CN116844709B - 心脏复苏机控制系统及方法 - Google Patents
心脏复苏机控制系统及方法 Download PDFInfo
- Publication number
- CN116844709B CN116844709B CN202311117124.3A CN202311117124A CN116844709B CN 116844709 B CN116844709 B CN 116844709B CN 202311117124 A CN202311117124 A CN 202311117124A CN 116844709 B CN116844709 B CN 116844709B
- Authority
- CN
- China
- Prior art keywords
- patient
- representing
- chest
- cardiopulmonary resuscitation
- information
- 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 72
- 230000000747 cardiac effect Effects 0.000 title abstract description 10
- 238000002680 cardiopulmonary resuscitation Methods 0.000 claims abstract description 74
- 238000004458 analytical method Methods 0.000 claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 43
- 238000001125 extrusion Methods 0.000 claims abstract description 41
- 230000002612 cardiopulmonary effect Effects 0.000 claims abstract description 36
- 230000006835 compression Effects 0.000 claims abstract description 22
- 238000007906 compression Methods 0.000 claims abstract description 22
- 238000003062 neural network model Methods 0.000 claims abstract description 6
- 230000036391 respiratory frequency Effects 0.000 claims abstract description 5
- 230000003862 health status Effects 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 3
- 210000000038 chest Anatomy 0.000 claims description 33
- 238000003825 pressing Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 21
- 230000036387 respiratory rate Effects 0.000 claims description 16
- 206010008469 Chest discomfort Diseases 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 14
- 230000033228 biological regulation Effects 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 230000001276 controlling effect Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 7
- 210000004072 lung Anatomy 0.000 claims description 7
- 229910052760 oxygen Inorganic materials 0.000 claims description 7
- 239000001301 oxygen Substances 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 6
- 210000000115 thoracic cavity Anatomy 0.000 claims description 6
- 230000035565 breathing frequency Effects 0.000 claims description 5
- 230000036541 health Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 239000008280 blood Substances 0.000 claims description 3
- 210000004369 blood Anatomy 0.000 claims description 3
- 230000036772 blood pressure Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 210000001562 sternum Anatomy 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 claims description 2
- 239000000758 substrate Substances 0.000 claims description 2
- 238000011038 discontinuous diafiltration by volume reduction Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000006378 damage Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 208000010496 Heart Arrest Diseases 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 206010056287 Sternal injury Diseases 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000006213 oxygenation reaction Methods 0.000 description 2
- 230000010349 pulsation Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 206010061363 Skeletal injury Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000004202 respiratory function Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H31/00—Artificial respiration or heart stimulation, e.g. heart massage
- A61H31/004—Heart stimulation
- A61H31/006—Power driven
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H31/00—Artificial respiration or heart stimulation, e.g. heart massage
- A61H31/004—Heart stimulation
- A61H31/005—Heart stimulation with feedback for the user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/50—Control means thereof
- A61H2201/5007—Control means thereof computer controlled
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/50—Control means thereof
- A61H2201/5058—Sensors or detectors
- A61H2201/5071—Pressure sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2230/00—Measuring physical parameters of the user
- A61H2230/04—Heartbeat characteristics, e.g. E.G.C., blood pressure modulation
- A61H2230/06—Heartbeat rate
- A61H2230/065—Heartbeat rate used as a control parameter for the apparatus
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2230/00—Measuring physical parameters of the user
- A61H2230/40—Respiratory characteristics
- A61H2230/42—Rate
- A61H2230/425—Rate used as a control parameter for the apparatus
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Veterinary Medicine (AREA)
- Emergency Medicine (AREA)
- Physical Education & Sports Medicine (AREA)
- Pain & Pain Management (AREA)
- Rehabilitation Therapy (AREA)
- General Physics & Mathematics (AREA)
- Pulmonology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Graphics (AREA)
- Biophysics (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Percussion Or Vibration Massage (AREA)
Abstract
本发明涉及医疗设备自动控制领域,尤其涉及心脏复苏机控制系统及方法,包括首先获取患者的生理指标数据信息以及基本身体数据信息,根据获得的数据信息建立的人体模型为三维数字模型,同时得到二维面图像;对获得的数据信息进行预处理,构建心肺状态分析神经网络模型,基于对预处理后的数据进行分析,得到患者心肺复苏过程中的心肺状态,然后形成反馈信息;基于反馈信息,根据患者的心肺健康状态等级对患者的胸部按压频率以及呼吸频率进行调适,以便进一步高效急救;在进行心肺复苏过程中,根据得到的反馈信息以及数据信息构建胸腔保护模型,控制心肺复苏机对患者胸部的挤压力度。本发明能够减轻医务人员的负担,提高复苏效果以及准确性。
Description
技术领域
本发明涉及医疗设备自动控制领域,尤其涉及心脏复苏机控制系统及方法。
背景技术
心肺复苏(CPR)是一项紧急医疗技术,对于心跳停止或呼吸困难的患者至关重要。传统的心肺复苏过程需要医务人员不断地对患者进行胸外按压和人工呼吸,以维持患者的心脏和呼吸功能。然而,由于心肺复苏过程的复杂性和长时间的操作,医务人员可能疲劳、失误或无法保持一致的速度和力度。因此,有必要开发一种心肺复苏机控制系统及方法,通过自动化的心肺复苏机以提高心肺复苏的效率和准确性。
目前,心肺复苏机广泛用于抢救现场、医疗机构以及移动医疗车辆中。然而,现有的心肺复苏机控制系统存在一些问题,无法根据患者实时的状态,提供准确的反馈信息,从而及时对心肺复苏机的工作做出调整,造成时间浪费,错过最佳抢救期;当医务人员因人为原因在操作心肺复苏机过程中可能会对患者造成二次损伤;对于心肺复苏过程中的数据无法记录并有效分析,为后续研究提供帮助。
发明内容
本发明通过提供心肺复苏机控制系统及方法,目的在于解决现有技术中无法根据患者实时状态提供反馈信息并做出调整、对患者急救过程中造成的二次伤害的问题,实现了自动执行心肺复苏过程,减轻医务人员的负担,提高复苏效果以及准确性。
本发明技术方案具体如下:
心肺复苏机控制方法,包括以下步骤:
步骤S1.获取患者的生理指标数据信息以及基本身体数据信息,根据获得的数据信息建立的人体模型为三维数字模型,同时得到二维面图像;
步骤S2.对获得的数据信息进行预处理,构建心肺状态分析神经网络模型,基于对预处理后的数据进行分析,得到患者心肺复苏过程中的心肺状态,然后形成反馈信息;
步骤S3.基于反馈信息,根据患者的心肺健康状态等级对患者的胸部按压频率
以及呼吸频率进行调适,以便进一步高效急救;
步骤S4.在进行心肺复苏过程中,根据得到的反馈信息以及数据信息构建胸腔保护模型,控制心肺复苏机对患者胸部的挤压力度。
进一步,步骤S1具体包括:
基于人体的中心线进行剖取,得到人体展开二维面,同时得到二维面图像,
通过计算梯度幅值和梯度方向,得到每个像素点的梯度特征。
进一步,步骤S2具体包括:
训练由深度学习组成的心肺状态分析神经网络,经过多次训练,使心肺状态神经网络最终能够输出准确的心肺状态结果;训练完成的心肺状态分析神经网络包括输入层、分析层、调优层、输出层。
进一步,在心肺状态分析神经网络中:
将预处理后待分析的患者数据信息输入到心肺状态分析神经网络的输入层,设立
当前患者信息中共有N个特征,其中输入层与分析层全连接,将患者信息特征传递给分析
层;同时,设定人体模型二维面图像信息矩阵为,为患者信
息块的子矩阵,将人体模型二维面图像信息矩阵分为6个含有患者信息块的子矩阵的子集;
在分析层中进行分析。
进一步,在分析层中具体过程如下:
;
;
;
其中,表示分析层的输入;表示输入的患者信息特征;表示输入层与分析
层的连接权重值;表示分析层的偏置;表示自适应融合后的结果;表示子集的横向
点;表示子集的纵向点;表示子集的修正因子;表示自适应参数;表示控制因子;表示
患者信息块的子集,;表示融合中的可信度参数;表示映射因子;表示阈值,由
专家或经验预先设定好;表示子集间的影响因子。
进一步,步骤S3具体包括:
根据患者的心肺健康状态等级对患者的胸部按压频率以及呼吸频率进行预
设,同时定义患者的急救初始时的初始按压频率为、急救初始时的初始呼吸频率为
;所述心肺健康状态等级包括危险一级、危险二级、危险三级;
然后根据获取的患者数据信息中的胸部压力和心率进行计算得到按压频率
的修正参值;
同时通过数据获取模块获得患者的胸部压力会对患者的呼吸频率进行调
适;根据按压频率的修正参值与预设的修正参值进行对比,并根据对比结果得到调整后的
按压频率。
进一步,步骤S4具体包括:
在胸腔保护模型中,对心肺复苏机工作时的挤压力度进行评估,如果挤压力度符合患者进行心肺复苏的挤压限度时,则心肺复苏机会持续工作;如果挤压力度超过患者本身承受,则心肺复苏机会提出预警来提示工作人员,并且逐步减小挤压力度。
心肺复苏机控制系统,包括以下内容:
数据获取模块、数据处理模块、心肺状态分析模块、调控模块、报警模块;
数据获取模块,用于通过传感器或对患者的监测设备得到患者的数据信息,传递给数据处理模块;
数据处理模块,用于对采集到的数据进行处理和分析,以提取到实用信息通过数据传输到心肺状态分析模块;
心肺状态分析模块,用于分析患者的心肺状态情况,形成反馈信息,传递到调控模块;
调控模块,根据患者的心肺状态情况,对心肺复苏机的按压频率和呼吸频率进行调整并且控制心肺复苏机的按压力度;调控模块包括第一控制单元、第二控制单元;
第一控制单元,用于在进行心肺复苏过程中,修正心肺复苏机的按压频率和呼吸频率;
第二控制单元,用于在进行心肺复苏过程中,控制心肺复苏机对患者胸部的挤压力度,避免过度挤压或损伤患者的胸骨;
报警模块,在心肺复苏过程中,如果心肺复苏机对患者胸部的挤压力度超限度,则会发出预警信息。
有益效果:
1.本发明通过对图像信息的处理,可以改善图像的清晰度和对比度,可以使图像中的边缘更加鲜明,从而提升图像的质量和视觉效果;通过计算梯度幅值和梯度方向还能提取图像中的关键特征,为深度学习建模的训练和分类提供基础。
2.本发明通过心肺状态分析神经网络模型可以对大量的预处理数据进行自动化分析,迅速处理数据、提取关键特征,并提供对患者心肺状态的准确评估,减轻医生的工作负担;不同患者的心肺状况可能存在差异,因此根据模型的分析结果,医生可以快速制定适合患者的治疗方案,提高治疗效果;通过综合分析患者的心肺状态,形成反馈信息,该模型可以及时发现异常情况或预测潜在的心肺风险,可以提前采取措施,减少并发症的发生,提高患者的安全性。
3.本发明基于反馈信息进一步修正机器的按压频率以及呼吸频率,可以减少胸外按压中断时间,通过最小化中断时间,提高持续按压的质量,增加心脏复苏的成功率;还可以确保患者在心脏停跳期间获得足够的氧气供应,提高患者的氧合水平以及急救质量。
4.本发明通过使用胸腔保护模型,可以确保挤压力度适当,最小化患者的胸骨受伤风险;同时有助于提高血液循环和氧气供应,增加心脏恢复自主搏动的机会,提高复苏成功率。
附图说明
图1为本发明所述心脏复苏机控制方法的流程图;
图2为本发明所述心脏复苏机控制系统的模块图;
图3为本发明所述调控模块的结构图。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。同时应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照附图1,本实施例提供了心脏复苏机控制方法,包括以下步骤:
S1.获取患者的生理指标,如心率、血压、血氧饱和度等,可以通过非侵入性传感器或连接到患者的监测设备来得到。
获取患者的生理指标数据信息以及基本身体数据信息,建立人体模型,为后续过
程提供分析基础,数据信息包括体重、胸腔厚度、按压力度、胸部压力、血氧饱和度、血压、心
率、呼吸频率等;根据数据信息建立的人体模型为三维数字模型,然后基于人体的中心线进
行剖取,得到人体展开二维面,同时得到二维面图像,计算图像水平方向和垂直方向
的梯度,具体计算过程为:
;
;
其中,表示图像二维矩阵点,表示图像水平方向的梯度,表示
图像垂直方向的梯度;通过计算梯度幅值和梯度方向,我们可以得到每个像素点的
梯度特征,,;因此,。
本发明通过对图像信息的处理,可以改善图像的清晰度和对比度,可以使图像中的边缘更加鲜明,从而提升图像的质量和视觉效果;通过计算梯度幅值和梯度方向还能提取图像中的关键特征,为深度学习建模的训练和分类提供基础。
S2.数据处理模块对传感器采集到的数据进行处理和分析,涉及信号滤波、噪声抑制和特征提取等方法,以提取有用的信息。根据分析结果,系统生成反馈信息,以指示当前患者的情况。
在一具体实施例中,构建心肺状态分析神经网络模型,基于对预处理后的数据进行分析,得到患者心肺复苏过程中的心肺状态。
训练由深度学习组成的心肺状态分析神经网络,经过多次训练,使心肺状态神经网络最终可以输出准确的心肺状态结果。训练完成的心肺状态分析神经网络包括输入层、分析层、调优层、输出层。
将预处理后待分析的患者数据信息输入到心肺状态分析神经网络的输入层,设立
当前患者信息中共有N个特征,其中输入层与分析层全连接,将患者信息特征传递给分析
层;同时,设定人体模型二维面图像信息矩阵为,为患者信
息块的子矩阵,将人体模型二维面图像信息矩阵分为6个含有患者信息块的子矩阵的子集;
在分析层中进行分析,具体过程如下:
;
;
;
其中,表示分析层的输入;表示输入的患者信息特征;表示输入层与分析
层的连接权重值;表示分析层的偏置;表示自适应融合后的结果;表示子集的横向
点;表示子集的纵向点;表示子集的修正因子;表示自适应参数;表示控制因子;表示
患者信息块的子集,;表示融合中的可信度参数;表示映射因子;表示阈值,由
专家或经验预先设定好;表示子集间的影响因子。如果分析结果的值大于或等于阈值,则
将其传递到优化处理层;如果小于阈值,则输出结果为-1,表示患者状态不好,存在风险,需
要获得进一步的调整或者进行药物支持。
调优层对分析结果开始优化,调优层中的具体过程如下:
;
;
其中,表示调优层的输入;表示分析层与调优层间的连接权重值;表示调
优层的偏置;表示调优层的输出;表示优化因子。调优层将最终的分析结果传递给输出
层,由输出层输出患者心肺的分析结果,然后形成反馈信息。
本发明通过心肺状态分析神经网络模型可以对大量的预处理数据进行自动化分析,迅速处理数据、提取关键特征,并提供对患者心肺状态的准确评估,减轻医生的工作负担;不同患者的心肺状况可能存在差异,因此根据模型的分析结果,医生可以快速制定适合患者的治疗方案,提高治疗效果;通过综合分析患者的心肺状态,形成反馈信息,该模型可以及时发现异常情况或预测潜在的心肺风险,可以提前采取措施,减少并发症的发生,提高患者的安全性。
S3.基于反馈信息,调控模块根据患者的心肺健康状态等级对患者的胸部按压频
率以及呼吸频率(当前以及后文提到的呼吸频率均指心肺复苏机提供的呼吸)进行
预设,同时定义患者的急救初始时的初始按压频率为、急救初始时的初始呼吸频率为;所述心肺健康状态等级包括危险一级、危险二级、危险三级;具体过程如下:
在危险一级中,患者情况相对平缓,且对应的调节系数为,则患者对应的初始按
压频率为*;
在危险二级中,患者情况不太良好,且对应的调节系数为,则患者对应的初始按
压频率为*;
在危险三级中,患者情况十分紧急,且对应的调节系数为,则患者对应的初始按
压频率为*。
然后通过数据获取模块获得患者的胸部压力和心率进行计算得到按压频率
的修正参值,具体过程如下:
;
其中,表示胸部压力的稳定值;表示患者胸部压力当前状态的值;表示
心率的稳定值;表示患者心率当前状态的值;表示心肺复苏过程中的调参因子;和均表示心肺复苏指南中提到的标准预先设定。
同时通过数据获取模块获得患者的胸部压力会对患者的呼吸频率进行调
适,具体过程如下:
;
其中,和分别表示患者胸部内初始状态下的压力和体积;和分别表示进
行胸部按压后的压力和体积;设定进行心肺复苏按压时胸腔内的体积减小为,松开时胸
腔内体积变为;同时呼吸频率的变化可以表示为:
;
其中,表示胸腔内的压力变化敏感度;表示呼吸频率的变化;当压力变大,
即增加,呼吸频率增加;当压力变小,即减少,呼吸频率减少。
还要根据按压频率的修正参值与预设的修正参值进行对比,并根据对比结果得
到调整后的按压频率,具体过程如下:
预设的修正参值需要通过大量实验数据并结合专家经验预先设定,此处定义为
;若,则患者对应的按压频率为,;若,则患者对
应的按压频率为,。因此,得到按压频率的修正参值与胸部
压力和心率相关。
最后,心肺复苏机根据调整后的按压频率以及调适后的呼吸频率展开急救
工作。
本发明基于反馈信息进一步修正机器的按压频率以及呼吸频率,可以减少胸外按压中断时间,通过最小化中断时间,提高持续按压的质量,增加心脏复苏的成功率;还可以确保患者在心脏停跳期间获得足够的氧气供应,提高患者的氧合水平以及急救质量。
S4.在进行心肺复苏过程中,为了避免对患者造成二次伤害,需要对患者的胸部情况进行实时监测,自动控制心肺复苏机对患者胸部的挤压力度,避免过度挤压或损伤患者的胸骨。
在一具体实施例中,通过得到的人体模型的二维面图像并结合在数据处理模块中获得的患者数据信息,构建胸腔保护模型,控制患者进行心肺复苏的挤压力度。
对心肺复苏机工作时的挤压力度进行评估,具体过程如下:
;
;
其中,表示在时刻时的挤压力度;表示初始时的挤压力度;表示自
适应增益参数,根据系统的实时响应和误差特性进行调整;表示期望的胸部状态;表示根据实时的反馈信号得到的当前的胸部状态;表示挤压时的加速度;表示
对加速度的修正因子。
如果挤压力度符合患者进行心肺复苏的挤压限度时,则心肺复苏机会持续工作;如果挤压力度超过患者本身承受,则心肺复苏机会提出预警,报警模块将会做出反应来提示工作人员,并且逐步减小挤压力度,以免造成二次损伤。
本发明通过使用胸腔保护模型,可以确保挤压力度适当,最小化患者的胸骨受伤风险;同时有助于提高血液循环和氧气供应,增加心脏恢复自主搏动的机会,提高复苏成功率。
参照附图2,本实施例提供了心脏复苏机控制系统,包括以下内容:
数据获取模块、数据处理模块、心肺状态分析模块、调控模块、报警模块;
数据获取模块,用于通过传感器或对患者的监测设备得到患者的数据信息,传递给数据处理模块;
数据处理模块,用于对采集到的数据进行处理和分析,以提取到实用信息通过数据传输到心肺状态分析模块;
心肺状态分析模块,用于分析患者的心肺状态情况,形成反馈信息,传递到调控模块;
调控模块,根据患者的心肺状态情况,对心肺复苏机的按压频率和呼吸频率进行调整并且控制心肺复苏机的按压力度;参照附图3,调控模块包括第一控制单元、第二控制单元;
第一控制单元,用于在进行心肺复苏过程中,修正心肺复苏机的按压频率和呼吸频率;
第二控制单元,用于在进行心肺复苏过程中,控制心肺复苏机对患者胸部的挤压力度,避免过度挤压或损伤患者的胸骨;
报警模块,在心肺复苏过程中,如果心肺复苏机对患者胸部的挤压力度超限度,则会发出预警信息。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (3)
1.心肺复苏机控制方法,其特征在于,包括以下步骤:
步骤S1.获取患者的生理指标数据信息以及基本身体数据信息,根据获得的数据信息建立的人体模型为三维数字模型,同时得到二维面图像;
获取患者的生理指标数据信息以及基本身体数据信息,建立人体模型,为后续过程提供分析基础,数据信息包括体重、胸腔厚度、按压力度、胸部压力、血氧饱和度、血压、心率、呼吸频率;根据数据信息建立的人体模型为三维数字模型,然后基于人体的中心线进行剖取,得到人体展开二维面,同时得到二维面图像,计算图像水平方向和垂直方向的梯度,具体计算过程为:
;
;
其中,表示图像二维矩阵点,/>表示图像水平方向的梯度,/>表示图像垂直方向的梯度;通过计算梯度幅值/>和梯度方向/>,得到每个像素点的梯度特征/>,,/>;因此,;
步骤S2.对获得的数据信息进行预处理,构建心肺状态分析神经网络模型,基于对预处理后的数据进行分析,得到患者心肺复苏过程中的心肺状态,然后形成反馈信息;所述心肺状态分析神经网络包括输入层、分析层、调优层、输出层;
将预处理后待分析的患者数据信息输入到所述心肺状态分析神经网络的输入层,设立当前患者信息中共有N个特征,其中输入层与分析层全连接,将患者信息特征传递给分析层;同时,设定人体模型二维面图像信息矩阵为,/>为患者信息块的子矩阵,将人体模型二维面图像信息矩阵分为6个含有患者信息块的子矩阵的子集;在分析层中进行分析,具体过程如下:
;
;
;
其中,表示分析层的输入;/>表示输入的患者信息特征;/>表示输入层与分析层的连接权重值;/>表示分析层的偏置;/>表示自适应融合后的结果;/>表示子集的横向点;/>表示子集的纵向点;/>表示子集的修正因子;/>表示自适应参数;/>表示控制因子;/>表示患者信息块的子集,/>;/>表示融合中的可信度参数;/>表示映射因子;/>表示阈值,由专家或经验预先设定好;/>表示子集间的影响因子;
调优层对分析结果开始优化,调优层中的具体过程如下:
;
;
其中,表示调优层的输入;/>表示分析层与调优层间的连接权重值;/>表示调优层的偏置;/>表示调优层的输出;/>表示优化因子;
步骤S3.基于反馈信息,根据患者的心肺健康状态等级对患者的胸部按压频率以及呼吸频率/>进行调适,以便进一步高效急救;具体过程为:
根据患者的心肺健康状态等级对患者的胸部按压频率以及呼吸频率/>进行预设,同时定义患者的急救初始时的初始按压频率为/>、急救初始时的初始呼吸频率为/>;所述心肺健康状态等级包括危险一级、危险二级、危险三级;
在危险一级中,患者情况相对平缓,且对应的调节系数为,则患者对应的初始按压频率为/>*/>;
在危险二级中,患者情况不太良好,且对应的调节系数为,则患者对应的初始按压频率为/>*/>;
在危险三级中,患者情况十分紧急,且对应的调节系数为,则患者对应的初始按压频率为/>*/>;
然后根据获取的患者数据信息中的胸部压力和心率/>进行计算得到按压频率的修正参值/>;
;
其中,表示胸部压力的稳定值;/>表示患者胸部压力当前状态的值;/>表示心率的稳定值;/>表示患者心率当前状态的值;/>表示心肺复苏过程中的调参因子;/>和均表示心肺复苏指南中提到的标准预先设定;
同时通过数据获取模块获得患者的胸部压力会对患者的呼吸频率/>进行调适,具体过程如下:
;
其中,和/>分别表示患者胸部内初始状态下的压力和体积;/>和/>分别表示进行胸部按压后的压力和体积;设定进行心肺复苏按压时胸腔内的体积减小为/>,松开时胸腔内体积变为/>;同时呼吸频率的变化可以表示为:
;
其中,表示胸腔内的压力变化敏感度;/>表示呼吸频率的变化;当压力变大,即/>增加,呼吸频率增加;当压力变小,即/>减少,呼吸频率减少;
根据按压频率的修正参值与预设的修正参值进行对比,并根据对比结果得到调整后的按压频率/>,具体过程如下:
预设的修正参值通过实验数据并结合专家经验预先设定,此处定义为;若/>,则患者对应的按压频率为/>,/>;若/>,则患者对应的按压频率为/>,/>;因此,得到按压频率的修正参值/>与胸部压力和心率相关;
步骤S4.在进行心肺复苏过程中,根据得到的反馈信息以及数据信息构建胸腔保护模型,控制心肺复苏机对患者胸部的挤压力度;
对心肺复苏机工作时的挤压力度进行评估,具体过程如下:
;
;
其中,表示在时刻/>时的挤压力度;/>表示初始时的挤压力度;/>表示自适应增益参数,根据系统的实时响应和误差特性进行调整;/>表示期望的胸部状态;/>表示根据实时的反馈信号得到的当前的胸部状态;/>表示挤压时的加速度;/>表示对加速度的修正因子。
2.根据权利要求1所述的心肺复苏机控制方法,其特征在于,所述步骤S4还包括:
在胸腔保护模型中,对心肺复苏机工作时的挤压力度进行评估,如果挤压力度符合患者进行心肺复苏的挤压限度时,则心肺复苏机会持续工作;如果挤压力度超过患者本身承受,则心肺复苏机会提出预警来提示工作人员,并且逐步减小挤压力度。
3.心肺复苏机控制系统,应用于权利要求1所述的心肺复苏机控制方法,其特征在于,包括以下内容:
数据获取模块、数据处理模块、心肺状态分析模块、调控模块、报警模块;
所述数据获取模块,用于通过传感器或对患者的监测设备得到患者的数据信息,传递给数据处理模块;
所述数据处理模块,用于对采集到的数据进行处理和分析,以提取到实用信息通过数据传输到心肺状态分析模块;
所述心肺状态分析模块,用于分析患者的心肺状态情况,形成反馈信息,传递到调控模块;
所述调控模块,根据患者的心肺状态情况,对心肺复苏机的按压频率和呼吸频率进行调整并且控制心肺复苏机的按压力度;调控模块包括第一控制单元、第二控制单元;
所述第一控制单元,用于在进行心肺复苏过程中,修正心肺复苏机的按压频率和呼吸频率;
所述第二控制单元,用于在进行心肺复苏过程中,控制心肺复苏机对患者胸部的挤压力度,避免过度挤压或损伤患者的胸骨;
所述报警模块,在心肺复苏过程中,如果心肺复苏机对患者胸部的挤压力度超限度,则会发出预警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311117124.3A CN116844709B (zh) | 2023-09-01 | 2023-09-01 | 心脏复苏机控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311117124.3A CN116844709B (zh) | 2023-09-01 | 2023-09-01 | 心脏复苏机控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116844709A CN116844709A (zh) | 2023-10-03 |
CN116844709B true CN116844709B (zh) | 2023-11-21 |
Family
ID=88162012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311117124.3A Active CN116844709B (zh) | 2023-09-01 | 2023-09-01 | 心脏复苏机控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116844709B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202198814U (zh) * | 2011-08-24 | 2012-04-25 | 烟台万利医用品有限公司 | 一种便携式智能心脏复苏机 |
CN107609601A (zh) * | 2017-09-28 | 2018-01-19 | 北京计算机技术及应用研究所 | 一种基于多层卷积神经网络的舰船目标识别方法 |
CN111685992A (zh) * | 2020-06-22 | 2020-09-22 | 吉林大学 | 一种心肺复苏反馈系统 |
CN112037012A (zh) * | 2020-08-14 | 2020-12-04 | 百维金科(上海)信息科技有限公司 | 一种基于pso-bp神经网络的互联网金融信用评价方法 |
CN114983791A (zh) * | 2022-04-28 | 2022-09-02 | 东南大学 | 一种穿戴式医疗行为协同监测的心肺复苏辅助系统及方法 |
CN115363931A (zh) * | 2022-07-15 | 2022-11-22 | 广东工业大学 | 一种心肺复苏除颤一体机及其控制方法 |
-
2023
- 2023-09-01 CN CN202311117124.3A patent/CN116844709B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202198814U (zh) * | 2011-08-24 | 2012-04-25 | 烟台万利医用品有限公司 | 一种便携式智能心脏复苏机 |
CN107609601A (zh) * | 2017-09-28 | 2018-01-19 | 北京计算机技术及应用研究所 | 一种基于多层卷积神经网络的舰船目标识别方法 |
CN111685992A (zh) * | 2020-06-22 | 2020-09-22 | 吉林大学 | 一种心肺复苏反馈系统 |
CN112037012A (zh) * | 2020-08-14 | 2020-12-04 | 百维金科(上海)信息科技有限公司 | 一种基于pso-bp神经网络的互联网金融信用评价方法 |
CN114983791A (zh) * | 2022-04-28 | 2022-09-02 | 东南大学 | 一种穿戴式医疗行为协同监测的心肺复苏辅助系统及方法 |
CN115363931A (zh) * | 2022-07-15 | 2022-11-22 | 广东工业大学 | 一种心肺复苏除颤一体机及其控制方法 |
Non-Patent Citations (4)
Title |
---|
Deep Learning for Automatic Vision-Based Recognition of Industrial Surface Defects: A Survey;MICHELA PRUNELLA等;《ACCESS》(第11期);43370-43423 * |
Prediction Models of Arterial Pressure during CPR Based on Force Data of Manual Chest Compression;Mingze Sun等;《2023 International Conference on Advanced Robotics and Mechatronics (ICARM)》;191-196 * |
人工智能在心肺复苏中的应用;刘帅等;《协和医学杂志》;第14卷(第3期);453-458 * |
通信;中国无线电电子学文摘(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116844709A (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107625627B (zh) | 一种心肺复苏辅助系统 | |
CN102119908B (zh) | 闭环胸外按压系统 | |
CN113545978B (zh) | 一种心肺复苏cpr参数反馈的方法及装置 | |
JP5844725B2 (ja) | 反復的な治療介入の同期 | |
EP3364855B1 (en) | Anomaly detection device and method for respiratory mechanics parameter estimation | |
JP2017538553A5 (zh) | ||
CN104519951A (zh) | 救援服务激活 | |
CN106037769A (zh) | 一种在心肺复苏过程中感知发生骨折的方法及按压装置 | |
CN116844709B (zh) | 心脏复苏机控制系统及方法 | |
CN104189983A (zh) | 一种深度镇静的闭环控制方法和系统 | |
CN113456213B (zh) | 一种基于人工智能的射频消融参数优化和信息合成方法及系统 | |
CN105287187B (zh) | 一种器械式cpr按压深度算法 | |
CN113855955A (zh) | 一种呼吸机多模式工作控制系统及呼吸机 | |
CN116421457A (zh) | 一种基于无创预测冠状动脉灌注压的心肺复苏系统及方法 | |
CN113768773B (zh) | 一种cpr装置 | |
CN114887169A (zh) | 一种呼吸机智能控制决策方法与系统 | |
CN117159862B (zh) | 一种心肺复苏气道压自动反馈通气方法和呼吸机 | |
CN112164436A (zh) | 一种基于人脸识别的人工智能实时医疗方案调整系统及其方法 | |
AT522324B1 (de) | Verfahren und vorrichtung zur validierung eines blutdruckmesssystems | |
CN112970072A (zh) | 用于进行紧急护理程序的辅助设备、用于同步心肺复苏的辅助系统及相关方法 | |
CN116312972B (zh) | 基于眼刺激的睡眠记忆情感张力调节方法、系统和装置 | |
CN111603375B (zh) | 一种自动脉冲复苏系统 | |
CN114141333B (zh) | 基于自适应神经模糊推理的智能心肺复苏机力学控制系统 | |
EP3888613B1 (en) | Defibrillator providing cardio pulmonary resuscitation feedback | |
CN116725845A (zh) | 一种排痰机控制方法、装置及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |