CN117180573B - 一种基于双重指数模型的呼吸系统机械通气方法及系统 - Google Patents
一种基于双重指数模型的呼吸系统机械通气方法及系统 Download PDFInfo
- Publication number
- CN117180573B CN117180573B CN202311464597.0A CN202311464597A CN117180573B CN 117180573 B CN117180573 B CN 117180573B CN 202311464597 A CN202311464597 A CN 202311464597A CN 117180573 B CN117180573 B CN 117180573B
- Authority
- CN
- China
- Prior art keywords
- respiratory system
- double
- index model
- mechanical ventilation
- respiratory
- 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
- 210000002345 respiratory system Anatomy 0.000 title claims abstract description 46
- 238000005399 mechanical ventilation Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title abstract description 17
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 6
- 238000009423 ventilation Methods 0.000 claims description 6
- 230000009977 dual effect Effects 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000000241 respiratory effect Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开一种基于双重指数模型的呼吸系统机械通气方法及系统，涉及机械通气领域，该方法包括获取任意通气模式下呼吸回路的采集数据；根据采集数据，得到以采集数据为输入，以呼吸系统的控制参数为输出的双重指数模型；所述控制参数包括：呼吸系统弹性、气道阻力以及呼吸末正压；获取实时的采集数据，并利用双重指数模型确定控制参数；根据控制参数进行呼吸系统机械通气控制。本发明能够提高呼吸系统机械通气控制的准确性和适应性。
Description
技术领域
本发明涉及机械通气领域，特别是涉及一种基于双重指数模型的呼吸系统机械通气方法及系统。
背景技术
在呼吸系统机械通气研究中，肺组织具有一定阶跃响应特性，尤其是在容量控制通气模式中阶跃特性十份明显，经典基于微分方程的集总参数模型难以较好描述体现这种特性。因此，亟需提供一种新的参数模型以深入理解呼吸系统特性并减少呼吸机带来的通气损伤。
发明内容
本发明的目的是提供一种基于双重指数模型的呼吸系统机械通气方法及系统，能够提高呼吸系统机械通气控制的准确性和适应性。
为实现上述目的，本发明提供了如下方案：
一种基于双重指数模型的呼吸系统机械通气方法，包括：
获取任意通气模式下呼吸回路的采集数据；所述采集数据包括：压力值、气体流速和呼吸量；
根据采集数据，得到以采集数据为输入，以呼吸系统的控制参数为输出的双重指数模型；所述控制参数包括：呼吸系统弹性、气道阻力以及呼吸末正压；
获取实时的采集数据；并利用双重指数模型确定控制参数；
根据控制参数进行呼吸系统机械通气控制。
可选地，所述双重指数模型为：
；
其中，P（t）为t时刻的压力；V'（t）为t时刻的呼吸量V（t）的1阶导数，代表气体流速；E为呼吸系统弹性，R为气道阻力，P0为呼吸末正压；为指数参数， 为对应双重指数项常系数。
可选地，所述根据采集数据，得到以采集数据为输入，以呼吸系统的控制参数为输出的双重指数模型，具体包括：
利用采集数据对双重指数模型采用粒子群算法进行机器学习算法。
可选地，所述根据采集数据，得到以采集数据为输入，以呼吸系统的控制参数为输出的双重指数模型，之后还包括：
利用残差平方和与均方根误差对双重指数模型进行评价。
一种基于双重指数模型的呼吸系统机械通气系统，包括：
采集数据获取模块，用于获取任意通气模式下呼吸回路的采集数据；所述采集数据包括：压力值、气体流速和呼吸量；
双重指数模型确定模块，用于根据采集数据，得到以采集数据为输入，以呼吸系统的控制参数为输出的双重指数模型；所述控制参数包括：呼吸系统弹性、气道阻力以及呼吸末正压；
控制参数确定模块，用于获取实时的采集数据；并利用双重指数模型确定控制参数；
机械通气控制模块，用于根据控制参数进行呼吸系统机械通气控制。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明所提供的一种基于双重指数模型的呼吸系统机械通气方法及系统，根据采集数据，得到以采集数据为输入，以呼吸系统的控制参数为输出的双重指数模型，进而利用双重指数模型确定控制参数；通过双重指数模型体现呼吸系统阶跃响应性质，相较经典呼吸力学（单室）模型更易得到更好的拟合度，进而能够提高呼吸系统机械通气控制的准确性和适应性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种基于双重指数模型的呼吸系统机械通气方法流程示意图；
图2为单室模型和双重指数模型仿真与实测数据比较示意图。
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。
本发明的目的是提供一种基于双重指数模型的呼吸系统机械通气方法及系统，能够提高呼吸系统机械通气控制的准确性和适应性。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明所提供的一种基于双重指数模型的呼吸系统机械通气方法，包括：
S101，获取任意通气模式下呼吸回路的采集数据；所述采集数据包括：压力值、气体流速和呼吸量。
S102，根据采集数据，得到以采集数据为输入，以呼吸系统的控制参数为输出的双重指数模型；所述控制参数包括：呼吸系统弹性、气道阻力以及呼吸末正压。
所述双重指数模型为：
；
其中，P（t）为t时刻的压力；V'（t）为t时刻的呼吸量V（t）的1阶导数，代表气体流速；E为呼吸系统弹性，R为气道阻力，P0为呼吸末正压；为指数参数， 为对应双重指数项常系数。
在实际应用中，可简化为用少数双重指数项体现呼吸系统阶跃响应性质，一般几处呼吸气量出现阶跃跳变就对应有几个双重指数项，例如：
或。
对于有m项（加上非双重指数项的3项共m+3项）双重指数项的模型，实时采集呼吸回路的压力值、流速值和累计气量值（呼吸量），根据预设模型双重指数项数m与对应形式以及指定的一组指数参数 得到双重指数项的值，整理为对应矩阵形式数据作为算法输入，即当指定了xm，对应的即可计算得到双重指数项/> 的数值。若采集呼吸回路的数值为n个时间点，则输入数据为n维气压向量/>和n行m+3列的数据矩阵X：
。
。
上式Vm列（右数第二列）即为结合双重指数项求得的除常系数之外的数值，其它相应双重指数项同理。
对于含m项双重指数项的模型，当指定一组初始化指数参数 后，按照下式矩阵计算，便可得到各项系数拟合结果。
。
其中各项系数向量如下：
。
上式提出的计算方法由基于残差平方和（sum of squared residuals，SSR）取最小值时各项系数在偏导为0的极值点推导得出。到此步已得到指定双重指数模型各项参数，可进一步对指数参数进行优化。
得到指定双重指数模型各系数后，结合实测数据可代入模型仿真计算出对应模型SSR与均方根误差（the root mean square error，RMSE）。为了基于数据优化最适合的一系列指数参数，考虑计算效率，在各类机器学习算法中选择粒子群算法。在遗传算法、模拟退火等同类算法中，虽然粒子群算法可能陷入局部最优解，但其收敛更快，实际应用中更侧重时效性。
在迭代优化过程中，待优化参数为一系列指数参数，每指定一组指数参数便可基于该组指数参数得到双重指数模型所有系数参数，进而得到SSR/RMSE，跟进SSR或RMSE变化趋势不断更新各项参数，双重指数模型优化目标为使SSR或RMSE最小，经迭代计算后可得到比初始状态更优的双重指数模型。
S103，获取实时的采集数据；并利用双重指数模型确定控制参数。
S104，根据控制参数进行呼吸系统机械通气控制。
以下通过具体的实施例进行说明。
呼吸力学建模中，经典的单室模型为：
（1）
以此类传统模型为基准，补充单项双重指数模型实例展示计算结果，使用本发明对下面模型进行参数估算：
（2）
参数估算基于动物实验实测数据（德尔格Savina 300呼吸机实测得到），按时间序列每10毫秒的压力P（单位mbar）、流速V'（单位L/s）、呼吸量V（单位L）数据记录为一行（数据见case1VCAC1.txt，截取150秒数据）。
基于实例python+matlab代码main.m（*.py与*.m为主代码调用的python与matlab子函数，*.slx为模型文件），读入实测数据后三个模型参数计算结果如表1所示。
表1
表1中RMSE转为毫升单位，run_time代表运行时间。通过表1可知，本发明中提出方法切实有效且双重指数模型拟合效果更好，具有更低的RMSE（均方根误差）值。进一步将实测数据与式（1）和式（2）的流量V拟合情况作图，如图2所示（取10粒子数迭代10轮结果）。
对应上述实施例所提供的方法，本发明还提供一种基于双重指数模型的呼吸系统机械通气系统，包括：
采集数据获取模块，用于获取任意通气模式下呼吸回路的采集数据；所述采集数据包括：压力值、气体流速和呼吸量。
双重指数模型确定模块，用于根据采集数据，得到以采集数据为输入，以呼吸系统的控制参数为输出的双重指数模型；所述控制参数包括：呼吸系统弹性、气道阻力以及呼吸末正压。
控制参数确定模块，用于获取实时的采集数据；并利用双重指数模型确定控制参数。
机械通气控制模块，用于根据控制参数进行呼吸系统机械通气控制。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (3)
1.一种基于双重指数模型的呼吸系统机械通气系统，其特征在于，包括：
采集数据获取模块，用于获取任意通气模式下呼吸回路的采集数据；所述采集数据包括：压力值、气体流速和呼吸量；
双重指数模型确定模块，用于根据采集数据，得到以采集数据为输入，以呼吸系统的控制参数为输出的双重指数模型；所述控制参数包括：呼吸系统弹性、气道阻力以及呼吸末正压；
控制参数确定模块，用于获取实时的采集数据；并利用双重指数模型确定控制参数；
机械通气控制模块，用于根据控制参数进行呼吸系统机械通气控制；
所述双重指数模型为：
；
其中，P（t）为t时刻的压力；V'（t）为t时刻的呼吸量V（t）的1阶导数，代表气体流速；E为呼吸系统弹性，R为气道阻力，P0为呼吸末正压；为指数参数，/>为对应双重指数项常系数。
2.根据权利要求1所述的一种基于双重指数模型的呼吸系统机械通气系统，其特征在于，所述双重指数模型确定模块具体包括：
利用采集数据对双重指数模型采用粒子群算法进行机器学习。
3.根据权利要求1所述的一种基于双重指数模型的呼吸系统机械通气系统，其特征在于，还包括：
利用残差平方和与均方根误差对双重指数模型进行评价。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311464597.0A CN117180573B (zh) | 2023-11-07 | 2023-11-07 | 一种基于双重指数模型的呼吸系统机械通气方法及系统 |
| GBGB2411295.5A GB202411295D0 (en) | 2023-11-07 | 2024-07-31 | Mechanical ventilation method of respiratory system based on double-exponential model and system thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311464597.0A CN117180573B (zh) | 2023-11-07 | 2023-11-07 | 一种基于双重指数模型的呼吸系统机械通气方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117180573A CN117180573A (zh) | 2023-12-08 |
| CN117180573B true CN117180573B (zh) | 2024-03-08 |
Family
ID=88992797
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311464597.0A Active CN117180573B (zh) | 2023-11-07 | 2023-11-07 | 一种基于双重指数模型的呼吸系统机械通气方法及系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN117180573B (zh) |
| GB (1) | GB202411295D0 (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102020204632A1 (de) * | 2020-04-09 | 2021-10-14 | Technische Universität München, Körperschaft des öffentlichen Rechts | Verfahren, Computerprogramm, System, und Beatmungsmaschine, zur Ermittlung patientenspezifischer Beatmungsparameter an einer Beatmungsmaschine |
| CN116796656A (zh) * | 2023-05-17 | 2023-09-22 | 中国人民解放军总医院第一医学中心 | 一种可估算集总参数呼吸系统模型参数的方法 |
| CN116911212A (zh) * | 2023-07-31 | 2023-10-20 | 中国人民解放军总医院第一医学中心 | 一种基于分数阶微积分进行呼吸系统建模的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10357624B2 (en) * | 2016-12-06 | 2019-07-23 | Iasset Ag | Ventilator apparatus and method for operating a ventilator in said ventilator apparatus |
-
2023
- 2023-11-07 CN CN202311464597.0A patent/CN117180573B/zh active Active
-
2024
- 2024-07-31 GB GBGB2411295.5A patent/GB202411295D0/en active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102020204632A1 (de) * | 2020-04-09 | 2021-10-14 | Technische Universität München, Körperschaft des öffentlichen Rechts | Verfahren, Computerprogramm, System, und Beatmungsmaschine, zur Ermittlung patientenspezifischer Beatmungsparameter an einer Beatmungsmaschine |
| CN116796656A (zh) * | 2023-05-17 | 2023-09-22 | 中国人民解放军总医院第一医学中心 | 一种可估算集总参数呼吸系统模型参数的方法 |
| CN116911212A (zh) * | 2023-07-31 | 2023-10-20 | 中国人民解放军总医院第一医学中心 | 一种基于分数阶微积分进行呼吸系统建模的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117180573A (zh) | 2023-12-08 |
| GB202411295D0 (en) | 2024-09-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110459267B (zh) | 一种基于改进自适应遗传算法的人体体成分预测方法 | |
| CN115987295B (zh) | 基于物联网的农作物监控数据高效处理方法 | |
| CN106597992B (zh) | 一种数控机床组件重要度分析方法 | |
| CN116911212B (zh) | 一种基于分数阶微积分进行呼吸系统建模的方法 | |
| CN117167903B (zh) | 基于人工智能的暖通设备异物故障检测方法 | |
| CN102770070A (zh) | 用于实时评估肺力学的系统和方法 | |
| CN103310109B (zh) | 一种患者随访提醒周期自适应调整方法 | |
| CN116796656B (zh) | 一种可估算集总参数呼吸系统模型参数的方法 | |
| CN108507700A (zh) | 一种猪舍多点温度预测方法及系统 | |
| CN111476422A (zh) | 一种基于机器学习框架下LightGBM的建筑冷负荷预测方法 | |
| CN108399470B (zh) | 一种基于多示例遗传神经网络的室内pm2.5预测方法 | |
| CN107233102A (zh) | 基于bp神经网络算法的多参数心理压力评估方法 | |
| CN113160986B (zh) | 用于预测全身炎症反应综合征发展的模型构建方法及系统 | |
| CN111145902A (zh) | 一种基于改进人工神经网络的哮喘病诊断方法 | |
| CN117092980B (zh) | 一种基于大数据的电气故障检测控制系统 | |
| CN115167582B (zh) | 一种基于数字孪生的玫瑰烘干处理监控方法及设备 | |
| CN115719294A (zh) | 一种室内行人流疏散控制方法、系统、电子设备及介质 | |
| CN117180573B (zh) | 一种基于双重指数模型的呼吸系统机械通气方法及系统 | |
| CN109297533B (zh) | 一种精确测量皮肤表面温湿度的方法 | |
| CN113158593B (zh) | 一种基于人工智能的医院病房通风系统智能设计方法 | |
| CN107564588B (zh) | 一种生理健康数据预测装置 | |
| CN117174324B (zh) | 一种基于混合模型的呼吸系统建模方法及电子设备 | |
| CN110991660A (zh) | 基于蝗虫优化的lssvm-arima模型的态势分析方法、系统和存储介质 | |
| CN115952745A (zh) | 一种呼吸系统仿真模型构建方法、仿真平台及可存储介质 | |
| CN113188243B (zh) | 一种空调能耗的综合预测方法及系统 |
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 |