一种血液透析过程的监测方法技术

本发明专利技术涉及一种血液透析过程的监测方法。所述方法包括：采集包括患者历史透析数据在内的历史透析数据进行预处理得到总样本集；将总样本集划分为训练集和测试集；利用BP神经网络对训练集进行训练得到红细胞压积预测模型，利用测试集对预测模型进行测试；患者进行透析前，提取上一次透析后的体重、采集患者当前的体重及红细胞压积，将这些数据进行预处理后输入到预测模型中进行预测得到透析后的红细胞压积；将预测的红细胞压积作为域值对患者血液透析过程进行红细胞压积的监测。本发明专利技术由于红细胞压积域值是利用BP网路预测得到的，鲁棒性好，基于预测的红细胞压积域值进行血液透析的智能化监测，可以有效降低血液透析过程患者出现低血压概率。

A monitoring method for hemodialysis process

【技术实现步骤摘要】
一种血液透析过程的监测方法
本专利技术涉及血液透析领域，特别是涉及一种血液透析过程的监测方法。
技术介绍
血液透析(HD)是急慢性肾功能衰竭患者肾脏替代治疗方式之一。它通过将体内血液引流至体外，经一个由无数根空心纤维组成的透析器中，血液与含机体浓度相似的电解质溶液(透析液)在一根根空心纤维内外，通过弥散、超滤、吸附和对流原理进行物质交换，清除体内的代谢废物、维持电解质和酸碱平衡；同时清除体内过多的水分，并将经过净化的血液回输的整个过程称为血液透析。也就是说，透析治疗的任务之一是清除机体内多余的水份以保持容量平衡，达到理想的体重，也就是常说的“干体重”。现有技术中，医生一般根据透析患者的临床表现来估计干体重，一般通过判断透析患者是否有肺部湿啰音、水肿、体重变化、呼吸困难等进行。体液超负荷的症状体征有水肿(眼睑、下肢、严重时可见于全身)、胸水、颈静脉怒张、肝肿大等；而低容量状态则表现为口渴、皮肤粘膜、干燥弹性减退、眼眶凹陷等。如果患者没有上述表现，则可认为处于体液平衡状态。此方法受评估者主观因素影响较大，且不具备特异性体征。需要注意的是，只有当水负荷显著增高后患者才表现为水肿，特别是腹膜透析患者。除了上述临床表现的基础方法外，常结合心胸比(是否小于0.5)、超声心动图(心脏大小变化)来评估是否达到了干体重。基于上述干体重评估，常用的简易方法是将上一次正常透析后的体重粗略视为干体重，将下一次透析时的脱水量视为下一次透析前体重减去干体重，或在该基础上进行简单校正。上述为较为常见的临床评估方法，该类方法敏感性差，且未考虑患者疾病、饮食、营养状况等影响，且患者配合程度难以保障，进而为干体重的确定增加了难度和不确定性。透析中低血压是血液透析过程中主要的并发症之一，因此低血压的原因之一是透析过程中脱水导致的有效循环血量下降。
技术实现思路
本专利技术为克服上述现有技术所述的至少一种缺陷(不足)，提供一种通过智能监测透析过程的方法降低血液透析过程患者出现低血压概率的血液透析过程的监测方法。为解决上述技术问题，本专利技术的技术方案如下：一种血液透析过程的监测方法，包括：采集包括患者历史透析数据在内的历史透析数据进行预处理得到总样本集；历史透析数据包括透析前后的体重值以及红细胞压积；将总样本集按照一定的比例随机划分为训练样本集和测试样本集；利用BP神经网络对训练样本集进行训练得到红细胞压积预测模型，然后利用测试样本集对预测模型进行测试；患者进行透析前，提取上一次透析后的体重、采集患者当前的体重以及当前的红细胞压积，将提取和采集的数据进行预处理后输入到预测模型中进行预测得到透析后的红细胞压积；将预测到的红细胞压积作为域值对患者血液透析过程进行红细胞压积的监测。上述方案中，监测过程中，当实时检测到的红细胞压积值到达或高于所预测的红细胞压积域值时，减低超滤量，直到红细胞压积低于所预测的红细胞压积。上述方案中，监测过程中还对患者的血压进行监测，当实时监测到患者的血压偏离正常范围时降低超滤量或者暂停超滤。上述方案中，监测过程还包括紧急按钮操作步骤，当患者出现不适症状按下按钮时，接收按钮信号，减低超滤量或暂停超滤并发出告警信号。上述方案中，监测过程还包括：设置与时间相关的超滤量调节级，减低超滤量是根据超滤量调节级进行，当超滤量调节后与调节级相关的一定时间内红细胞压积的实时值有降低时保持该超滤量，当超滤量调节后与调节级相关的一定时间内红细胞压积的实时值有没有变化或继续上升时则继续向下一级超滤量调节。上述方案中，超滤量的调节次数不超过三次，超过三次则发出警告信息并暂停超滤。相对于现有技术，本专利技术具有如下优点与有效效果：本专利技术对血液透析过程的监测中，采集透析数据作为样本集和测试集，并利用BP网路训练形成红细胞压积域值的预测模型，患者每次透析前均采集其当前的体重、红细胞压积值以及从历史透析数据中获取上一次透析后的体重作为BP网络的输入进行红细胞压积域值的预测，根据预测到的红细胞压积域值进行血液透析过程的监测。由于红细胞压积域值是利用BP网路预测得到的，鲁棒性好，基于预测得到的红细胞压积域值进行血液透析的智能化监测，可以有效降低血液透析过程患者出现低血压概率。附图说明图1为本专利技术一种血液透析过程的监测方法的流程图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。在本专利技术的描述中，需要理解的是，此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或隐含所指示的技术特征的数量。由此，限定的“第一”、“第二”的特征可以明示或隐含地包括一个或者更多个该特征。在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以是通过中间媒介间接连接，可以说两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术的具体含义。下面结合附图和实施例对本专利技术的技术方案做进一步的说明。。实施例1如图1所示，本实施例一种血液透析过程的监测方法的具体步骤包括：S101.采集包括患者历史透析数据在内的历史透析数据进行预处理得到总样本集；历史透析数据包括透析前后的体重值以及红细胞压积；历史透析数据可以通过构建一个数据库来存储，供提取和调用。在具体实施过程中，患者透析时间越长，尿量会存在越来越少的情况，体内的水平衡也会越来越糟糕；基于此，采集的数据可以有所区别，比如采集的历史透析数据是满足一定透析时长的患者的历史透析数据。具体实施过程中，可以根据不同透析时长的患者建立不同的红细胞压积预测模型，从而提供预测的准确性。S102.将总样本集按照一定的比例随机划分为训练样本集和测试样本集；优选的，训练样本集和测试样本集的比例为9：1。S103.利用BP神经网络对训练样本集进行训练得到红细胞压积预测模型，然后利用测试样本集对预测模型进行测试；先通过大数据的训练样本集进行BP神经网络的训练，训练后得到的模型再通过测试样本集进行预测调整和纠正，使得到的预测模型的鲁棒性更好。S104.患者进行透析前，提取上一次透析后的体重、采集患者当前的体重以及当前的红细胞压积，将提取和采集的数据进行预处理后输入到预测模型中进行预测得到透析后的红细胞压积；上一次透析后的体重可以从历史透析数据中提取。S105.将预测到的红细胞压积作为域值对患者血液透析过程进行红细胞压积的监测。将预测得到的红细胞压积值作为域值进行血液透析过程的监测，可以实时根据监测到的红细胞压积值与域值进行比对。目前认为持续血容量测定更接近透析患者的血容量水平，而血容量变化与红细胞压积成反比。通过超声测定血液流速可以检测红细胞压积的变化，通过红细胞压积的监测可以直观了解透析过程中患者血容量的变化，有助于避免透析中低血压的发生以及有利于评价患者的干体重。在本专利技术中，利用历史的透析数据来搭建红细胞压积域值的预测模型，利用该模型来预测红细胞压本文档来自技高网...

【技术保护点】
1.一种血液透析过程的监测方法，其特征在于，包括：采集包括患者历史透析数据在内的历史透析数据进行预处理得到总样本集；历史透析数据包括透析前后的体重值以及红细胞压积；将总样本集按照一定的比例随机划分为训练样本集和测试样本集；利用BP神经网络对训练样本集进行训练得到红细胞压积预测模型，然后利用测试样本集对预测模型进行测试；患者进行透析前，提取上一次透析后的体重、采集患者当前的体重以及当前的红细胞压积，将提取和采集的数据进行预处理后输入到预测模型中进行预测得到透析后的红细胞压积；将预测到的红细胞压积作为域值对患者血液透析过程进行红细胞压积的监测。

【技术特征摘要】
1.一种血液透析过程的监测方法，其特征在于，包括：采集包括患者历史透析数据在内的历史透析数据进行预处理得到总样本集；历史透析数据包括透析前后的体重值以及红细胞压积；将总样本集按照一定的比例随机划分为训练样本集和测试样本集；利用BP神经网络对训练样本集进行训练得到红细胞压积预测模型，然后利用测试样本集对预测模型进行测试；患者进行透析前，提取上一次透析后的体重、采集患者当前的体重以及当前的红细胞压积，将提取和采集的数据进行预处理后输入到预测模型中进行预测得到透析后的红细胞压积；将预测到的红细胞压积作为域值对患者血液透析过程进行红细胞压积的监测。2.根据权利要求1所述的血液透析过程的监测方法，其特征在于，监测过程中，当实时检测到的红细胞压积值到达或高于所预测的红细胞压积域值时，减低超滤量，直到红细胞压积低于所预测的红细胞压积。3.根据权利要求1所述...

【专利技术属性】
技术研发人员：刘璠娜，胡波，余宗超，龚文玉，闫冰，尹良红，陈宇，
申请(专利权)人：暨南大学，
类型：发明
国别省市：广东,44