麻醉呼吸机的控制方法、装置及可调控麻醉呼吸机系统制造方法及图纸

本发明专利技术公开了一种麻醉呼吸机的控制方法、装置及可调控麻醉呼吸机系统。该方法通过实时采集患者麻醉过程中的脑电模拟信号，并对其进行转换处理以提取出生理特征值体系，通过机器模型根据该生理特征值体系进行判断，并根据判断结果调控麻醉呼吸机的工作模式。该装置包括信号采集模块、信号处理模块、分析判断模块以及实时调节模块以实现准确、实时的判断和调控。该可调控麻醉呼吸机系统包括麻醉呼吸机和该装置，且该系统的实时调节模块连接到麻醉呼吸机，从而根据系统的判断结果调节麻醉呼吸机的各项控制参数，从而调控麻醉呼吸机的工作模式。

【技术实现步骤摘要】
麻醉呼吸机的控制方法、装置及可调控麻醉呼吸机系统
本专利技术涉及麻醉呼吸机的工作模式自动调控领域，涉及一种麻醉呼吸机的控制方法、装置及可调控麻醉呼吸机系统。
技术介绍
为使得患者在手术时免于疼痛，麻醉医生往往会在手术前对患者进行全身麻醉或局部麻醉，为了避免意外情况的发生，麻醉医生还会在手术过程中严密观察患者的变化，以根据实际情况进行必要的处理(例如，手术麻醉过程中患者可能会突然发生心跳呼吸停止的情况，此时需要立即对麻醉呼吸机进行调节，并立即对患者进行心、肺复苏)。其中，最常用的全身麻醉方式是气管插管全身麻醉，特点是采用静脉麻醉药或吸入麻醉药产生全身麻醉作用，术中需要行气管插管，机械辅助呼吸。过程包括麻醉诱导，麻醉维持和麻醉苏醒。麻醉医生会给患者吸入麻醉气体，患者在给药后3～5分钟便意识消失，由清醒进入睡眠状态。在全身麻醉状态下，由于没有意识、全身肌肉松弛，患者丧失呼吸的力量，自主呼吸通常会消失，因此在患者进入全麻状态后，麻醉医生会进行气管插管操作，即在喉镜等插管器械的辅助下把一根气管导管经患者的口腔或鼻腔插入患者的气管，气管导管的另一端本文档来自技高网...

【技术保护点】
1.一种麻醉呼吸机的控制方法，其特征在于，所述方法包括：/n采集患者麻醉过程中的脑电模拟信号；/n根据预设的信号处理方法对所述脑电模拟信号进行处理以获取相应的生理特征值体系；其中，所述生理特征值体系由多个生理指标的测量值构建而成，所述多个生理指标包括相对功率、绝对功率、加权相位滞后指数、符号传递熵、多尺度传递熵以及相位传递熵；/n根据所述生理特征值体系、预设的第一机器学习模型以及预设的第二机器学习模型，确定患者的意识状态和呼吸状态；/n根据所述意识状态和呼吸状态，调控麻醉呼吸机中的多个控制参数，以调控所述麻醉呼吸机的工作模式。/n

【技术特征摘要】
1.一种麻醉呼吸机的控制方法，其特征在于，所述方法包括：
采集患者麻醉过程中的脑电模拟信号；
根据预设的信号处理方法对所述脑电模拟信号进行处理以获取相应的生理特征值体系；其中，所述生理特征值体系由多个生理指标的测量值构建而成，所述多个生理指标包括相对功率、绝对功率、加权相位滞后指数、符号传递熵、多尺度传递熵以及相位传递熵；
根据所述生理特征值体系、预设的第一机器学习模型以及预设的第二机器学习模型，确定患者的意识状态和呼吸状态；
根据所述意识状态和呼吸状态，调控麻醉呼吸机中的多个控制参数，以调控所述麻醉呼吸机的工作模式。


2.根据权利要求1所述的麻醉呼吸机的控制方法，其特征在于，所述第一机器学习模型和第二机器学习模型是通过以下训练方法训练而成的：
将预设的训练数据集中的所有特征值进行归一化，并利用预设的评分算法对每个特征值进行评分；其中，所述预设的训练数据集包括多个生理特征值体系，所述生理特征值体系由多个生理指标的测量值构建而成，所述多个生理指标包括相对功率、绝对功率、加权相位滞后指数、符号传递熵、多尺度传递熵以及相位传递熵；
将所有特征值按照评分从高到低排序，并筛选出最优特征值集合；
利用预设的集成学习算法对所述最优特征值集合进行模型训练，获得所述第一机器学习模型和所述第二机器学习模型；其中，所述第一机器学习模型用于根据输入的生理特征值体系来确定相应的意识状态；所述第二机器学习模型用于根据输入的生理特征值体系来确定相应的呼吸状态。


3.根据权利要求2所述的麻醉呼吸机的控制方法，其特征在于，所述根据预设的信号处理方法对所述脑电模拟信号进行处理以获取相应的生理特征值体系，具体为：
去除所述脑电模拟信号中的工频干扰，并将去除干扰后的脑电模拟信号转换为第一脑电数字信号；
对所述第一脑电数字信号进行滤波处理以获得第二脑电数字信号；
将所述第二脑电数字信号分频，分别计算获取分频后各个频段的生理特征值体系。


4.根据权利要求3所述的麻醉呼吸机的控制方法，其特征在于，所述将所述第二脑电数字信号分频，分别计算获取分频后各个频段的生理特征值体系，具体为：
利用离散小波变换对所述第...

【专利技术属性】
技术研发人员：罗语溪，张婷婷，张仰婷，王科杰，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44