CN116705276A - 供血驱动装置的参数推荐方法以及相关装置 - Google Patents

供血驱动装置的参数推荐方法以及相关装置 Download PDF

Info

Publication number
CN116705276A
CN116705276A CN202310991045.9A CN202310991045A CN116705276A CN 116705276 A CN116705276 A CN 116705276A CN 202310991045 A CN202310991045 A CN 202310991045A CN 116705276 A CN116705276 A CN 116705276A
Authority
CN
China
Prior art keywords
user
blood supply
historical
parameter
individual data
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
CN202310991045.9A
Other languages
English (en)
Other versions
CN116705276B (zh
Inventor
乔元风
孙德佳
曾凡
王明刚
朱江烽
阎昶安
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.)
Shanghai Xuanwei Medical Technology Co ltd
Xuanwei Beijing Biotechnology Co ltd
Original Assignee
Shanghai Xuanwei Medical Technology Co ltd
Xuanwei Beijing Biotechnology Co ltd
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 Shanghai Xuanwei Medical Technology Co ltd, Xuanwei Beijing Biotechnology Co ltd filed Critical Shanghai Xuanwei Medical Technology Co ltd
Priority to CN202310991045.9A priority Critical patent/CN116705276B/zh
Publication of CN116705276A publication Critical patent/CN116705276A/zh
Application granted granted Critical
Publication of CN116705276B publication Critical patent/CN116705276B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • External Artificial Organs (AREA)

Abstract

本申请的实施方式提供了一种供血驱动装置的参数推荐方法以及相关装置。该方法包括:获取目标装置对应的用户个体数据;目标装置为用户所使用的供血驱动装置;从用户个体数据中提取用户在当前身体状态下的供血负荷特征;供血负荷特征表征用户个体数据中隐含存在的供血状态,供血状态与用户自身的供血驱动系统的运行情况相关联;基于供血负荷特征预测与用户相匹配的目标设备参数;基于目标设备参数生成与用户适配的参数推荐信息,用以辅助对目标装置的设备参数配置。本申请通过参数推荐信息能够辅助实现供血驱动装置的参数档位配置,使供血驱动装置更为匹配于用户的个体情况,降低供血驱动装置的定制化成本。

Description

供血驱动装置的参数推荐方法以及相关装置
技术领域
本申请的实施方式涉及驱动控制领域,更具体地,本申请的实施方式涉及一种供血驱动装置的参数推荐方法以及相关装置。
背景技术
心血管疾病是威胁人类健康的主要杀手之一。多数心血管疾病最终会影响到左心室功能,导致心脏功能下降。心脏泵,又称为人工心脏,可部分或全部替代心脏的泵血功能,减轻左心室负担,满足全身组织、器官的血液灌注需求,提高用户生存质量。
相关技术中,心脏泵通常为定速工作模式,即泵的转速和流量保持恒定。这种心脏泵虽然可以缓解用户的心脏负担,恢复一定心脏功能,然而,定速泵所产生的非搏动血流,会影响血液循环系统中微小动脉的自身调节,导致血液过度稀释,血液携氧能力下降,整个心动周期的血液动力学特性不稳定。
目前,对医疗器械、耗材、药物等医疗产品的定制化研发、生产、使用的费用均高居不下。相关技术中,通常是为用户装配使用相关的器械设备,并通过对用户的恢复训练使用户主动适应器械设备。因而,现有的心脏泵、动脉泵等设备缺乏对用户的适应性调整,用户体验较差。
因此,亟待设计一种全新的技术方案,用以克服相关技术中存在的技术问题。
发明内容
在本上下文中,本申请的实施方式期望提供一种供血驱动装置的参数推荐方法以及相关装置,用以实现对供血驱动装置参数的个体化推荐,辅助对供血驱动装置参数的个体化配置,使供血驱动装置更为匹配于用户的个体情况,降低供血驱动装置的定制化成本,有利于供血驱动装置的推广应用。
在本申请实施方式的第一方面中,提供了一种供血驱动装置的参数推荐方法,包括:
获取目标装置对应的用户个体数据;所述目标装置为用户所使用的供血驱动装置;所述用户个体数据包括用户自身的生理信息、诊疗信息、目标装置属性中的至少一个;
从所述用户个体数据中提取用户在当前身体状态下的供血负荷特征;所述供血负荷特征表征所述用户个体数据中隐含存在的供血状态,所述供血状态与用户自身的供血驱动系统的运行情况相关联;
基于所述供血负荷特征预测与用户相匹配的目标设备参数;所述目标设备参数包括与用户自身的供血驱动系统在当前运行状态下相匹配的驱动部件运行参数;
基于所述目标设备参数生成与用户适配的参数推荐信息,用以辅助对所述目标装置的设备参数配置。
在本实施方式的一个实施例中,所述从所述用户个体数据中提取用户在当前身体状态下的供血负荷特征,包括:
识别所述用户个体数据中具有固定格式的结构化数据和/或不具有固定格式的非结构化数据;
以所述用户个体数据中的结构化数据作为输入,通过针对供血驱动系统的第一个体特征提取模型,从所述结构化数据中提取用户的第一供血负荷特征;
以所述用户个体数据中的非结构化数据作为输入,通过针对供血驱动系统的第二个体特征提取模型,从所述非结构化数据中提取用户的第二供血负荷特征。
在本实施方式的一个实施例中,所述以所述用户个体数据中的非结构化数据作为输入,通过针对供血驱动系统的第二个体特征提取模型,从所述非结构化数据中提取用户的第二供血负荷特征,包括:
对所述用户个体数据中不同模态的非结构化数据进行预处理;
将预处理后的非结构化数据输入到所述第二个体特征提取模型中,通过所述第二个体特征提取模型对预处理后的非结构化数据进行特征提取,以得到每个模态对应的第二供血负荷特征;
其中,所述非结构化数据所属模态包括视频、音频、纯文本、富文本中的至少一个。
在本实施方式的一个实施例中,所述基于所述供血负荷特征预测与用户相匹配的目标设备参数,包括:
通过个体化档位配置模型,对第一供血负荷特征以及第二供血负荷特征进行融合处理,并基于融合处理得到的第三供血负荷特征,对当前用户所使用的设备参数档位进行分类预测,以得到推荐用户使用的目标设备参数档位;
基于所述目标设备参数档位,从预先设置的设备参数库中,获取所述目标装置在所述目标设备参数档位下对应的驱动部件运行参数;
其中,各个设备参数档位分别配置有对应的驱动部件运行参数,各个设备参数档位对应的驱动部件运行参数包括以下至少一个参数:心脏泵的最高转速、最低转速、运行时默认转速、植入式动脉泵的最高心跳补偿转速、最低心跳补偿转速、默认心跳补偿转速。
在本实施方式的一个实施例中,所述基于所述目标设备参数生成与用户适配的参数推荐信息,包括:
查询历史适配数据库中与所述目标设备参数相似的历史设备参数、以及所述历史设备参数对应的历史用户个体数据;
基于所述用户个体数据、所述目标设备参数、所述历史设备参数、以及所述历史用户个体数据,生成所述参数推荐信息。
在本实施方式的一个实施例中,在所述历史适配数据库中存储有历史装置所使用的设备参数档位,以及所述历史装置对应的历史用户个体数据;
所述查询历史适配数据库中与所述目标设备参数相似的历史设备参数、以及所述历史设备参数对应的历史用户个体数据,包括:
从所述历史适配数据库中,查询使用所述目标设备参数档位的历史装置、所述历史装置在该档位下的历史驱动部件运行情况、以及所述历史装置对应的历史用户个体数据;和/或
从所述历史适配数据库中,查询使用相邻设备参数档位的历史装置、所述历史装置在该档位下的历史驱动部件运行情况、以及所述历史装置对应的历史用户个体数据。
在本实施方式的一个实施例中,所述查询历史适配数据库中与所述目标设备参数相似的历史设备参数、以及所述历史设备参数对应的历史用户个体数据之后,还包括:
从查询到的历史用户个体数据中,选取符合预设条件的历史用户个体数据;
基于选取出的历史用户个体数据,历史用户个体数据与历史装置之间的对应关系,以及历史装置与所使用的设备参数档位之间的对应关系,确定用户的设备参数档位使用情况;
其中,所述设备参数档位使用情况包括:各个历史用户个体数据对应的设备参数档位使用分布、当前设备参数档位、历史设备参数档位、档位调节频率、调节依据、调节时间中的至少一个。
在本实施方式的一个实施例中,所述基于所述用户个体数据、所述目标设备参数、所述历史设备参数、以及所述历史用户个体数据,生成所述参数推荐信息,包括:
基于所述目标设备参数中的目标设备参数档位,生成对应的档位推荐信息;
基于所述目标设备参数、所述历史设备参数以及对应的历史用户个体数据,生成所述目标设备参数档位对应的推荐依据信息;
对所述档位推荐信息和所述推荐依据信息进行拼接处理,得到所述参数推荐信息,并向用户推送所述参数推荐信息。
在本实施方式的一个实施例中,该方法还包括:
获取医疗数据样本;所述医疗数据样本包括用户所使用的历史装置、历史设备参数、以及所述历史设备参数对应的历史用户个体数据;所述历史设备参数包括多个设备参数档位、以及各个设备参数档位对应的驱动部件运行参数;所述历史装置的类型包括心脏泵和/或植入式动脉泵;
从所述历史用户个体数据中提取隐私数据;所述隐私数据包括用户的生理性别、年龄、体重、身高、基础病史、心脏指标、血液循环参数、病例记录、治疗方案中的至少一个;
对所述隐私数据进行脱敏处理,得到脱敏处理后的历史用户个体数据;
将所述历史装置、所述历史设备参数、以及所述历史设备参数对应的历史用户个体数据存储到所述历史适配数据库中;并
建立所述历史装置与所使用的设备参数档位之间的对应关系,以及所述历史装置与所述历史用户个体数据之间的对应关系。
在本实施方式的一个实施例中,所述生成与用户适配的参数推荐信息之后,还包括:
响应于对所述参数推荐信息的审核通过指令,生成针对所述目标设备参数的个体化审核信息;
将所述目标设备参数以及对应的个体化审核信息存储到所述历史适配数据库中。
在本申请实施方式的第二方面中,提供了一种供血驱动装置的参数推荐装置,应用于实现如第一方面中任一项所述的供血驱动装置的参数推荐方法,该装置包括:
获取单元,用于获取目标装置对应的用户个体数据;所述目标装置为用户所使用的供血驱动装置;所述用户个体数据包括以下至少一个数据:用户自身的生理信息、诊疗信息、目标装置属性;
提取单元,用于从所述用户个体数据中提取用户在当前身体状态下的供血负荷特征;所述供血负荷特征表征所述用户个体数据中隐含存在的供血状态,所述供血状态与用户自身的供血驱动系统的运行情况相关联;
预测单元,用于基于所述供血负荷特征预测与用户相匹配的目标设备参数;所述目标设备参数包括与用户自身的供血驱动系统在当前运行状态下相匹配的驱动部件运行参数;
推荐单元,用于基于所述目标设备参数生成与用户适配的参数推荐信息,用以辅助对所述目标装置的设备参数配置。
在本申请实施方式的第三方面中,提供了一种计算机可读存储介质,其包括指令,当其在计算机上运行时,使得计算机执行第一方面中任一项所述的供血驱动装置的参数推荐方法。
在本申请实施方式的第四方面中,提供了一种计算设备,所述计算设备包括:至少一个处理器、存储器和输入输出单元;其中,所述存储器用于存储计算机程序,所述处理器用于调用所述存储器中存储的计算机程序来执行第一方面中任一项所述的供血驱动装置的参数推荐方法。
本申请实施例中,提供了一种供血驱动装置的参数推荐方法以及相关装置。本申请实施例中,获取用户所使用的供血驱动装置(即目标装置)对应的用户个体数据,该用户个体数据包括用户自身的生理信息、诊疗信息、目标装置属性中的至少一个。此处,用户个体数据可以从用户当前所处身体状态以及装置自身的配置需求出发,为后续对供血驱动装置的个体化定制配置方式提供数据基础。具体来说,在获取用户个体数据之后,可以从用户个体数据中提取用户在当前身体状态下的供血负荷特征,该供血负荷特征表征用户个体数据中隐含存在的供血状态。由于供血状态与用户自身的供血驱动系统的运行情况相关联,因而,结合供血负荷特征进一步分析出用户个体情况,从而基于这一需求实现对供血驱动装置的个体化配置。具体来说,基于供血负荷特征可以预测与用户相匹配的目标设备参数,该目标设备参数包括与用户自身的供血驱动系统在当前运行状态下相匹配的驱动部件运行参数。最后,基于目标设备参数生成与用户适配的参数推荐信息,用以辅助对目标装置的设备参数配置。
本申请实施例中,从用户个体数据中提取用于体现供血驱动系统运行情况的供血负荷特征,再结合供血负荷特征为供血驱动装置定制匹配于用户个体情况的目标设备参数,使最终推荐的参数推荐信息更为适应用户个体情况。同时,通过识别用户个体情况实现对供血驱动装置的定制化参数预测以及参数推荐,还大大降低了供血驱动装置的定制化成本,有利于供血驱动装置的推广应用。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,其中:
图1为本申请一实施例提供的一种供血驱动装置的参数推荐方法的流程示意图;
图2为本申请一实施例提供的一种供血负荷特征获取方法的流程示意图;
图3为本申请一实施例提供的一种第一个体特征提取模型的示意图;
图4为本申请一实施例提供的一种第二个体特征提取模型的示意图;
图5为本申请一实施例提供的一种目标设备参数确定方法的流程示意图;
图6为本申请一实施例提供的一种参数推荐信息生成方法的流程示意图;
图7为本申请一实施例提供的一种供血驱动装置的参数推荐装置的结构示意图;
图8为本申请一实施例提供的一种介质的结构示意图;
图9为本申请一实施例提供的一种计算设备的结构示意图。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本申请的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本申请,而并非以任何方式限制本申请的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本申请的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
心血管疾病是威胁人类健康的主要杀手之一。多数心血管疾病最终会影响到左心室功能,导致心脏功能下降。心脏泵,又称为人工心脏,可部分或全部替代心脏的泵血功能,减轻左心室负担,满足全身组织、器官的血液灌注需求,提高用户生存质量。
申请人发现,相关技术中,心脏泵通常为定速工作模式,即泵的转速和流量保持恒定。这种心脏泵虽然可以缓解用户的心脏负担,恢复一定心脏功能,然而,定速泵所产生的非搏动血流,会影响血液循环系统中微小动脉的自身调节,导致血液过度稀释,血液携氧能力下降,使得整个心动周期的血液动力学特性不稳定。
相关技术中,除了上述心脏泵之外,还可以通过动脉泵辅助实现心脏功能的恢复。但是,动脉泵通常是在心脏手术中使用的辅助设备,设备主体设置在用户体外,无法植入用户体内或由用户随身携带,难以满足用户的日常生活需求。并且,动脉泵使用的也是定速工作模式,其转速和流量也同样保持为恒定值。显然,动脉泵同样也无法解决相关技术中心脏泵存在的技术问题。
申请人还发现,目前,对医疗器械、耗材、药物等医疗产品的定制化研发、生产、使用的费用均高居不下。相关技术中,通常是为用户装配使用相关的器械设备,并通过对用户的恢复训练使用户主动适应器械设备。因而,现有的心脏泵、动脉泵等设备缺乏对用户的适应性调整,用户体验较差。
因此,亟待设计一种全新的技术方案,用以克服相关技术中供血驱动装置存在的技术问题。
本申请实施例提供了一种供血驱动装置的参数推荐方法以及相关装置。本申请实施例中,获取用户所使用的供血驱动装置(即目标装置)对应的用户个体数据,该用户个体数据包括用户自身的生理信息、诊疗信息、目标装置属性中的至少一个。此处,用户个体数据中生理信息和诊疗信息主要用于从各个维度表示用户当前的身体状态,目标装置属性则反映了供血驱动装置的配置需求。这样,通过用户个体数据可以从用户当前所处身体状态以及装置自身的配置需求出发,为后续对供血驱动装置的个体化定制配置方式提供数据基础。具体来说,在获取用户个体数据之后,可以从用户个体数据中提取用户在当前身体状态下的供血负荷特征,该供血负荷特征表征用户个体数据中隐含存在的供血状态。由于供血状态与用户自身的供血驱动系统的运行情况相关联,因而,结合供血负荷特征进一步分析出用户个体情况,从而基于这一需求实现对供血驱动装置的个体化配置。具体来说,基于供血负荷特征可以预测与用户相匹配的目标设备参数,该目标设备参数包括与用户自身的供血驱动系统在当前运行状态下相匹配的驱动部件运行参数。最后,基于目标设备参数生成与用户适配的参数推荐信息,用以辅助对目标装置的设备参数配置。
本申请实施例中,从用户个体数据中提取用于体现供血驱动系统运行情况的供血负荷特征,再结合供血负荷特征为供血驱动装置定制匹配于用户个体情况的目标设备参数,使最终推荐的参数推荐信息更为适应用户个体情况。同时,通过识别用户个体情况实现对供血驱动装置的定制化参数预测以及参数推荐,还大大降低了供血驱动装置的定制化成本,有利于供血驱动装置的推广应用。
一些实施方式中,供血驱动装置的参数推荐装置是一个,也可以是多个。多个供血驱动装置的参数推荐装置可以采用分布式部署,也可以采用集中式部署。在医疗场景下,供血驱动装置的参数推荐装置与医疗设备相结合。例如,可以实现为部署在医疗设备中的一个模块,包括软件模块和/或硬件模块;也可以实现为与医疗设备相连的独立设备;还可以实现为接入医疗设备的软件服务,如云服务等,本申请实施例并不限定。
需要说明的是,本申请实施例涉及的服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、以及大数据和人工智能平台等基础云计算服务的云服务器。
本申请实施例涉及的终端设备,可以是指向用户提供语音和/或数据连通性的设备,具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。例如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机,例如,可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置,它们与无线接入网交换语音和/或数据。例如,个人通信业务(Personal Communication Service,PCS)电话、无绳电话、会话发起协议(Sessioninitialization Protocol,SIP)话机、无线本地环路(Wireless Local Loop,WLL)站、个人数字助理(Personal Digital Assistant,PDA)等设备。
需要说明的是,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
下面参考本申请的若干代表性实施方式,详细阐释本申请的原理和精神。
下面参考图1,图1为本申请一实施例提供的供血驱动装置的参数推荐方法的流程示意图。
图1所示的本申请一实施例提供的供血驱动装置的参数推荐方法的流程,包括:
相关技术中,心脏泵和动脉泵一般为定速工作模式,即泵的转速和流量保持恒定。然而,定速泵所产生的非搏动血流,会影响血液循环系统中微小动脉的自身调节,导致血液过度稀释,血液携氧能力下降,整个心动周期的血液动力学特性不稳定。针对定速工作模式带来的上述问题,需要对心脏泵、动脉泵等供血驱动装置的工作模式进行动态调整,以使供血驱动装置适应用户所处身体状态。
首先,为调节供血驱动装置的工作模式,需要先获取用户的个体情况。这一需求可以基于用户当前的血液循环系统的运行状态确定。
步骤S101,获取目标装置对应的用户个体数据。
步骤S102,从用户个体数据中提取用户在当前身体状态下的供血负荷特征。
本申请实施例中,目标装置为用户所使用的供血驱动装置。供血驱动装置用于为用户持续泵血,提供血液循环系统的动力补偿,辅助用户的血液循环系统维持全身的血液灌注需求。实际应用中,供血驱动装置包括但不限于:心脏泵、植入式动脉泵。
其中,心脏泵,是一种能够模拟人类心脏功能的设备,可以植入用户体内并长期使用,多被应用于医学研究、治疗等场景。心脏泵可以部分或全部替代心脏的泵血功能,减轻左心室负担,满足全身组织、器官的血液灌注需求,提高用户生存质量。植入式动脉泵,是一种可以植入用户体内并长期使用的设备,用于持续为心脏提供辅助的供血驱动功能。植入式动脉泵常用于心脏病用户中,当其他治疗手段无效时,可以作为心脏移植前的桥梁。具体来说,植入式动脉泵通过手术将其植入胸腔或腹部,连接到心脏或主动脉,以提供持续的血液泵送功能。这种设备可以帮助用户的心脏继续有效地泵血,维持全身血液循环。
作为一种可选实施例,供血驱动装置包括以下部件:泵体、驱动系统、控制系统、能源供应、传感器。其中,供血驱动装置的泵体可以采用柔性材料,如硅胶或聚氨酯等,以模拟人类心肌组织的柔软性。泵体内部有一个腔室,用于容纳血液模拟液或其他液体,泵体的外壳上通常还配有进出液管。为了能够让泵体像真实的心脏一样有规律地收缩和放松,供血驱动装置中通常采用电机或气动的驱动系统。驱动系统可以通过控制泵体的运动来实现不同的心率和心输出量。控制系统是供血驱动装置的核心,可以通过控制驱动系统的输出来实现不同的心率和心输出量。控制系统一般由微处理器和程序控制单元组成,可以通过用户界面或无线通信等方式实现对泵的控制和监测。供血驱动装置的能源供应一般使用电池或接口电源,电池可以使泵在移动的时候保持连续工作,接口电源则可以在长时间使用时提供稳定的能量供应。传感器用于检测泵转速、电量、心跳等设备和生理指标。
进一步可选地,根据不同采集需求,供血驱动装置中可设置不同类型的传感器。实际应用中,为进一步降低植入式设备的功耗,部分或全部传感器均可以设置在用户体外,实现为与供血驱动装置相分离的独立模块或装置,通过无线或有线通信方式与供血驱动装置之间传递控制信号以及采集数据。
本申请实施例中,用户个体数据可从用户的生理、心理、对设备的适应情况等多个方面,综合反馈用户的个体情况,从而为后续对用户使用的供血驱动装置的定制化参数设置方案提供数据支持。
用户个体数据包括但不限于:用户自身的生理信息、诊疗信息、目标装置属性中的至少一个。可以理解的是,用户个体数据中生理信息和诊疗信息主要用于从各个维度表示用户当前的身体状态,目标装置属性则反映了供血驱动装置的配置需求。这样,通过用户个体数据可以从用户当前所处身体状态以及装置自身的配置需求出发,为后续对供血驱动装置的个体化定制配置方式提供数据基础。上述用户个体数据的具体类型以及数量均与具体的应用场景相关,本申请实施例对此不做限定。
具体来说,作为一个可选的实施例,用户自身的生理信息包括但不限于:用户的身高、体重、年龄、性别、基础病史。作为一个可选的实施例,诊疗信息包括但不限于:当前心脏指标、血液循环参数、病例记录、治疗方案。
对于一个用户而言,对供血驱动系统的个体化需求也会随时间、身体状态、心理、患病情况等因素而改变,因此需要对一些变化较大的数据进行监控。实际应用中,对用户个体数据的监控周期以及时机可根据数据变化特征设置。进一步可选地,用户个体数据还包括利用传感器采集用户的生理指标信息。例如,传感器检测用户的血氧饱和度、心跳、加速度、陀螺仪、肌肉电信号等多种生理指标。这些生理指标可以实时计算用户的心跳频率、血氧水平、活动状态、肌肉发力大小和方向,从而通过这些计算结果可以实时调节供血驱动装置的设备参数以及运行状态。通过供血驱动装置的数据接口实时读取传感器或者其他模块设备采集到的生理信息,以便及时对供血驱动装置作出调节处理,保证供血驱动装置的运行状态的实时性。上述数据接口比如可以是蓝牙接口、WiFi接口、专用数据接口、USB接口等。
在获取用户个体数据之后,需要从用户个体数据中进一步挖掘用户自身对供血驱动系统的个体化需求,从而为后续对供血驱动装置的个体化参数配置提供数据基础。对于一个用户而言,对供血驱动系统的个体化需求也会随时间、身体状态、心理、患病情况等因素而改变,因而,多数用户个体数据往往是实时变动的,需要及时进行分析、识别以及后续处理。
具体来说,步骤S102中,从用户个体数据中提取用户在当前身体状态下的供血负荷特征。
此处,供血负荷特征表征用户个体数据中隐含存在的供血状态。简单来说,供血负荷特征可以从用户个体的角度来反映用户自身对供血驱动系统的个体化需求。比如,用户处于运动状态下对供血驱动系统的需求,用户处于睡眠状态下对供血驱动系统的需求,用户处于家务劳动状态下对供血驱动系统的需求。
由于供血状态与用户自身的供血驱动系统的运行情况相关联,因而,结合供血负荷特征进一步分析出用户个体情况,以便后续步骤中可以基于这一需求实现对供血驱动装置的个体化配置。下面结合具体介绍如何对用户自身的供血驱动系统的运行情况进行分析。
本申请实施例中,用户个体数据具有多种形式。例如,文本、图片、视频、波形信息等。实际应用中,在一示例中,用户的身高、体重、年龄、性别、基础病史、病例记录、治疗方案等信息,可以是以文本形式保存在电子病例中,从而,通过采集电子病例即可获取上述生理信息以及诊疗信息。另一示例中,用户的身高、体重、年龄、性别、基础病史、病例记录、治疗方案等生理信息,也可以是以图片形式保存在手写病例的扫描件中,从而,需要通过图像识别技术采集图片中包含的生理信息以及诊疗信息。当然,其他示例还可以是,在远程就诊场景中,用户的身高、体重、年龄、性别、基础病史、病例记录、治疗方案等生理信息,还可以是在问诊过程中以视频、音频等形式存储到云服务端或本地设备中,进而,需要进一步对视频、音频等文件进行自然语言分析以获取其中包含的生理信息以及诊疗信息。
再一些实例中,当前心脏指标、血液循环参数,也可以是以检查单形式存储的。检查单一般是富文本形式,因而需要进一步采用图像识别技术解析出富本文中包含的诊疗信息。比如,血氧含量、血液循环量、脉搏数、营养与物质能量交换效率等指标或相关指标变化曲线。
另一些实例中,CT检查结果、PCT检查结果等诊疗信息,也可以采用特殊的图片形式存储在数据库中,因而,可以进一步提取图片特征,并基于图片特征识别图片中包含的诊疗信息。
作为一种可选实施例,用户个体数据还可以采用是否结构化来区分。例如,结构化数据可以是,用户个体数据中具有固定格式的纯文本信息、富文本信息、图片、视频或音频文件。进一步可选地,视频或音频文件可以通过预先裁剪的形式,处理为具有固定格式的视频片段或音频片段。非结构化数据可以是,用户个体数据中不具有固定格式的纯文本信息、富文本信息、图片、视频或音频文件。
基于上述分类方式,参见图2所示,上述步骤S102的一种可选实施例具体实现为以下步骤S201~步骤S203:
步骤S201,识别用户个体数据中具有固定格式的结构化数据和/或不具有固定格式的非结构化数据。
步骤S202,以用户个体数据中的结构化数据作为输入,通过针对供血驱动系统的第一个体特征提取模型,从结构化数据中提取用户的第一供血负荷特征。
作为一个可选实施例,针对供血驱动系统的第一个体特征提取模型,可以实现为回归网络模型(Custom Regression Network)。这一回归网络模型主要用于处理结构化数据,对结构化数据进行特征向量的提取,即从结构化数据中提取用户的第一供血负荷特征。
实际应用中,假设用户个体数据中的结构化数据为用户的身高、体重、年龄、性别。假设回归网络模型为如图3所示的网络结构。
在图3中,回归网络模型包括输入层、长短期记忆(Long short-term memory,LSTM)层(如图3中的bilstm开头的单元模块)、门控循环单元(Gate Recurrent Unit,GRU)层(如图3中的bigru开头的单元模块)、交叉注意力转换(Cross-Attention Transformer,CAT)层、全连接层(如图3中的fcl开头的单元模块)、激活函数(activation)。具体来说,在图3中,回归网络模型中还包括累积梯度模块(AccumulateGrad)、T型反向传播模块(TBackward)、重构反向传播模块(ViewBackward)、解绑函数反向传播模块(UnbindBackward)、不安全分类反向传播模块(UnsafeSplitBackward)、加法反向传播模块(AddBackward)、S 型函数反向传播模块(SigmoidBackward)、乘法反向传播模块(MulBackward)、双曲正切函数反向传播模块(TanhBackward)、减法反向传播模块(SubBackward)、后向堆栈模块(StackBackward)、交叉注意力转换反向传播模块(CatBackward)、张量压缩反向传播模块(SqueezeBackward)、基于MKLDNN库的递归反向传播模块(MkldnnRnnlayerBackward)、线性整流函数反向传播模块(ReluBackward)、加法反向传播模块(AndmmBackward)。LSTM层中bilstm开头的单元模块,比如可以是图3所示的权重模块(bilstm.weight_ih_10)、偏置模块(bilstm.bias_ih_10)、权重模块(bilstm.weight_hh_10)、偏置模块(bilstm.bias_hh_10)。全连接层中的fc1开头的单元模块,比如可以是图3示出的权重模块(fc1.weight)、偏置模块(fcl.bias)。
在回归网络模型中,输入层的输入为形状为(batch_size,6)的张量(通过结构化数据预处理得到)。其中,6是指用户的身高、体重、年龄、性别、目标装置所属的设备类型、设备型号。设备类型包括但不限于:心脏泵、植入式动脉泵。设备型号包括产品型号代码。此处产品型号代码可以用于标注使用者类型。例如,不同年龄层、不同性别、不同病史等情况下的用户可使用的型号也存在区别。具体地,成人型和儿童型的心脏泵可以通过产品型号代码标注。输入层输出为张量(batch_size,6)。进一步可选地,输入层的输入张量是通过结构化数据预处理得到的。
进而,在LSTM层(bilstm)中,输入维度为形状为(batch_size,6)的张量(即来自输入层的输出),该层的隐藏状态维度为1000,输出维度为张量(batch_size,100)。进而,在GRU层中以bigru开头的各个单元模块,比如权重模块(bigru.weight_ih_10)、偏置模块(bigru.bias_ih_10)、权重模块(bigru.weight_hh_10)、偏置模块(bigru.bias_hh_10)等,这些模块的输入维度为形状为(batch_size,6)的张量(即来自输入层的输出),其隐藏状态维度也设置为1000,输出维度张量(batch_size,100)。进而,由CAT层处理LSTM层(bilstm)以及GRU层(bigru)的输出结果,即两个张量(batch_size,100),并通过CAT层输出形状为(batch_size,200)的张量。该形状为(batch_size,200)的张量输入全连接层1(fc1)中,得到形状为(batch_size,100)的张量。最后,通过激活函数(activation)处理全连接层1输出的形状为(batch_size,100)的张量,输出形状为(batch_size,100)的张量(即第一供血负荷特征)。
步骤S203,以用户个体数据中的非结构化数据作为输入,通过针对供血驱动系统的第二个体特征提取模型,从非结构化数据中提取用户的第二供血负荷特征。
本申请实施例中,非结构化数据所属模态包括视频、音频、纯文本、富文本中的至少一个。上述步骤S203中,以用户个体数据中的非结构化数据作为输入,通过针对供血驱动系统的第二个体特征提取模型,从非结构化数据中提取用户的第二供血负荷特征的一种可选实施例,可以实现为:
对用户个体数据中不同模态的非结构化数据进行预处理;将预处理后的非结构化数据输入到第二个体特征提取模型中,通过第二个体特征提取模型对预处理后的非结构化数据进行特征提取,以得到每个模态对应的第二供血负荷特征。
作为一个可选实施例,将预处理后的非结构化数据输入到第二个体特征提取模型中,通过第二个体特征提取模型对预处理后的非结构化数据进行特征提取,以得到每个模态对应的第二供血负荷特征,可以实现为:
针对供血驱动系统的第二个体特征提取模型,可以实现为基于语义理解的深度双向预训练(Bidirectional Encoder Representation from Transformers,BERT)分析网络模型。这一BERT分析网络模型主要用于处理非结构化数据,对非结构化数据进行特征向量的提取,即从非结构化数据中提取用户的第二供血负荷特征。
实际应用中,假设用户个体数据中的非结构化数据为用户的基础病史、病例记录、治疗方案。假设BERT分析网络模型为如图4所示的网络结构。具体来说,在图4示出的网络结构中部分模块与前文图3示例的模块类似,此处不再展开赘述。区别之处主要是,模块之间的连接关系、模块的输入张量形状、以及全连接层中的单元模块,比如图4示出的以fc1、fc2、fc3开头的单元模块,即:权重模块1(fc1.weight)、偏置模块1(fcl.bias)、权重模块2(fc2.weight)、偏置模块2(fc2.bias)、权重模块3(fc3.weight)、偏置模块3(fc3.bias)。
在BERT分析网络模型中,输入层的输入为形状为(batch_size,1000)的张量,输出为形状为(batch_size,1000)的张量。进而,由BERT冻结层(bert)处理输入层的输出张量,得到形状为(batch_size,1000)的张量。从而,由全连接层1(fc1)处理来自BERT冻结层的输出张量,进而得到形状为(batch_size,500)的张量。再由全连接层2(fc2)处理全连接层1(fc1)的输出,得到形状为(batch_size,250)的张量。再由全连接层3(fc3)处理全连接层2的输出,得到形状为(batch_size,100)的张量。最后,通过激活函数(activation)处理形状为(batch_size,100)的张量,得到形状为(batch_size,100)的张量(即第二供血负荷特征)。
相关技术中,机器学习模型的研发推广往往需要医学、数学、计算机等多学科、跨行业之间配合实现,因而,如果采用传统的机器学习模型的研发方式,单个模型的定制时间较长,研发成本较高,难以满足不同用户在不同身体状态下的不同个体情况。
针对这一问题,在获取用户供血负荷特征的基础上,本申请实施例中,提供了一种定制化的设备参数预测方式。即,对每一个用户的供血负荷特征进行深入分析,并通过机器学习模型对供血负荷特征与设备参数之间的映射关系进行分类预测,从而,预测出用户在不同供血负荷特征下对应的目标设备参数。
基于上述原理,步骤S103,基于供血负荷特征预测与用户相匹配的目标设备参数。
作为一个可选实施例,上述基于供血负荷特征预测与用户相匹配的目标设备参数的步骤,如图5所示,实现为以下步骤S501~步骤S502:
步骤S501,通过个体化档位配置模型,对第一供血负荷特征以及第二供血负荷特征进行融合处理,并基于融合处理得到的第三供血负荷特征,对当前用户所使用的设备参数档位进行分类预测,以得到推荐用户使用的目标设备参数档位;
步骤S502,基于目标设备参数档位,从预先设置的设备参数库中,获取目标装置在目标设备参数档位下对应的驱动部件运行参数。
本申请实施例中,为了适应用户在不同身体状态下的个体情况,设置了多个设备参数档位(Threshold)。可以理解的是,设备参数档位即目标装置的多个转速区间。不同设备参数档位之间转速可以重叠。不同设备参数档位中,转速调节趋势由这一区间对应的实际应用场景以及用户在这一场景中的身体状态变化来决定。
本申请实施例中,各个设备参数档位分别配置有对应的驱动部件运行参数。各个设备参数档位对应的驱动部件运行参数,包括但不限于:心脏泵的最高转速、最低转速、运行时默认转速、植入式动脉泵的最高心跳补偿转速、最低心跳补偿转速、默认心跳补偿转速中的至少一个。
以心脏泵为例,设置N个设备参数档位,其中N为大于1的整数。假设N为50。每个设备参数档位中,设置有该设备参数档位对应的最高转速(记为VMax)、最低转速(记为VMin)、运行时默认转速(记为VNomal)。当目标装置处于某一设备参数档位时,其转速不可以超过对应的最高转速或最低转速,通常是采用运行时默认转速来执行。
需要说明的是,运行时默认转速可以是最高转速与最低转速之间的区间值,可以是多个,也可以是一个。运行时默认转速可以是静态设置的,例如设置为某一个静态值,该静态值可以根据用户自身的活动规律设置。进一步可选地,该静态值可以是最高转速与用户当前的血压循环参数之间的差值。另一实施例中,运行时默认转速也可以是根据用户体验和/或监测指标来动态调整的。进一步可选地,通过运动手表、心脏监测装置等设备检测到的生理指标值,评估用户当前的身体状态是否处于医生给出的最佳值。若是,则保持当前运行时默认转速;若否,则调整运行时默认转速,直至监测到用户处于最佳身体状态。
步骤S104,基于目标设备参数生成与用户适配的参数推荐信息,用以辅助对目标装置的设备参数配置。
作为一个可选实施例,上述基于目标设备参数生成与用户适配的参数推荐信息的步骤,如图6所示,可以实现为以下步骤S601~步骤S602:
步骤S601,查询历史适配数据库中与目标设备参数相似的历史设备参数、以及历史设备参数对应的历史用户个体数据。
本申请实施例中,在历史适配数据库中存储有历史装置所使用的设备参数档位,以及历史装置对应的历史用户个体数据。
具体来说,在一可选实施例中,从历史适配数据库中,查询使用目标设备参数档位的历史装置、历史装置在该档位下的历史驱动部件运行情况、以及历史装置对应的历史用户个体数据。
进一步可选地,查询历史适配数据库中与目标设备参数相似的历史设备参数、以及历史设备参数对应的历史用户个体数据之后,还可以从查询到的历史用户个体数据中,选取符合预设条件的历史用户个体数据。这里,预设条件包括但不限于:与当前用户具有至少一个相同用户个体数据的历史设备参数,和/或排列位次属于预设位次的历史设备参数。
进而,基于选取出的历史用户个体数据,历史用户个体数据与历史装置之间的对应关系,以及历史装置与所使用的设备参数档位之间的对应关系,确定用户的设备参数档位使用情况。其中,设备参数档位使用情况包括:各个历史用户个体数据对应的设备参数档位使用分布、当前设备参数档位、历史设备参数档位、档位调节频率、调节依据、调节时间中的至少一个。
实际应用中,各个历史用户个体数据对应的设备参数档位使用分布,用于提供相似用户的设备参数设置情况,从而辅助对当前用户的设备参数评估。比如,提供同年龄层并且同一基础病史的用户的设备参数档位使用分布情况。比如,提供同性别、同年龄层、同一手术恢复周期内的用户的设备参数档位使用分布情况。
调节频率和调节时间,可以依据用户的治疗方案以及生理指标信息动态指定。例如,装置植入初期,可以每天评估一次,后续可以依据使用情况动态指定复诊时间,以便在复诊中调节设备参数值。
调节依据,可以是由相关人员基于上一评估周期内的生理信息、诊疗信息、设备属性等记录,审核并上传的。
另一可选实施例中,从历史适配数据库中,查询使用相邻设备参数档位的历史装置、历史装置在该档位下的历史驱动部件运行情况、以及历史装置对应的历史用户个体数据。这里,相邻关系是由多个设备参数档位按照预设规则排列时得到的顺序确定的。例如,预设规则可以是:根据用户的活动强度确定的,也可以是根据用户病程发展情况确定。
实际应用中,可以同时对用户所使用的多个设备参数档位进行综合评估,以便从整体调整用户对目标装置的使用情况。进一步可选地,可以根据对应场景的关联度来设置多个设备参数档位之间的关联性,从而,在调整其中一个设备参数档位时,自动调整关联的其他设备参数档位。例如,有氧运动和无氧运动各自对应的设备参数档位,可以设置为关联的设备参数档位。在调节有氧运动对应的设备参数档位时,可以同步调节无氧运动对应的设备参数档位。当然,此处调节的规则可以依据实际情况确定,例如每次调节的幅度,调节频率,调节反馈周期,等等。
步骤S602,基于用户个体数据、目标设备参数、历史设备参数、以及历史用户个体数据,生成参数推荐信息。
具体来说,在一可选实施例中,基于目标设备参数中的目标设备参数档位,生成对应的档位推荐信息;基于目标设备参数、历史设备参数以及对应的历史用户个体数据,生成目标设备参数档位对应的推荐依据信息;对档位推荐信息和推荐依据信息进行拼接处理,得到参数推荐信息,并向用户推送参数推荐信息。
通过上述步骤,可以产生用于目标设备参数评估的参数推荐信息,为相关人员的评估工作提供数据基础,辅助目标装置的个体化参数配置过程,提升目标设备参数的准确性。
进一步可选地,步骤S104之后,还可以响应于对参数推荐信息的审核通过指令,生成针对目标设备参数的个体化审核信息。进而,将目标设备参数以及对应的个体化审核信息存储到历史适配数据库中。这样,有助于为后续的审核评估提供数据基础,进一步提升目标设备参数的准确性。
在一可选实施例中,还提供了一种历史适配数据库的建立方式。具体来说,获取医疗数据样本。本申请实施例中,医疗数据样本包括用户所使用的历史装置、历史设备参数、以及历史设备参数对应的历史用户个体数据。历史设备参数包括多个设备参数档位、以及各个设备参数档位对应的驱动部件运行参数。历史装置的类型包括心脏泵和/或植入式动脉泵。进而,从历史用户个体数据中提取隐私数据。本申请实施例中,隐私数据包括用户的生理性别、年龄、体重、身高、基础病史、心脏指标、血液循环参数、病例记录、治疗方案中的至少一个。接着,对隐私数据进行脱敏处理,得到脱敏处理后的历史用户个体数据。最终,将历史装置、历史设备参数、以及历史设备参数对应的历史用户个体数据存储到历史适配数据库中,并建立历史装置与所使用的设备参数档位之间的对应关系,以及历史装置与历史用户个体数据之间的对应关系。
通过上述步骤可以构建出历史适配数据库,从而,便于查询以及调取每次设备参数调整时所需参考的历史数据,为设备参数的评估提供评估依据,辅助目标装置的个体化参数配置过程,提升目标设备参数的准确性。同时,也降低设备参数评估时历史数据检索所消耗的时间成本,提高装置个体化参数的配置效率。
本申请实施例中,从用户个体数据中提取用于体现供血驱动系统运行情况的供血负荷特征,再结合供血负荷特征为供血驱动装置定制匹配于用户个体情况的目标设备参数,使最终推荐的参数推荐信息更为适应用户个体情况。同时,通过识别用户个体情况实现对供血驱动装置的定制化参数预测以及参数推荐,还大大降低了供血驱动装置的定制化成本,有利于供血驱动装置的推广应用。
在介绍了本申请示例性实施方式的方法之后,接下来,参考图7对本申请示例性实施方式的一种供血驱动装置的参数推荐装置进行说明,该装置包括:
获取单元701,用于获取目标装置对应的用户个体数据;目标装置为用户所使用的供血驱动装置;用户个体数据包括以下至少一个数据:用户自身的生理信息、诊疗信息、目标装置属性;
提取单元702,用于从用户个体数据中提取用户在当前身体状态下的供血负荷特征;供血负荷特征表征用户个体数据中隐含存在的供血状态,供血状态与用户自身的供血驱动系统的运行情况相关联;
预测单元703,用于基于供血负荷特征预测与用户相匹配的目标设备参数;目标设备参数包括与用户自身的供血驱动系统在当前运行状态下相匹配的驱动部件运行参数;
推荐单元704,用于基于目标设备参数生成与用户适配的参数推荐信息,用以辅助对目标装置的设备参数配置。
作为一种可选的实施方式,提取单元702从用户个体数据中提取用户在当前身体状态下的供血负荷特征时,被配置为:
识别用户个体数据中具有固定格式的结构化数据和/或不具有固定格式的非结构化数据;
以用户个体数据中的结构化数据作为输入,通过针对供血驱动系统的第一个体特征提取模型,从结构化数据中提取用户的第一供血负荷特征;
以用户个体数据中的非结构化数据作为输入,通过针对供血驱动系统的第二个体特征提取模型,从非结构化数据中提取用户的第二供血负荷特征。
作为一种可选的实施方式,提取单元702以用户个体数据中的非结构化数据作为输入,通过针对供血驱动系统的第二个体特征提取模型,从非结构化数据中提取用户的第二供血负荷特征时,被配置为:
对用户个体数据中不同模态的非结构化数据进行预处理;
将预处理后的非结构化数据输入到第二个体特征提取模型中,通过第二个体特征提取模型对预处理后的非结构化数据进行特征提取,以得到每个模态对应的第二供血负荷特征;
其中,非结构化数据所属模态包括视频、音频、纯文本、富文本中的至少一个。
作为一种可选的实施方式,预测单元703基于供血负荷特征预测与用户相匹配的目标设备参数时,被配置为:
通过个体化档位配置模型,对第一供血负荷特征以及第二供血负荷特征进行融合处理,并基于融合处理得到的第三供血负荷特征,对当前用户所使用的设备参数档位进行分类预测,以得到推荐用户使用的目标设备参数档位;
基于目标设备参数档位,从预先设置的设备参数库中,获取目标装置在目标设备参数档位下对应的驱动部件运行参数;
其中,各个设备参数档位分别配置有对应的驱动部件运行参数,各个设备参数档位对应的驱动部件运行参数包括以下至少一个参数:心脏泵的最高转速、最低转速、运行时默认转速、植入式动脉泵的最高心跳补偿转速、最低心跳补偿转速、默认心跳补偿转速。
作为一种可选的实施方式,推荐单元704基于目标设备参数生成与用户适配的参数推荐信息时,被配置为:
查询历史适配数据库中与目标设备参数相似的历史设备参数、以及历史设备参数对应的历史用户个体数据;
基于用户个体数据、目标设备参数、历史设备参数、以及历史用户个体数据,生成参数推荐信息。
作为一种可选的实施方式,在历史适配数据库中存储有历史装置所使用的设备参数档位,以及历史装置对应的历史用户个体数据。
推荐单元704查询历史适配数据库中与目标设备参数相似的历史设备参数、以及历史设备参数对应的历史用户个体数据时,被配置为:
从历史适配数据库中,查询使用目标设备参数档位的历史装置、历史装置在该档位下的历史驱动部件运行情况、以及历史装置对应的历史用户个体数据;和/或
从历史适配数据库中,查询使用相邻设备参数档位的历史装置、历史装置在该档位下的历史驱动部件运行情况、以及历史装置对应的历史用户个体数据。
作为一种可选的实施方式,推荐单元704还被配置为:
在查询历史适配数据库中与目标设备参数相似的历史设备参数、以及历史设备参数对应的历史用户个体数据之后,从查询到的历史用户个体数据中,选取符合预设条件的历史用户个体数据;
基于选取出的历史用户个体数据,历史用户个体数据与历史装置之间的对应关系,以及历史装置与所使用的设备参数档位之间的对应关系,确定用户的设备参数档位使用情况;
其中,设备参数档位使用情况包括:各个历史用户个体数据对应的设备参数档位使用分布、当前设备参数档位、历史设备参数档位、档位调节频率、调节依据、调节时间中的至少一个。
作为一种可选的实施方式,推荐单元704基于用户个体数据、目标设备参数、历史设备参数、以及历史用户个体数据,生成参数推荐信息时,被配置为:
基于目标设备参数中的目标设备参数档位,生成对应的档位推荐信息;
基于目标设备参数、历史设备参数以及对应的历史用户个体数据,生成目标设备参数档位对应的推荐依据信息;
对档位推荐信息和推荐依据信息进行拼接处理,得到参数推荐信息,并向用户推送参数推荐信息。
作为一种可选的实施方式,参数推荐装置还包括数据库建立单元,被配置为:
获取医疗数据样本;医疗数据样本包括用户所使用的历史装置、历史设备参数、以及历史设备参数对应的历史用户个体数据;历史设备参数包括多个设备参数档位、以及各个设备参数档位对应的驱动部件运行参数;历史装置的类型包括心脏泵和/或植入式动脉泵;
从历史用户个体数据中提取隐私数据;隐私数据包括用户的生理性别、年龄、体重、身高、基础病史、心脏指标、血液循环参数、病例记录、治疗方案中的至少一个;
对隐私数据进行脱敏处理,得到脱敏处理后的历史用户个体数据;
将历史装置、历史设备参数、以及历史设备参数对应的历史用户个体数据存储到历史适配数据库中,并建立历史装置与所使用的设备参数档位之间的对应关系,以及历史装置与历史用户个体数据之间的对应关系。
作为一种可选的实施方式,参数推荐装置还包括存储单元,被配置为:
在推荐单元704生成与用户适配的参数推荐信息之后,响应于对参数推荐信息的审核通过指令,生成针对目标设备参数的个体化审核信息;
将目标设备参数以及对应的个体化审核信息存储到历史适配数据库中。
本申请实施例中,通过供血驱动装置的参数推荐装置,从用户个体数据中提取用于体现供血驱动系统运行情况的供血负荷特征,再结合供血负荷特征为供血驱动装置定制匹配于用户个体情况的目标设备参数,使最终推荐的参数推荐信息更为适应用户个体情况。同时,通过识别用户个体情况实现对供血驱动装置的定制化参数预测以及参数推荐,还大大降低了供血驱动装置的定制化成本,有利于供血驱动装置的推广应用。
在介绍了本申请示例性实施方式的方法和装置之后,接下来,参考图8对本申请示例性实施方式的计算机可读存储介质进行说明,请参考图8,其示出的计算机可读存储介质为光盘100,其上存储有计算机程序(即程序产品),所述计算机程序在被处理器运行时,会实现上述方法实施方式中所记载的各步骤,例如,获取目标装置对应的用户个体数据;目标装置为用户所使用的供血驱动装置;从用户个体数据中提取用户在当前身体状态下的供血负荷特征;供血负荷特征表征用户个体数据中隐含存在的供血状态,供血状态与用户自身的供血驱动系统的运行情况相关联;基于供血负荷特征预测与用户相匹配的目标设备参数;目标设备参数包括与用户自身的供血驱动系统在当前运行状态下相匹配的驱动部件运行参数;基于目标设备参数生成与用户适配的参数推荐信息,用以辅助对目标装置的设备参数配置;各步骤的具体实现方式在此不再重复说明。
需要说明的是,所述计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
在介绍了本申请示例性实施方式的方法、介质和装置之后,接下来,参考图9对本申请示例性实施方式的用于供血驱动装置的参数推荐的计算设备。
图9示出了适于用来实现本申请实施方式的示例性计算设备110的框图,该计算设备110可以是计算机系统或服务器。图9显示的计算设备110仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示,计算设备110的组件可以包括但不限于:一个或者多个处理器或者处理单元1101,系统存储器1102,连接不同系统组件(包括系统存储器1102和处理单元1101)的总线1103。
计算设备110典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算设备110访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器1102可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)11021和/或高速缓存存储器11022。计算设备110可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,ROM11023可以用于读写不可移动的、非易失性磁介质(图9中未显示,通常称为“硬盘驱动器”)。尽管未在图9中示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线1103相连。系统存储器1102中可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块11024的程序/实用工具11025,可以存储在例如系统存储器1102中,且这样的程序模块11024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,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块11024通常执行本申请所描述的实施例中的功能和/或方法。
计算设备110也可以与一个或多个外部设备1104(如键盘、指向设备、显示器等)通信。这种通信可以通过输入/输出(I/O)接口1105进行。并且,计算设备110还可以通过网络适配器1106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。如图9所示,网络适配器1106通过总线1103与计算设备110的其它模块(如处理单元1101等)通信。应当明白,尽管图9中未示出,可以结合计算设备110使用其它硬件和/或软件模块。
处理单元1101通过运行存储在系统存储器1102中的程序,从而执行各种功能应用以及数据处理,例如,获取目标装置对应的用户个体数据;目标装置为用户所使用的供血驱动装置;从用户个体数据中提取用户在当前身体状态下的供血负荷特征;供血负荷特征表征用户个体数据中隐含存在的供血状态,供血状态与用户自身的供血驱动系统的运行情况相关联;基于供血负荷特征预测与用户相匹配的目标设备参数;目标设备参数包括与用户自身的供血驱动系统在当前运行状态下相匹配的驱动部件运行参数;基于目标设备参数生成与用户适配的参数推荐信息,用以辅助对目标装置的设备参数配置。各步骤的具体实现方式在此不再重复说明。应当注意,尽管在上文详细描述中提及了供血驱动装置的参数推荐装置的若干单元/模块或子单元/子模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
在本申请的描述中,需要说明的是,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。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,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。

Claims (13)

1.一种供血驱动装置的参数推荐方法,其特征在于,包括:
获取目标装置对应的用户个体数据;所述目标装置为用户所使用的供血驱动装置;所述用户个体数据包括用户自身的生理信息、诊疗信息、目标装置属性中的至少一个;
从所述用户个体数据中提取用户在当前身体状态下的供血负荷特征;所述供血负荷特征表征所述用户个体数据中隐含存在的供血状态,所述供血状态与用户自身的供血驱动系统的运行情况相关联;
基于所述供血负荷特征预测与用户相匹配的目标设备参数;所述目标设备参数包括与用户自身的供血驱动系统在当前运行状态下相匹配的驱动部件运行参数;
基于所述目标设备参数生成与用户适配的参数推荐信息,用以辅助对所述目标装置的设备参数配置。
2.根据权利要求1所述的方法,其特征在于,所述从所述用户个体数据中提取用户在当前身体状态下的供血负荷特征,包括:
识别所述用户个体数据中具有固定格式的结构化数据和/或不具有固定格式的非结构化数据;
以所述用户个体数据中的结构化数据作为输入,通过针对供血驱动系统的第一个体特征提取模型,从所述结构化数据中提取用户的第一供血负荷特征;
以所述用户个体数据中的非结构化数据作为输入,通过针对供血驱动系统的第二个体特征提取模型,从所述非结构化数据中提取用户的第二供血负荷特征。
3.根据权利要求2所述的方法,其特征在于,所述以所述用户个体数据中的非结构化数据作为输入,通过针对供血驱动系统的第二个体特征提取模型,从所述非结构化数据中提取用户的第二供血负荷特征,包括:
对所述用户个体数据中不同模态的非结构化数据进行预处理;
将预处理后的非结构化数据输入到所述第二个体特征提取模型中,通过所述第二个体特征提取模型对预处理后的非结构化数据进行特征提取,以得到每个模态对应的第二供血负荷特征;
其中,所述非结构化数据所属模态包括视频、音频、纯文本、富文本中的至少一个。
4.根据权利要求2所述的方法,其特征在于,所述基于所述供血负荷特征预测与用户相匹配的目标设备参数,包括:
通过个体化档位配置模型,对第一供血负荷特征以及第二供血负荷特征进行融合处理,并基于融合处理得到的第三供血负荷特征,对当前用户所使用的设备参数档位进行分类预测,以得到推荐用户使用的目标设备参数档位;
基于所述目标设备参数档位,从预先设置的设备参数库中,获取所述目标装置在所述目标设备参数档位下对应的驱动部件运行参数;
其中,各个设备参数档位分别配置有对应的驱动部件运行参数,各个设备参数档位对应的驱动部件运行参数包括以下至少一个参数:心脏泵的最高转速、最低转速、运行时默认转速、植入式动脉泵的最高心跳补偿转速、最低心跳补偿转速、默认心跳补偿转速。
5.根据权利要求1所述的方法,其特征在于,所述基于所述目标设备参数生成与用户适配的参数推荐信息,包括:
查询历史适配数据库中与所述目标设备参数相似的历史设备参数、以及所述历史设备参数对应的历史用户个体数据;
基于所述用户个体数据、所述目标设备参数、所述历史设备参数、以及所述历史用户个体数据,生成所述参数推荐信息。
6.根据权利要求5所述的方法,其特征在于,在所述历史适配数据库中存储有历史装置所使用的设备参数档位,以及所述历史装置对应的历史用户个体数据;
所述查询历史适配数据库中与所述目标设备参数相似的历史设备参数、以及所述历史设备参数对应的历史用户个体数据,包括:
从所述历史适配数据库中,查询使用所述目标设备参数档位的历史装置、所述历史装置在该档位下的历史驱动部件运行情况、以及所述历史装置对应的历史用户个体数据;和/或
从所述历史适配数据库中,查询使用相邻设备参数档位的历史装置、所述历史装置在该档位下的历史驱动部件运行情况、以及所述历史装置对应的历史用户个体数据。
7.根据权利要求6所述的方法,其特征在于,所述查询历史适配数据库中与所述目标设备参数相似的历史设备参数、以及所述历史设备参数对应的历史用户个体数据之后,还包括:
从查询到的历史用户个体数据中,选取符合预设条件的历史用户个体数据;
基于选取出的历史用户个体数据,历史用户个体数据与历史装置之间的对应关系,以及历史装置与所使用的设备参数档位之间的对应关系,确定用户的设备参数档位使用情况;
其中,所述设备参数档位使用情况包括:各个历史用户个体数据对应的设备参数档位使用分布、当前设备参数档位、历史设备参数档位、档位调节频率、调节依据、调节时间中的至少一个。
8.根据权利要求5所述的方法,其特征在于,所述基于所述用户个体数据、所述目标设备参数、所述历史设备参数、以及所述历史用户个体数据,生成所述参数推荐信息,包括:
基于所述目标设备参数中的目标设备参数档位,生成对应的档位推荐信息;
基于所述目标设备参数、所述历史设备参数以及对应的历史用户个体数据,生成所述目标设备参数档位对应的推荐依据信息;
对所述档位推荐信息和所述推荐依据信息进行拼接处理,得到所述参数推荐信息,并向用户推送所述参数推荐信息。
9.根据权利要求1所述的方法,其特征在于,还包括:
获取医疗数据样本;所述医疗数据样本包括用户所使用的历史装置、历史设备参数、以及所述历史设备参数对应的历史用户个体数据;所述历史设备参数包括多个设备参数档位、以及各个设备参数档位对应的驱动部件运行参数;所述历史装置的类型包括心脏泵和/或植入式动脉泵;
从所述历史用户个体数据中提取隐私数据;所述隐私数据包括用户的生理性别、年龄、体重、身高、基础病史、心脏指标、血液循环参数、病例记录、治疗方案中的至少一个;
对所述隐私数据进行脱敏处理,得到脱敏处理后的历史用户个体数据;
将所述历史装置、所述历史设备参数、以及所述历史设备参数对应的历史用户个体数据存储到历史适配数据库中,并建立所述历史装置与所使用的设备参数档位之间的对应关系,以及所述历史装置与所述历史用户个体数据之间的对应关系。
10.根据权利要求1所述的方法,其特征在于,所述生成与用户适配的参数推荐信息之后,还包括:
响应于对所述参数推荐信息的审核通过指令,生成针对所述目标设备参数的个体化审核信息;
将所述目标设备参数以及对应的个体化审核信息存储到历史适配数据库中。
11.一种供血驱动装置的参数推荐装置,其特征在于,所述装置应用于实现如权利要求1至10中的任一项所述的供血驱动装置的参数推荐方法,所述装置包括:
获取单元,用于获取目标装置对应的用户个体数据;所述目标装置为用户所使用的供血驱动装置;所述用户个体数据包括以下至少一个数据:用户自身的生理信息、诊疗信息、目标装置属性;
提取单元,用于从所述用户个体数据中提取用户在当前身体状态下的供血负荷特征;所述供血负荷特征表征所述用户个体数据中隐含存在的供血状态,所述供血状态与用户自身的供血驱动系统的运行情况相关联;
预测单元,用于基于所述供血负荷特征预测与用户相匹配的目标设备参数;所述目标设备参数包括与用户自身的供血驱动系统在当前运行状态下相匹配的驱动部件运行参数;
推荐单元,用于基于所述目标设备参数生成与用户适配的参数推荐信息,用以辅助对所述目标装置的设备参数配置。
12.一种计算机可读存储介质,其特征在于,包括指令,当所述介质在计算机上运行时,使得计算机基于所述指令执行如权利要求1至10中的任一项所述的供血驱动装置的参数推荐方法。
13.一种计算设备,其特征在于,所述计算设备包括:
至少一个处理器、存储器和输入输出单元;
其中,所述存储器用于存储计算机程序,所述处理器用于调用所述存储器中存储的计算机程序来执行如权利要求1至10中任一项所述的供血驱动装置的参数推荐方法。
CN202310991045.9A 2023-08-08 2023-08-08 供血驱动装置的参数推荐方法以及相关装置 Active CN116705276B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310991045.9A CN116705276B (zh) 2023-08-08 2023-08-08 供血驱动装置的参数推荐方法以及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310991045.9A CN116705276B (zh) 2023-08-08 2023-08-08 供血驱动装置的参数推荐方法以及相关装置

Publications (2)

Publication Number Publication Date
CN116705276A true CN116705276A (zh) 2023-09-05
CN116705276B CN116705276B (zh) 2024-01-02

Family

ID=87839724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310991045.9A Active CN116705276B (zh) 2023-08-08 2023-08-08 供血驱动装置的参数推荐方法以及相关装置

Country Status (1)

Country Link
CN (1) CN116705276B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117258137A (zh) * 2023-11-20 2023-12-22 安徽通灵仿生科技有限公司 一种心室导管泵的转速自适应控制方法及装置
CN117282018A (zh) * 2023-11-24 2023-12-26 深圳核心医疗科技股份有限公司 异常检测方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210225495A1 (en) * 2018-05-15 2021-07-22 Nunetz, Inc. Systems and methods for adapting a ui based platform on patient medical data
CN114067986A (zh) * 2021-09-24 2022-02-18 武汉联影医疗科技有限公司 医疗设备配置方法、系统、计算机设备以及存储介质
CN116344017A (zh) * 2020-07-30 2023-06-27 美敦力迷你迈德公司 自动装置配置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210225495A1 (en) * 2018-05-15 2021-07-22 Nunetz, Inc. Systems and methods for adapting a ui based platform on patient medical data
CN116344017A (zh) * 2020-07-30 2023-06-27 美敦力迷你迈德公司 自动装置配置
CN114067986A (zh) * 2021-09-24 2022-02-18 武汉联影医疗科技有限公司 医疗设备配置方法、系统、计算机设备以及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117258137A (zh) * 2023-11-20 2023-12-22 安徽通灵仿生科技有限公司 一种心室导管泵的转速自适应控制方法及装置
CN117258137B (zh) * 2023-11-20 2024-03-12 安徽通灵仿生科技有限公司 一种心室导管泵的转速自适应控制方法及装置
CN117282018A (zh) * 2023-11-24 2023-12-26 深圳核心医疗科技股份有限公司 异常检测方法及装置
CN117282018B (zh) * 2023-11-24 2024-02-23 深圳核心医疗科技股份有限公司 异常检测方法及装置

Also Published As

Publication number Publication date
CN116705276B (zh) 2024-01-02

Similar Documents

Publication Publication Date Title
CN116705276B (zh) 供血驱动装置的参数推荐方法以及相关装置
US20210391081A1 (en) Predictive guidance systems for personalized health and self-care, and associated methods
US10553319B1 (en) Artificial intelligence systems and methods for vibrant constitutional guidance
US11478190B2 (en) Noninvasive hydration monitoring
EP4010906A1 (en) Machine learning-based system for estimating glucose values
WO2020150346A1 (en) Left ventricular volume and cardiac output estimation using machine learning model
US20160374625A1 (en) Estimating Physiological States Based on Changes in CRI
US20240245361A1 (en) Glucose estimation without continuous glucose monitoring
CN110827950B (zh) 麻醉药物用量的确定方法、模型的训练方法以及模型
WO2022170283A1 (en) Biosensor excitation methods, and associated systems, devices, and methods
JP6962854B2 (ja) 水処方システム及び水処方プログラム
US20220361823A1 (en) Wearable blood pressure biosensors, systems and methods for short-term blood pressure prediction
CN116889684B (zh) 供血驱动装置的参数配置方法、系统以及相关装置
Islam Heart failure: from research to clinical practice
Heredero et al. Synchrony relationships between the left ventricle and a left ventricular assist device: an experimental study in pigs
Shi et al. Construction of lumped-parameter cardiovascular models using the CellML language
US11051766B2 (en) Modifying a patient interface computer system based on an equivalent effort parameter
CN116803447A (zh) 模型构建方法、参数配置方法以及相关装置
Sekar et al. Wired and wireless distributed e-home healthcare system
Lindqvist Compression and storage of medical data in pacemakers
US20210142902A1 (en) Medical device site monitoring methods and related devices and systems
WO2024086821A1 (en) System and method of treatment of hypertrophic cardiomyopathy
WO2022262747A1 (en) Integrative multi-modal computing for personal health navigation
Ciriello et al. 276 Wolff–Parkinson–White syndrome was associated with reduced myocardial work
US20230116132A1 (en) Hemodynamic Reserve Monitor and Hemodialysis Control

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