CN117766095A - 一种用户输血的血液量确定方法和系统 - Google Patents

Abstract

本发明涉及血液管理技术领域，具体是一种用户输血的血液量确定方法和系统，包括获取用户的身体信息和血液状态参数得到输血血液类型和输血血液量，将身体信息、输血血液类型和输血血液量得到用户输血后的心脏负荷阈值下的最大单次输血量和最大输血速度；将身体信息、输血血液类型得到用户输血后在最大输血速度下找到随着输血时长的实际血氧含量和血氧含量阈值之间的差值，根据差值动态调整外部补充吸氧量。本发明通过用户的身体信息和血液状态参数，更精准预测血液需求量，并给予输血的速度和次数以优化建议，降低输血过程的心脏负荷等不良反应；通过用户的身体信息预测在紧急状况下输异型血时的不良反应，合理规划输血速度。

Description

一种用户输血的血液量确定方法和系统

技术领域

本发明涉及血液管理技术领域，具体是一种用户输血的血液量确定方法和系统。

背景技术

血液是一种稀缺资源，用户由于外部意外、内部机体损伤或者外科手术合理创伤等情况下会造成失血状况。而失血状况发生后，对于准确评估用户输血的血液量至关重要，目前血液量的确认主要靠一套医学经验法则，比如平均红细胞血红蛋白浓度MCHC＝血红蛋白浓度Hb/血细胞比容HCT，其中MCHC的正常值为320-360g/L，再通过所输血液红细胞的比容，来大致推测所需要的输血量。但是这种通用计算结果存在局限性，遇到特殊用户的情况除了需要计算输血量之外，还需要根据实践经验规划单次输血量和输血次数，比如给心力衰竭、年老或冠心病患者，一次输血量不可太大，输入速度必须缓慢，如有胸闷等加重心脏负荷的症状须暂停输入或减慢速度并观察用户情况。部分特殊用户还需要针对个人体质对各类血液成分的血液量有其他要求，比如根据经验对老年人和儿童以及心功能不全的贫血患者，每次只输入少量红细胞即可，不必输全血，原则上输血量以每日不超过300～350mL为宜。血液制品包括全血、浓缩红细胞、红细胞悬液、洗涤红细胞、冰冻红细胞、浓缩白细胞、浓缩血小板等在各个用户的治疗环节中的需求量，需要依赖一套医学经验法则并结合大量的临床经验来确定。

发明内容

(1)要解决的技术问题

本发明的目的在于提供一种用户输血的血液量确定方法和系统，以解决用户输血的血液量的确定过多依赖临床经验，以及更精准的预计减少血液的浪费。

(2)技术方案

为实现上述目的，一方面，本发明提供了一种用户输血的血液量确定方法，所述方法包括：

获取用户的身体信息，所述身体信息包括年龄、性别、血型、体重和疾病信息；所述疾病信息是从医院电子病历获取用户的疾病历史信息；获取用户的血液状态参数，所述血液状态参数包括血红蛋白浓度、血压和脉搏波形特征；所述脉搏波形特征是将获取的脉搏波形信号通过LMS滤波算法滤波去噪并进行快速傅里叶变换得到脉搏信号频谱，将脉搏信号频谱特征通过预先训练的SVM分类器得到；

将年龄、性别、血型、体重、血液状态参数和外输血液参数输入输血模型得到输血血液类型和输血血液量，所述外输血液参数包括外输血液的血细胞比容；所述输血模型是通过遗传算法建立的年龄、性别、体重、血型、血液状态参数和输血血液类型、输血血液量的历史数据之间的拟合关系；当用户以输血血液类型和输血血液量进行输血时，所需的输血血液量最低；

将身体信息、输血血液类型和输血血液量输入心脏负荷模型得到用户输血后的心脏负荷值和输血速度、单次输血量之间的拟合曲线记为第一曲线；所述心脏负荷模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血速度、单次输血量和心脏负荷值之间的历史数据之间的映射关系；通过第一曲线找到不大于心脏负荷阈值的最大单次输血量和最大输血速度，通过最大单次输血量和输血血液量得到输血次数；将最大单次输血量记为第一单次输血量，最大输血速度记为第一输血速度；

将身体信息、输血血液类型输入血氧模型得到用户输血后的血氧含量和输血速度、输血时长之间的拟合曲线记为第二曲线；所述血氧模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血血液类型、输血速度、输血时长和血氧含量之间的历史数据的映射关系；通过第二曲线在最大输血速度下找到随着输血时长的实际血氧含量和血氧含量阈值之间的差值，根据差值动态调整外部补充吸氧量。

进一步地，所述方法还包括：

当输血血液类型为异型血时，将身体信息、输血血液类型和输血血液量输入血液凝结模型得到用户输血后的血液凝结集聚度和输血速度、单次输血量之间的拟合曲线记为第三曲线；所述血液凝结模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血速度、单次输血量和血液凝结集聚度之间的历史数据之间的映射关系；通过第三曲线找到不大于血液凝结集聚度阈值的最大单次输血量和最大输血速度；将最大单次输血量记为第二单次输血量，最大输血速度记为第二输血速度；将最大输血速度更新为第一输血速度和第二输血速度两者之中的小者，将最大单次输血量记为第一单次输血量和第二单次输血量两者之中的小者。

进一步地，所述方法还包括：

当输入异型血后且外部补充吸氧量无法满足实际血氧含量和血氧含量阈值之间的差值时，若此时第二输血速度小于第一输血速度，将最大输血速度设为第一输血速度，并在异型血输入之前向其加入抗凝剂；将第一输血速度带入第三曲线得到血液凝结集聚度，根据血液凝结集聚度和集聚度阈值调整抗凝剂的加入量。

进一步地，所述方法还包括：

当输血血液类型为异型血且为输血次数至少为两次时，获取当前到下次输血的时间间隔，通过时间间隔、附近其他血站调运血液的运输时长和附近其他血站库存的输血血液类型来安排符合用户输血血液类型和输血血液量的剩余血液量的调运。

进一步地，所述方法还包括：

当输血血液类型为异型血且为输血次数至少为两次时，若当前到下次输血的时间间隔不足以从附近其他血站调运的运输时长，则查找血液库存有用户输血血液类型的最近的血站，所述调取的血液量为血液运输到达后的用户输血血液量的剩余血液量。

基于同一发明构思，另一方面，本发明还提供了一种用户输血的血液量确定系统，所述系统包括：

用户信息获取模块，用于获取用户的身体信息，所述身体信息包括年龄、性别、血型、体重和疾病信息；所述疾病信息是从医院电子病历获取用户的疾病历史信息；获取用户的血液状态参数，所述血液状态参数包括血红蛋白浓度、血压和脉搏波形特征；所述脉搏波形特征是将获取的脉搏波形信号通过LMS滤波算法滤波去噪并进行快速傅里叶变换得到脉搏信号频谱，将脉搏信号频谱特征通过预先训练的SVM分类器得到；

输血计算模块，用于将年龄、性别、血型、体重、血液状态参数和外输血液参数输入输血模型得到输血血液类型和输血血液量，所述外输血液参数包括外输血液的血细胞比容；所述输血模型是通过遗传算法建立的年龄、性别、体重、血型、血液状态参数和输血血液类型、输血血液量的历史数据之间的拟合关系；当用户以输血血液类型和输血血液量进行输血时，所需的输血血液量最低；

心脏负荷计算模块，用于将身体信息、输血血液类型和输血血液量输入心脏负荷模型得到用户输血后的心脏负荷值和输血速度、单次输血量之间的拟合曲线记为第一曲线；所述心脏负荷模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血速度、单次输血量和心脏负荷值之间的历史数据之间的映射关系；通过第一曲线找到不大于心脏负荷阈值的最大单次输血量和最大输血速度，通过最大单次输血量和输血血液量得到输血次数；将最大单次输血量记为第一单次输血量，最大输血速度记为第一输血速度；

血氧计算模块，用于将身体信息、输血血液类型输入血氧模型得到用户输血后的血氧含量和输血速度、输血时长之间的拟合曲线记为第二曲线；所述血氧模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血血液类型、输血速度、输血时长和血氧含量之间的历史数据的映射关系；通过第二曲线在最大输血速度下找到随着输血时长的实际血氧含量和血氧含量阈值之间的差值，根据差值动态调整外部补充吸氧量。

进一步地，所述系统还包括：

血液凝结计算模块，用于当输血血液类型为异型血时，将身体信息、输血血液类型和输血血液量输入血液凝结模型得到用户输血后的血液凝结集聚度和输血速度、单次输血量之间的拟合曲线记为第三曲线；所述血液凝结模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血速度、单次输血量和血液凝结集聚度之间的历史数据之间的映射关系；通过第三曲线找到不大于血液凝结集聚度阈值的最大单次输血量和最大输血速度；将最大单次输血量记为第二单次输血量，最大输血速度记为第二输血速度；将最大输血速度更新为第一输血速度和第二输血速度两者之中的小者，将最大单次输血量记为第一单次输血量和第二单次输血量两者之中的小者。

进一步地，所述系统还包括：

血液凝集补偿计算模块，用于当输入异型血后且外部补充吸氧量无法满足实际血氧含量和血氧含量阈值之间的差值时，若此时第二输血速度小于第一输血速度，将最大输血速度设为第一输血速度，并在异型血输入之前向其加入抗凝剂；将第一输血速度带入第三曲线得到血液凝结集聚度，根据血液凝结集聚度和集聚度阈值调整抗凝剂的加入量。

进一步地，所述系统还包括：

第一调运模块，用于当输血血液类型为异型血且为输血次数至少为两次时，获取当前到下次输血的时间间隔，通过时间间隔、附近其他血站调运血液的运输时长和附近其他血站库存的输血血液类型来安排符合用户输血血液类型和输血血液量的剩余血液量的调运。

进一步地，所述系统还包括：

第二调运模块，用于当输血血液类型为异型血且为输血次数至少为两次时，若当前到下次输血的时间间隔不足以从附近其他血站调运的运输时长，则查找血液库存有用户输血血液类型的最近的血站，所述调取的血液量为血液运输到达后的用户输血血液量的剩余血液量。

(3)有益效果

与现有技术相比，本发明的有益效果是：

1.通过用户的身体信息和血液状态参数，更精准预测血液需求量，并给予输血的速度和次数以优化建议，降低输血过程的心脏负荷等不良反应。

2.通过用户的身体信息预测在紧急状况下输异型血时的不良反应，合理规划输血速度。

附图说明

图1为本发明实施例1的一种用户输血的血液量确定方法的流程框图；

图2为本发明实施例2的一种用户输血的血液量确定系统的模块图。

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。

在举例之前，需要针对本发明构思的应用场景予以阐述，当失血状况发生后，人体轻则出现缺氧、脸色苍白、晕厥、血压降低等症状，重则可引起失血性休克。当失血量超过800ml以上时，会出现面色、口唇苍白、皮肤出冷汗、呼吸急促，脉搏快而微弱等。失血量达1500ml以上时，会引起大脑供血不足，如头晕、神志不清、危及生命等。因此当失血状况发生后，如何准确评估失血量并快速给出血液需求量能尽快让病人摆脱失血的症状。当前用户输血的血液量确定依赖大量临床经验，造成每个医护人员主观计算略有差别，个别医疗资源落后地方的医护人员经验较少则错误预估等情况。现实中，往往医护人员为了避免风险，会在预估的基础上增加一些余量，从而会造成血液资源的浪费，主要原因是未用完的血液不再归还血库，一般是返回血液检验科进行销毁。剩余血液不再回收的原因是剩余血液可能存在感染，另外剩余血液余量不多且存在众多类别，单独分类保存困难。举例而言，某经验不足的医护人员在未了解病人有心功能不全的情况下，通过医学经验法则查询知病人输血量为600ml，该病人为不常见的血液类型，因此该医护人员从冷库取出类型匹配的冷冻血液后解冻4～6小时，解冻后的血液输入病人体内，结果因为病人有心功能不全而发生心脏不适应的情况，因此暂停输血；病人在第二天不适症状缓解而继续输血，但不同血液制品在常温环境当中停留的时间有不同的最佳停留时间，第一天剩余未输完的血液可能无法继续使用而造成浪费。因此，如何准确科学确定用户输血的血液量具有较大的价值，除了降低依赖大量临床经验之外，同时降低血液资源的浪费。

实施例1：如图1所示，本实施例提供了一种用户输血的血液量确定方法，所述方法包括：

获取用户的身体信息，所述身体信息包括年龄、性别、血型、体重和疾病信息；所述疾病信息是从医院电子病历获取用户的疾病历史信息；获取用户的血液状态参数，所述血液状态参数包括血红蛋白浓度、血压和脉搏波形特征；所述脉搏波形特征是将获取的脉搏波形信号通过LMS滤波算法滤波去噪并进行快速傅里叶变换得到脉搏信号频谱，将脉搏信号频谱特征通过预先训练的SVM分类器得到；这里的用户指的是需要输血服务的病人或者患者，输血的本质就是维持血液状态参数在正常值，因此输血血液量的基础值是根据血液状态参数恢复正常范围为目标，失血的过程往往伴随运送氧气的血红蛋白丧失和人体体液的丧失，人体血压也会降低，因此在输血的过程要采用一定的含电解质的液体稀释，伴随血液的输入补充缺失的体液。体液含有的电解质就是模拟人体体液的电解质进行配比的，脉搏波形信号是补充诊断，防止只根据血压就判断缺失体液的错误诊断，血压降低还有一些其他因素，因此我们应该通过血压和脉搏波形信号提取特征共同来识别体液缺失程度即脉搏波形特征，SVM分类器本质就是通过特征来讲特征对应的体液缺失程度类别分类，分类器可以分为划分为多个程度类别，比如从1～6个等级，划分越细则体液缺失程度的判断越精细。血钠浓度也可以作为缺失体液的判断，但其诊断需要抽血化验，而脉搏和血压则可以在线进行持续诊断。电子病历的获取由于隐私的原因，需要输血单位具备数据读取权限，电子病历主要是获取影响病人输血参数的疾病信息，因此如何获取病人的疾病历史信息可以通过读取共享的病历信息，也可以通过该用户在本医院录入的疾病信息。

将年龄、性别、血型、体重、血液状态参数和外输血液参数输入输血模型得到输血血液类型和输血血液量，所述外输血液参数包括外输血液的血细胞比容；所述输血模型是通过遗传算法建立的年龄、性别、体重、血型、血液状态参数和输血血液类型、输血血液量的历史数据之间的拟合关系；当用户以输血血液类型和输血血液量进行输血时，所需的输血血液量最低；通过血液状态参数可以知道人体缺失的体液和缺失的血红蛋白百分比，再根据用户的年龄、性别、体重和外输血液参数得到人体体内恢复正常循环所需要的输血血液类型、输血血液量。假设某次输血主要目的是输入红细胞，那么用户人体体内的红细胞的浓度足以携带足够的氧气，使用户的身体细胞不会缺氧，因此只要关注人体在何时能够通过输血得到足够的红细胞即可，通过检验或者检测得到初始浓度，再通过外输血液参数，再根据医学上人体相关血液参数浓度的正常阈值则可以得到需要输血血液量。

将身体信息、输血血液类型和输血血液量输入心脏负荷模型得到用户输血后的心脏负荷值和输血速度、单次输血量之间的拟合曲线记为第一曲线；所述心脏负荷模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血速度、单次输血量和心脏负荷值之间的历史数据之间的映射关系；通过第一曲线找到不大于心脏负荷阈值的最大单次输血量和最大输血速度，通过最大单次输血量和输血血液量得到输血次数；将最大单次输血量记为第一单次输血量，最大输血速度记为第一输血速度；心功能不齐的用户需要输血时降低速度和单次输血量，防止心脏负荷过大，需要找到单次最大的输血量和最大的输血速度。心脏负荷的检测可以通过脉搏读取心电图进行分析，医护人员一般是通过心电图波形中的P波、PR段、QRS等段的形态来判断是否心脏负荷过大。

将身体信息、输血血液类型输入血氧模型得到用户输血后的血氧含量和输血速度、输血时长之间的拟合曲线记为第二曲线；所述血氧模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血血液类型、输血速度、输血时长和血氧含量之间的历史数据的映射关系；通过第二曲线在最大输血速度下找到随着输血时长的实际血氧含量和血氧含量阈值之间的差值，根据差值动态调整外部补充吸氧量。随着用户输血，刚开始心功能不齐的用户，因为输血速度不能过快，因此刚开始可能血氧浓度依旧不能马上提升到正常值，需要随着输入的血液中的血红蛋白达到一定浓度，用户的血氧缺失症状消失。当不能满足血氧浓度时，可采取增加吸入的氧气浓度来增加血氧浓度。当心脏负荷过大，降低输血速度后，携氧的红细胞浓度存在缺口，该缺口由外部吸氧解决，当用户血氧浓度不足时，外部吸氧的量根据氧气吸入器的流量范围通常从0到15升/分钟进行选择，具体的数额根据用户红细胞不足时需要弥补的氧气量。将血氧量差值建立和吸氧浓度的映射，当随着输血后的差值降低时，吸氧流量调节降低，也就是浓度降低。

进一步地，所述方法还包括：

当输血血液类型为异型血时，将身体信息、输血血液类型和输血血液量输入血液凝结模型得到用户输血后的血液凝结集聚度和输血速度、单次输血量之间的拟合曲线记为第三曲线；所述血液凝结模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血速度、单次输血量和血液凝结集聚度之间的历史数据之间的映射关系；通过第三曲线找到不大于血液凝结集聚度阈值的最大单次输血量和最大输血速度；将最大单次输血量记为第二单次输血量，最大输血速度记为第二输血速度；将最大输血速度更新为第一输血速度和第二输血速度两者之中的小者，将最大单次输血量记为第一单次输血量和第二单次输血量两者之中的小者。只有当特殊的情况才会输异型血，在某些特殊情况下，如紧急手术、产科并发症和罕见的血型需求等，异型输血也可能是唯一的选择。总的来说，异型输血是一种重要而常用的医疗技术，它允许了不完全血型配对的输血。然而这种输血方法可能会引发不良反应，因此需要在进行输血前进行充分的检测和交叉配血试验，并密切监测受血者的输血反应。常见的有ABO疑难血型或者无法确定血型的患者紧急抢救输血、ABO同型血液储备无法满足需求时患者紧急抢救输血和RhD阴性患者紧急抢救输血。输异型血时，输血速度必须缓慢，输血量不能过多。因为异型输血时，供血方的红细胞会和受血方的血清发生血液凝结，类似于过敏反应，危害很大。而缓慢少量输血时即使凝集了也会被血液流动冲走，不会堵塞血管，危害较小。人体单次也不能输入过多异型血，否则可能造成血管堵塞。血液凝集或者凝结的速度检测可选的方式是，通过预估异型血两者能够产生凝结反应的组分的含量来推测凝结的规模，而根据血液的流动速度来冲散凝结块的降低凝结块在某处的凝结数量，防止发生阻塞。血液流动速度可以通过小型多普勒超声探测器准确测量或者根据预设的经验值进行预估，比如下肢静脉的血流正常流速为5-25cm/s，根据不同的部位来进行预估。

进一步地，所述方法还包括：

当输入异型血后且外部补充吸氧量无法满足实际血氧含量和血氧含量阈值之间的差值时，若此时第二输血速度小于第一输血速度，将最大输血速度设为第一输血速度，并在异型血输入之前向其加入抗凝剂；将第一输血速度带入第三曲线得到血液凝结集聚度，根据血液凝结集聚度和集聚度阈值调整抗凝剂的加入量。血液凝结集聚度其实就是外输血液发生凝结时，随着人体血液的流动会冲散部分凝结，但是不同的人的体质凝结度不同，比如青年人的血液浓度和流动性更佳，血液的流动冲散凝结更快。此时需要降低输血速度，但若降低输血速度后的人体的血红蛋白携氧能力暂时无法通过外部吸氧补充，那么只能增加输血速度，如果发生血液凝结反应，当血管血液的流动暂时不足以将血液凝结集聚度控制在集聚度阈值，就需要外加抗凝剂以降低凝结。如肝素是一种抗凝剂，具有抗凝作用的药物，但是异型血和抗凝剂是不得已的紧急措施，因此在输入异型血挽救用户的同时，应及时联系其他血站调取同型血，同时单次输入异型血的血液量也有明确的上限。

进一步地，所述方法还包括：

当输血血液类型为异型血且为输血次数至少为两次时，获取当前到下次输血的时间间隔，通过时间间隔、附近其他血站调运血液的运输时长和附近其他血站库存的输血血液类型来安排符合用户输血血液类型和输血血液量的剩余血液量的调运。若用户需要输血多次时，首次输血一般是紧急状态，那么获取下次输血还剩余的时长来从其他血站调取符合输血血液类型的血液。若用户已经完成首次紧急输血，那么调取的血液量是输血血液量的剩余血液量。

进一步地，所述方法还包括：

当输血血液类型为异型血且为输血次数至少为两次时，若当前到下次输血的时间间隔不足以从附近其他血站调运的运输时长，则查找血液库存有用户输血血液类型的最近的血站，所述调取的血液量为血液运输到达后的用户输血血液量的剩余血液量。若用户下次也无法使用调运其他血站的血液，那么就查看最近的血站具备输血血液类型需要到达的运输时长，根据运输时长得到用户还剩余需要输血的血液量来决定调取的血液量。

实施例2：基于同一发明构思，如图2所示，本实施例还提供了一种用户输血的血液量确定系统，所述系统包括：

用户信息获取模块，用于获取用户的身体信息，所述身体信息包括年龄、性别、血型、体重和疾病信息；所述疾病信息是从医院电子病历获取用户的疾病历史信息；获取用户的血液状态参数，所述血液状态参数包括血红蛋白浓度、血压和脉搏波形特征；所述脉搏波形特征是将获取的脉搏波形信号通过LMS滤波算法滤波去噪并进行快速傅里叶变换得到脉搏信号频谱，将脉搏信号频谱特征通过预先训练的SVM分类器得到；

输血计算模块，用于将年龄、性别、血型、体重、血液状态参数和外输血液参数输入输血模型得到输血血液类型和输血血液量，所述外输血液参数包括外输血液的血细胞比容；所述输血模型是通过遗传算法建立的年龄、性别、体重、血型、血液状态参数和输血血液类型、输血血液量的历史数据之间的拟合关系；当用户以输血血液类型和输血血液量进行输血时，所需的输血血液量最低；

心脏负荷计算模块，用于将身体信息、输血血液类型和输血血液量输入心脏负荷模型得到用户输血后的心脏负荷值和输血速度、单次输血量之间的拟合曲线记为第一曲线；所述心脏负荷模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血速度、单次输血量和心脏负荷值之间的历史数据之间的映射关系；通过第一曲线找到不大于心脏负荷阈值的最大单次输血量和最大输血速度，通过最大单次输血量和输血血液量得到输血次数；将最大单次输血量记为第一单次输血量，最大输血速度记为第一输血速度；

血氧计算模块，用于将身体信息、输血血液类型输入血氧模型得到用户输血后的血氧含量和输血速度、输血时长之间的拟合曲线记为第二曲线；所述血氧模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血血液类型、输血速度、输血时长和血氧含量之间的历史数据的映射关系；通过第二曲线在最大输血速度下找到随着输血时长的实际血氧含量和血氧含量阈值之间的差值，根据差值动态调整外部补充吸氧量。

进一步地，所述系统还包括：

血液凝结计算模块，用于当输血血液类型为异型血时，将身体信息、输血血液类型和输血血液量输入血液凝结模型得到用户输血后的血液凝结集聚度和输血速度、单次输血量之间的拟合曲线记为第三曲线；所述血液凝结模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血速度、单次输血量和血液凝结集聚度之间的历史数据之间的映射关系；通过第三曲线找到不大于血液凝结集聚度阈值的最大单次输血量和最大输血速度；将最大单次输血量记为第二单次输血量，最大输血速度记为第二输血速度；将最大输血速度更新为第一输血速度和第二输血速度两者之中的小者，将最大单次输血量记为第一单次输血量和第二单次输血量两者之中的小者。

进一步地，所述系统还包括：

血液凝集补偿计算模块，用于当输入异型血后且外部补充吸氧量无法满足实际血氧含量和血氧含量阈值之间的差值时，若此时第二输血速度小于第一输血速度，将最大输血速度设为第一输血速度，并在异型血输入之前向其加入抗凝剂；将第一输血速度带入第三曲线得到血液凝结集聚度，根据血液凝结集聚度和集聚度阈值调整抗凝剂的加入量。

进一步地，所述系统还包括：

第一调运模块，用于当输血血液类型为异型血且为输血次数至少为两次时，获取当前到下次输血的时间间隔，通过时间间隔、附近其他血站调运血液的运输时长和附近其他血站库存的输血血液类型来安排符合用户输血血液类型和输血血液量的剩余血液量的调运。

进一步地，所述系统还包括：

第二调运模块，用于当输血血液类型为异型血且为输血次数至少为两次时，若当前到下次输血的时间间隔不足以从附近其他血站调运的运输时长，则查找血液库存有用户输血血液类型的最近的血站，所述调取的血液量为血液运输到达后的用户输血血液量的剩余血液量。

需要说明的是，关于上述实施例中的系统，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

最后应说明的是：尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种用户输血的血液量确定方法，其特征在于，所述方法包括：

获取用户的身体信息，所述身体信息包括年龄、性别、血型、体重和疾病信息；所述疾病信息是从医院电子病历获取用户的疾病历史信息；获取用户的血液状态参数，所述血液状态参数包括血红蛋白浓度、血压和脉搏波形特征；所述脉搏波形特征是将获取的脉搏波形信号通过LMS滤波算法滤波去噪并进行快速傅里叶变换得到脉搏信号频谱，将脉搏信号频谱特征通过预先训练的SVM分类器得到；

将年龄、性别、血型、体重、血液状态参数和外输血液参数输入输血模型得到输血血液类型和输血血液量，所述外输血液参数包括外输血液的血细胞比容；所述输血模型是通过遗传算法建立的年龄、性别、体重、血型、血液状态参数和输血血液类型、输血血液量的历史数据之间的拟合关系；当用户以输血血液类型和输血血液量进行输血时，所需的输血血液量最低；

将身体信息、输血血液类型和输血血液量输入心脏负荷模型得到用户输血后的心脏负荷值和输血速度、单次输血量之间的拟合曲线记为第一曲线；所述心脏负荷模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血速度、单次输血量和心脏负荷值之间的历史数据之间的映射关系；通过第一曲线找到不大于心脏负荷阈值的最大单次输血量和最大输血速度，通过最大单次输血量和输血血液量得到输血次数；将最大单次输血量记为第一单次输血量，最大输血速度记为第一输血速度；

将身体信息、输血血液类型输入血氧模型得到用户输血后的血氧含量和输血速度、输血时长之间的拟合曲线记为第二曲线；所述血氧模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血血液类型、输血速度、输血时长和血氧含量之间的历史数据的映射关系；通过第二曲线在最大输血速度下找到随着输血时长的实际血氧含量和血氧含量阈值之间的差值，根据差值动态调整外部补充吸氧量。

2.如权利要求1所述的一种用户输血的血液量确定方法，其特征在于，所述方法还包括：

当输血血液类型为异型血时，将身体信息、输血血液类型和输血血液量输入血液凝结模型得到用户输血后的血液凝结集聚度和输血速度、单次输血量之间的拟合曲线记为第三曲线；所述血液凝结模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血速度、单次输血量和血液凝结集聚度之间的历史数据之间的映射关系；通过第三曲线找到不大于血液凝结集聚度阈值的最大单次输血量和最大输血速度；将最大单次输血量记为第二单次输血量，最大输血速度记为第二输血速度；将最大输血速度更新为第一输血速度和第二输血速度两者之中的小者，将最大单次输血量记为第一单次输血量和第二单次输血量两者之中的小者。

3.如权利要求2所述的一种用户输血的血液量确定方法，其特征在于，所述方法还包括：

当输入异型血后且外部补充吸氧量无法满足实际血氧含量和血氧含量阈值之间的差值时，若此时第二输血速度小于第一输血速度，将最大输血速度设为第一输血速度，并在异型血输入之前向其加入抗凝剂；将第一输血速度带入第三曲线得到血液凝结集聚度，根据血液凝结集聚度和集聚度阈值调整抗凝剂的加入量。

4.如权利要求2所述的一种用户输血的血液量确定方法，其特征在于，所述方法还包括：

当输血血液类型为异型血且为输血次数至少为两次时，获取当前到下次输血的时间间隔，通过时间间隔、附近其他血站调运血液的运输时长和附近其他血站库存的输血血液类型来安排符合用户输血血液类型和输血血液量的剩余血液量的调运。

5.如权利要求4所述的一种用户输血的血液量确定方法，其特征在于，所述方法还包括：

当输血血液类型为异型血且为输血次数至少为两次时，若当前到下次输血的时间间隔不足以从附近其他血站调运的运输时长，则查找血液库存有用户输血血液类型的最近的血站，所述调取的血液量为血液运输到达后的用户输血血液量的剩余血液量。

6.一种用户输血的血液量确定系统，其特征在于，所述系统包括：

用户信息获取模块，用于获取用户的身体信息，所述身体信息包括年龄、性别、血型、体重和疾病信息；所述疾病信息是从医院电子病历获取用户的疾病历史信息；获取用户的血液状态参数，所述血液状态参数包括血红蛋白浓度、血压和脉搏波形特征；所述脉搏波形特征是将获取的脉搏波形信号通过LMS滤波算法滤波去噪并进行快速傅里叶变换得到脉搏信号频谱，将脉搏信号频谱特征通过预先训练的SVM分类器得到；

输血计算模块，用于将年龄、性别、血型、体重、血液状态参数和外输血液参数输入输血模型得到输血血液类型和输血血液量，所述外输血液参数包括外输血液的血细胞比容；所述输血模型是通过遗传算法建立的年龄、性别、体重、血型、血液状态参数和输血血液类型、输血血液量的历史数据之间的拟合关系；当用户以输血血液类型和输血血液量进行输血时，所需的输血血液量最低；

心脏负荷计算模块，用于将身体信息、输血血液类型和输血血液量输入心脏负荷模型得到用户输血后的心脏负荷值和输血速度、单次输血量之间的拟合曲线记为第一曲线；所述心脏负荷模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血速度、单次输血量和心脏负荷值之间的历史数据之间的映射关系；通过第一曲线找到不大于心脏负荷阈值的最大单次输血量和最大输血速度，通过最大单次输血量和输血血液量得到输血次数；将最大单次输血量记为第一单次输血量，最大输血速度记为第一输血速度；

血氧计算模块，用于将身体信息、输血血液类型输入血氧模型得到用户输血后的血氧含量和输血速度、输血时长之间的拟合曲线记为第二曲线；所述血氧模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血血液类型、输血速度、输血时长和血氧含量之间的历史数据的映射关系；通过第二曲线在最大输血速度下找到随着输血时长的实际血氧含量和血氧含量阈值之间的差值，根据差值动态调整外部补充吸氧量。

7.如权利要求6所述的一种用户输血的血液量确定系统，其特征在于，所述系统还包括：

血液凝结计算模块，用于当输血血液类型为异型血时，将身体信息、输血血液类型和输血血液量输入血液凝结模型得到用户输血后的血液凝结集聚度和输血速度、单次输血量之间的拟合曲线记为第三曲线；所述血液凝结模型是通过神经网络算法建立的年龄、性别、血型、体重、疾病信息、输血速度、单次输血量和血液凝结集聚度之间的历史数据之间的映射关系；通过第三曲线找到不大于血液凝结集聚度阈值的最大单次输血量和最大输血速度；将最大单次输血量记为第二单次输血量，最大输血速度记为第二输血速度；将最大输血速度更新为第一输血速度和第二输血速度两者之中的小者，将最大单次输血量记为第一单次输血量和第二单次输血量两者之中的小者。

8.如权利要求7所述的一种用户输血的血液量确定系统，其特征在于，所述系统还包括：

血液凝集补偿计算模块，用于当输入异型血后且外部补充吸氧量无法满足实际血氧含量和血氧含量阈值之间的差值时，若此时第二输血速度小于第一输血速度，将最大输血速度设为第一输血速度，并在异型血输入之前向其加入抗凝剂；将第一输血速度带入第三曲线得到血液凝结集聚度，根据血液凝结集聚度和集聚度阈值调整抗凝剂的加入量。

9.如权利要求7所述的一种用户输血的血液量确定系统，其特征在于，所述系统还包括：

第一调运模块，用于当输血血液类型为异型血且为输血次数至少为两次时，获取当前到下次输血的时间间隔，通过时间间隔、附近其他血站调运血液的运输时长和附近其他血站库存的输血血液类型来安排符合用户输血血液类型和输血血液量的剩余血液量的调运。

10.如权利要求9所述的一种用户输血的血液量确定系统，其特征在于，所述系统还包括：

第二调运模块，用于当输血血液类型为异型血且为输血次数至少为两次时，若当前到下次输血的时间间隔不足以从附近其他血站调运的运输时长，则查找血液库存有用户输血血液类型的最近的血站，所述调取的血液量为血液运输到达后的用户输血血液量的剩余血液量。