CN117059252A - 一种麻醉机运行故障预测系统 - Google Patents
一种麻醉机运行故障预测系统 Download PDFInfo
- Publication number
- CN117059252A CN117059252A CN202311312020.8A CN202311312020A CN117059252A CN 117059252 A CN117059252 A CN 117059252A CN 202311312020 A CN202311312020 A CN 202311312020A CN 117059252 A CN117059252 A CN 117059252A
- Authority
- CN
- China
- Prior art keywords
- anesthesia machine
- concentration
- fault
- state
- anesthesia
- 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
Links
- 206010002091 Anaesthesia Diseases 0.000 title claims abstract description 190
- 230000037005 anaesthesia Effects 0.000 title claims abstract description 190
- 230000003444 anaesthetic effect Effects 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 16
- 239000008280 blood Substances 0.000 claims abstract description 13
- 210000004369 blood Anatomy 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 239000003721 gunpowder Substances 0.000 claims description 40
- DZXKSFDSPBRJPS-UHFFFAOYSA-N tin(2+);sulfide Chemical compound [S-2].[Sn+2] DZXKSFDSPBRJPS-UHFFFAOYSA-N 0.000 claims description 26
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003193 general anesthetic agent Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- 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
- G16H40/40—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 management of medical equipment or devices, e.g. scheduling maintenance or upgrades
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及一种麻醉机运行故障预测系统,尤其涉及麻醉机故障预测技术领域,包括第一获取模块,用以获取患者的个人信息和麻醉机的工作参数;故障标记模块,用以对患者血液内麻药浓度进行分析,以得到麻药浓度,还用以对麻醉机的工作状态进行故障标记,标记出麻醉机的故障参数;分析判断模块,用以分析麻醉机的安全度,并对麻醉机的运行状态进行判断;输出模块,用以对输出内容进行判断并输出;第二获取模块,用以获取麻醉机的历史工作信息;调整优化模块,用以对故障参数的分析过程进行调整,还用以对故障参数进行优化。本发明实现了对麻醉机运行故障的预测,解决了麻醉机运行故障分析效率低,故障预测不准确的问题。
Description
技术领域
本发明涉及麻醉机故障预测技术领域,尤其涉及一种麻醉机运行故障预测系统。
背景技术
麻醉机在医院手术中实现对患者进行麻醉的功效,对患者麻醉药物的输出进行控制,减少了麻醉医生在手术中的工作量,麻醉机在运行时麻醉医生无法快速察觉到麻醉机的工作异常情况,这使得需要一种对麻醉机运行中故障的分析预测系统,提高麻醉机的工作性能,降低麻醉机对手术的影响。
中国专利公开号:CN115101187B,公开了一种基于大数据的麻醉机运行故障预测系统,包括,将分析对象的频繁故障部位进行分析,判断分析对象频繁故障部位的实时状态,准确判断分析对象的频繁故障部位是否能够进行维护;判断分析对象偶尔故障部位的实时状态,分析对应偶尔故障部位的可避免性;将对应分析对象进行设备故障预测。该发明实现了对麻醉机各部位的故障预测,未实现对麻醉机运行情况下的实时运行状态检测,存在麻醉机运行故障分析效率低,故障预测不准确的问题。
发明内容
为此,本发明提供一种麻醉机运行故障预测系统,用以克服现有技术中麻醉机运行故障分析效率低,故障预测不准确的问题。
为实现上述目的,本发明提供一种麻醉机运行故障预测系统,包括:
第一获取模块,用以获取医院手术中患者的个人信息和麻醉机的工作参数;
故障标记模块,用以根据患者的个人信息和麻醉机的工作参数对患者血液内麻药浓度进行分析,以得到麻药浓度,还用以根据麻药浓度对麻醉机的故障参数进行分析;所述故障标记模块设有浓度分析单元,其用以根据患者的个人信息和麻醉机的麻药输出功率对患者血液内麻药浓度进行分析;所述故障标记模块还设有计算单元,其用以统计预设时间内的麻药浓度并计算平均麻药浓度,所述故障标记模块还设有状态标记单元,其用以将麻药浓度与平均麻药浓度进行比对,并根据比对结果对麻醉机的工作状态进行故障标记,以得到故障参数;
分析判断模块,用以根据故障参数和麻醉机的工作参数对麻醉机的运行状态进行判断;所述分析判断模块设有安全度计算单元,其用以根据故障参数和麻醉机的已启动时间计算麻醉机的安全度;所述分析判断模块还设有状态判断单元,其用以根据安全度对麻醉机的运行状态进行判断;
输出模块,用以根据麻醉机的运行状态对输出内容进行输出判断;
第二获取模块,用以获取麻醉机的历史工作信息;
调整优化模块,用以在麻醉机的运行状态为运行正常时,根据麻醉机的历史工作信息对故障参数的分析过程进行调整并优化,还用以根据麻醉机的历史工作信息对故障参数的调整过程进行优化。
进一步地,所述浓度分析单元根据患者的个人信息和麻药输出功率通过浓度计算公式计算麻药浓度,所述浓度分析单元设有浓度计算公式如下:
Q=P/(M×α×logE)
其中,Q表示麻药浓度,其为百分比取值,P表示麻药输出功率,其单位为克/秒,M表示患者的体重,其单位为克,α表示血液参数,其取值范围为0.06≤α≤0.08,E表示患者的年龄。
进一步地,所述计算单元根据麻药浓度通过平均麻药浓度计算公式计算平均麻药浓度,所述计算单元设有平均麻药浓度计算公式如下:
q=(Q1+Q2+...+Qt)/T
其中,q表示平均麻药浓度,其为百分比取值,Q1表示预设时间内第一秒的麻药浓度,Q2表示预设时间内第二秒的麻药浓度,Qt表示预设时间内最后一秒的麻药浓度,T表示预设时间,其单位为秒,t表示预设时间参数,其取值范围为t={t∈N+|t∈T}。
进一步地,所述状态标记单元计算麻药浓度与平均麻药浓度的比值,将计算结果与各浓度阈值进行比对,并根据比对结果对麻醉机的工作状态进行标记,其中:
当β1≤Q/q≤β2时,所述状态标记单元不对麻醉机的工作状态进行标记;
当Q/q<β1或Q/q>β2时,所述状态标记单元对麻醉机的工作状态进行故障标记。
进一步地,所述状态标记单元在对麻醉机的工作状态进行故障标记时,根据麻药浓度和平均麻药浓度计算浓度变化量ΔQ,设定ΔQ=|Q-q|,所述状态标记单元获取故障标记时的麻药浓度和浓度变化量作为故障参数。
进一步地,所述安全度计算单元根据故障参数和麻醉机的已启动时间,通过安全度计算公式计算麻醉机的安全度,所述安全度计算单元设有安全度计算公式如下:
S=|(Q+t1-2×ΔQ)/(t1-Q)|
其中,S表示麻醉机的安全度,其为百分比取值,t1表示麻醉机的已启动时间,其单位为小时。
进一步地,所述状态判断单元计算麻醉机的安全度变化幅度,将计算结果与预测阈值进行比对,根据比对结果对麻醉机的运行状态进行判断,其中:
当[Sn-S(n-2)]2/[Sn-S(n-1)]2<γ时,所述状态判断单元判定麻醉机的运行状态为运行正常;
当[Sn-S(n-2)]2/[Sn-S(n-1)]2≥γ时,所述状态判断单元判定麻醉机的运行状态为运行故障。
进一步地,所述输出模块根据麻醉机的运行状态对输出内容进行判断并输出,其中:
当运行状态为运行正常时,所述输出模块判定输出内容为正常,并对输出内容进行输出;
当运行状态为运行故障时,所述输出模块判定输出内容为故障,并对输出内容进行输出。
进一步地,所述调整优化模块设有调整单元,其用以对浓度阈值进行调整,调整后的浓度阈值为β1'和β2',设定β1'=β12×β2,β2'=β22×β1。
进一步地,所述调整优化模块设有优化单元,其用以根据麻醉机的历史工作信息对浓度阈值的调整过程进行优化,优化后的浓度阈值为β1"和β2",设定β1"=β12×β2×eD/T1,β2"=β22×β1/eD/T1。
与现有技术相比,本发明的有益效果在于,通过所述第一获取模块对患者的个人信息和麻醉机的工作参数的获取,以提高信息获取的准确度,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述故障标记模块对患者的个人信息和麻醉机的工作参数的分析,以分析出麻药浓度,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述故障标记模块对麻药浓度的分析,以对麻醉机的工作状态进行标记,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述分析判断模块对故障参数和工作参数的分析,以计算麻醉机的安全度,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述故分析判断模块对安全度的分析,以对麻醉机的运行状态进行判断,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述输出模块对麻醉机运行状态的分析,以对输出内容进行输出,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述第二获取模块对麻醉机历史工作信息的获取,以提高系统信息获取的准确度,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述调整优化模块对麻醉机运行状态的分析,以对故障参数的分析过程进行调整,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述调整优化模块对历史工作信息的分析,以对故障参数的调整过程进行优化,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度。
附图说明
图1为本实施例醉机运行故障预测系统的结构框图;
图2为本实施例故障标记模块的结构框图;
图3为本实施例分析判断模块的结构框图;
图4为本实施例调整优化模块的结构框图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本实施例一种麻醉机运行故障预测系统,包括:
第一获取模块,用以获取医院手术中患者的个人信息和麻醉机的工作参数,所述个人信息包括体重和年龄,所述工作参数包括麻药输出功率和已启动时间,所述个人信息的获取方式为生命体征监护仪获取;
故障标记模块,用以根据患者的个人信息和麻醉机的工作参数对患者血液内麻药浓度进行分析,以得到麻药浓度,所述故障标记模块还用以根据麻药浓度对麻醉机的工作状态进行故障标记,标记出麻醉机的故障参数,故障标记模块与所述第一获取模块连接,所述故障参数包括麻药浓度和浓度变化量;
分析判断模块,用以根据故障参数和麻醉机的工作参数分析麻醉机的安全度,并根据安全度对麻醉机的运行状态进行判断,分析判断模块与所述故障标记模块连接,所述运行状态包括运行正常和运行故障;
输出模块,用以根据麻醉机的运行状态对输出内容进行判断并输出,输出模块与所述分析判断模块连接,所述输出内容包括正常和故障;
第二获取模块,用以获取麻醉机的历史工作信息,第二获取模块与所述判断模块连接,所述历史工作信息包括麻醉机的历史故障标记总数量和运行总时间;
调整优化模块,用以在麻醉机的运行状态为运行正常时,对故障参数的分析过程进行调整,所述调整优化模块还用以根据麻醉机的历史工作信息对故障参数的调整过程进行优化,调整优化模块与所述第二获取模块连接。
请参阅图2所示,所述故障标记模块包括:
浓度分析单元,用以根据患者的个人信息和麻醉机的麻药输出功率对患者血液内麻药浓度进行分析,以得到麻药浓度;
计算单元,用以统计预设时间内的麻药浓度并计算平均麻药浓度,计算单元与所述浓度分析单元连接;
状态标记单元,用以将麻药浓度与平均麻药浓度进行比对,并根据比对结果对麻醉机的工作状态进行故障标记,以得到故障参数,状态标记单元与所述计算单元连接。
请参阅图3所示,所述分析判断模块包括:
安全度计算单元,用以根据故障参数和麻醉机的已启动时间计算麻醉机的安全度;
状态判断单元,用以根据安全度对麻醉机的运行状态进行判断,状态判断单元与所述安全度计算单元连接。
请参阅图4所示,所述调整优化模块包括:
调整单元,用以在麻醉机的运行状态为运行正常时,对故障参数的分析过程进行调整;
优化单元,用以根据麻醉机的历史工作信息对故障参数的调整过程进行优化。
具体而言,本实施例中通过所述第一获取模块对患者的个人信息和麻醉机的工作参数的获取,以提高信息获取的准确度,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述故障标记模块对患者的个人信息和麻醉机的工作参数的分析,以分析出麻药浓度,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述故障标记模块对麻药浓度的分析,以对麻醉机的工作状态进行标记,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述分析判断模块对故障参数和工作参数的分析,以计算麻醉机的安全度,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述故分析判断模块对安全度的分析,以对麻醉机的运行状态进行判断,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述输出模块对麻醉机运行状态的分析,以对输出内容进行输出,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述第二获取模块对麻醉机历史工作信息的获取,以提高系统信息获取的准确度,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述调整优化模块对麻醉机运行状态的分析,以对故障参数的分析过程进行调整,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述调整优化模块对历史工作信息的分析,以对故障参数的调整过程进行优化,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度。
具体而言,本实施例中所述浓度分析单元根据患者的个人信息和麻药输出功率通过浓度计算公式计算麻药浓度,所述浓度分析单元设有浓度计算公式如下:
Q=P/(M×α×logE)×j
其中,Q表示麻药浓度,其为百分比取值,P表示麻药输出功率,其单位为克/秒,M表示患者的体重,其单位为克,α表示血液参数,其取值范围为0.06≤α≤0.08,E表示患者的年龄,j表示单位时间,其取值为1秒。可以理解的是,本实施例中不对血液参数的取值作具体限定,本领域技术人员可自由设置,只需满足对麻药浓度的计算即可,血液参数的最佳取值为:α=0.07。
具体而言,本实施例中通过所述浓度分析单元对患者的个人信息和麻药输出功率的分析,以计算出麻药浓度,从而提高系统对麻醉机工作状态的分析效率,提高故障预测的准确度,通过所述浓度分析单元对麻药浓度计算公式的设定,以使麻药浓度随患者体重和年龄的变化而变化,并降低年龄对麻药浓度的影响效果,从而提高故障预测的准确度。
具体而言,本实施例中所述计算单元根据麻药浓度通过平均麻药浓度计算公式计算平均麻药浓度,所述计算单元设有平均麻药浓度计算公式如下:
q=(Q1+Q2+...+Qt)/T
其中,q表示平均麻药浓度,其为百分比取值,Q1表示预设时间内第一秒的麻药浓度,Q2表示预设时间内第二秒的麻药浓度,Qt表示预设时间内最后一秒的麻药浓度,T表示预设时间,其单位为秒,t表示预设时间参数,其取值范围为t={t∈N+|t∈T}。
具体而言,本实施例中通过所述计算单元对麻药浓度的分析,以计算平均麻药浓度,从而提高系统对麻醉机故障预测的分析效率,提高故障预测的准确度,通过所述计算单元对平均麻药浓度计算公式的设置,以提高平均麻药浓度计算的准确度,从而提高故障预测的准确度。
具体而言,本实施例中所述状态标记单元计算麻药浓度与平均麻药浓度的比值,将计算结果与各浓度阈值进行比对,并根据比对结果对麻醉机的工作状态进行标记,其中:
当β1≤Q/q≤β2时,所述状态标记单元不对麻醉机的工作状态进行标记;
当Q/q<β1或Q/q>β2时,所述状态标记单元对麻醉机的工作状态进行故障标记;
其中,β1表示第一浓度阈值,β2表示第二浓度阈值,其取值范围为0.8≤β1<β2≤1.2。可以理解的是,本实施例中不对浓度阈值的取值作具体限定,本领域技术人员可自由设置,只需满足对麻醉机的故障参数即可,浓度阈值的最佳取值为:β1=0.9,β2=1.1。
具体而言,本实施例中所述状态标记单元在对麻醉机的工作状态进行故障标记时,根据麻药浓度和平均麻药浓度计算浓度变化量ΔQ,设定ΔQ=|Q-q|,所述状态标记单元获取故障标记时的麻药浓度和浓度变化量作为故障参数。
具体而言,本实施例中通过所述状态标记单元对麻药浓度和平均麻药浓度的分析,以对麻醉机的工作状态进行标记,得到故障参数,从而提高系统对麻醉机故障的分析效率,提高故障预测的准确度,通过所述状态标记单元对浓度阈值的设置,以提高对故障参数的准确度,从而提高系统对麻醉机故障预测的分析效率,提高故障预测的准确度。
具体而言,本实施例中所述安全度计算单元根据故障参数和麻醉机的已启动时间,通过安全度计算公式计算麻醉机的安全度,所述安全度计算单元设有安全度计算公式如下:
S=|(Q+t1-2×ΔQ)/(t1-Q)|
其中,S表示麻醉机的安全度,其为百分比取值,t1表示麻醉机的已启动时间,其单位为小时。
具体而言,本实施例中通过所述安全度计算单元对故障参数和麻醉机的已启动时间的分析,以计算麻醉机的安全度,从而提高系统对麻醉机故障预测的分析效率,提高故障预测的准确度,通过所述安全度计算单元对安全度计算公式的设置,以使安全度与麻醉机的已启动时间、麻药浓度和浓度变化量相关,从而提高系统故障预测的准确度。
具体而言,本实施例中所述状态判断单元计算麻醉机的安全度变化幅度,将计算结果与预测阈值进行比对,根据比对结果对麻醉机的运行状态进行判断,其中:
当[Sn-S(n-2)]2/[Sn-S(n-1)]2<γ时,所述状态判断单元判定麻醉机的运行状态为运行正常;
当[Sn-S(n-2)]>[Sn-S(n-1)]且[Sn-S(n-2)]2/[Sn-S(n-1)]2≥γ时,所述状态判断单元判定麻醉机的运行状态为运行正常;
当[Sn-S(n-2)]≤[Sn-S(n-1)]且[Sn-S(n-2)]2/[Sn-S(n-1)]2≥γ时,所述状态判断单元判定麻醉机的运行状态为运行故障;
其中,[Sn-S(n-2)]2/[Sn-S(n-1)]2表示安全度变化幅度,Sn表示最后一个故障参数的安全度,n表示计算安全度的数量,S(n-2)表示倒数第三个故障参数的安全度,S(n-1)表示倒数第二个故障参数的安全度,γ表示预测阈值,其取值范围为0<γ≤0.2。可以理解的是,本实施例中不对预测阈值的取值作具体限定,本领域技术人员可自由设置,只需满足对麻醉机运行状态的判断即可,预测阈值的最佳取值为:γ=0.1。
具体而言,本实施例中通过所述状态判断单元对麻醉机安全度的分析,以计算安全度变化幅度,从而对麻醉机的运行状态太进行判断,进而提高系统对故障预测的分析效率,通过所述状态判断单元对安全度变化幅度的计算,以降低安全度波动对运行状态判断的影响,从而提高系统对故障预测分析的准确度。
具体而言,本实施例中所述输出模块根据麻醉机的运行状态对输出内容进行判断并输出,其中:
当运行状态为运行正常时,所述输出模块判定输出内容为正常,并对输出内容进行输出;
当运行状态为运行故障时,所述输出模块判定输出内容为故障,并对输出内容进行输出。
具体而言,本实施例中所述调整单元对浓度阈值进行调整,调整后的浓度阈值为β1'和β2',设定β1'=β12×β2,β2'=β22×β1。
具体而言,通过所述调整单元对浓度阈值的调整,以增大对麻醉机工作状态故障参数的范围,增加故障参数数量,从而提高系统对分析的取样数量,进而提高系统对麻醉机故障预测的分析效率,提高故障预测的准确度。
具体而言,本实施例中所述优化单元根据麻醉机的历史工作信息对浓度阈值的调整过程进行优化,优化后的浓度阈值为β1"和β2",设定β1"=β12×β2×eD/T1,β2"=β22×β1/eD /T1,其中,D表示麻醉机的历史故障参数总数量,T1表示麻醉机的运行总时间。
具体而言,本实施例中通过所述优化单元对麻醉机历史工作信息的分析,以对浓度阈值的调整过程进行优化,从而优化对麻醉机故障参数的精度,使浓度阈值随历史故障参数总数量和运行总时间比值的变化而变化,进而提高系统对麻醉机故障预测的分析效率,提高故障预测的准确度。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种麻醉机运行故障预测系统,其特征在于,包括:
第一获取模块,用以获取医院手术中患者的个人信息和麻醉机的工作参数;
故障标记模块,用以根据患者的个人信息和麻醉机的工作参数对患者血液内麻药浓度进行分析,以得到麻药浓度,还用以根据麻药浓度对麻醉机的故障参数进行分析;所述故障标记模块设有浓度分析单元,其用以根据患者的个人信息和麻醉机的麻药输出功率对患者血液内麻药浓度进行分析;所述故障标记模块还设有计算单元,其用以统计预设时间内的麻药浓度并计算平均麻药浓度,所述故障标记模块还设有状态标记单元,其用以将麻药浓度与平均麻药浓度进行比对,并根据比对结果对麻醉机的工作状态进行故障标记,以得到故障参数;
分析判断模块,用以根据故障参数和麻醉机的工作参数对麻醉机的运行状态进行判断;所述分析判断模块设有安全度计算单元,其用以根据故障参数和麻醉机的已启动时间计算麻醉机的安全度;所述分析判断模块还设有状态判断单元,其用以根据安全度对麻醉机的运行状态进行判断;
输出模块,用以根据麻醉机的运行状态对输出内容进行输出判断;
第二获取模块,用以获取麻醉机的历史工作信息;
调整优化模块,用以在麻醉机的运行状态为运行正常时,根据麻醉机的历史工作信息对故障参数的分析过程进行调整并优化,还用以根据麻醉机的历史工作信息对故障参数的调整过程进行优化。
2.根据权利要求1所述的麻醉机运行故障预测系统,其特征在于,所述浓度分析单元根据患者的个人信息和麻药输出功率通过浓度计算公式计算麻药浓度,所述浓度分析单元设有浓度计算公式如下:
Q=P/(M×α×logE)×j
其中,Q表示麻药浓度,其为百分比取值,P表示麻药输出功率,其单位为克/秒,M表示患者的体重,其单位为克,α表示血液参数,其取值范围为0.06≤α≤0.08,E表示患者的年龄,j表示单位时间,其取值为1秒。
3.根据权利要求2所述的麻醉机运行故障预测系统,其特征在于,所述计算单元根据麻药浓度通过平均麻药浓度计算公式计算平均麻药浓度,所述计算单元设有平均麻药浓度计算公式如下:
q=(Q1+Q2+...+Qt)/T
其中,q表示平均麻药浓度,其为百分比取值,Q1表示预设时间内第一秒的麻药浓度,Q2表示预设时间内第二秒的麻药浓度,Qt表示预设时间内最后一秒的麻药浓度,T表示预设时间,其单位为秒,t表示预设时间参数,其取值范围为t={t∈N+|t∈T}。
4.根据权利要求3所述的麻醉机运行故障预测系统,其特征在于,所述状态标记单元计算麻药浓度与平均麻药浓度的比值,将计算结果与各浓度阈值进行比对,并根据比对结果对麻醉机的工作状态进行标记,其中:
当β1≤Q/q≤β2时,所述状态标记单元不对麻醉机的工作状态进行标记;
当Q/q<β1或Q/q>β2时,所述状态标记单元对麻醉机的工作状态进行故障标记。
5.根据权利要求4所述的麻醉机运行故障预测系统,其特征在于,所述状态标记单元在对麻醉机的工作状态进行故障标记时,根据麻药浓度和平均麻药浓度计算浓度变化量ΔQ,设定ΔQ=|Q-q|,所述状态标记单元获取故障标记时的麻药浓度和浓度变化量作为故障参数。
6.根据权利要求5所述的麻醉机运行故障预测系统,其特征在于,所述安全度计算单元根据故障参数和麻醉机的已启动时间,通过安全度计算公式计算麻醉机的安全度,所述安全度计算单元设有安全度计算公式如下:
S=|(Q+t1-2×ΔQ)/(t1-Q)|
其中,S表示麻醉机的安全度,其为百分比取值,t1表示麻醉机的已启动时间,其单位为小时。
7.根据权利要求6所述的麻醉机运行故障预测系统,其特征在于,所述状态判断单元计算麻醉机的安全度变化幅度,将计算结果与预测阈值进行比对,根据比对结果对麻醉机的运行状态进行判断,其中:
当[Sn-S(n-2)]2/[Sn-S(n-1)]2<γ时,所述状态判断单元判定麻醉机的运行状态为运行正常;
当[Sn-S(n-2)]>[Sn-S(n-1)]且[Sn-S(n-2)]2/[Sn-S(n-1)]2≥γ时,所述状态判断单元判定麻醉机的运行状态为运行正常;
当[Sn-S(n-2)]≤[Sn-S(n-1)]且[Sn-S(n-2)]2/[Sn-S(n-1)]2≥γ时,所述状态判断单元判定麻醉机的运行状态为运行故障。
8.根据权利要求7所述的麻醉机运行故障预测系统,其特征在于,所述输出模块根据麻醉机的运行状态对输出内容进行判断并输出,其中:
当运行状态为运行正常时,所述输出模块判定输出内容为正常,并对输出内容进行输出;
当运行状态为运行故障时,所述输出模块判定输出内容为故障,并对输出内容进行输出。
9.根据权利要求7所述的麻醉机运行故障预测系统,其特征在于,所述调整优化模块设有调整单元,其用以对浓度阈值进行调整,调整后的浓度阈值为β1'和β2',设定β1'=β12×β2,β2'=β22×β1。
10.根据权利要求1所述的麻醉机运行故障预测系统,其特征在于,所述调整优化模块设有优化单元,其用以根据麻醉机的历史工作信息对浓度阈值的调整过程进行优化,优化后的浓度阈值为β1"和β2",设定β1"=β12×β2×eD/T1,β2"=β22×β1/eD/T1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311312020.8A CN117059252B (zh) | 2023-10-11 | 2023-10-11 | 一种麻醉机运行故障预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311312020.8A CN117059252B (zh) | 2023-10-11 | 2023-10-11 | 一种麻醉机运行故障预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117059252A true CN117059252A (zh) | 2023-11-14 |
CN117059252B CN117059252B (zh) | 2024-04-16 |
Family
ID=88663047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311312020.8A Active CN117059252B (zh) | 2023-10-11 | 2023-10-11 | 一种麻醉机运行故障预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117059252B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5957129A (en) * | 1997-07-30 | 1999-09-28 | Ohmeda Inc. | On-line fault detection and correction in anesthesia delivery system |
CN111565780A (zh) * | 2017-10-27 | 2020-08-21 | 深圳迈瑞生物医疗电子股份有限公司 | 麻醉机及麻药输出浓度监测方法、系统、设备、存储介质 |
WO2021068137A1 (zh) * | 2019-10-09 | 2021-04-15 | 深圳迈瑞生物医疗电子股份有限公司 | 麻醉机及控制麻醉蒸发器的方法 |
CN113870988A (zh) * | 2021-10-27 | 2021-12-31 | 西南医科大学附属医院 | 一种基于大数据分析的麻醉工作站运行监管系统 |
US20230263979A1 (en) * | 2022-02-23 | 2023-08-24 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Anesthesia machine, anesthesia control method and anesthesia control system |
-
2023
- 2023-10-11 CN CN202311312020.8A patent/CN117059252B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5957129A (en) * | 1997-07-30 | 1999-09-28 | Ohmeda Inc. | On-line fault detection and correction in anesthesia delivery system |
CN111565780A (zh) * | 2017-10-27 | 2020-08-21 | 深圳迈瑞生物医疗电子股份有限公司 | 麻醉机及麻药输出浓度监测方法、系统、设备、存储介质 |
WO2021068137A1 (zh) * | 2019-10-09 | 2021-04-15 | 深圳迈瑞生物医疗电子股份有限公司 | 麻醉机及控制麻醉蒸发器的方法 |
CN113870988A (zh) * | 2021-10-27 | 2021-12-31 | 西南医科大学附属医院 | 一种基于大数据分析的麻醉工作站运行监管系统 |
US20230263979A1 (en) * | 2022-02-23 | 2023-08-24 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Anesthesia machine, anesthesia control method and anesthesia control system |
Non-Patent Citations (1)
Title |
---|
朱燕艺;: "医用麻醉机的故障排查方法", 电子技术与软件工程, no. 08, 15 April 2020 (2020-04-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117059252B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1381309B1 (en) | Adaptive selection of a warning limit in patient monitoring | |
EP2245607B1 (en) | Controlling an alarm in a medical instrument | |
EP2519895B1 (en) | Method and apparatus for monitoring performance and anticipate failures of plant instrumentation | |
US7082758B2 (en) | Hydraulic machine, system for monitoring health of hydraulic machine, and method thereof | |
US6260427B1 (en) | Diagnostic rule tool condition monitoring system | |
US20070038049A1 (en) | System for adjusting power employed by a medical device | |
AU2002338433A1 (en) | Adaptive selection of a warning limit in patient monitoring | |
CN117349778B (zh) | 一种基于物联网的用电设备在线实时监测系统 | |
CN115359868B (zh) | 一种基于云计算技术的智慧医疗监测方法及系统 | |
CN117059252B (zh) | 一种麻醉机运行故障预测系统 | |
CN114766057A (zh) | 一种基于家族遗传病与体征数据关联的精准健康管理与风险预警方法及系统 | |
CN112034699A (zh) | 一种冗余系统高精度散热控制方法 | |
CN110448306B (zh) | 一种基于连续血糖监测系统的在线故障检测与诊断方法 | |
CN110379503B (zh) | 一种基于连续血糖监测系统的在线故障检测与诊断系统 | |
CN113782214B (zh) | 一种具有健康数据分析功能的健康管理方法和系统 | |
CN116469548B (zh) | 一种智能化医疗风险识别预警系统 | |
CN116344012A (zh) | 一种基于诊疗日志的医疗管理系统 | |
CN114705928B (zh) | 一种变压器数据管理方法及系统 | |
JPH10301619A (ja) | 燃料電池発電プラント診断装置 | |
CN112986645A (zh) | 一种消除霍尔供电电压导致的电流误差的方法 | |
CN117889121B (zh) | 一种液压油缸辅助锁紧装置 | |
CN113257405B (zh) | 基于传感器采集营养数据的处理系统 | |
CN113521450B (zh) | 一种自动检测空载电流并修正电流报警阈值的方法 | |
CN116439698B (zh) | 一种重症监护室血糖监测预警方法、系统及设备 | |
US20040003026A1 (en) | Data management device for precise quality 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 |