条件,对训练内容、训练模式中不符合训练强度上限和训练方式约束条件的内容进行调整,对生物电信号中不符合生物电约束条件的内容进行调整。
本实施例分别针对目标人体在互联网应用上产生的行为数据和留存的体质数据建立其第一图谱模型和第二图谱模型,通过对其第一图谱模型、第二图谱模型进行分析,能够针对性地调整对目标人体的意识干预和方法干预,从而提高干预效果。
作为进一步的优选示例,在每次进行同类结合转换或异类结合转换时,计算实现结合转换所需付出的计算资源量,判断计算资源量是否大于预设阈值,若大于预设阈值,则将该次转换所获得的资源标记为无效资源进行删除。
如图7所示,人的呼吸调节机制是由行为性呼吸调节机制和自主性呼吸调节机制组成。行为性呼吸调节受大脑皮质的控制,自主性呼吸调节受呼吸中枢的控制。本实施例中,设计了一种基于系统动力学原理的呼吸调控方法,通过设置正反馈和负反馈的模型,实现行为性呼吸调节和自主性呼吸调节的主被动协同。当没有行为性干预的时候,自主性呼吸调节下的呼吸机能会因为受饮食、呼吸习惯以及健康状况的影响而随时间不断变弱,或者说是呼吸系统的反射弧工作效能下降,这个被设置为具有正反馈属性的系统动力学模型。如前所述,行为意识可以通过干预装置不断强化,从而激活大脑皮质神经的活动。通过有意识、有计划地执行外源性驱动或者对呼吸效应器施加干预,可以有效激活行为性呼吸调节的功能或辅助呼吸效应器进行工作,这个被设置为具有负反馈属性的系统动力学模型。两个模型可以通过一种协同机制进行工作,其结果就是呼吸系统反射弧得到康复训练并达到健康的水平。
这两种模型协同工作的因果回路实施例如图8所示,具体包括目标设置、差距、呼吸机能状态监测以及呼吸机能纠偏干预。箭头(①~④)表明了因果关系影响的方向,箭头上的符号(+或-,⑤~⑧)标识了因果关系的极性。正的极性(+)意味着自变量的增加或减少将导致因变量的同向增加或减少。负的极性(-)意味着自变量的增加或减少将导致因变量的反向减少或增加。箭头①和④表明了差距由目标和呼吸机能状态监测结果决定,呼吸机能干预又受箭头③所影响,箭头④将直接作用于呼吸机能监测。
目标可以从鼾声、体内氧气水平BOLT、腹肌形态、血氧水平等体现呼吸生理体征的参数中选择,可以采用以下的表达式:
G=G{鼾声,体内氧气水平BOLT,腹肌形态,血氧水平}
呼吸机能纠偏干预是如前所述的呼吸机能干预装置11。
呼吸机能状态监测是如前所述的呼吸机能监测装置10。
基于与前述实施例相同的发明构思,本发明另一实施例提供一种呼吸机能监测、调控与干预装置,所述装置包括前述实施例所述的监测装置和干预装置,由于本实施例与前述方法实施例的构思相同,其工作原理和技术效果均可以参照前述方法实施例,不再赘述。
实施例3
本发明又提供了一种提供存储控制程序的存储介质,其包括存储在其上的计算机可执行指令,所述计算机可执行指令在被处理器执行时实现前述方法实施例所述的方法,使计算机:可以对监测装置的图像传感采集器、电流传感采集器、温度传感采集器、压力传感采集器、声音传感采集器、光谱传感采集器所产生呼吸生理体征生物标记数据进行存储管理,使其拥有被快速检索的功能;具有根据临床呼吸生理学建立的呼吸生理体征生物标记与呼吸健康指数关联性的程序,并提供可以反映呼吸健康的分析结果;具有远程更新程序的能力;可以对接收监测装置发送过来的分析结果输入至一个具有可以模拟人类大脑神经元网络的程序进行训练,并存储其结果;可以将训练的结果与影响大脑皮质、外源性驱动、呼吸效应器以及呼吸中枢的因素形成映射关系,形成一个通用程序接口,为干预应用提供数据与信号的输入。进一步使计算机:可以指导用户在日常生活中改善呼吸行为,成为呼吸反射弧康复的助手,达到重构用户呼吸调节神经网络的目的。
上文一般性的对本发明做了详尽的描述,但在本发明基础上,可以对之做一些修改或改进,这对于技术领域的一般技术人员是显而易见的。因此,在不脱离本发明思想精神的修改或改进,均在本发明的保护范围之内。
Claims (5)
1.一种呼吸机能监测、调控与干预方法,其特征在于:所述方法包括以下步骤:
S101、通过监测装置对目标人体的呼吸生理体征进行采集;监测装置包括生物标记识别子机构和生物标记处理子机构,
所述步骤S101具体包括以下步骤:
S201、生物标记识别子机构根据预设指令采集目标人体的呼吸生理体征信号,所述呼吸生理体征信号包括声音信号、电流信号、图像信号、加速度信号、温度信号、光电信号中的一种或多种;
S202、生物标记处理子机构对生物标记识别子机构采集的信号进行处理并生成相应的呼吸生理体征数据;
所述监测装置还包括数据处理与存储子机构、效果评估子机构,步骤S102具体包括以下步骤:
S301、数据处理与存储子机构获取生物标记处理子机构生成的呼吸生理体征数据并进行存储;
S302、效果评估子机构建立呼吸生理体征模态的函数关系,所述函数关系包括:f1=鼾声、f2=腹肌形态、f3=腹肌动作、f4=腹肌动作、f5=腹肌动作、f6=血氧浓度、f7=心率、f8=二氧化碳浓度、f9=氢离子浓度;
S303、效果评估子机构根据上一步骤建立的呼吸生理体征模态的函数关系,建立多模态的呼吸机能评价函数;
S304、呼吸机能评价函数以数据处理与存储子机构存储的最新呼吸生理体征数据作为网络模型的输入,网络模型输出一系列目标人体可理解的评价数据;
S102、建立呼吸生理体征模态的函数关系,基于函数关系和上一步骤采集的呼吸生理体征,对目标人体呼吸机能进行评价;
S103、基于上一步骤的评价结果判断目标人体呼吸机能与呼吸机能康复目标的差距,将判断结果作为干预装置的输入;基于网络模型的输出计算评价数据M与呼吸机能康复目标G之间的差距值delta,表示为del ta=F,F表示计算函数,将差距值del ta传输给干预装置作为输入;
S104、干预装置根据判断结果的输入,基于呼吸生理学的系统性原理,产生三类干预信号,以分别调整外源性驱动、刺激大脑皮质以及刺激呼吸效应器,从而以系统动力学实现行为性神经和自主性神经的主被动协同工作,促使呼吸反射弧康复,返回执行步骤S101,直至目标人体呼吸机能达到健康水平;
其中人的呼吸调节机制是由行为性呼吸调节机制和自主性呼吸调节机制组成,行为性呼吸调节受大脑皮质的控制,自主性呼吸调节受呼吸中枢的控制;基于系统动力学原理的呼吸调控方法,通过设置正反馈和负反馈的模型,实现行为性呼吸调节和自主性呼吸调节的主被动协同,当没有行为性干预的时候,自主性呼吸调节下的呼吸机能会因为受饮食、呼吸习惯以及健康状况的影响而随时间不断变弱,或者说是呼吸系统的反射弧工作效能下降,这个被设置为具有正反馈属性的系统动力学模型,如前所述,行为意识可以通过干预装置不断强化,从而激活大脑皮质神经的活动,通过有意识、有计划地执行外源性驱动或者对呼吸效应器施加干预,可以有效激活行为性呼吸调节的功能或辅助呼吸效应器进行工作,这个被设置为具有负反馈属性的系统动力学模型,两个模型可以通过一种协同机制进行工作,其结果就是呼吸系统反射弧得到康复训练并达到健康的水平;
所述干预装置包括干预模式配置模块和模式输出模块,干预模式配置模块包括意识干预模块和方法干预模块,模式输出模块包括非入侵式大脑意识控制模块、外源性驱动模块和呼吸效应器控制模块,步骤S104具体包括以下步骤:
S401、干预模式配置模块接收到目标人体的呼吸生理体征监测数据和效果评估子机构输出的智能辅助诊断指令后开始工作,输出意识干预模式的配置结果I1和方法干预模式的配置结果I 2作为模式输出模块的输入,意识干预模式的配置结果包括至少一个用于驱动目标人体行为意识及其外部影响因素之间的函数关系,所述外部影响因素包括鼓励、监督和认知,方法干预模式的配置结果包括外源性驱动与呼吸效应器控制的模式组合;
S402、模式输出模块将意识干预模式的配置结果I1作为非入侵式大脑意识控制模块的输入,经过计算输出可以刺激用于调节行为性呼吸调节机制的大脑皮质的表达内容,从而通过表达内容影响目标人体对于外源性驱动行为的执行程度;
S403、模式输出模块将方法干预模式的配置结果I2作为外源性驱动模块以及呼吸效应器控制模块的输入,经过计算输出训练内容、训练模式以及生物电信号,从而调整外源性驱动应用的参数,或者刺激呼吸效应器;
其中正反馈机制用于持续强化基于大脑皮质的行为性调节的意识,负反馈用于维持基于呼吸中枢的自主性调节,正负反馈调节机制通过监测与干预装置实现了协同工作,为训练人体内呼吸调节的神经网络提供了调控机制;基于系统动力学理论的正反馈和负反馈呼吸调节机制,其中正反馈机制用于持续强化基于大脑皮质的行为性调节的意识,负反馈用于维持基于呼吸中枢的自主性调节,正负反馈调节机制通过监测与干预装置实现了协同工作,为训练人体内呼吸调节的神经网络提供了工作机制,可以帮助用户通过训练目标人体内呼吸调节的神经网络对呼吸模式进行重构;
步骤S402中,非入侵式大脑意识控制模块计算输出表达内容后,还包括以下步骤:
S501、建立目标人体的第一图谱模型,第一图谱模型由第一型资源构成,第一型资源通过对目标人体在互联网应用上的行为数据进行处理后获得,第一型资源包括一类资源、二类资源、三类资源中的一种或多种;
S502、遍历第一图谱模型,对第一图谱模型中的第一型资源进行同类结合转换或异类结合转换,获得关于排斥内容、高效内容的新的第一型资源;
S503、根据上一步骤获得的第一型资源分析目标人体的排斥内容和高效内容,基于排斥内容对非入侵式大脑意识控制模块输出的表达内容进行匹配,删除与排斥内容相匹配的表达内容,基于高效内容对非入侵式大脑意识控制模块输出的表达内容进行匹配,对于高效内容相匹配的表达内容,增加其干预权重。
2.根据权利要求1所述的一种呼吸机能监测、调控与干预方法,其特征在于:步骤S403中,外源性驱动模块和呼吸效应器控制模块计算输出训练内容、训练模式和生物电信号后,还包括以下步骤:
S601、建立目标人体的第二图谱模型,第二图谱模型由第二型资源构成,第二型资源通过针对目标人体采集的体质数据进行处理后获得,第二型资源包括一类资源、二类资源、三类资源中的一种或多种;
S602、遍历第二图谱模型,对第二图谱模型中的第二型资源进行同类结合转换或异类结合转换,获得关于目标人体训练强度上限、训练方式约束条件及生物电约束条件的新的第二型资源;
S603、根据上一步骤获得的第二型资源分析目标人体的训练强度上限、训练方式约束条件和生物电约束条件,对训练内容、训练模式中不符合训练强度上限和训练方式约束条件的内容进行调整,对生物电信号中不符合生物电约束条件的内容进行调整。
3.根据权利要求2所述的一种呼吸机能监测、调控与干预方法,其特征在于:在每次进行同类结合转换或异类结合转换时,计算实现结合转换所需付出的计算资源量,判断计算资源量是否大于预设阈值,若大于预设阈值,则将本次转换所获得的资源标记为无效资源进行删除。
4.一种呼吸机能监测、调控与干预装置,其特征在于:呼吸机能监测、调控与干预装置用于执行权利要求1-3任一项所述的呼吸机能监测、调控与干预方法。
5.一种提供存储控制程序的存储介质,其包括存储在其上的计算机可执行指令,其特征在于:所述计算机可执行指令在被处理器执行时实现权利要求1-3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310508146.6A CN116531663B (zh) | 2023-05-08 | 2023-05-08 | 一种呼吸机能监测、调控与干预方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310508146.6A CN116531663B (zh) | 2023-05-08 | 2023-05-08 | 一种呼吸机能监测、调控与干预方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116531663A CN116531663A (zh) | 2023-08-04 |
CN116531663B true CN116531663B (zh) | 2023-11-10 |
Family
ID=87448324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310508146.6A Active CN116531663B (zh) | 2023-05-08 | 2023-05-08 | 一种呼吸机能监测、调控与干预方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116531663B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104939815A (zh) * | 2015-07-15 | 2015-09-30 | 张鸣生 | 综合反馈式肺康复评估治疗仪 |
CN105879329A (zh) * | 2016-04-06 | 2016-08-24 | 上海乃欣电子科技有限公司 | 基于生物电信号的呼吸训练系统及方法 |
CN109859570A (zh) * | 2018-12-24 | 2019-06-07 | 中国电子科技集团公司电子科学研究院 | 一种大脑训练方法及系统 |
WO2020188069A1 (de) * | 2019-03-20 | 2020-09-24 | Drägerwerk AG & Co. KGaA | Vorrichtung, verfahren und computerprogramm zur atmungsbeeinflussung einer person |
CN112957687A (zh) * | 2021-04-25 | 2021-06-15 | 中国科学院心理研究所 | 一种腹式呼吸训练系统 |
EP3888549A1 (de) * | 2020-04-02 | 2021-10-06 | BIOTRONIK SE & Co. KG | Bestimmung der atmung mit hilfe eines beschleunigungssensors |
CN214679922U (zh) * | 2021-04-25 | 2021-11-12 | 中国科学院心理研究所 | 一种腹式呼吸训练系统 |
CN116030051A (zh) * | 2023-03-27 | 2023-04-28 | 中国科学院苏州生物医学工程技术研究所 | 一种呼吸训练检测评价方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793593B (zh) * | 2013-11-15 | 2018-02-13 | 吴一兵 | 一种获取大脑状态客观定量指标的方法 |
-
2023
- 2023-05-08 CN CN202310508146.6A patent/CN116531663B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104939815A (zh) * | 2015-07-15 | 2015-09-30 | 张鸣生 | 综合反馈式肺康复评估治疗仪 |
CN105879329A (zh) * | 2016-04-06 | 2016-08-24 | 上海乃欣电子科技有限公司 | 基于生物电信号的呼吸训练系统及方法 |
CN109859570A (zh) * | 2018-12-24 | 2019-06-07 | 中国电子科技集团公司电子科学研究院 | 一种大脑训练方法及系统 |
WO2020188069A1 (de) * | 2019-03-20 | 2020-09-24 | Drägerwerk AG & Co. KGaA | Vorrichtung, verfahren und computerprogramm zur atmungsbeeinflussung einer person |
EP3888549A1 (de) * | 2020-04-02 | 2021-10-06 | BIOTRONIK SE & Co. KG | Bestimmung der atmung mit hilfe eines beschleunigungssensors |
CN112957687A (zh) * | 2021-04-25 | 2021-06-15 | 中国科学院心理研究所 | 一种腹式呼吸训练系统 |
CN214679922U (zh) * | 2021-04-25 | 2021-11-12 | 中国科学院心理研究所 | 一种腹式呼吸训练系统 |
CN116030051A (zh) * | 2023-03-27 | 2023-04-28 | 中国科学院苏州生物医学工程技术研究所 | 一种呼吸训练检测评价方法及装置 |
Non-Patent Citations (1)
Title |
---|
多参数监护仪质量控制效果;王心纲;;医疗装备(05);62-63 * |
Also Published As
Publication number | Publication date |
---|---|
CN116531663A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021072885A (ja) | 機能を強化するために生理及び機械情報を結合する方法及びシステム | |
US20220354381A1 (en) | Diagnosis tailoring of health and disease | |
KR102014176B1 (ko) | 행동모방학습 기반의 뇌 훈련 시뮬레이션시스템 | |
Kotchoubey et al. | Can humans perceive their brain states? | |
KR20160046887A (ko) | 전기 자극을 사용자에게 제공하기 위한 방법 및 시스템 | |
WO2023155435A1 (zh) | 一种基于神经调控的认知提升训练方法及系统 | |
Guerrero et al. | Using “human state aware” robots to enhance physical human–robot interaction in a cooperative scenario | |
WO2019237717A1 (zh) | 自主神经心肺代谢系统调控能力和调控状态的测量方法和系统 | |
KR20200031483A (ko) | 수면 보조장치를 이용한 스케줄 추천 시스템 및 장치 | |
CN110931104A (zh) | 基于机器学习的上肢康复机器人智能训练系统及方法 | |
US20220386943A1 (en) | Detection and Treatment of Obstructive Sleep Apnea | |
Morales et al. | An adaptive model to support biofeedback in AmI environments: a case study in breathing training for autism | |
CN116531663B (zh) | 一种呼吸机能监测、调控与干预方法、装置及存储介质 | |
US20220280105A1 (en) | System and method for personalized biofeedback from a wearable device | |
Hernández et al. | Pasithea: An integrated monitoring and therapeutic system for sleep apnea syndromes based on adaptive kinesthetic stimulation | |
Brezany et al. | Towards precision brain disorder rehabilitation | |
Vartak et al. | Cognitive state estimation for adaptive learning systems using wearable physiological sensors | |
US20210313066A1 (en) | System and method for automated health and fitness advisement | |
US20230172540A1 (en) | Biofeedback system | |
Matti | Application of Biological Control Principle in Understanding of Human Behavior Modulations | |
Torres | Inherent Noise Hidden in Nervous Systems’ Rhythms Leads to New Strategies for Detection and Treatments of Core Motor Sensing Traits in ASD | |
Tarasova et al. | Biofeedback in Rehabilitation (Modern Review) | |
Spomer | Evaluating Multimodal Biofeedback to Target and Improve Motor Control in Cerebral Palsy | |
CN117079759A (zh) | 一种康复等级确定方法及系统 | |
hand Syndrome | Autism spectrum disorder (ASD), 80, 94 Autobiographical memory system, 77 Autonomous nervous system, 61 Autonomy, 144, 149 |
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 |