CN117159862A - 一种心肺复苏气道压自动反馈通气方法和呼吸机 - Google Patents
一种心肺复苏气道压自动反馈通气方法和呼吸机 Download PDFInfo
- Publication number
- CN117159862A CN117159862A CN202311189234.0A CN202311189234A CN117159862A CN 117159862 A CN117159862 A CN 117159862A CN 202311189234 A CN202311189234 A CN 202311189234A CN 117159862 A CN117159862 A CN 117159862A
- Authority
- CN
- China
- Prior art keywords
- ventilation
- target person
- signal
- target
- pressing
- 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.)
- Pending
Links
- 238000009423 ventilation Methods 0.000 title claims abstract description 183
- 238000002680 cardiopulmonary resuscitation Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims description 21
- 230000006835 compression Effects 0.000 claims abstract description 105
- 238000007906 compression Methods 0.000 claims abstract description 105
- 238000005070 sampling Methods 0.000 claims abstract description 31
- 238000010801 machine learning Methods 0.000 claims abstract description 23
- 230000037237 body shape Effects 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 18
- 210000000038 chest Anatomy 0.000 claims description 28
- 238000012937 correction Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 18
- 230000000241 respiratory effect Effects 0.000 claims description 16
- 210000000115 thoracic cavity Anatomy 0.000 claims description 12
- 230000004069 differentiation Effects 0.000 claims description 9
- 230000002093 peripheral effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000011664 signaling Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000000747 cardiac effect Effects 0.000 description 4
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 238000007664 blowing Methods 0.000 description 2
- 238000000968 medical method and process Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 208000014221 sudden cardiac arrest Diseases 0.000 description 2
- 208000000884 Airway Obstruction Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 244000144985 peep Species 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Abstract
本发明公开了一种心肺复苏气道压自动反馈通气方法和呼吸机,其方法包括:按照预设采样频率获取对于目标人员的心脏进行按压时的当前气道压力信号;根据目标人员的体形参数对当前气道压力信号进行动态修正,获取目标气道压力信号;对目标气道压力信号进行连续分析,获取对于目标人员的按压频率和按压相位以及信号高维信息;通过预设按压参数和通气规则参数训练机器学习模型;将对于目标人员的按压频率和按压相位以及信号高维信息和通气设备的模式设置参数输入到机器学习模型中确定目标压力信号的通气概率以及通气时间窗口,根据通气时间窗口控制通气设备对目标人员进行自动通气,提高了安全性和可靠性以及稳定性。
Description
技术领域
本发明涉及医疗急救技术领域,尤其涉及一种心肺复苏气道压自动反馈通气方法和呼吸机。
背景技术
目前,心肺复苏(CPR)是最基本的和最重要的抢救心搏骤停患者生命的医学方法,胸外按压配合强制通气通常是这类患者需要尽快获得的抢救手段,以维持基本血循环、心跳和呼吸恢复,现有的心肺复苏通常包括两个重要的组成部分:心脏按压和通气(呼吸);心脏按压通常有人工按压和机械(设备)按压两种形式,无条件时采用人工按压;在医院有条件时用机械(设备)按压。按压的临床要求通常要遵循:有效的胸外按压的频率在100~120次/分钟,深度在5~6厘米;通气(呼吸)在心肺复苏急救时通常采用:人工吹气、呼吸球囊通气和呼吸机通气。通气的要求根据临床要求配合30次按压中间的2次通气、15次按压2次通气和连续不间断按压每10次按压通气1次,现有的心肺复苏按压与通气的配合通常由医护人员进行协调,或是心肺复苏按压设备与呼吸机通过通讯协议协同进行,其存在无法自动协同进行,而人工协调方法难以精确而稳定地长时间准确控制,降低了实用性的问题。
发明内容
针对上述所显示出来的问题,本发明提供了一种心肺复苏气道压自动反馈通气方法和呼吸机用以解决背景技术中提到的现有的心肺复苏按压与通气的配合通常由医护人员进行协调,或是心肺复苏按压设备与呼吸机通过通讯协议协同进行,其无法自动协同进行,而人工协调方法难以精确而稳定地长时间准确控制,降低了实用性的问题、
一种心肺复苏气道压自动反馈通气方法,包括以下步骤:
按照预设采样频率获取对于目标人员的心脏进行按压时的当前气道压力信号;
根据目标人员的体形参数对当前气道压力信号进行动态修正,获取目标气道压力信号;
对目标气道压力信号进行连续分析,获取对于目标人员的按压频率和按压相位以及信号高维信息;
通过预设按压参数和通气规则参数训练机器学习模型;
将对于目标人员的按压频率和按压相位以及信号高维信息和通气设备的模式设置参数输入到机器学习模型中确定目标压力信号的通气概率以及通气时间窗口,根据通气时间窗口控制通气设备对目标人员进行自动通气。
优选的,所述根据目标人员的体形参数对当前气道压力信号进行动态修正,获取目标气道压力信号,包括:
检测对于目标人员的心脏进行按压时的按压力度和按压速度;
根据按压力度和按压速度设置预设采样频率,获取目标人员口鼻所在区域并将其设定为采样区域;
通过气压传感器以预设采样频率在采样区域内对目标人员进行气压采样;
根据采样结果获取对于目标人员的心脏进行按压时的当前气道压力信号。
优选的,在对当前气道压力信号进行连续分析,获取对于目标人员的按压频率和按压相位以及信号高维信息之前,还包括:
将当前气道压力信号确认为初始信号;
使用低频滤波器去除初始信号中的高频噪声信号和其他杂波信号,获取第一处理后的初始信号;
通过消除直流信号的方式消除第一处理后的初始信号中的基线偏移信号,获取第二处理后的初始信号;
根据第二处理后的初始信号生成干净的近端压力信号。
优选的,所述根据目标人员的体形参数对当前气道压力信号进行动态修正,获取目标气道压力信号,包括:
根据目标人员的体形参数确定目标人员的当前胸腔共鸣参数;
根据当前胸腔共鸣参数和当前气道压力信号的预设采集参数确定动态修正因子;
利用动态修正因子对当前气道压力信号进行动态修正;
根据修正结果获取目标气道压力信号。
优选的,对当前气道压力信号进行连续分析,获取对于目标人员的按压频率和按压相位以及信号高维信息,包括:
对近端压力信号通过时域分析算法进行分析,获取第一分析结果;
对近端压力信号通过频域分析算法进行分析,获取第二分析结果;
根据第一分析结果确定对于目标人员的按压频率和按压间隙以及单次按压时长,根据按压间隙以及单次按压时长确定按压相位;
根据第二分析结果获取信号频域特征,对信号频域特征进行深度分析以获取信号高维信息。
优选的,所述对近端压力信号通过频域分析算法进行分析,获取第二分析结果,包括:
对近端压力信号使用窗函数、傅里叶变换进行时频转换得到频谱信号;
标记频谱信号的峰值,截取峰值周边区域面积、和低频区域面积以及高频区域面积;
获取峰值周边区域面积、和低频区域面积以及高频区域面积各自对应的区域信号;
通过频域分析算法将峰值周边区域面积、和低频区域面积以及高频区域面积各自对应的区域信号进行几何运算,获取第二分析结果。
优选的,所述通过预设按压参数和通气规则参数训练机器学习模型,包括:
基于预设机器学习算法根据预设按压参数生成按压规律参数;
根据按压规律参数生成第一训练样本,基于通气规则参数设置模型学习参数和模型输出参数;
基于模型学习参数和模型输出参数,通过第一训练样本训练机器学习模型。
优选的,所述将对于目标人员的按压频率和按压相位以及信号高维信息和通气设备的模式设置参数输入到机器学习模型中确定目标压力信号的通气概率以及通气时间窗口,根据通气时间窗口控制通气设备对目标人员进行自动通气,包括:
根据通气设备的模式设置参数获取不同通气模式的通气按压比、目标频率和通气阈值;
根据对于目标人员的按压频率和不同模式的通气按压比、目标频率和通气阈值确定目标通气模式;
获取目标通气模式下的通气按压相位,根据对于目标人员的按压相位使用动态阈值法匹配通气按压相位;
根据匹配结果确定目标压力信号的通气概率,根据通气按压相位和对于目标人员的按压相位的位置关系确定通气时间窗口阈值;
根据通气时间窗口控制通气设备按照通气阈值对目标人员进行自动通气。
优选的,根据当前胸腔共鸣参数和当前气道压力信号的预设采集参数确定动态修正因子,包括:
根据当前气道压力信号的预设采集参数确定设定的胸腔按压变化幅度参数;
根据胸腔按压变化幅度参数和当前胸腔共鸣参数确定气道阻力指数;
基于气道阻力指数使用呼吸力学模型生成呼吸信号样本集;
根据呼吸信号样本集确定目标人员气道处各个点的形态学参数值;
通过目标人员气道处各个点的形态学参数值确定目标人员气道的受力张量范围;
获取维持目标人员气道稳态性能的特性参数,根据特性参数获取目标人员的气道性能指标;
基于目标人员的气道性能指标和气道的受力张量范围确定目标人员气道的受力分化情况;
根据受力分化情况确定目标人员胸腔按压受力的标准数据和实际检测数据误差范围;
根据目标人员胸腔按压受力的标准数据和实际检测数据误差范围和检测到的当前气道压力信号对应的检测压力数据确定当前气道压力信号的动态修正因子。
一种呼吸机,该装置包括:呼吸机主体、通气管路、气流和气压检测设备、通气面罩和压力板;
压力板用于对目标人员进行胸部心脏人工或机器按压;
通气面罩用于遮盖目标人员的口鼻区域;
气流和气压检测设备用于检测目标人员的心脏在进行按压时的气道压力信号;
呼吸机主体用于对气道压力信号进行分析,得到目标人员心肺复苏按压的信息,根据目标人员心肺复苏按压的信息分析得出通气的时间窗口,发出通气指令和进行通气操作;
通气管路用于将呼吸机主体中的待通气体通入到目标人员的口鼻中。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明所提供的一种心肺复苏气道压自动反馈通气方法的工作流程图;
图2为本发明所提供的一种心肺复苏气道压自动反馈通气方法的另一工作流程图;
图3为本发明所提供的一种心肺复苏气道压自动反馈通气方法的又一工作流程图;
图4为本发明所提供的一种呼吸机的结构示意图;
图5为根据本发明提供的一种肺复苏气道压自动反馈通气方法而生成的实施例截图;
图6为心脏按压过程气道压力曲线;
图7为对信号进行预处理的原理图;
图8为对信号进行频域分析的原理图;
图9为对信号进行时域分析的原理图;
图10为使用动态阈值法对机器按压信号进行通气时机判断的原理图;
图11为使用动态阈值法对人工按压信号进行通气时机判断的原理图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
目前,心肺复苏(CPR)是最基本的和最重要的抢救心搏骤停患者生命的医学方法,胸外按压配合强制通气通常是这类患者需要尽快获得的抢救手段,以维持基本血循环、心跳和呼吸恢复,现有的心肺复苏通常包括两个重要的组成部分:心脏按压和通气(呼吸);心脏按压通常有人工按压和机械(设备)按压两种形式,无条件时采用人工按压;在医院有条件时用机械(设备)按压。按压的临床要求通常要遵循:有效的胸外按压的频率在100~120次/分钟,深度在5~6厘米;通气(呼吸)在心肺复苏急救时通常采用:人工吹气、呼吸球囊通气和呼吸机通气。通气的要求根据临床要求配合30次按压中间的2次通气、15次按压2次通气和连续不间断按压每10次按压通气1次,现有的心肺复苏按压与通气的配合通常由医护人员进行协调,或是心肺复苏按压设备与呼吸机通过通讯协议协同进行,其存在无法自动协同进行,而人工协调方法难以精确而稳定地长时间准确控制,降低了实用性的问题。为了解决上述问题,本实施例公开了一种心肺复苏气道压自动反馈通气方法。
一种心肺复苏气道压自动反馈通气方法,如图1所示,包括以下步骤:
步骤S101、按照预设采样频率获取对于目标人员的心脏进行按压时的当前气道压力信号;
步骤S102、根据目标人员的体形参数对当前气道压力信号进行动态修正,获取目标气道压力信号;
步骤S103、对目标气道压力信号进行连续分析,获取对于目标人员的按压频率和按压相位以及信号高维信息;
步骤S104、通过预设按压参数和通气规则参数训练机器学习模型;
步骤S105、将对于目标人员的按压频率和按压相位以及信号高维信息和通气设备的模式设置参数输入到机器学习模型中确定目标压力信号的通气概率以及通气时间窗口,根据通气时间窗口控制通气设备对目标人员进行自动通气。
在本实施例中,预设采样频率表示为采样信号的采集周期频率;
在本实施例中,体形参数表示为目标人员的体态形状描述参数,例如:高低胖瘦及其具体指标等;
在本实施例中,动态修正表示为根据目标人员体形对按压时的力度影响因子对当前气道压力信号进行修正;
在本实施例中,连续分析表示为对目标气道压力信号进行时域和频率的连续分析;
在本实施例中,对于目标人员的按压频率和按压相位以及信号高维信息表示为对于目标人员的胸部按压的频率和按压的幅度;
在本实施例中,预设按压参数和通气规则参数表示为预设的按压次数和通气时机之间的对应规则参数,例如:按压30次进行一次通气;
在本实施例中,通气设备的模式设置参数表示为通气设备在各个工作模式下的通气设置参数;
在本实施例中,通气概率以及通气时间窗口表示为用户在受胸部每次按压时进行通气的概率以及确认进行通气的胸部按压次数的描述时长窗口。
上述技术方案的工作原理为:按照预设采样频率获取对于目标人员的心脏进行按压时的当前气道压力信号;根据目标人员的体形参数对当前气道压力信号进行动态修正,获取目标气道压力信号;对目标气道压力信号进行连续分析,获取对于目标人员的按压频率和按压相位以及信号高维信息;通过预设按压参数和通气规则参数训练机器学习模型;将对于目标人员的按压频率和按压相位以及信号高维信息和通气设备的模式设置参数输入到机器学习模型中确定目标压力信号的通气概率以及通气时间窗口,根据通气时间窗口控制通气设备对目标人员进行自动通气。
上述技术方案的有益效果为:通过根据对于目标人员的按压频率和按压相位来自动预测出通气时间窗口并进行自动通气可以经由设备在不需要通讯协议的前提下自动对目标人员进行心脏按压和及时通气,降低了人力成本的同时也精准地把控了通气时机,提高了安全性和可靠性以及稳定性,避免了医护人员主观因素带来的影响,提高了客观性,解决了现有的心肺复苏按压与通气的配合通常由医护人员进行协调,或是心肺复苏按压设备与呼吸机通过通讯协议协同进行,其存在无法自动协同进行,而人工协调方法难以精确而稳定地长时间准确控制,降低了实用性的问题。
在一个实施例中,如图2所示,所述根据目标人员的体形参数对当前气道压力信号进行动态修正,获取目标气道压力信号,包括:
步骤S201、检测对于目标人员的心脏进行按压时的按压力度和按压速度;
步骤S202、根据按压力度和按压速度设置预设采样频率,获取目标人员口鼻所在区域并将其设定为采样区域;
步骤S203、通过气压传感器以预设采样频率在采样区域内对目标人员进行气压采样;
步骤S204、根据采样结果获取对于目标人员的心脏进行按压时的当前气道压力信号。
在本实施例中,采样区域表示为当前气道压力信号进行信号采样的范围区域。
上述技术方案的有益效果为:通过智能设置采样频率可以根据对于目标人员的实时按压情况来合理地设定采样频率,保证采样数据的高质量性,进一步地,通过定位采样区域可以更加精准地针对目标人员的口鼻进行气流型号和气压信号检测,保证了检测信号的精度。
在一个实施例中,如图3所示,在对当前气道压力信号进行连续分析,获取对于目标人员的按压频率和按压相位以及信号高维信息之前,还包括:
步骤S301、将当前气道压力信号确认为初始信号;
步骤S302、使用低频滤波器去除初始信号中的高频噪声信号和其他杂波信号,获取第一处理后的初始信号;
步骤S303、通过消除直流信号的方式消除第一处理后的初始信号中的基线偏移信号,获取第二处理后的初始信号;
步骤S304、根据第二处理后的初始信号生成干净的近端压力信号。
在本实施例中,基线偏移信号表示为第一处理后的初始信号中信号基线发生偏移的姆目标信号。
上述技术方案的有益效果为:可以保证信号的纯洁度以及去除干扰信号的影响,为后续进行信号解析奠定了条件,提高了实用性。
在一个实施例中,所述根据目标人员的体形参数对当前气道压力信号进行动态修正,获取目标气道压力信号,包括:
根据目标人员的体形参数确定目标人员的当前胸腔共鸣参数;
根据当前胸腔共鸣参数和当前气道压力信号的预设采集参数确定动态修正因子;
利用动态修正因子对当前气道压力信号进行动态修正;
根据修正结果获取目标气道压力信号。
在本实施例中,当前胸腔共鸣参数表示为目标人员由于体形原因导致的胸腔与按压操作之间的共鸣描述参数;
在本实施例中,预设采集参数表示为当前气道压力信号的采集频率和采集强度等设置参数;
在本实施例中,动态修正因子表示为对于当前气道压力信号的信号相位和信号频率的修正因子。
上述技术方案的有益效果为:通过根据目标人员的体形参数确定当前胸腔共鸣参数进而对采集的气道压力信号进行修正可以保证修正后的气道压力信号更加与目标人员相符合,提高了数据参考性。
在本实施例中,根据当前胸腔共鸣参数和当前气道压力信号的预设采集参数确定动态修正因子,包括:
根据当前气道压力信号的预设采集参数确定设定的胸腔按压变化幅度参数;
根据胸腔按压变化幅度参数和当前胸腔共鸣参数确定气道阻力指数;
基于气道阻力指数使用呼吸力学模型生成呼吸信号样本集;
根据呼吸信号样本集确定目标人员气道处各个点的形态学参数值;
通过目标人员气道处各个点的形态学参数值确定目标人员气道的受力张量范围;
获取维持目标人员气道稳态性能的特性参数,根据特性参数获取目标人员的气道性能指标;
基于目标人员的气道性能指标和气道的受力张量范围确定目标人员气道的受力分化情况;
根据受力分化情况确定目标人员胸腔按压受力的标准数据和实际检测数据误差范围;
根据目标人员胸腔按压受力的标准数据和实际检测数据误差范围和检测到的当前气道压力信号对应的检测压力数据确定当前气道压力信号的动态修正因子。
在本实施例中,设定的胸腔按压变化幅度参数表示为在设定条件下目标人员的胸腔随着按压的起伏变化幅度数据参数;
在本实施例中,气道阻力指数表示为目标人员在体形压迫下气道的通气阻力难度指数;
在本实施例中,呼吸力学模型表示为用于进行呼吸力学模拟的网络模型;
在本实施例中,呼吸信号样本集表示为在气道阻力指数下通过呼吸力学模型模拟的呼吸信号样本数据集;
在本实施例中,目标人员气道处各个点的形态学参数值表示为目标人员气道各个分布采样点的起伏形态的参数值;
在本实施例中,受力张量范围表示为目标人员气道在受按压力后的张量的数值范围;
在本实施例中,维持目标人员气道稳态性能的特性参数表示为用于维持目标人员气道保持稳态性能的相关特性参数;
在本实施例中,气道性能指标表示气道维持良好呼吸性能的指标;
在本实施例中,受力分化情况表示为目标人员气道在进行胸部按压时的反馈气流的分化流失情况。
上述技术方案的有益效果为:通过确定目标人员的气道受阻参数进而来确定目标人员气道在进行按压时的受力分化情况来精准地评估出实际按压力度和受力力度之间的转化关系从而确定检测信号的动态修正因子,保证了最终因子的精度和客观性。
在一个实施例中,对当前气道压力信号进行连续分析,获取对于目标人员的按压频率和按压相位以及信号高维信息,包括:
对近端压力信号通过时域分析算法进行分析,获取第一分析结果;
对近端压力信号通过频域分析算法进行分析,获取第二分析结果;
根据第一分析结果确定对于目标人员的按压频率和按压间隙以及单次按压时长,根据按压间隙以及单次按压时长确定按压相位;
根据第二分析结果获取信号频域特征,对信号频域特征进行深度分析以获取信号高维信息。
上述技术方案的有益效果为:通过进行双重分析可以精准地分析出对于目标人员的按压相关规则参数和按压力度等详细的高维信息,为后续进行模型训练奠定了基础,进一步地提高了实用性。
在一个实施例中,所述对近端压力信号通过频域分析算法进行分析,获取第二分析结果,包括:
对近端压力信号使用窗函数、傅里叶变换进行时频转换得到频谱信号;
标记频谱信号的峰值,截取峰值周边区域面积、和低频区域面积以及高频区域面积;
获取峰值周边区域面积、和低频区域面积以及高频区域面积各自对应的区域信号;
通过频域分析算法将峰值周边区域面积、和低频区域面积以及高频区域面积各自对应的区域信号进行几何运算,获取第二分析结果。
上述技术方案的有益效果为:可以最大化地获取到信号对应的频域分析结果,保证了高维信息的完整性和可靠性。
在一个实施例中,所述通过预设按压参数和通气规则参数训练机器学习模型,包括:
基于预设机器学习算法根据预设按压参数生成按压规律参数;
根据按压规律参数生成第一训练样本,基于通气规则参数设置模型学习参数和模型输出参数;
基于模型学习参数和模型输出参数,通过第一训练样本训练训练机器学习模型。
上述技术方案的有益效果为:通过生成训练样本并且同时设置模型学习参数和输出参数可以保证在模型训练的过程中实现稳定的收敛工作,保证模型后续的识别稳定性,提高了实用性和可靠性。
在一个实施例中,所述将对于目标人员的按压频率和按压相位以及信号高维信息和通气设备的模式设置参数输入到机器学习模型中确定目标压力信号的通气概率以及通气时间窗口,根据通气时间窗口控制通气设备对目标人员进行自动通气,包括:
根据通气设备的模式设置参数获取不同通气模式的通气按压比、目标频率和通气阈值;
根据对于目标人员的按压频率和不同模式的通气按压比、目标频率和通气阈值确定目标通气模式;
获取目标通气模式下的通气按压相位,根据对于目标人员的按压相位使用动态阈值法匹配通气按压相位;
根据匹配结果确定目标压力信号的通气概率,根据通气按压相位和对于目标人员的按压相位的位置关系确定通气时间窗口阈值;
根据通气时间窗口控制通气设备按照通气阈值对目标人员进行自动通气。
上述技术方案的有益效果为:既可以把握对于目标人员的通气时机又可以把握通气量,进一步地保证了目标人员的安全性和救助成功概率。
在一个实施例中,本实施例还公开了一种呼吸机,适用于上述心肺复苏气道压自动反馈通气方法,该装置包括:呼吸机主体1、通气管路2、气流和气压检测设备3、通气面罩4和压力板5;
压力板用于对目标人员进行胸部心脏人工或机器按压;
通气面罩用于遮盖目标人员的口鼻区域;
气流和气压检测设备用于检测目标人员的心脏在进行按压时的气道压力信号;
呼吸机主体用于对气道压力信号进行分析,得到目标人员心肺复苏按压的信息,根据目标人员心肺复苏按压的信息分析得出通气的时间窗口,发出通气指令和进行通气操作;
通气管路用于将呼吸机主体中的待通气体通入到目标人员的口鼻中。
上述技术方案的工作原理及有益效果在方法权利要求中已经说明,此处不再赘述。
在一个实施例中,如图5所示,通过对按压压力和气流数据进行分析,获取心脏按压过程气道压力曲线,如图6所示,首先对信号进行预处理,如图7所示,使用低通滤波器,去除原始信号中包含的高频噪声(如设备震动等)和其他因素引起的杂波(如电磁干扰等)。再通过消除直流信号的手段消除信号的基线偏移信号(如呼吸设备的PEEP设置等)得到干净的近端压力信号,其次对信号进行频域和时域分析,如图8和图9所示,得到的时域特征和频域特征,结合通气设备的模式设置交给机器学习模型进行判断,得到是否需要通气的指令,以控制通气装置进行通气,通过动态阈值法来确定机器按压和人工按压的通气时机,如图10和图11所示。
本领域技术用户员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种心肺复苏气道压自动反馈通气方法,其特征在于,包括以下步骤:
按照预设采样频率获取对于目标人员的心脏进行按压时的当前气道压力信号;
根据目标人员的体形参数对当前气道压力信号进行动态修正,获取目标气道压力信号;
对目标气道压力信号进行连续分析,获取对于目标人员的按压频率和按压相位以及信号高维信息;
通过预设按压参数和通气规则参数训练机器学习模型;
将对于目标人员的按压频率和按压相位以及信号高维信息和通气设备的模式设置参数输入到机器学习模型中确定目标压力信号的通气概率以及通气时间窗口,根据通气时间窗口控制通气设备对目标人员进行自动通气。
2.根据权利要求1所述心肺复苏气道压自动反馈通气方法,其特征在于,所述根据目标人员的体形参数对当前气道压力信号进行动态修正,获取目标气道压力信号,包括:
检测对于目标人员的心脏进行按压时的按压力度和按压速度;
根据按压力度和按压速度设置预设采样频率,获取目标人员口鼻所在区域并将其设定为采样区域;
通过气压传感器以预设采样频率在采样区域内对目标人员进行气压采样;
根据采样结果获取对于目标人员的心脏进行按压时的当前气道压力信号。
3.根据权利要求1所述心肺复苏气道压自动反馈通气方法,其特征在于,在对当前气道压力信号进行连续分析,获取对于目标人员的按压频率和按压相位以及信号高维信息之前,还包括:
将当前气道压力信号确认为初始信号;
使用低频滤波器去除初始信号中的高频噪声信号和其他杂波信号,获取第一处理后的初始信号;
通过消除直流信号的方式消除第一处理后的初始信号中的基线偏移信号,获取第二处理后的初始信号;
根据第二处理后的初始信号生成干净的近端压力信号。
4.根据权利要求1所述心肺复苏气道压自动反馈通气方法,其特征在于,所述根据目标人员的体形参数对当前气道压力信号进行动态修正,获取目标气道压力信号,包括:
根据目标人员的体形参数确定目标人员的当前胸腔共鸣参数;
根据当前胸腔共鸣参数和当前气道压力信号的预设采集参数确定动态修正因子;
利用动态修正因子对当前气道压力信号进行动态修正;
根据修正结果获取目标气道压力信号。
5.根据权利要求3所述心肺复苏气道压自动反馈通气方法,其特征在于,对当前气道压力信号进行连续分析,获取对于目标人员的按压频率和按压相位以及信号高维信息,包括:
对近端压力信号通过时域分析算法进行分析,获取第一分析结果;
对近端压力信号通过频域分析算法进行分析,获取第二分析结果;
根据第一分析结果确定对于目标人员的按压频率和按压间隙以及单次按压时长,根据按压间隙以及单次按压时长确定按压相位;
根据第二分析结果获取信号频域特征,对信号频域特征进行深度分析以获取信号高维信息。
6.根据权利要求5所述心肺复苏气道压自动反馈通气方法,其特征在于,所述对近端压力信号通过频域分析算法进行分析,获取第二分析结果,包括:
对近端压力信号使用窗函数、傅里叶变换进行时频转换得到频谱信号;
标记频谱信号的峰值,截取峰值周边区域面积、和低频区域面积以及高频区域面积;
获取峰值周边区域面积、和低频区域面积以及高频区域面积各自对应的区域信号;
通过频域分析算法将峰值周边区域面积、和低频区域面积以及高频区域面积各自对应的区域信号进行几何运算,获取第二分析结果。
7.根据权利要求1所述心肺复苏气道压自动反馈通气方法,其特征在于,所述通过预设按压参数和通气规则参数训练机器学习模型,包括:
基于预设机器学习算法根据预设按压参数生成按压规律参数;
根据按压规律参数生成第一训练样本,基于通气规则参数设置模型学习参数和模型输出参数;
基于模型学习参数和模型输出参数,通过第一训练样本训练机器学习模型。
8.根据权利要求1所述心肺复苏气道压自动反馈通气方法,其特征在于,所述将对于目标人员的按压频率和按压相位以及信号高维信息和通气设备的模式设置参数输入到机器学习模型中确定目标压力信号的通气概率以及通气时间窗口,根据通气时间窗口控制通气设备对目标人员进行自动通气,包括:
根据通气设备的模式设置参数获取不同通气模式的通气按压比、目标频率和通气阈值;
根据对于目标人员的按压频率和不同模式的通气按压比、目标频率和通气阈值确定目标通气模式;
获取目标通气模式下的通气按压相位,根据对于目标人员的按压相位使用动态阈值法匹配通气按压相位;
根据匹配结果确定目标压力信号的通气概率,根据通气按压相位和对于目标人员的按压相位的位置关系确定通气时间窗口阈值;
根据通气时间窗口控制通气设备按照通气阈值对目标人员进行自动通气。
9.根据权利要求4所述心肺复苏气道压自动反馈通气方法,其特征在于,根据当前胸腔共鸣参数和当前气道压力信号的预设采集参数确定动态修正因子,包括:
根据当前气道压力信号的预设采集参数确定设定的胸腔按压变化幅度参数;
根据胸腔按压变化幅度参数和当前胸腔共鸣参数确定气道阻力指数;
基于气道阻力指数使用呼吸力学模型生成呼吸信号样本集;
根据呼吸信号样本集确定目标人员气道处各个点的形态学参数值;
通过目标人员气道处各个点的形态学参数值确定目标人员气道的受力张量范围;
获取维持目标人员气道稳态性能的特性参数,根据特性参数获取目标人员的气道性能指标;
基于目标人员的气道性能指标和气道的受力张量范围确定目标人员气道的受力分化情况;
根据受力分化情况确定目标人员胸腔按压受力的标准数据和实际检测数据误差范围;
根据目标人员胸腔按压受力的标准数据和实际检测数据误差范围和检测到的当前气道压力信号对应的检测压力数据确定当前气道压力信号的动态修正因子。
10.一种呼吸机,适用于权利要求1所述的心肺复苏气道压自动反馈通气方法,其特征在于,该装置包括:呼吸机主体、通气管路、气流和气压检测设备、通气面罩和压力板;
压力板用于对目标人员进行胸部心脏人工或机器按压;
通气面罩用于遮盖目标人员的口鼻区域;
气流和气压检测设备用于检测目标人员的心脏在进行按压时的气道压力信号;
呼吸机主体用于对气道压力信号进行分析,得到目标人员心肺复苏按压的信息,根据目标人员心肺复苏按压的信息分析得出通气的时间窗口,发出通气指令和进行通气操作;
通气管路用于将呼吸机主体中的待通气体通入到目标人员的口鼻中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311189234.0A CN117159862A (zh) | 2023-09-14 | 2023-09-14 | 一种心肺复苏气道压自动反馈通气方法和呼吸机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311189234.0A CN117159862A (zh) | 2023-09-14 | 2023-09-14 | 一种心肺复苏气道压自动反馈通气方法和呼吸机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117159862A true CN117159862A (zh) | 2023-12-05 |
Family
ID=88941044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311189234.0A Pending CN117159862A (zh) | 2023-09-14 | 2023-09-14 | 一种心肺复苏气道压自动反馈通气方法和呼吸机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117159862A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070101992A1 (en) * | 2005-11-09 | 2007-05-10 | Viasys Manufacturing, Inc. | System and method for circuit compliance compensated pressure-regulated volume control in a patient respiratory ventilator |
CN105664313A (zh) * | 2014-11-21 | 2016-06-15 | 中国医学科学院北京协和医院 | 一种呼吸机及其通气控制装置和方法 |
CN107296737A (zh) * | 2016-04-15 | 2017-10-27 | 深圳迈瑞生物医疗电子股份有限公司 | 一种心肺复苏期间的通气方法以及呼吸机 |
CN219231064U (zh) * | 2022-12-05 | 2023-06-23 | 吉林大学第一医院 | 便携式正压呼吸机及气压标定装置 |
-
2023
- 2023-09-14 CN CN202311189234.0A patent/CN117159862A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070101992A1 (en) * | 2005-11-09 | 2007-05-10 | Viasys Manufacturing, Inc. | System and method for circuit compliance compensated pressure-regulated volume control in a patient respiratory ventilator |
CN105664313A (zh) * | 2014-11-21 | 2016-06-15 | 中国医学科学院北京协和医院 | 一种呼吸机及其通气控制装置和方法 |
CN107296737A (zh) * | 2016-04-15 | 2017-10-27 | 深圳迈瑞生物医疗电子股份有限公司 | 一种心肺复苏期间的通气方法以及呼吸机 |
CN219231064U (zh) * | 2022-12-05 | 2023-06-23 | 吉林大学第一医院 | 便携式正压呼吸机及气压标定装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2092703C (en) | Arterial co2 monitor and closed loop controller | |
CN105828859A (zh) | 人工呼吸系统 | |
CN102119908B (zh) | 闭环胸外按压系统 | |
CN110533658A (zh) | 智能肺气肿诊断信息处理系统及方法、信息数据处理终端 | |
EP1148907A1 (de) | Nichtinvasives verfahren zur optimierung der beatmung atelektatischer lungen | |
CN112233516A (zh) | 一种医师cpr考试训练与考核的评分方法及系统 | |
US20130085425A1 (en) | Methods and systems for ventilating or compressing | |
SE1550671A1 (sv) | Method System and Software for Protective Ventilation | |
CN102973402A (zh) | 实施心肺复苏时确定心肺复苏质量参数的方法及辅助设备 | |
US20060211950A1 (en) | Pressure-volume curve monitoring device | |
CN114209940B (zh) | 基于动态阈值的呼吸机呼吸相位控制方法 | |
CN110537917A (zh) | 一种基于呼吸力学的机械通气智能监测系统及监测方法 | |
CN111658931B (zh) | 一种智能经鼻高流量湿化氧疗系统 | |
CN117159862A (zh) | 一种心肺复苏气道压自动反馈通气方法和呼吸机 | |
CN117357393A (zh) | 一种心肺复苏按压压力及肌电自动反馈通气方法和呼吸机 | |
CN109589117A (zh) | 一种基于大数据的呼吸内科用监护仪控制方法及系统 | |
US20200121260A1 (en) | Methods and system for detecting inhalations and extracting measures of neural respiratory drive from an emg signal | |
CN114887169A (zh) | 一种呼吸机智能控制决策方法与系统 | |
CN108968964A (zh) | 肺功能测试系统及测试方法 | |
CN116844709B (zh) | 心脏复苏机控制系统及方法 | |
CN114870187B (zh) | 一种基于心电信号智能判断及解决过度通气的方法及装置 | |
CN117045913B (zh) | 一种基于呼吸变量监测的机械通气模式智能切换系统 | |
CN114680861B (zh) | 一种基于智能识别技术的气道最小密闭压监测方法及系统 | |
CN107362427A (zh) | 一种心肺复苏期间的通气方法及呼吸机 | |
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 |
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 |