CN212880869U - 双水平呼吸功能监测及干预设备 - Google Patents
双水平呼吸功能监测及干预设备 Download PDFInfo
- Publication number
- CN212880869U CN212880869U CN202021487665.7U CN202021487665U CN212880869U CN 212880869 U CN212880869 U CN 212880869U CN 202021487665 U CN202021487665 U CN 202021487665U CN 212880869 U CN212880869 U CN 212880869U
- Authority
- CN
- China
- Prior art keywords
- training
- monitoring
- microcontroller
- respiratory
- motor driver
- 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.)
- Expired - Fee Related
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 230000004202 respiratory function Effects 0.000 title claims abstract description 26
- 238000012549 training Methods 0.000 claims abstract description 53
- 230000029058 respiratory gaseous exchange Effects 0.000 abstract description 4
- 210000004072 lung Anatomy 0.000 description 28
- 230000000241 respiratory effect Effects 0.000 description 18
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 16
- 238000003745 diagnosis Methods 0.000 description 14
- 238000000034 method Methods 0.000 description 13
- 229910002092 carbon dioxide Inorganic materials 0.000 description 8
- 239000001569 carbon dioxide Substances 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 206010035664 Pneumonia Diseases 0.000 description 4
- 230000004199 lung function Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 206010011409 Cross infection Diseases 0.000 description 3
- 206010029803 Nosocomial infection Diseases 0.000 description 3
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 201000004193 respiratory failure Diseases 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 201000006306 Cor pulmonale Diseases 0.000 description 2
- 208000004186 Pulmonary Heart Disease Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000009530 blood pressure measurement Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000036391 respiratory frequency Effects 0.000 description 2
- 210000003019 respiratory muscle Anatomy 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 206010003598 Atelectasis Diseases 0.000 description 1
- 241000711573 Coronaviridae Species 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 208000007123 Pulmonary Atelectasis Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 230000003434 inspiratory effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 231100000516 lung damage Toxicity 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
双水平呼吸功能监测及干预设备,包括显示器、控制按钮、微控制器、电机驱动器、风机、换向阀、流量传感器和监测训练模块;所述显示器电性连接控制按钮,控制按钮连接微控制器,微控制器连接电机驱动器,所述电机驱动器连接风机;所述风机通过导管连接换向阀,换向阀再通过导管连接人体,所述导管上设置有流量传感器;所述风机设置有两个,即风机1和风机2,两个风机并联,两个风机分别与电机驱动器串联;所述监测训练模块与流量传感器和微控制器电性连接。具体动态监测患者呼吸功能增加了处方模块;监测患者主动呼吸训练功能,根据数据进行处方诊断;协助患者进行被动呼吸功能训练。
Description
技术领域
本实用新型涉及呼吸监测技术领域,具体涉及双水平呼吸功能监测及干预设备。
背景技术
目前临床进行呼吸功能训练大多采用传统简易呼吸功能训练器进行呼吸肌的训练,或者鼓励患者深呼吸,进行吹气球等更为简易的方法进行患者呼吸肌的训练。其原理均是以阻抗训练为基础,增加呼吸肌强度与耐受度。
现有技术存在以下问题:1、呼吸训练不系统,由于临床工作较忙,医护人员很难监督患者完成足够的呼吸训练,无法掌握并记录训练的次数及效果;2、训练过程中无法动态监测患者的呼吸功能;3、缺乏训练后呼吸效果的评价。由于临床需要进行呼吸训练的人群大多为既往肺部薄弱,如慢性陈旧性肺炎、长期吸烟等,或长期卧床后造成坠积性肺炎、肺不张等,及一些需要进行外科手术,手术后需长期卧床影响肺部康复的患者。因此每一个患者都存在个性化问题,不可前篇一律采用同种呼吸训练方式。尤其在新冠病毒肺炎流行期间,患者肺炎后大多会造成不同程度的肺损害,同时在进行呼吸训练时极易造成医护人员的交叉感染。
实用新型内容
本实用新型为了解决上述问题,提出来双水平呼吸功能监测及干预设备;该技术可在患者进行肺部训练前完成肺部功能的评定,医生根据评定结果针对不同患者制定不同处方,实施过程中仪器不仅能够完成肺部训练,同时在训练时还会监测患者的肺部情况,不仅安全,同时还可通过监测指标动态评价呼吸训练的效果,医护人员可通过指标反馈时时调整处方,最终实现客观、智能、便捷、有效。对于新冠患者,不仅能够有效帮助患者肺部功能的恢复,同时减少医护人员交叉感染。
为了实现上述技术目的,达到上述技术效果,本实用新型是通过以下技术方案实现的:
双水平呼吸功能监测及干预设备,包括显示器、控制按钮、微控制器、电机驱动器、风机、换向阀、流量传感器和监测训练模块;所述显示器电性连接控制按钮,控制按钮连接微控制器,微控制器连接电机驱动器,所述电机驱动器连接风机;所述风机通过导管连接换向阀,换向阀再通过导管连接人体,所述导管上设置有流量传感器;所述风机设置有两个,即风机1和风机2,两个风机并联,两个风机分别与电机驱动器串联;所述监测训练模块与流量传感器和微控制器电性连接。
进一步的,所述监测训练模块对患者呼吸功能的动态监测,动态的肺部呼吸功能监测装置,完成呼吸信号的实时显示和分析,计算患者的呼吸指标,监测潮气量、肺顺应性、呼吸频率,气道压力、流速,气道阻力等,实现肺部呼吸功能系统监测。
进一步的,肺部呼吸功能训练及处方诊断算法,根据呼吸信号指标及医护人员设定的患者训练处方参数,采用自适应控制算法实现呼吸辅助等训练功能,并采用神经网络算法实现处方诊断功能。
进一步的,自适应:呼吸气体流量控制通常需要超调小、快速稳定、稳态精度高,为得到这些较理想的动态及稳态性能,本项目采用模糊PID自适应控制算法来弥补传统PID控制算法的不足,通过实例建模、算法设计、仿真试验、实物试验流程确定控制参数,实现气体流量控制超调量小、快速稳定,并且稳态精度高的目标。
进一步的,二氧化碳分压测定方法研究采用基于气体通透皮肤特性的方法实现二氧化碳分压测定,通过在体表放置传感器监测组织内的二氧化碳分压,实现无创测定。
本实用新型的有益效果是:双水平呼吸功能监测及干预设备具有以下优点:
设置有双水平呼吸功能,动态监测患者呼吸功能:潮气量、肺顺应性、呼吸频率、气道压力、流速、气道阻力、呼气末二氧化碳,保存记录数值,进行每日数据分析;增加处方模块;监测患者主动呼吸训练功能,根据数据进行处方诊断;协助患者进行被动呼吸功能训练;动态传导呼吸音,并进行诊断处方;该技术可在患者进行肺部训练前完成肺部功能的评定,医生根据评定结果针对不同患者制定不同处方,实施过程中仪器不仅能够完成肺部训练,同时在训练时还会监测患者的肺部情况,不仅安全,同时还可通过监测指标动态评价呼吸训练的效果,医护人员可通过指标反馈时时调整处方,最终实现客观、智能、便捷、有效。对于新冠患者,不仅能够有效帮助患者肺部功能的恢复,同时减少医护人员交叉感染。
当然,实施本实用新型的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本实用新型实施例的技术方案,下面将对实施例描述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实用新型的一些实施例,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是双水平呼吸功能监测及干预设备的原理结构示意图;
图2是气体流量控制系统结构示意图;
图3是控制系统数学模型结构;
图4是处方诊断流程图。
具体实施方式
下面将结合本实用新型实施例中的附图,对本实用新型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实用新型一部分实施例,而不是全部的实施例。基于本实用新型中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本实用新型保护的范围。
实施例
参阅图1-4所示,双水平呼吸功能监测及干预设备,包括显示器、控制按钮、微控制器、电机驱动器、风机、换向阀、流量传感器和监测训练模块;所述显示器电性连接控制按钮,控制按钮连接微控制器,微控制器连接电机驱动器,所述电机驱动器连接风机;所述风机通过导管连接换向阀,换向阀再通过导管连接人体,所述导管上设置有流量传感器;所述风机设置有两个,即风机1和风机2,两个风机并联,两个风机分别与电机驱动器串联;所述监测训练模块与流量传感器和微控制器电性连接。
实施例1
所述监测训练模块对患者呼吸功能的动态监测,动态的肺部呼吸功能监测装置,完成呼吸信号的实时显示和分析,计算患者的呼吸指标,监测潮气量、肺顺应性、呼吸频率,气道压力、流速,气道阻力等,实现肺部呼吸功能系统监测。
实施例2
肺部呼吸功能训练及处方诊断算法,根据呼吸信号指标及医护人员设定的患者训练处方参数,采用自适应控制算法实现呼吸辅助等训练功能,并采用神经网络算法实现处方诊断功能。自适应:呼吸气体流量控制通常需要超调小、快速稳定、稳态精度高,为得到这些较理想的动态及稳态性能,本项目采用模糊PID自适应控制算法来弥补传统PID控制算法的不足,通过实例建模、算法设计、仿真试验、实物试验流程确定控制参数,实现气体流量控制超调量小、快速稳定,并且稳态精度高的目标。
图2控制系统数学模型结构中,F1为设定流量,F2为实际流量,Tv是驱动系统滞后时间常数,Tn是流量回路滞后时间常数,Kv是驱动系统速度增益,Kf是齿轮泵的流量增益。
神经网络处方诊断
算法步骤如下:
(1)通过训练样本数据,得到SVM分类训练模型。本文选用径向基核函数,同时为了取得更好的分类效果,在训练过程中采用网格法对 SVM模型参数进行寻优。
(2)确定GDFNN训练样本。根据SVM的训练模型以及自分类精度情况,确定分值线(即支持矢量附近区域范围),该区域内的所有数据选定作为GDFNN的训练样本。
首先根据如下决策值函数得到每个训练样本的决策值
然后,按式(2)来计算区分每个样本距离支持矢量的程度,并按数值大小对训练样本进行排序
式中,va为vm所在类按式(1)所得的平均决策值。
最后,选择fm值最小的SK(1-dK+5%)个数据作为GDFNN 的训练样本。SK为第k个分类器的训练样本总数,dK为第k个分类器的自分类精度。
(3)利用步骤(2)得到的总体训练样本来训练GDFNN网络。
(4)设计诊断规则。采用SVM-GDFNN方法进行训练模式诊断时,本文按如下原则进行。
1)SVM得满票,且判值均在分值线之外,则无须进行GDFNN复诊,输出诊断类别以SVM结果为准。
2)除满足①以外的样本均需要进行GDFNN复诊判断,若GDFNN复诊结果与SVM相同则输出确诊类别以SVM结果为准。
3)若GDFNN复诊结果与SVM得票第二的类别一致,则确诊类别以 GDFNN为准。
4)若GDFNN结果均不同于SVM得票第一、二类别,且GDFNN结果数值误差小于阈值r,则确诊结果以GDFNN为准,反之以SVM为准。
(5)根据步骤(4)的原则,诊断测试样本的运动训练模式。
实施例3
二氧化碳分压测定方法研究
采用基于气体通透皮肤特性的方法实现二氧化碳分压测定,通过在体表放置传感器监测组织内的二氧化碳分压,实现无创测定。
测定二氧化碳分压(PCO2)对肺心病以及其他原因引起呼吸衰竭的病情判断具有重要价值。肺心病时大多数患者由于呼吸衰竭使动脉血的PCO2上升,如PCO2值超过50毫米汞柱即可确定有呼吸衰竭。
实施例4
肺顺应性是指单位压力改变时所引起的肺容积的改变,它代表了胸腔压力改变对肺容积的影响,肺顺应性又可分为静态肺顺应性 (Cst)和动态肺顺应性(Cdyn)。肺顺应性,是指肺在外力作用下发生改变的难易程度。肺的顺应性大,表示其变形能力强,即在较小的外力作用下引起较大的变形。对空腔器官说,顺应性大,则表示其可扩张性大,在较小的跨壁压作用下,就能引起较大的腔内容积改变。肺顺应性包括静态顺应性和动态顺应性。静态顺应性反应肺组织的弹性,动态顺应性受肺组织弹性和气道阻力的双重影响。
潮气量(Tidal volume,VT)是指平静呼吸时每次吸入或呼出的气量。它与年龄、性别、体积表面、呼吸习惯、机体新陈代谢有关。设定的潮气量通常指吸入气量。潮气量的设定并非恒定,应根据病人的血气分析进行调整。正常情况下:成人:8-10ml/kg,小儿: 6-10ml/kg。气道阻力是指气道内单位流量所产生的压力差,通常用 (气道口腔压-肺泡压)/流量来计算,以每秒钟内通气量为1L时的压力差来表示。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本实用新型的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。
以上公开的本实用新型优选实施例只是用于帮助阐述本实用新型。优选实施例并没有详尽叙述所有的细节,也不限制该实用新型仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本实用新型仅受权利要求书及其全部范围和等效物的限制。
Claims (1)
1.双水平呼吸功能监测及干预设备,其特征在于,包括显示器、控制按钮、微控制器、电机驱动器、风机、换向阀、流量传感器和监测训练模块;所述显示器电性连接控制按钮,控制按钮连接微控制器,微控制器连接电机驱动器,所述电机驱动器连接风机;所述风机通过导管连接换向阀,换向阀再通过导管连接人体,所述导管上设置有流量传感器;所述风机设置有两个,即风机1和风机2,两个风机并联,两个风机分别与电机驱动器串联;所述监测训练模块与流量传感器和微控制器电性连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202021487665.7U CN212880869U (zh) | 2020-07-24 | 2020-07-24 | 双水平呼吸功能监测及干预设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202021487665.7U CN212880869U (zh) | 2020-07-24 | 2020-07-24 | 双水平呼吸功能监测及干预设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN212880869U true CN212880869U (zh) | 2021-04-06 |
Family
ID=75292548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202021487665.7U Expired - Fee Related CN212880869U (zh) | 2020-07-24 | 2020-07-24 | 双水平呼吸功能监测及干预设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN212880869U (zh) |
-
2020
- 2020-07-24 CN CN202021487665.7U patent/CN212880869U/zh not_active Expired - Fee Related
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230320660A1 (en) | Devices and methods for monitoring physiologic parameters | |
JP4836453B2 (ja) | 呼吸仕事量を予測するための方法および装置 | |
CN105342563B (zh) | 睡眠状况的检测 | |
US20100147305A1 (en) | System and Method for the Automatic Detection of the Expiratory Flow Limitation | |
JP2023518805A (ja) | 肺炎またはその他の健康状態を予測、識別、および/または管理するための装置 | |
CN114983469B (zh) | 利用超声进行呼吸驱动评估的方法及装置 | |
Abid et al. | Model-based estimation of respiratory parameters from capnography, with application to diagnosing obstructive lung disease | |
CN111840931A (zh) | 双水平呼吸功能监测及干预设备 | |
CN212880869U (zh) | 双水平呼吸功能监测及干预设备 | |
CN108568064A (zh) | 一种智能呼吸内科用肺功能训练控制系统 | |
CN109498228B (zh) | 基于咳嗽音反馈的肺康复治疗装置 | |
Booker et al. | Interpretation and evaluation of pulmonary function tests | |
CN105960198B (zh) | 病患的智能医疗监测 | |
Chyliński et al. | Design and Implementation of an Embedded System for Respiratory Rate Examinations | |
CN108064178A (zh) | 使用呼气流量结合呼吸二氧化碳信号鉴定动态过度充气 | |
TWI772086B (zh) | 使用全卷積神經網路之呼吸暫停與不足事件偵測方法 | |
Li et al. | The study of intelligent control algorithm in CPAP ventilator | |
WO2023062420A1 (en) | Method and apparatus for smart respiratory monitoring by electrocardiogram, breath acoustics and thoracic acceleration | |
Liu et al. | Improved Qsofa Algorithm Based on PPG Wearable Device | |
WO2023077448A1 (zh) | 呼吸率监测方法及医疗通气设备 | |
Fagan et al. | A symbolic processing approach to measurement interpretation in the intensive care unit | |
Ionescu | From viscoelastic models to lung function devices | |
Azmin et al. | Consistency Data of Peak Expiration Flow, SpO2 Level and Heart Rate Measurement using Spirometer Volume (SpiroLuME) Device | |
WO2020199102A1 (zh) | 一种液体反应性的检测装置和方法 | |
Szmajda et al. | Three methods for determining the respiratory waves from ECG (Part II) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210406 Termination date: 20210724 |