CN117991113A - 一种预测神经刺激器的剩余电量使用时长的方法 - Google Patents
一种预测神经刺激器的剩余电量使用时长的方法 Download PDFInfo
- Publication number
- CN117991113A CN117991113A CN202410130712.9A CN202410130712A CN117991113A CN 117991113 A CN117991113 A CN 117991113A CN 202410130712 A CN202410130712 A CN 202410130712A CN 117991113 A CN117991113 A CN 117991113A
- Authority
- CN
- China
- Prior art keywords
- current value
- preset
- preset working
- battery
- duration
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000001537 neural effect Effects 0.000 title claims abstract description 26
- 230000000638 stimulation Effects 0.000 claims description 49
- 238000012937 correction Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 210000005036 nerve Anatomy 0.000 description 18
- 230000007613 environmental effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 210000000278 spinal cord Anatomy 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 210000000653 nervous system Anatomy 0.000 description 3
- 206010020853 Hypertonic bladder Diseases 0.000 description 2
- 208000009722 Overactive Urinary Bladder Diseases 0.000 description 2
- 208000002193 Pain Diseases 0.000 description 2
- 208000018737 Parkinson disease Diseases 0.000 description 2
- 208000004983 Phantom Limb Diseases 0.000 description 2
- 206010056238 Phantom pain Diseases 0.000 description 2
- 208000004550 Postoperative Pain Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 206010015037 epilepsy Diseases 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004007 neuromodulation Effects 0.000 description 2
- 208000020629 overactive bladder Diseases 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000004936 stimulating effect Effects 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002858 neurotransmitter agent Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Landscapes
- Electrotherapy Devices (AREA)
Abstract
本说明书提供一种预测神经刺激器的剩余电量使用时长的方法,所述方法应用于神经刺激器,包括:针对周期性运行的一个或多个预设工作模式,确定各个预设工作模式下的电流值和对应的时长系数,其中,所述时长系数为一个周期内所述预设工作模式的预设工作时长与所述一个周期的总时长之比,所述总时长为一个周期内的所有预设工作模式的预设工作时长之和。将各个预设工作模式下的电流值与对应时长系数的乘积之和作为平均工作电流值。基于电池剩余电量和所述平均工作电流值,确定剩余电量使用时长。
Description
技术领域
本说明书涉及医疗器械技术领域,尤其涉及一种预测神经刺激器的剩余电量使用时长的方法。
背景技术
神经调控是一种通过电流刺激神经阻碍非正常神经信号传播从而治疗神经信号异常导致的各类疾病的新型治疗方式。例如针对慢性术后疼痛幻肢疼痛等各类疼痛病症,通常采用SCS(脊髓神经刺激器)进行治疗;针对帕金森病、癫痫等通常采用DBS(脑起搏器)进行治疗;针对膀胱过度活动症采用SNS(骶神经刺激器)进行治疗等。
但由于病患个体间的差异(年龄、性别、体重等因素)以及病情程度的不同,单一电刺激往往无法覆盖多种治疗场景,无法根据个体差异针对性治疗。故而,神经刺激器往往设置多种电刺激模式以供医生患者选择,如低频刺激模式、高频刺激模式、混合频率刺激模式、变频刺激模式等等。或者根据电刺激的不同幅度、不同频率、不同脉宽时间之间的组合以形成如变频刺激模式、睡眠刺激模式、爆发刺激模式、运动刺激模式、省电刺激模式等。
但当用户根据实际需要进行频繁的刺激模式切换时,则无法准确对电池剩余可用时长进行预估。当无法及时给神经刺激器充电,既影响治疗效果又给患者带来糟糕的使用体验。
发明内容
为克服相关技术中存在的问题,本说明书提供了一种预测神经刺激器的剩余电量使用时长的方法。
根据本说明书实施例的第一方面,提供一种预测神经刺激器的剩余电量使用时长的方法,所述方法应用于神经刺激器,包括:
针对周期性运行的一个或多个预设工作模式,确定各个预设工作模式下的电流值和对应的时长系数,其中,所述时长系数为一个周期内所述预设工作模式的预设工作时长与所述一个周期的总时长之比,所述总时长为一个周期内的所有预设工作模式的预设工作时长之和;
将各个预设工作模式下的电流值与对应时长系数的乘积之和作为平均工作电流值;
基于电池剩余电量和所述平均工作电流值,确定剩余电量使用时长。
根据本说明书实施例的第二方面,提供一种预测神经刺激器的剩余电量使用时长的装置,所述装置应用于神经刺激器,包括:
确定预设工作模式模块,用于针对周期性运行的一个或多个预设工作模式,确定各个预设工作模式下的电流值和对应的时长系数,其中,所述时长系数为一个周期内所述预设工作模式的预设工作时长与所述一个周期的总时长之比,所述总时长为一个周期内的所有预设工作模式的预设工作时长之和;
确定平均工作电流值模块,用于将各个预设工作模式下的电流值与对应时长系数的乘积之和作为平均工作电流值;
确定剩余电量使用时长模块,用于基于电池剩余电量和所述平均工作电流值,确定剩余电量使用时长。
根据本说明书实施例的第三方面,提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述方法的步骤。
根据本说明书实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如第一方面所述方法的步骤。
本说明书的实施例提供的技术方案可以包括以下有益效果:
在本说明书实施例中,考虑到神经刺激器在不同工作模式下的输出电流值不同,针对神经刺激器周期性运行的一个或多个预设工作模式,计算神经刺激器的平均电流值,可以更准确地估计神经刺激器的电量消耗速度,从而更准确地预测剩余电量使用时长,让患者可以提前规划充电安排,减少用电焦虑。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本说明书的实施例,并与说明书一起用于解释本说明书的原理。
图1是本说明书根据一示例性实施例示出的一种预测神经刺激器的剩余电量使用时长的方法的应用场景图。
图2是本说明书根据一示例性实施例示出的一种预测神经刺激器的剩余电量使用时长的方法的流程图。
图3是本说明书根据一示例性实施例示出的神经刺激器在不同工作模式下的工作过程的示意图。
图4是本说明书根据一示例性实施例示出的一种电子设备的结构示意图。
图5是本说明书根据一示例性实施例示出的一种预测神经刺激器的剩余电量使用时长的装置的框图。
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说明书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、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
神经调控是一种通过电流刺激神经阻碍非正常神经信号传播从而治疗神经信号异常导致的各类疾病的新型治疗方式。例如针对慢性术后疼痛幻肢疼痛等各类疼痛病症,通常采用SCS(脊髓神经刺激器)进行治疗;针对帕金森病、癫痫等通常采用DBS(脑起搏器)进行治疗;针对膀胱过度活动症采用SNS(骶神经刺激器)进行治疗等。
但由于病患个体间的差异(年龄、性别、体重等因素)以及病情程度的不同,单一电刺激往往无法覆盖多种治疗场景,无法根据个体差异针对性治疗。故而,神经刺激器往往设置多种电刺激模式以供医生患者选择,如低频刺激模式、高频刺激模式、混合频率刺激模式、变频刺激模式等等。或者根据电刺激的不同幅度、不同频率、不同脉宽时间之间的组合以形成如变频刺激模式、睡眠刺激模式、爆发刺激模式、运动刺激模式、省电刺激模式等。
但当用户根据实际需要进行频繁的刺激模式切换时,则无法对电池剩余可用时长进行准确预估。当无法及时给予神经刺激器充电,既影响治疗效果又给患者带来糟糕的使用体验。
针对上述问题,本说明书提出一种预测神经刺激器的剩余电量使用时长的方法。
接下来对本说明书实施例进行详细说明。
如图1所示,神经刺激器10是一种医疗设备,用于通过电流、电压、电磁场或药物等方式刺激人体的神经系统,被广泛应用于临床医疗。神经刺激器可以不限于脑起搏器(DeepBrain Stimulation,DBS)、脊髓刺激器(Spinal Cord Stimulation,SCS)以及神经调节器(Neurostimulator)等。本说明书提出的预测神经刺激器的剩余电量使用时长的方法可以应用于神经刺激器10,以预测神经刺激器10的剩余电量使用时长。
神经刺激器10可以通过无线网络20与程控仪30通信,以使得程控仪30可以管理和控制神经刺激器10的功能。例如,通过程控仪30设置神经刺激器的工作模式。除此之外,程控仪30也可以监控、记录或者分析神经刺激器10的使用数据,以用于评估治疗效果。
无线网络20可以不限于无线局域网、蜂窝网络、蓝牙、射频识别等无线通信方式。
程控仪30可以是安装有医疗应用程序的手机、电脑等电子设备,通过该电子设备上安装的医疗应用程序实现对神经刺激器10的远程控制。程控仪30也可以是独立的硬件设备,具有专门的界面、控制按钮和显示屏,来实现对神经刺激器10的远程控制。
如图2所示,图2是本说明书根据一示例性实施例示出的一种预测神经刺激器的剩余电量使用时长的方法的流程图,包括以下步骤:
步骤201:针对周期性运行的一个或多个预设工作模式,确定各个预设工作模式下的电流值和对应的时长系数。
医疗人员可以在图1的程控仪30上设置神经刺激器10的工作模式,该工作模式可以是生产厂家预先在程控仪30上存储的各种电刺激模式,例如,针对常见的治疗场景,设置多种电刺激模式以供医生或者患者选择。也可以是医疗人员通过综合考虑病人的临床状况以及治疗目的,所设置的个性化的电刺激模式,以更好地满足病人的需求和治疗目的。
每种工作模式通常会涉及到电流强度、刺激信号的频率、刺激脉冲的持续时间以及刺激脉冲模式等不同参数。由于神经刺激器的耗电情况主要与电流强度和工作时长有关,因此,本方案可以选取每种工作模式的输出电流值以及该工作模式对应的持续时长两个参数,来预测电池的剩余电量使用时长。
在一实施例中,若为神经刺激器设置多个工作模式,则神经刺激器可以在一个周期内按照设置的工作模式序列依次切换运行,每个工作模式具有各自设定的持续时长和电流强度。例如,如图3所示,在第一周期内,有n+1个工作模式,每个工作模式具有各自设定的持续时长和电流值。第一个工作模式按照电流值为I1持续运行T1小时,继而切换到第二个工作模式,第二工作模式按照电流值为I2持续运行T2小时,以此类推,直到第n+1个工作模式运行完毕,则第一周期内的所有工作模式运行结束,接下来继续循环运行第二周期、第三周期、...第n周期,其中,不同周期的工作模式序列相同。
时长系数为一个周期内预设工作模式的预设工作时长与一个周期的总时长之比,总时长为一个周期内的所有预设工作模式的预设工作时长之和。例如,如图3,任一周期的工作总时长为T1+T2+...Tn+Tstb,第一工作模式的时长系数为T1/(T1+T2+...Tn+Tstb),第二工作模式的时长系数为T2/(T1+T2+...Tn+Tstb),以此类推,第n+1工作模式的时长系数为Tstb/(T1+T2+...Tn+Tstb)。
为了让患者的神经系统得到更好的休息和恢复,一般并不会连续性刺激患者的神经系统太久。例如,在相邻的电刺激模式之间,可以设置休息时长,在该休息时长内,神经刺激器处于待机模式,并停止向患者发送刺激信号。当然,也可以在相邻刺激周期之间,设置休息时长,例如,在图3中,在第一周期和第二周期之间,设置休息时长Tstb,在该休息时长内的神经刺激器的待机电流为Tstb。需要说明的是,为了表述方便,本方案在文字描述上没有明确区分电刺激模式和待机模式,将待机模式和电刺激模式均称为神经刺激器的工作模式。
在另一实施例中,若为神经刺激器设置单个工作模式,即采用单一刺激模式进行治疗,一个周期内只运行一个工作模式,则该工作模式的工作时长与一个周期的工作总时长相等,该工作模式对应的时长系数为1。
接下来,本说明书示出三种确定神经刺激器在预设工作模式下的电流值的方式:
在一实施例中,可以将预设工作模式对应的设定刺激电流值作为神经刺激器在该工作模式下的实际输出电流值。神经刺激器的每种工作模式对应着特定的刺激电流参数设置,预设工作模式对应的设定刺激电流值是在特定工作模式下设置的刺激电流值。
在一实施例中,可以在神经刺激器上布置工作电流监测电路,用于监测神经刺激器在不同预设工作模式下的实际输出电流值。例如,可以在神经刺激器上安装一个电流传感器,将电流传感器与神经刺激器中用于输出工作电流的电路连接,以读取神经刺激器在不同预设工作模式下的实际输出电流值。并且,将工作电流监测电路连接到用于读取电流值的数据处理装置,该装置可以是微处理器、数字信号处理器或者其他装置,用于记录和处理实际输出电流值。在本实施例中,通过在神经刺激器上布置工作电流监测电路,可以实时监测神经刺激器在不同预设工作模式下的实际输出电流值。
在一实施例中,可以在神经刺激器上布置人体阻抗监测电路,用于在神经刺激器工作期间检测人体的阻抗值。根据预设工作模式对应的预设电路转换效率、预设工作模式对应的设定刺激电流值、当前电池的电压值以及当前监测的人体阻抗值,确定预设工作模式下的电流值。
其中,预设工作模式对应的预设电路转换效率是指在给定电压下将电能转换为刺激电流的效率,表征神经刺激器在特定工作模式下将输入电源电压转换为输出电流的能力。预设电路转换效率可以通过比较实际输出刺激的功率与电池输出功率之间的比值计算得出,它可以表示一个百分比。例如,如果神经刺激器的电路转换效率为90%,则意味着在给定的电压下,有90%的电能被转换为刺激电流,而剩余的10%可能被耗散为热量或者其他形式的能量损失。因此,不同的预设工作模式具有各自的预设电路转换效率。
优选地,本方案提出一种计算预设工作模式下的电流值的公式1:
I=Iset*Iset/Rb/ef/Vbat (公式1)
其中,I为预设工作模式下的电池端输出电流值,Iset为预设工作模式对应的设定刺激电流值,Rb为神经刺激器在预设工作模式的工作期间监测人体的阻抗值,ef为预设工作模式对应的预设电路转换效率,Vbat为当前电池的电压值。
步骤202:将各个预设工作模式下的电流值与对应时长系数的乘积之和作为平均工作电流值。
在一实施例中,神经刺激器周期性运行多个预设工作模式。例如,一个周期内的预设工作模式为工作模式1、工作模式2、工作模式3。工作模式1的电流值为1mA,时长系数为0.1;工作模式2的电流值为0.5mA,时长系数为0.4;工作模式3的电流值为0.4mA,时长系数为0.5;不难得出,平均工作电流为1*0.1+0.5*0.4+0.4*0.5=0.5mA。
在另一实施例中,神经刺激器周期性运行一个预设工作模式。例如,一个周期内的预设工作模式为工作模式1,工作模式1的电流值为1mA,时长系数为1,不难得出,平均工作电流为1*1=1mA。
步骤203:基于电池剩余电量和所述平均工作电流值,确定剩余电量使用时长。
在一实施例中,可以通过如下公式2来预测剩余电量使用时长:
剩余电量使用时长=电池剩余电量/平均工作电流值(公式2)
将获取的电池剩余电量和步骤202计算的平均工作电流值,代入公式2中,将电池剩余电量和平均工作电流值之比作为剩余电量使用时长。例如,若检测到电池剩余电量为200mAh,平均工作电流为5mA,则预测的剩余电量使用时长为200mAh/5mA=40h。关于检测电池剩余电量的方法,可以参见相关技术,本说明书在此不再赘述。
本实施例的计算方法简单,仅需要获取电池剩余电量和平均工作电流两个参数,并进行简单的除法运算即可得到剩余电量使用时长,无需进行复杂的分析,可以节省神经刺激器的计算资源,这对于处理性能较弱的神经刺激器非常有利。
在一实施例中,可以对前述公式2的预测结果进行校正,以提高预测结果的准确性。具体地,通过记录神经刺激器的剩余电量实际使用时长,并与预测的剩余电量使用时长进行比较,可以计算出一个校正系数,根据该校正系数对公式2预测的剩余电量使用时长进行调整,以提高准确性。优选地,在电池剩余电量和平均工作电流值之比的结果上乘以校正系数,作为剩余电量使用时长,其中,校正系数为历史剩余电量使用时长的实际值和对应的历史剩余电量使用时长的预测值之比。例如,电池剩余电量为200mAh,平均工作电流为5mA,则预测的剩余电量使用时长为200mAh/5mA=40h。但是,电池剩余电量为200mAh时,实际使用时长为45h,则校正系数可以为45/40=1.125。优选地,随着时间的推移或特定事件的发生,电池的性能或者环境条件可能会发生变化,以前计算的校正系数无法准确反映当前的电池状态和环境因素。因此,可以定期调整校正系数的大小。例如,每隔一段时间或者特定事件(如电池更换、环境变化),重新计算校正系数的大小,并利用重新计算的校准系数,对剩余电量使用时长的预测结果进行校正。通过定期更新校正系数,可以适应环境变化带来的不确定性。
在一实施例中,随着电池的使用和老化,其容量会逐渐减少,若在公式2的基础上,考虑电池容量衰减,将会极大提高预测电池剩余电量使用时长的准确性。优选地,将电池剩余电量乘以衰减系数后,与平均工作电流值之比作为剩余电量使用时长,其中,衰减系数与电池使用年限成反比,衰减系数的取值范围介于(0,1]。
优选地,衰减系数可以通过如下方式获得:
首先,根据电池的初始容量和一定使用时长后的的当前实际容量来计算容量衰减率:
容量衰减率=(初始容量-当前实际容量)/使用时长(公式3)
其中,初始容量可以参考电池的额定容量,当前实际容量为最新的容量测量值,使用时长为电池从初始容量到当前容量所经历的时长。
然后,将容量衰减率转换为衰减系数,衰减系数可以通过如下公式4计算:
衰减系数=1-容量衰减率/初始容量(公式4)
通过本实施例,预测结果将根据电池的实际容量和使用年限进行调整,以更准确地预测电池的剩余电量使用时长。
在一实施例中,考虑到电池放电过程中的损耗和不确定性,实际情况可能受到多种不确定性因素影响,如电池老化、环境温度变化等因素,要准确衡量影响电池剩余电量使用时长的各种不确定性因素,需要付出一定的成本和投入。因此,可以通过引入不确定性系数来调低公式2所预测的剩余电量使用时长,以粗略反映各种不确定性因素的影响范围。优选地,在电池剩余电量和平均工作电流值之比的结果上乘以预设不确定性系数,作为剩余电量使用时长。其中,该不确定性系数可以根据经验进行估计,该不确定性系数是一个不大于1的值。优选地,可以根据电池使用年限,递减不确定性系数的大小。例如,在电池使用的第一年,不确定性系数为0.8,在电池使用的第二年,不确定性系数降为0.7,以此逐年递减。优选地,可以考虑环境温度对电池耗电速度的影响,极端温度(高温或者低温)情况下,适度调低不确定性系数,以更悲观地估计剩余电量使用时长。
在本实施例中,与其他校正剩余电量使用时长的预测结果的方法相比,不确定性系数的引入是一种相对简单和直接的方法,不需要复杂的数据采集、建模或算法开发过程,且不确定性系数可以综合反映多种不确定性因素,例如,电池健康状态、环境条件以及用户行为等多个因素,并在预测结果的基础上进行整体调整。
与前述方法的实施例相对应,本说明书还提供了装置及其所应用的终端的实施例。
如图4所示,图4是本说明书根据一示例性实施例示出的一种电子设备的结构示意图。在硬件层面,该设备包括处理器402、内部总线404、网络接口406、内存408以及非易失性存储器410,当然还可能包括其他业务所需要的硬件。本说明书一个或多个实施例可以基于软件方式来实现,比如由处理器402从非易失性存储器410中读取对应的计算机程序到内存408中然后运行。当然,除了软件实现方式之外,本说明书一个或多个实施例并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑模块,也可以是硬件或逻辑器件。
如图5所示,图5是本说明书根据一示例性实施例示出的一种预测神经刺激器的剩余电量使用时长的装置的框图。该装置可以应用于如图4所示的电子设备中,该电子设备可以是神经刺激器,以实现本说明书的技术方案。所述装置包括:
确定预设工作模式模块502,用于针对周期性运行的一个或多个预设工作模式,确定各个预设工作模式下的电流值和对应的时长系数,其中,所述时长系数为一个周期内所述预设工作模式的预设工作时长与所述一个周期的总时长之比,所述总时长为一个周期内的所有预设工作模式的预设工作时长之和;
确定平均工作电流值模块504,用于将各个预设工作模式下的电流值与对应时长系数的乘积之和作为平均工作电流值;
确定剩余电量使用时长模块506,用于基于电池剩余电量和所述平均工作电流值,确定剩余电量使用时长。
可选地,所述神经刺激器上布置有工作电流监测电路,用于监测所述神经刺激器在不同预设工作模式下的实际输出电流值,所述确定预设工作模式模块502,具体用于获取所述工作电流监测电路监测到的所述预设工作模式下的实际输出电流值。
可选地,所述神经刺激器上布置有人体阻抗监测电路,用于在所述神经刺激器工作期间监测人体的阻抗值,所述确定预设工作模式模块502,具体用于根据所述预设工作模式对应的预设电路转换效率、所述预设工作模式对应的设定刺激电流值、当前电池的电压值以及当前监测的人体阻抗值,确定预设工作模式下的电流值。
可选地,所述确定剩余电量使用时长模块506,具体用于将所述电池剩余电量和所述平均工作电流值之比作为所述剩余电量使用时长。
可选地,所述确定剩余电量使用时长模块506,具体用于在所述电池剩余电量和所述平均工作电流值之比的结果上乘以校正系数,作为所述剩余电量使用时长,其中,所述校正系数为历史剩余电量使用时长的实际值和对应的历史剩余电量使用时长的预测值之比。
可选地,所述确定剩余电量使用时长模块506,具体用于将所述电池剩余电量乘以衰减系数后,与所述平均工作电流值之比作为所述剩余电量使用时长,其中,所述衰减系数与电池使用年限成反比。
可选地,所述确定剩余电量使用时长模块506,具体用于在所述电池剩余电量和所述平均工作电流值之比的结果上乘以预设不确定性系数,作为所述剩余电量使用时长。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本说明书还提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现本申请提供的前述任一种预测神经刺激器的剩余电量使用时长的方法的步骤。
具体的,适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、媒介和存储器设备,例如包括半导体存储器设备(例如EPROM、EEPROM和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及CD ROM和DVD-ROM盘。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本领域技术人员在考虑说明书及实践这里申请的发明后,将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、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说明书的一般性原理并包括本说明书未申请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,本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是,本说明书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。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
Claims (10)
1.一种预测神经刺激器的剩余电量使用时长的方法,其特征在于,所述方法应用于神经刺激器,包括:
针对周期性运行的一个或多个预设工作模式,确定各个预设工作模式下的电流值和对应的时长系数,其中,所述时长系数为一个周期内所述预设工作模式的预设工作时长与所述一个周期的总时长之比,所述总时长为一个周期内的所有预设工作模式的预设工作时长之和;
将各个预设工作模式下的电流值与对应时长系数的乘积之和作为平均工作电流值;
基于电池剩余电量和所述平均工作电流值,确定剩余电量使用时长。
2.根据权利要求1所述的方法,其特征在于,所述神经刺激器上布置有工作电流监测电路,用于监测所述神经刺激器在不同预设工作模式下的实际输出电流值,确定预设工作模式下的电流值,包括:
获取所述工作电流监测电路监测到的所述预设工作模式下的实际输出电流值。
3.根据权利要求1所述的方法,其特征在于,所述神经刺激器上布置有人体阻抗监测电路,用于在所述神经刺激器工作期间监测人体的阻抗值,确定预设工作模式下的电流值,包括:
根据所述预设工作模式对应的预设电路转换效率、所述预设工作模式对应的设定刺激电流值、当前电池的电压值以及当前监测的人体阻抗值,确定预设工作模式下的电流值。
4.根据权利要求1所述的方法,其特征在于,所述基于电池剩余电量和所述平均工作电流值,确定剩余电量使用时长,包括:
将所述电池剩余电量和所述平均工作电流值之比作为所述剩余电量使用时长。
5.根据权利要求1所述的方法,其特征在于,所述基于电池剩余电量和所述平均工作电流值,确定剩余电量使用时长,包括:
在所述电池剩余电量和所述平均工作电流值之比的结果上乘以校正系数,作为所述剩余电量使用时长,其中,所述校正系数为历史剩余电量使用时长的实际值和对应的历史剩余电量使用时长的预测值之比。
6.根据权利要求1所述的方法,其特征在于,所述基于电池剩余电量和所述平均工作电流值,确定剩余电量使用时长,包括:
将所述电池剩余电量乘以衰减系数后,与所述平均工作电流值之比作为所述剩余电量使用时长,其中,所述衰减系数与电池使用年限成反比。
7.根据权利要求1所述的方法,其特征在于,所述基于电池剩余电量和所述平均工作电流值,确定剩余电量使用时长,包括:
在所述电池剩余电量和所述平均工作电流值之比的结果上乘以预设不确定性系数,作为所述剩余电量使用时长。
8.一种预测神经刺激器的剩余电量使用时长的装置,其特征在于,所述装置应用于神经刺激器,包括:
确定预设工作模式模块,用于针对周期性运行的一个或多个预设工作模式,确定各个预设工作模式下的电流值和对应的时长系数,其中,所述时长系数为一个周期内所述预设工作模式的预设工作时长与所述一个周期的总时长之比,所述总时长为一个周期内的所有预设工作模式的预设工作时长之和;
确定平均工作电流值模块,用于将各个预设工作模式下的电流值与对应时长系数的乘积之和作为平均工作电流值;
确定剩余电量使用时长模块,用于基于电池剩余电量和所述平均工作电流值,确定剩余电量使用时长。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410130712.9A CN117991113A (zh) | 2024-01-30 | 2024-01-30 | 一种预测神经刺激器的剩余电量使用时长的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410130712.9A CN117991113A (zh) | 2024-01-30 | 2024-01-30 | 一种预测神经刺激器的剩余电量使用时长的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117991113A true CN117991113A (zh) | 2024-05-07 |
Family
ID=90897234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410130712.9A Pending CN117991113A (zh) | 2024-01-30 | 2024-01-30 | 一种预测神经刺激器的剩余电量使用时长的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117991113A (zh) |
-
2024
- 2024-01-30 CN CN202410130712.9A patent/CN117991113A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7751891B2 (en) | Power supply monitoring for an implantable device | |
CN108348750B (zh) | 自动化程序优化 | |
US8538513B2 (en) | Stimulation electrode selection | |
US8886323B2 (en) | Electrical brain stimulation in gamma band | |
US8914115B2 (en) | Selecting therapy cycle parameters based on monitored brain signal | |
US7366571B2 (en) | Neurostimulator with activation based on changes in body temperature | |
US8532757B2 (en) | Stimulation electrode selection | |
EP3417908B1 (en) | Method and system for detecting early battery depletion condition | |
CN104225790A (zh) | 闭环神经刺激系统 | |
US20120265266A1 (en) | Device longevity prediction for a device having variable energy consumption | |
US10391313B2 (en) | Systems and methods for the development of therapy paradigms for neurological treatments | |
US10231621B2 (en) | Use of a progressive compression encoding of physiologic waveform data in an implantable device to support discontinuing transmission of low-value data | |
US20210001129A1 (en) | Methods, Systems, and Devices that Estimate Remaining Longevity of an Implanted Medical Device with Improved Accuracy | |
CN117991113A (zh) | 一种预测神经刺激器的剩余电量使用时长的方法 | |
US20220230743A1 (en) | Medical device management using risk control measures | |
US20220230742A1 (en) | Medical device management | |
US11493556B2 (en) | Methods of determining battery life in an implantable medical device | |
CN117895624B (zh) | 植入设备的充电提醒方法及相关装置 | |
US20240009469A1 (en) | System for determining an estimate of battery capacity for an implantable device | |
US20240065620A1 (en) | Systems for determining medication-adjusted clinical effects | |
CA2574438A1 (en) | Impedance measurement for an implantable device | |
CN106250633A (zh) | 一种脑起搏器的电量监测方法以及电量监测系统 | |
EP4313269A1 (en) | Methods and systems for estimating neural activation by stimulation using a stimulation system |
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 |