Including a sign monitoring system, a receiving module, collected in the first time, receiving the original respiratory data; the filter module, the vibration sound signal acquisition amplification filtering and denoising and analog-to-digital conversion based on respiratory data; fitting correction module, based on the data of breath Gauss statistics, and the mutation data correction; comparison module in second time, judge the data probability digital vibration sound signal second time Gauss statistics during the first period of time based on the data and experience of probability threshold comparison, when the digital vibration sound signal pre judgment data probability value is greater than the threshold of experience. Results are given second values, and gives a warning signal; alarm module, receiving a warning signal output compare module, and external alarm signal The data accuracy of the digital vibratory sound signal is judged. The system of this invention has the ability of self-renewal in the process of monitoring data processing, and it is a respiratory data processing system with high reliability, low complexity and appropriate output variables.
【技术实现步骤摘要】
一种体征监测系统
本专利技术涉及一种体征监测系统领域,特别是涉及呼吸监测领域。
技术介绍
上个世纪六十年代中期的机械呼吸机被设计成支持肺泡同期并且对由于神经肌肉损伤而不能呼吸的患者提供补充的氧气。从那时起,机械呼吸机已经响应于对肺部病理生理学的不断理解而便得越来越精密和复杂。在努力提升患者对机械通气的耐受性中,研发了辅助通气模式或者患者触发的通气模式。在上世纪七十年代间歇强制通气变得可用时,机械支持补充自发通气的布局正压通气支持对于手术室外的成年人来说成为可能。不断研发了满足严重受伤患者的需求的各种可替选的通气方式。类似地,已经研发出便于使用的小型呼吸机,以支持需求较少的支持的患者。这些呼吸机通常利用非侵入性的极致来与患者进行连接。近年来,已经将微处理器引入到现代呼吸机中。微处理器呼吸机通常配备有检测每次呼吸的流量、压力、容积并且得出机械呼吸参数的传感器。传感器精确地感测并将其转换,特别是与计算机技术相结合,使得临床医生、患者及呼吸机之间的交互相比之前更加精细。现有技术的微处理器控制的呼吸机由于放置了转换数据信号所需要的传感器而成熟。因此,研发了复杂的算法,以使呼吸机可以基于每次呼吸来估计患者肺部中实际上发生了什么。实际上,在计算机控制的现有技术的呼吸机受限于试图模仿提供给患者的呼吸机支持中的因果关系的数学算法的精度、可靠性及实用性。因此,本专利技术不仅需要对大量采集到的呼吸数据进行快速地个性化建模分析,得出针对不同患者最佳的参量函数,同时保证在监控数据处理过程中有自我更新的能力,最后保证输出的变量和曲线更加完美且易于观察。最后研究出这种可靠性高、复杂度低 ...
【技术保护点】
一种体征监测系统,其特征在于:所述体征监测系统包括:接收模块,在第一时间采集接收原始呼吸数据,即通过呼吸音传感器所测量的监测对象呼吸时所产生的振动音信号;过滤模块,对采集的振动音信号进行放大滤波以及去噪处理并进行模数转换,转换为数字化振动音信号形成待处理的基础呼吸数据;拟合修正模块,将所述数字化振动音信号输入高斯模型对基础呼吸数据进行高斯性统计,并记录第一时间段内所述数字化振动音信号发生的概率,并且对突变数据进行修正;比较模块,在第二时间段,基于第一时间段内的高斯性统计数据判断第二时间段内的数字化振动音信号的数据概率,同时对突变数据进行修正,将所述数据概率与经验阈值相比较,当所述数据概率小于所述经验阈值时给出第一判断结果值,当在一定时间内多次出现所述数据概率大于所述经验阈值时,给出第二判断结果值,并给出警告信号;机器学习及预判断模块,接收并基于拟合修正模块输出的数据,在第二时间段内对所述数字化振动音信号进行机器学习,从而对数字化振动音信号进行预判断;对所述数字化振动音信号的预判断值的数据概率与经验阈值相比较,当数字化振动音信号的预判断值的数据概率小于所述经验阈值时给出第一判断结果值,当 ...
【技术特征摘要】
1.一种体征监测系统,其特征在于:所述体征监测系统包括:接收模块,在第一时间采集接收原始呼吸数据,即通过呼吸音传感器所测量的监测对象呼吸时所产生的振动音信号;过滤模块,对采集的振动音信号进行放大滤波以及去噪处理并进行模数转换,转换为数字化振动音信号形成待处理的基础呼吸数据;拟合修正模块,将所述数字化振动音信号输入高斯模型对基础呼吸数据进行高斯性统计,并记录第一时间段内所述数字化振动音信号发生的概率,并且对突变数据进行修正;比较模块,在第二时间段,基于第一时间段内的高斯性统计数据判断第二时间段内的数字化振动音信号的数据概率,同时对突变数据进行修正,将所述数据概率与经验阈值相比较,当所述数据概率小于所述经验阈值时给出第一判断结果值,当在一定时间内多次出现所述数据概率大于所述经验阈值时,给出第二判断结果值,并给出警告信号;机器学习及预判断模块,接收并基于拟合修正模块输出的数据,在第二时间段内对所述数字化振动音信号进行机器学习,从而对数字化振动音信号进行预判断;对所述数字化振动音信号的预判断值的数据概率与经验阈值相比较,当数字化振动音信号的预判断值的数据概率小于所述经验阈值时给出第一判断结果值,当数字化振动音信号的预判断值的数据概率大于所述经验阈值时,给出第二判断结果值,并给出警告...
【专利技术属性】
技术研发人员:王英美,
申请(专利权)人:青岛康庆和医药科技有限责任公司,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。