CN117153336B - 一种基于血液透析机的血液透析监测系统及其方法 - Google Patents
一种基于血液透析机的血液透析监测系统及其方法 Download PDFInfo
- Publication number
- CN117153336B CN117153336B CN202311394416.1A CN202311394416A CN117153336B CN 117153336 B CN117153336 B CN 117153336B CN 202311394416 A CN202311394416 A CN 202311394416A CN 117153336 B CN117153336 B CN 117153336B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- dialysis machine
- state
- data
- value
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000001631 haemodialysis Methods 0.000 title claims abstract description 56
- 230000000322 hemodialysis Effects 0.000 title claims abstract description 56
- 238000000502 dialysis Methods 0.000 claims abstract description 260
- 238000012423 maintenance Methods 0.000 claims abstract description 73
- 230000002159 abnormal effect Effects 0.000 claims abstract description 47
- 238000012417 linear regression Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 22
- 239000008280 blood Substances 0.000 claims description 26
- 210000004369 blood Anatomy 0.000 claims description 26
- 230000004044 response Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 18
- 230000017531 blood circulation Effects 0.000 claims description 17
- 238000012795 verification Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims description 12
- 230000036772 blood pressure Effects 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 10
- 241000894006 Bacteria Species 0.000 claims description 9
- 230000001580 bacterial effect Effects 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 17
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 48
- 230000008859 change Effects 0.000 description 7
- 208000015181 infectious disease Diseases 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 230000036541 health Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000002503 metabolic effect Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000004659 sterilization and disinfection Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 206010019233 Headaches Diseases 0.000 description 1
- HTTJABKRGRZYRN-UHFFFAOYSA-N Heparin Chemical compound OC1C(NC(=O)C)C(O)OC(COS(O)(=O)=O)C1OC1C(OS(O)(=O)=O)C(O)C(OC2C(C(OS(O)(=O)=O)C(OC3C(C(O)C(O)C(O3)C(O)=O)OS(O)(=O)=O)C(CO)O2)NS(O)(=O)=O)C(C(O)=O)O1 HTTJABKRGRZYRN-UHFFFAOYSA-N 0.000 description 1
- 206010028813 Nausea Diseases 0.000 description 1
- 230000010100 anticoagulation Effects 0.000 description 1
- 230000023555 blood coagulation Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000009084 cardiovascular function Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 238000002615 hemofiltration Methods 0.000 description 1
- 230000001951 hemoperfusion Effects 0.000 description 1
- 229960002897 heparin Drugs 0.000 description 1
- 229920000669 heparin Polymers 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008693 nausea Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000013058 risk prediction model Methods 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000000108 ultra-filtration Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/14—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis
- A61M1/16—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis with membranes
- A61M1/1601—Control or regulation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/14—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis
- A61M1/16—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis with membranes
- A61M1/1601—Control or regulation
- A61M1/1613—Profiling or modelling of patient or predicted treatment evolution or outcome
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Urology & Nephrology (AREA)
- Theoretical Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Anesthesiology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Data Mining & Analysis (AREA)
- Emergency Medicine (AREA)
- Hematology (AREA)
- General Engineering & Computer Science (AREA)
- Vascular Medicine (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- External Artificial Organs (AREA)
Abstract
本发明公开了一种基于血液透析机的血液透析监测系统及其方法，涉及血液透析机技术领域，在对运行条件集合内的监测数据进行处理后，建立透析机的运行条件值；在汇总监测结果后建立透析机的运行状态集合，对运行状态集合内的数据进行处理并关联生成其运行的状态系数；从回归方程中获取自变量的回归系数并关联获取影响度，使用训练后的多重线性回归模型对状态系数进行预测；获取透析机工作状态数据，再次生成状态系数；获取相应的异常特征，依据异常特征与预先准备的维护方案库内维护方案的对应性，匹配出对应的维护方案；对透析机的工作状态进行预测时，预测效果真实性和可参考性更高，也更有利于对透析机的运行状态进行调整和改善。
Description
技术领域
本发明涉及血液透析机技术领域，具体为一种基于血液透析机的血液透析监测系统及其方法。
背景技术
透析机是一种用于血液净化的设备，其具体作用包括血液透析、血液滤过、血液灌流等，清除患者体内潴留的代谢废物和过多的水分，维持患者体内环境稳定。不同类型的透析机其组成可能略有不同，但基本原理和主要功能是一致的。
一般而言，透析机主要由以下几个部分组成：
血泵，血泵是驱动血液在体外循环的动力，保证患者血液通过透析器后再回到患者体内，通过血泵调节血流量的大小；透析液供给系统，主要包括温度控制系统、液面监测系统、超滤系统等，它向血液透析器提供透析液并控制其流量；透析器，是透析机最重要的组成部分之一，它通过半透膜原理，将患者血液和透析液分开，通过扩散和对流的方式清除患者体内的代谢废物和过多水分；监测装置，如电导率监测器、温度监测器、压力监测器等，用于监测血液透析过程中的各项指标，如电导率、温度、压力等；肝素泵，用于在体外循环过程中抗凝，防止血液凝结。
在使用过程中，需要根据患者的实际情况选择合适的透析模式和参数设置，以确保治疗效果和患者的安全。
在申请号为202211366302.1中国发明专利中，公开了一种血液透析病人的健康监测设备及系统，用于实现血液透析病人的智能监护以及提高健康监测的准确率。所述血液透析病人的健康监测设备根据每个血液监控指标的监控指标数据，调用多个指标分布函数分别拟合血液分布曲线；根据每个血液监控指标的血液分布曲线对多个血液监控指标进行异常波动分析，得到异常监控指标集合，并根据异常监控指标集合生成血液状态评价矩阵；采集临床血液透析病人的临床视频数据，并根据临床视频数据对临床血液透析病人进行行为状态分析，得到行为状态评价系数；将血液状态评价矩阵和行为状态评价系数输入血液感染风险预测模型进行感染风险预测，输出感染风险预测结果。
在申请号为201810377526.X的中国发明专利中，公开了一种透析过程自动监测报警系统，用于监测腹膜透析机的透析过程，包括：机器监测系统，所述机器监测系统监测该腹膜透析机的透析过程，并监测在透析过程中发生的特殊情况；及警报系统，所述警报系统与所述机器监测系统可通信地连接，其中所述警报系统接收所述机器监测系统监测结果，并能够对特殊情况向患者或医生做出警告。
在以上申请中，在透析机处于使用状态时，前者对患者在透析时，感染风险进行了评估和预测，后者则是在透析机状态产生异常和特殊情况时，及时向外部发报警；但是，在透析机处于工作状态下时，若其所处环境产生一定的异常，例如，空气中细菌含量过多时，在以上申请中，在运行环境异常时，缺乏对机器运行状态的预测，难以提前发出机器可能存在的故障，这也导致机器在可能产生特殊情况时，处理时难以快速获取相应指导。
为此，本发明提供了一种基于血液透析机的血液透析监测系统及其方法。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种基于血液透析机的血液透析监测系统及其方法，通过建立透析机的运行条件值，对运行状态集合内的数据进行处理并关联生成其运行的状态系数；从回归方程中获取自变量的回归系数并关联获取影响度，使用训练后的多重线性回归模型对状态系数进行预测；获取相应的异常特征，依据异常特征与预先准备的维护方案库内维护方案的对应性，匹配出对应的维护方案；解决了背景技术中提出的：在运行环境异常时，缺乏对机器运行状态的预测，难以提前发出机器可能存在的故障，处理时难以快速获取相应指导的技术问题。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于血液透析机的血液透析监测方法，包括如下内容：
在透析机处于运行状态下时，在监测半径内对其所处的运行条件进行监测，由监测结果生成运行条件集合，在对运行条件集合内的监测数据进行处理后，建立透析机的运行条件值，若所获取的运行条件值/>超过相应的条件阈值，向外部发出第一预警信息；
对透析机的工作状态进行监测，在汇总监测结果后建立透析机的运行状态集合，对运行状态集合内的数据进行处理并关联生成其运行的状态系数，若所获取的状态系数/>超过状态阈值，则向外部发出第二预警信息；
接收到第一及第二预警信息后，从已获取的数据中选取自变量和因变量做多重线性回归分析，并在获取的回归方程中获取自变量的回归系数，进而关联获取影响度，若影响度/>超过影响度阈值，使用训练后的多重线性回归模型对状态系数/>进行预测，若所获取的第一预测值高于当前值，发出验证指令；
收到验证指令并完成采集数据后，训练并建立透析机工作的数字孪生模型，以新获取的数据作为测试条件，进行仿真分析并连续获取透析机在若干个监测周期内的工作状态数据，并由其工作状态数据再次获取状态系数，获取其与第一预测值的加权平均值，若该加权平均值超过条件阈值，发出维护指令；
在接收到维护指令后，在透析机持续运行一个观察周期后对透析机进行检测，并对获取的检测结果进行识别后获取相应的异常特征，在异常特征的数量大于预期时，依据异常特征与预先准备的维护方案库内维护方案的对应性，匹配出对应的维护方案。
进一步的，预先划定监测半径并确定监测区域，在该监测区域内设置一个或者多个的监测点，在监测点处对监测区域内的运行条件形成监测，并由监测结果生成运行条件集合；其中，所述运行条件集合的具体建立方法如下：
预先设置监测周期，在该监测周期内获取若干个监测结果，具体包括：在监测区域内靠近透析机的监测点处，监测获取空气中的细菌浓度Xn；在监测区域内远离透析机的监测点处，监测获取所述透析机所受到的电磁干扰强度Dr；对运行状态下的透析机的供电电源进行监测，获取该电源的频率响应Py；沿着时间轴将以上数据连续获取若干组，并依据其产生的时间添加时间戳，汇总后建立运行条件集合。
进一步的，由所述运行条件集合建立透析机的运行条件值，其具体的获取方式如下：将细菌浓度Xn、电磁干扰强度Dr及频率响应Py做线性归一化处理后，将相应的数据值映射在区间/>中，获取其在各监测周期内的稳定度，并分别标记为/>、/>及/>；依照如下公式：
其中，为细菌浓度的稳定度的历史均值，/>为其当前值；/>为电磁干扰强度稳定度的历史均值，/>为其当前值；/>为频率响应稳定度的历史均值，/>为其当前值；n为正整数，/>，权重系数：/>，/>，且/>；若所获取的运行条件值/>超过相应的条件阈值，则向外部发出第一预警信息。
进一步的，在透析机处于工作状态下时，对其工作状态进行监测，其具体方式如下：在透析机处于透析过程中时，监测获取透析血液的压力，获取透析血压Br；监测获取透析时的血液流量，生成透析血流量Bf，沿着时间轴将以上数据连续获取若干组，并依据其产生的时间添加时间戳，汇总后建立透析机的运行状态集合。
进一步的，由所述透析机的运行状态集合生成其运行的状态系数，其具体方式如下：将透析血压Br及透析血流量Bf做线性归一化处理后，将相应的数据值映射在区间/>中，对上述参数做出处理后，获取其在各监测周期内的稳定度，分别标记为/>及/>；
其中，为透析血压的稳定度的历史均值，/>为其当前值；/>为透析血流量的稳定度的历史均值，/>为其当前值；
权重系数取值如下：，/>，且/>，，n为各监测周期内的稳定度/>及/>的个数；若所获取的状态系数/>超过相应的状态阈值，则向外部发出第二预警信息。
进一步的，在接收到第一及第二预警信息后，从运行条件集合及运行状态集合中抽取至少部分数据，并在依据时间戳将产生的数据对齐，以细菌浓度Xn、电磁干扰强度Dr及频率响应Py作为自变量，以状态系数作为因变量，做多重线性回归分析，并生成相应多重回归方程；
从多重回归方程中分别获取以上三个自变量的回归系数，依次标记为及/>；预先设置相应的权重系数，依次标记为/>及/>；依照如下公式获取影响度/>：
其中权重系数：，/>；若影响度/>超过影响度阈值，发出分析指令。
进一步的，获取运行条件集合及运行状态集合中数据，对多重线性回归模型进行模型训练，将训练后的多重线性回归模型标记为状态预测模型并输出；结合在预测周期内新获取的监测数据，使用状态预测模型对状态系数进行预测，并获取预测值作为第一预测值；若该第一预测值较当前值高，则发出验证指令。
进一步的，在接收到验证指令后，建立透析机工作的数字孪生模型，具体方式如下：
获取透析机的规格、性能及工作状态数据，汇总后建立建模数据集合；再从建模数据集合中分别抽取部分数据，作为训练集和测试集；使用Bp神经网络，并在经过训练和测试后，建立透析机的工作状态数字孪生模型；将训练后的透析机的工作状态数字孪生模型输出；
在所述运行条件集合内抽取新获取的各项参数作为测试条件，使用透析机的工作状态数字孪生模型进行仿真分析，连续获取透析机在接下来的若干个监测周期内的工作状态数据；并由该工作状态数据再次获取状态系数，并以此作为第二预测值；以第一预测值及第二预测值的加权平均值作为最终预测值，若该最终预测值超过相应的条件阈值，则发出维护指令。
进一步的，获取透析机在运行过程中存在的常见运行异常、故障及与之相应的维护方案；对该异常及故障进行特征识别，获取相应的异常特征并作为标准特征，将若干个标准特征汇总后建立标准特征库，将若干个维护方案汇总后建立维护方案库；
在接收到维护指令后，使透析机持续运行一个观察周期后，对透析机进行检测并获取检测结果，对检测结果进行识别，依照检测结果与标准值的差异性获取相应的异常特征；
在异常特征大于预设数量，将异常特征与标准特征做相似度分析，在标准特征库中选择出相似度最高的特征作为待匹配特征，以从维护方案中匹配出对应的维护方案，将该维护方案输出
一种基于血液透析机的血液透析监测系统，包括：
第一监测单元、在透析机处于运行状态下时，在监测半径内对其所处的运行条件进行监测，由监测结果生成运行条件集合，在对运行条件集合内的监测数据进行处理后，建立透析机的运行条件值，若其超过相应的条件阈值，向外部发出第一预警信息；
第二监测单元、对透析机的工作状态进行监测，在汇总监测结果后建立透析机的运行状态集合，对运行状态集合内的数据进行处理并关联生成其运行的状态系数，若其超过状态阈值，则向外部发出第二预警信息；
第一预测单元、从已获取的数据中选取自变量和因变量做多重线性回归分析，并在获取的回归方程中获取自变量的回归系数，进而关联获取影响度，使用训练后的多重线性回归模型对状态系数进行预测，若所获取的第一预测值高于当前值，发出验证指令；
第二预测单元、训练并建立透析机工作的数字孪生模型，以新获取的数据作为测试条件，进行仿真分析并连续获取透析机在若干个监测周期内的工作状态数据，并由其工作状态数据再次获取状态系数，获取其与第一预测值的加权平均值，若该加权平均值超过条件阈值，发出维护指令；
方案匹配单元、在接收到维护指令后，在透析机持续运行一个观察周期后对透析机进行检测，并对获取的检测结果进行识别后获取相应的异常特征，在异常特征的数量大于预期时，依据异常特征与预先准备的维护方案库内维护方案的对应性，匹配出对应的维护方案。
（三）有益效果
本发明提供了一种基于血液透析机的血液透析监测系统及其方法，具备以下有益效果：
1、关联形成透析机的运行条件值，对透析机所处的运行条件是否可以达到预期进行判断，在发出预警信息后，对监测区域内的运行条件进行调整，减少外部条件对透析机运行的干扰，使透析机能够保持较好的工作状态，以期达到理想的工作状态。
2、获取状态系数，以其对透析机当前的工作状态进行描述和判断，便于及时的对透析机进行调整和维护，以改善其运行的状态，利于其延长工作寿命。
3、通过多重线性回归分析判断透析机当前的运行不佳是否由运行条件引起，便于对透析机的工作状态进行调整或维护；在对透析机进行监测时能够更具有针对性，而对透析机的状态进行改善时，效率也更高；对状态系数的变化进行预测，若是透析机的运行状态变差，则便于及时的进行处理，以充分保障透析机的运行效果。
4、通过建立透析机的工作状态数字孪生模型，并获取相应的预测结果，进而获取加权平均值对透析机的运行状态进行评估，实现在对透析机的工作状态进行预测时，预测效果真实性和可参考性更高，也更有利于对透析机的运行状态进行调整和改善。
5、通过对透析机进行自动检修，并依据其异常性识别出异常特征，快速匹配出预先准备好的维护方案，在对透析机的运行进行监测时，一旦发现异常或者预测到异常即将要发生，能够快速的匹配出对应的维护方案，以便于在维护时作为参考，提高维护的效率，维持透析机的正常运行。
附图说明
图1为本发明基于血液透析机的血液透析监测方法流程示意图；
图2为本发明基于血液透析机的血液透析监测系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种基于血液透析机的血液透析监测方法，包括如下步骤：
步骤一、在透析机处于运行状态下时，在监测半径内对其所处的运行条件进行监测，由监测结果生成运行条件集合，在对运行条件集合内的监测数据进行处理后，建立透析机的运行条件值，若所获取的运行条件值/>超过相应的条件阈值，向外部发出第一预警信息；
所述步骤一包括如下内容：
步骤101、若透析机处于持续工作的状态下，在确定透析机当前所在的位置后，预先划定监测半径并确定监测区域，例如，该监测半径为1米或者1.5米，在该监测区域内设置一个或者多个的监测点，在监测点处对监测区域内的运行条件形成监测，并由监测结果生成运行条件集合；
其中，所述运行条件集合的具体建立方法如下：
预先设置监测周期，例如以5分钟为一个监测周期，在监测时，在该监测周期内获取若干个监测结果，具体包括：在监测区域内靠近透析机的监测点处，监测获取空气中的细菌浓度Xn；在监测区域内远离透析机的监测点处，监测获取所述透析机所受到的电磁干扰强度Dr；对运行状态下的透析机的供电电源进行监测，获取该电源的频率响应Py；
沿着时间轴将以上数据连续获取若干组，并依据其产生的时间添加时间戳，汇总后建立运行条件集合；
步骤102、由所述运行条件集合建立透析机的运行条件值，其具体的获取方式如下：将细菌浓度Xn、电磁干扰强度Dr及频率响应Py做线性归一化处理后，将相应的数据值映射在区间/>中，再依照如下公式：
其中，为数据当前值，/>为数据均值，n为数据个数；对上述参数做出处理后，获取其在各监测周期内的稳定度，分别标记为/>、/>及/>；依照如下公式：
其中，为细菌浓度的稳定度的历史均值，/>为其当前值；/>为电磁干扰强度稳定度的历史均值，/>为其当前值；/>为频率响应稳定度的历史均值，/>为其当前值；
n为正整数，，权重系数：/>，/>，且/>，权重系数的具体值可以由软件模拟获取，或者由用户根据实际使用情况调整；
结合透析机的历史使用数据及相应的额定数据，在维持透析机的常规使用状态的条件下，预先设置条件阈值，若所获取的运行条件值超过相应的条件阈值，则向外部发出第一预警信息；
其中需要说明的是：电磁干扰对透析机的影响方式主要有以下几种：
治疗错误：当人工透析机受到电磁干扰时，可能会导致其无法正常滤掉人体血液内过剩的新陈代谢产物，进而影响血液透析的效果，无法达到预期的治疗效果；医疗事故和患者生命危险：透析机中含有大量的电子元件，如透析机、心脏起搏器等，这些设备在受到干扰后可能会发生运行偏差，严重时会导致设备无法正常工作。
其中，细菌对透析机的影响方式主要有以下几种：
污染水质：透析用水在制作和输送过程中可能被细菌污染，导致水质下降，影响透析效果；
造成感染：细菌可能通过水路进入透析机内部，并污染透析液，从而造成患者的感染；
影响设备性能：细菌在透析液中繁殖时，可能会堵塞透析液管道，影响透析机的正常运行；
破坏设备结构：细菌分泌的某些物质可能会腐蚀透析机的内部结构，导致设备损坏；
因此，在必要时，为了防止细菌对透析机的影响，需要进行有效的水处理和消毒措施，定期对透析机进行清洗和消毒，并保持透析机的良好运行状态。同时，患者也需要做好个人卫生工作，避免因个人原因导致感染的发生。
其中，电源的频率响应是指电源设备在施加不同频率的正弦波输入信号时，其输出信号的幅值和相位会随着输入频率的变化而变化，这种变化特性就叫做电源的频率响应；通常情况下，电源设备的频率响应会受到多种因素的影响，例如电源的转换效率、滤波器设计、电路拓扑结构等。因此，在选择电源设备时，应该根据实际应用场景和使用需求来选择具有合适频率响应的电源产品。同时，电源设备的频率响应还与电压、电流、功率等参数有关，因此在电源设计和应用过程中，需要考虑这些因素对电源频率响应的影响。
它的波动会影响透析液的稳定性：电源的频率响应会影响透析液的稳定性，当电源的频率波动较大时，可能会影响透析液的流量、压力和温度等参数的稳定性，从而影响透析效果；血液的稳定性：电源的频率响应也会影响血液的稳定性，当电源的频率波动较大时，可能会影响血液的流量、压力等参数的稳定性，从而影响血液透析的效果。
使用时，结合步骤101及102中的内容：
使用时，在透析机处于工作状态下时，通过监测半径限定出监测区域，在监测区域内对透析机当前所处的运行条件进行监测，在对监测数据进行初步处理后，关联形成透析机的运行条件值，以此对透析机所处的运行条件是否可以达到预期进行判断，此时，若是当前的运行条件会对透析机的工作状态造成负面影响，则可以在发出预警信息后，对监测区域内的运行条件进行调整，比如，减少电磁干扰，通过杀菌以减少空气内的细菌量，对电源的进行更换或者维护，改善电源的品质，从而能够减少外部条件对透析机运行的干扰，使透析机能够保持较好的工作状态，以期达到理想的工作状态。
步骤二、对透析机的工作状态进行监测，在汇总监测结果后建立透析机的运行状态集合，对运行状态集合内的数据进行处理并关联生成其运行的状态系数，若所获取的状态系数/>超过状态阈值，则向外部发出第二预警信息；
所述步骤二具体包括如下内容：
步骤201、在透析机处于工作状态下时，对其工作状态进行监测，其具体方式如下：
在与监测透析机运行条件的过程保持步调一致的前提下，设置与其一致的监测周期，在该监测周期内获取一个或者多个监测数据；在透析机处于透析过程中时，监测获取透析血液的压力，获取透析血压Br；监测获取透析时的血液流量，生成透析血流量Bf，沿着时间轴将以上数据连续获取若干组，并依据其产生的时间添加时间戳，汇总后建立透析机的运行状态集合；
需要说明的是：在透析过程中，血液流量稳定性对透析过程具有重要影响，具体影响如下：
影响透析效果：如果血液流量不稳定，透析液的置换量也会相应变化，从而影响透析效果。如果血液流量时快时慢，会影响到透析液中的物质与血液中物质的交换速度，导致透析效果不佳。影响患者的舒适度：血液流量不稳定可能导致透析过程中出现一些不适症状，如头痛、恶心等，影响患者的舒适度和生活质量。增加医疗风险：如果血液流量不稳定，医生需要密切关注患者的状态并根据需要进行调整，增加了医疗风险和医护人员的工作负担。
需要说明的是：透析血压稳定性对透析过程有很大影响，具体影响如下：
影响透析效果：如果透析血压不稳定，可能导致血液透析不充分，使得体内代谢产物无法有效清除，影响透析效果。增加医疗风险：如果透析血压不稳定，可能与患者的心血管功能有关，如果不及时发现和干预，可能增加患者的心血管风险和医疗风险。
步骤202、由所述透析机的运行状态集合生成其运行的状态系数，其具体方式如下：将透析血压Br及透析血流量Bf做线性归一化处理后，将相应的数据值映射在区间/>中，再依照如下公式对上述参数做出处理后，获取其在各监测周期内的稳定度：
其中，为数据当前值，/>为数据均值，n为数据个数，分别标记为/>及/>；
其中，为透析血压的稳定度的历史均值，/>为其当前值；/>为透析血流量的稳定度的历史均值，/>为其当前值；权重系数取值如下：/>，/>，且/>，权重系数的具体值可以由软件模拟获取，或者由用户根据实际使用情况调整，/>，n为各监测周期内的稳定度/>及/>的个数；
结合透析机的历史使用数据及相应的额定数据，在维持透析机的常规使用状态，保持患者健康的条件下，预先设置状态阈值，若所获取的状态系数超过相应的状态阈值，则向外部发出第二预警信息；
使用时，结合步骤201及202中的内容：
对透析机的工作状态进行监测，建立透析机的运行状态集合，并在对相应的数据进行处理后获取状态系数，以其对透析机当前的工作状态进行描述和判断，此时，若显示透析机的工作状态差于预期，则需要及时的对透析机进行调整和维护，以改善其运行的状态，例如，降低其任务机运行的负荷，减少其工作频率或者对其进行维护等，以便利于其延长工作寿命，从而也能够实现对工作状态进行改善。
步骤三、接收到第一及第二预警信息后，从已获取的数据中选取自变量和因变量做多重线性回归分析，并在获取的回归方程中获取自变量的回归系数，进而关联获取影响度，若影响度/>超过影响度阈值，使用训练后的多重线性回归模型对状态系数/>进行预测，若所获取的第一预测值高于当前值，发出验证指令；
所述步骤三包括如下内容：
步骤301、在接收到第一及第二预警信息后，从运行条件集合及运行状态集合中抽取至少部分数据，并在依据时间戳将产生的数据对齐，以细菌浓度Xn、电磁干扰强度Dr及频率响应Py作为自变量，以状态系数作为因变量，做多重线性回归分析，并生成相应多重回归方程；
步骤302、从多重回归方程中分别获取以上三个自变量的回归系数，依次标记为及/>；依据三个自变量对透析机运行的影响程度，在保持正相关的前提下，预先设置相应的权重系数，依次标记为/>及/>；依照如下公式获取影响度/>：
其中权重系数：，/>；
在透析机能够保持常规运行状态的前提下，预先设置影响度阈值，若影响度超过影响度阈值，则说明监测区域内的运行条件对透析机的影响较大时，此时，发出分析指令，
步骤303、获取运行条件集合及运行状态集合中数据，对数据进行标准化或归一化处理后，通过Python中的Scikit-learn库，对多重线性回归模型进行模型训练，对训练后的模型进行验证评估，例如均方误差、R平方值等，用以衡量模型的预测精度和拟合程度，并根据评估结果对模型进行优化，包括调整模型参数、增加或删除特征等，具体如下：
增加特征：如果模型的预测性能不足，则增加新的特征，引入和响应变量有关的变量，以及通过主成分分析构造新特征；删除无关特征：若存在较多和响应变量无关的特征，这些无关特征会降低模型的预测能力，则选择删除；
特征选择：通过如逐步回归或Lasso回归，从诸多特征中挑选出和响应变量关系最为密切的特征，以提高模型的预测能力；调整模型参数：在Lasso回归中，通过调整正则化参数k来控制模型对特征的惩罚程度，从而影响模型的预测结果；
以提高模型的预测性能和精度，将训练后的多重线性回归模型标记为状态预测模型并输出；
在设置预测周期后，其中，该预测周期可以为10到15个监测周期的长度，结合在预测周期内新获取的监测数据，使用状态预测模型对状态系数进行预测，并获取预测值作为第一预测值；若该第一预测值较当前值高，则发出验证指令；
使用时，结合步骤301至303中的内容：
在接收第一及第二预警信息中的至少一个后，说明透析机在当前的工作状态较难达到预期，此时，通过多重线性回归分析判断透析机当前的运行不佳是否由运行条件引起，或是受到环境变化的影响；若是并非受到环境影响和干扰，则优先选择对透析机的工作状态进行调整或维护；反之若是，则优先对透析机所处的环境进行调整，从而在对透析机进行监测时，能够更具有针对性，而对透析机的状态进行改善时，效率也更高；作为进一步的改进，使用训练后的状态预测模型，能够对状态系数的变化进行预测，若是透析机的运行状态变差，则便于及时的进行处理，以充分保障透析机的运行效果。
步骤四、收到验证指令后，在完成采集数据后，训练并建立透析机工作的数字孪生模型，以新获取的数据作为测试条件，进行仿真分析并连续获取透析机在若干个监测周期内的工作状态数据，并由其工作状态数据再次获取状态系数，获取其与第一预测值的加权平均值，若该加权平均值超过条件阈值，发出维护指令；
所述步骤四具体包括如下内容：
步骤401、在接收到验证指令后，建立透析机工作的数字孪生模型，其具体方式如下：
获取透析机的规格、性能及工作状态数据，例如：透析液的流量、压力、温度，以及血液的流量、压力、温度，必要时，还可以收集患者的体重、血压、心率等生理数据，汇总后建立建模数据集合；对收集的数据进行处理，例如去噪、数据清洗、特征提取，再从建模数据集合中分别抽取部分数据，作为训练集和测试集；
使用Bp神经网络，调整其网络架构后建立模型，并在经过训练和测试后，建立透析机的工作状态数字孪生模型；在对模型进行验证和优化，并调整模型参数后，将训练后的透析机的工作状态数字孪生模型输出；
步骤402、在所述运行条件集合内抽取新获取的各项参数作为测试条件，使用透析机的工作状态数字孪生模型进行仿真分析，连续获取透析机在接下来的若干个监测周期内的工作状态数据；并由该工作状态数据再次获取状态系数，并以此作为第二预测值；
以第一预测值及第二预测值的加权平均值作为最终预测值，其中，两者比重可以为3:7或者其他合适的比重，若该最终预测值超过相应的条件阈值，则发出维护指令；
使用时，结合步骤401及402中的内容：
在获取状态预测模型的基础上，通过训练和测试后，建立透析机的工作状态数字孪生模型，并在选定测试条件进行仿真测试，获取相应的预测结果，从预测结果中再次获取到状态系数，以其作为第二预测值；从而以两者的加权平均值对透析机的运行状态进行评估，实现在对透析机的工作状态进行预测时，预测效果真实性和可参考性更高，也更有利于对透析机的运行状态进行调整和改善。
步骤五、在接收到维护指令后，在透析机持续运行一个观察周期后对透析机进行检测，并对获取的检测结果进行识别后获取相应的异常特征，在异常特征的数量大于预期时，依据异常特征与预先准备的维护方案库内维护方案的对应性，匹配出对应的维护方案；
所述步骤五包括：
步骤501、以线上的线性检索配合线下的收集，获取透析机在运行过程中存在的常见运行异常、故障及与之相应的维护方案；例如，常见运行异常故障及相应的维护方案可以从透析机的维护手册中查询获取，对该异常及故障进行特征识别，获取相应的异常特征并作为标准特征，将若干个标准特征汇总后建立标准特征库，将若干个维护方案汇总后建立维护方案库；
步骤502、在接收到维护指令后，设置观察周期，该观察周期为预测周期长度的一半，使透析机持续运行一个观察周期后，对透析机进行检测并获取检测结果，对检测结果进行识别，依照检测结果与标准值的差异性获取相应的异常特征；
在异常特征大于预设数量，例如，预设数量为1个，获取的异常特征大于1个时，将异常特征与标准特征做相似度分析，在标准特征库中选择出相似度最高的特征作为待匹配特征，以从维护方案中匹配出对应的维护方案，将该维护方案输出。
使用时，结合步骤501及502中的内容：
在经过综合性预测后，若预测结果显示出透析机的运行状态即将恶化或者难以达到正常的使用要求时，在透析机持续运行一段时间后，对透析机进行自动检修，并依据其异常性识别出异常特征，快速匹配出预先准备好的维护方案，从而在对透析机的运行进行监测时，一旦发现异常或者预测到异常即将要发生，能够快速的匹配出对应的维护方案，以便于在维护时作为参考，提高维护的效率，维持透析机的正常运行。
请参阅图2，本发明提供一种基于血液透析机的血液透析监测系统，包括：
第一监测单元、在透析机处于运行状态下时，在监测半径内对其所处的运行条件进行监测，由监测结果生成运行条件集合，在对运行条件集合内的监测数据进行处理后，建立透析机的运行条件值，若所获取的运行条件值/>超过相应的条件阈值，向外部发出第一预警信息；
第二监测单元、对透析机的工作状态进行监测，在汇总监测结果后建立透析机的运行状态集合，对运行状态集合内的数据进行处理并关联生成其运行的状态系数，若所获取的状态系数/>超过状态阈值，则向外部发出第二预警信息；
第一预测单元、接收到第一及第二预警信息后，从已获取的数据中选取自变量和因变量做多重线性回归分析，并在获取的回归方程中获取自变量的回归系数，进而关联获取影响度，若影响度/>超过影响度阈值，使用训练后的多重线性回归模型对状态系数/>进行预测，若所获取的第一预测值高于当前值，发出验证指令；
第二预测单元、收到验证指令后，在完成采集数据后，训练并建立透析机工作的数字孪生模型，以新获取的数据作为测试条件，进行仿真分析并连续获取透析机在若干个监测周期内的工作状态数据，并由其工作状态数据再次获取状态系数，获取其与第一预测值的加权平均值，若该加权平均值超过条件阈值，发出维护指令；
方案匹配单元、在接收到维护指令后，在透析机持续运行一个观察周期后对透析机进行检测，并对获取的检测结果进行识别后获取相应的异常特征，在异常特征的数量大于预期时，依据异常特征与预先准备的维护方案库内维护方案的对应性，匹配出对应的维护方案。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。
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。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，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，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。
Claims (5)
1.一种基于血液透析机的血液透析监测方法，其特征在于：包括如下内容：
在透析机处于运行状态下时，在监测半径内对其所处的运行条件进行监测，由监测结果生成运行条件集合，在对运行条件集合内的监测数据进行处理后，建立透析机的运行条件值，若所获取的运行条件值/>超过相应的条件阈值，向外部发出第一预警信息；
对透析机的工作状态进行监测，在汇总监测结果后建立透析机的运行状态集合，对运行状态集合内的数据进行处理并关联生成其运行的状态系数，若所获取的状态系数/>超过状态阈值，则向外部发出第二预警信息；
接收到第一及第二预警信息后，从已获取的数据中选取自变量和因变量做多重线性回归分析，并在获取的回归方程中获取自变量的回归系数，进而关联获取影响度，若影响度/>超过影响度阈值，使用训练后的多重线性回归模型对状态系数/>进行预测，若所获取的第一预测值高于当前值，发出验证指令；
收到验证指令后，在完成采集数据后，训练并建立透析机工作的数字孪生模型，以新获取的数据作为测试条件，进行仿真分析并连续获取透析机在若干个监测周期内的工作状态数据，并由其工作状态数据再次获取状态系数，获取其与第一预测值的加权平均值，若该加权平均值超过条件阈值，发出维护指令；
在接收到维护指令后，在透析机持续运行一个观察周期后对透析机进行检测，并对获取的检测结果进行识别后获取相应的异常特征，在异常特征的数量大于预期时，依据异常特征与预先准备的维护方案库内维护方案的对应性，匹配出对应的维护方案；
预先划定监测半径并确定监测区域，在该监测区域内设置一个或者多个的监测点，在监测点处对监测区域内的运行条件形成监测，并由监测结果生成运行条件集合；其中，所述运行条件集合的具体建立方法如下：
预先设置监测周期，在该监测周期内获取若干个监测结果，具体包括：在监测区域内靠近透析机的监测点处，监测获取空气中的细菌浓度Xn；在监测区域内远离透析机的监测点处，监测获取所述透析机所受到的电磁干扰强度Dr；对运行状态下的透析机的供电电源进行监测，获取该电源的频率响应Py；沿着时间轴将以上数据连续获取若干组，并依据其产生的时间添加时间戳，汇总后建立运行条件集合；
由所述运行条件集合建立透析机的运行条件值，其具体的获取方式如下：将细菌浓度Xn、电磁干扰强度Dr及频率响应Py做线性归一化处理后，将相应的数据值映射在区间/>中，获取其在各监测周期内的稳定度，并分别标记为/>、/>及/>；依照如下公式：
，
其中，为细菌浓度的稳定度的历史均值，/>为其当前值；/>为电磁干扰强度稳定度的历史均值，/>为其当前值；/>为频率响应稳定度的历史均值，/>为其当前值；n为正整数，/>，权重系数：/>，/>，/>且；若所获取的运行条件值/>超过相应的条件阈值，则向外部发出第一预警信息；
在透析机处于工作状态下时，对其工作状态进行监测，其具体方式如下：在透析机处于透析过程中时，监测获取透析血液的压力，获取透析血压Br；监测获取透析时的血液流量，生成透析血流量Bf，沿着时间轴将以上数据连续获取若干组，并依据其产生的时间添加时间戳，汇总后建立透析机的运行状态集合；
由所述透析机的运行状态集合生成其运行的状态系数，其具体方式如下：将透析血压Br及透析血流量Bf做线性归一化处理后，将相应的数据值映射在区间/>中，对上述参数做出处理后，获取其在各监测周期内的稳定度，分别标记为/>及/>；
，
其中，为透析血压的稳定度的历史均值，/>为其当前值；/>为透析血流量的稳定度的历史均值，/>为其当前值；
权重系数取值如下：，/>，且/>，/>，n为各监测周期内的稳定度/>及/>的个数；若所获取的状态系数/>超过相应的状态阈值，则向外部发出第二预警信息；
在接收到第一及第二预警信息后，从运行条件集合及运行状态集合中抽取至少部分数据，并在依据时间戳将产生的数据对齐，以细菌浓度Xn、电磁干扰强度Dr及频率响应Py作为自变量，以状态系数作为因变量，做多重线性回归分析，并生成相应多重回归方程；
从多重回归方程中分别获取以上三个自变量的回归系数，依次标记为及/>；预先设置相应的权重系数，依次标记为/>及/>；依照如下公式获取影响度：
，
其中权重系数： ，/>；若影响度/>超过影响度阈值，发出分析指令。
2.根据权利要求1所述的一种基于血液透析机的血液透析监测方法，其特征在于：
获取运行条件集合及运行状态集合中数据，对多重线性回归模型进行模型训练，将训练后的多重线性回归模型标记为状态预测模型并输出；结合在预测周期内新获取的监测数据，使用状态预测模型对状态系数进行预测，并获取预测值作为第一预测值；若该第一预测值较当前值高，则发出验证指令。
3.根据权利要求2所述的一种基于血液透析机的血液透析监测方法，其特征在于：
在接收到验证指令后，建立透析机工作的数字孪生模型，具体方式如下：
获取透析机的规格、性能及工作状态数据，汇总后建立建模数据集合；再从建模数据集合中分别抽取部分数据，作为训练集和测试集；使用Bp神经网络，并在经过训练和测试后，建立透析机的工作状态数字孪生模型；将训练后的透析机的工作状态数字孪生模型输出；
在所述运行条件集合内抽取新获取的各项参数作为测试条件，使用透析机的工作状态数字孪生模型进行仿真分析，连续获取透析机在接下来的若干个监测周期内的工作状态数据；并由该工作状态数据再次获取状态系数，并以此作为第二预测值；以第一预测值及第二预测值的加权平均值作为最终预测值，若该最终预测值超过相应的条件阈值，则发出维护指令。
4.根据权利要求3所述的一种基于血液透析机的血液透析监测方法，其特征在于：
获取透析机在运行过程中存在的常见运行异常、故障及与之相应的维护方案；对该异常及故障进行特征识别，获取相应的异常特征并作为标准特征，将若干个标准特征汇总后建立标准特征库，将若干个维护方案汇总后建立维护方案库；
在接收到维护指令后，使透析机持续运行一个观察周期后，对透析机进行检测并获取检测结果，对检测结果进行识别，依照检测结果与标准值的差异性获取相应的异常特征；
在异常特征大于预设数量，将异常特征与标准特征做相似度分析，在标准特征库中选择出相似度最高的特征作为待匹配特征，以从维护方案中匹配出对应的维护方案，将该维护方案输出。
5.一种基于血液透析机的血液透析监测系统，应用有权利要求1至4中的任一项所述方法，其特征在于：包括：
第一监测单元，在透析机处于运行状态下时，在监测半径内对其所处的运行条件进行监测，由监测结果生成运行条件集合，在对运行条件集合内的监测数据进行处理后，建立透析机的运行条件值，若其超过相应的条件阈值，向外部发出第一预警信息；
第二监测单元，对透析机的工作状态进行监测，在汇总监测结果后建立透析机的运行状态集合，对运行状态集合内的数据进行处理并关联生成其运行的状态系数，若其超过状态阈值，则向外部发出第二预警信息；
第一预测单元，从已获取的数据中选取自变量和因变量做多重线性回归分析，并在获取的回归方程中获取自变量的回归系数，进而关联获取影响度，使用训练后的多重线性回归模型对状态系数进行预测，若所获取的第一预测值高于当前值，发出验证指令；
第二预测单元，训练并建立透析机工作的数字孪生模型，以新获取的数据作为测试条件，进行仿真分析并连续获取透析机在若干个监测周期内的工作状态数据，并由其工作状态数据再次获取状态系数，获取其与第一预测值的加权平均值，若该加权平均值超过条件阈值，发出维护指令；
方案匹配单元，在接收到维护指令后，在透析机持续运行一个观察周期后对透析机进行检测，并对获取的检测结果进行识别后获取相应的异常特征，在异常特征的数量大于预期时，依据异常特征与预先准备的维护方案库内维护方案的对应性，匹配出对应的维护方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311394416.1A CN117153336B (zh) | 2023-10-26 | 2023-10-26 | 一种基于血液透析机的血液透析监测系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311394416.1A CN117153336B (zh) | 2023-10-26 | 2023-10-26 | 一种基于血液透析机的血液透析监测系统及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117153336A CN117153336A (zh) | 2023-12-01 |
| CN117153336B true CN117153336B (zh) | 2023-12-22 |
Family
ID=88901043
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311394416.1A Active CN117153336B (zh) | 2023-10-26 | 2023-10-26 | 一种基于血液透析机的血液透析监测系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117153336B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117439687B (zh) * | 2023-12-20 | 2024-03-29 | 江苏华鹏智能仪表科技股份有限公司 | 一种基于hplc和hrf的双模通信方法、系统及装置 |
| CN117457173B (zh) * | 2023-12-25 | 2024-03-12 | 中国人民解放军总医院第二医学中心 | 一种用于心内科的可穿戴设备心律失常监测系统 |
| CN117910639A (zh) * | 2024-01-19 | 2024-04-19 | 湖北省聚广鑫科技有限公司 | 一种配电网可靠性优化方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016058954A1 (de) * | 2014-10-15 | 2016-04-21 | Fresenius Medical Care Deutschland Gmbh | Vorrichtung zur ereignisabhängigen grenzwertüberwachung einer dialysemaschine |
| CN108325007A (zh) * | 2017-09-22 | 2018-07-27 | 上海健康医学院 | 一种通过呼气动态监测血液透析的系统及方法 |
| CN109559797A (zh) * | 2018-10-31 | 2019-04-02 | 青岛大学附属医院 | 一种血液透析康复运动训练方法及系统、终端 |
| WO2023132598A1 (ko) * | 2022-01-07 | 2023-07-13 | 곽상혁 | 인공지능 기반 혈액 투석 데이터 처리 방법 및 시스템 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8388530B2 (en) * | 2000-05-30 | 2013-03-05 | Vladimir Shusterman | Personalized monitoring and healthcare information management using physiological basis functions |
| JP2008032395A (ja) * | 2006-07-26 | 2008-02-14 | Yokogawa Electric Corp | 人工透析患者に対する血液診断方法および透析装置 |
| US12020812B2 (en) * | 2021-09-29 | 2024-06-25 | National Yang Ming Chiao Tung University | System and method for prediction of intradialytic adverse event and computer readable medium thereof |
-
2023
- 2023-10-26 CN CN202311394416.1A patent/CN117153336B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016058954A1 (de) * | 2014-10-15 | 2016-04-21 | Fresenius Medical Care Deutschland Gmbh | Vorrichtung zur ereignisabhängigen grenzwertüberwachung einer dialysemaschine |
| CN108325007A (zh) * | 2017-09-22 | 2018-07-27 | 上海健康医学院 | 一种通过呼气动态监测血液透析的系统及方法 |
| CN109559797A (zh) * | 2018-10-31 | 2019-04-02 | 青岛大学附属医院 | 一种血液透析康复运动训练方法及系统、终端 |
| WO2023132598A1 (ko) * | 2022-01-07 | 2023-07-13 | 곽상혁 | 인공지능 기반 혈액 투석 데이터 처리 방법 및 시스템 |
Non-Patent Citations (6)
| Title |
|---|
| 主成分分析和反向传播神经网络模型在血液透析机预防维护中的应用;敬微微;韩倩;吴昊;林建阳;;中国医学装备(第07期);全文 * |
| 细节护理法对血液透析低血压的预防干预效果评价;李淑慧;《大家健康(学术版)》;全文 * |
| 血液透析与血液灌流联合治疗尿毒症皮肤瘙痒症3例分析;张瑞芹;汤善芳;刘召粉;;中国误诊学杂志(第16期);全文 * |
| 血液透析机主要性能参数的质量控制检测分析;孟伶俊;;中国医疗器械信息(第04期);全文 * |
| 连续性肾脏替代疗法治疗高龄急性肾损伤患者的回顾性研究;刘胜;马强;张晓英;刘玉玲;潘蓉;蔡晓燕;程庆砾;;中华保健医学杂志(第04期);全文 * |
| 高龄男性慢性肾病患者血清C-反应蛋白的临床意义;刘旭利;程庆砾;刘胜;王小丹;赵佳慧;李青霖;张晓英;;中华保健医学杂志(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117153336A (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117153336B (zh) | 一种基于血液透析机的血液透析监测系统及其方法 | |
| CN101304773B (zh) | 血液透析装置和血液透析方法 | |
| JP4583486B2 (ja) | 局所的なクエン酸塩抗凝血性を使用するｃｒｒｔ治療の自動化および最適化 | |
| CN103347549B (zh) | 用于在超滤血液时尽可能好地实现置换目标的装置 | |
| US9597440B2 (en) | Fluid volume monitoring for patients with renal disease | |
| CN106794298B (zh) | 血液循环系统 | |
| CN102159260B (zh) | 用于在肾脏替代治疗中早期预测Kt/V参数的方法和设备 | |
| AU2019204566A1 (en) | Apparatus and method for monitoring the treatment of a patient | |
| US11167071B2 (en) | System and method for detecting an operating state or a course of treatment in a blood treatment | |
| CN109147884B (zh) | 一种充分性评估方法及系统 | |
| CN104107467B (zh) | 在体外血液处理期间判定内部过滤的方法和装置 | |
| CN110152087A (zh) | 一种血液透析过程的监测方法 | |
| CN110124138A (zh) | 一种血液透析过程中干体重控制系统 | |
| CN110064086A (zh) | 一种血液透析过程中超滤监测方法 | |
| CN106482793A (zh) | 通过动态和环境信息表征饮用水中微生物情况的预警平台及方法 | |
| CN206339263U (zh) | 通过动态和环境信息表征饮用水中微生物情况的预警平台 | |
| US20170290969A1 (en) | Method and apparatus for predicting one or more parameters characteristic for the outcome of a blood treatment | |
| WO2021201172A1 (ja) | 血液浄化システム、制御方法、制御プログラム、学習装置及び学習方法 | |
| JP2010063644A (ja) | 血液浄化装置 | |
| CN117809833B (zh) | 远程智能化腹膜透析系统 | |
| CN208823585U (zh) | 血液透析在线Kt/V监测装置 | |
| CN115297910A (zh) | 体外血液处理中的超滤控制 | |
| CN117133463B (zh) | 一种血液透析容量负荷多维评估系统 | |
| CN108057138A (zh) | 血液透析液使用状态的监控设备和方法 | |
| CN207400932U (zh) | 一种血液透析纯水管路系统的热消毒机 |
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 |