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，气管导管的另一端连接麻醉机，由麻醉机通过气管导管给患者输送氧气，帮助患者呼吸。此后即进入麻醉维持状态，麻醉医生会通过麻醉机给患者持续吸入麻醉气体，或通过静脉通路持续输注麻醉药物，使患者持续处在麻醉状态。整个麻醉维持时间的长短，取决于手术时间的长短。当手术顺利结束的时候，麻醉医生就会停止麻醉药物的使用，患者即进入麻醉苏醒期。随着患者体内麻醉药物的代谢排出，麻醉药物浓度逐渐降低。当麻醉药物体内浓度降低到一定程度的时候，患者就可以恢复自主呼吸，意识也会清醒，此时麻醉医生会将气管导管拔出，继续给患者面罩吸氧，并吸除口腔分泌物。当患者的自主呼吸恢复良好，意识完全清醒，辩知能力良好，生命体征平稳时，即达到了麻醉苏醒离室标准，便可以返回病房了。全身麻醉并不是都需要进行气管插管，机械通气。一些时间短小，伤害性刺激小，简单的手术操作和检查操作，比如人流手术、胃肠镜检查等，就不需要进行气管插管全身麻醉，而可以实施保留自主呼吸，但意识消失的全身麻醉。由上述可知，不同的情况下对于麻醉呼吸机的各个参数的调节是不同的。针对这一需求，在现有技术中，麻醉医生会通过观察临床体征，例如血压、心率、呼吸等参数来判断麻醉深度，然而，在血管扩张剂等药物的影响下，这些判断依据就会变得不够可靠，无法完全掌握意识状态与呼吸状态。同时，经过人工调节麻醉呼吸机参数具有一定的滞后性，并不能做到和患者当时所需要的麻醉呼吸工作模式的同步化。因此，当前市场迫切需求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，从而自动、准确地判断患者的意识状态以及呼吸状态，并根据判断结果实时调控麻醉呼吸机的工作模式，从而解决现有技术存在的上述问题。
技术实现思路
针对现存的上述技术问题，本专利技术的目的在于提供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，以提升对患者的意识状态以及呼吸状态判断的准确性和便利性，并实现麻醉呼吸机工作模式调控的实时性，从而解决现有技术中存在的判断不准确以及调控滞后的问题。本专利技术提供了一种麻醉呼吸机的控制方法，该方法包括：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该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，该生理特征值体系由多个生理指标的测量值构建而成，该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；根据该生理特征值体系、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；根据该意识状态和呼吸状态，调控麻醉呼吸机中的多个控制参数，以调控该麻醉呼吸机的工作模式。在一个实施例中，该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，该预设的训练数据集包括多个生理特征值体系，该生理特征值体系由多个生理指标的测量值构建而成，该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该最优特征值集合进行模型训练，获得该第一机器学习模型和该第二机器学习模型；其中，该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；该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。在一个实施例中，所述根据预设的信号处理方法对该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：去除该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；对该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；将该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。在一个实施例中，所述将该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该第二脑电数字信号进行多级分解；分别计算获取分频后的各个频段的生理特征值体系。在一个实施例中，所述根据该意识状态和呼吸状态，调控麻醉呼吸机中的多个控制参数，以调控该麻醉呼吸机的工作模式，具体为：根据该意识状态，实时地自动调控麻醉呼吸机中控制麻醉气体浓度的端口，并根据呼吸状态，实时地自动调控麻醉呼吸机中控制潮气量、分钟通气量的端口。本专利技术还提供了一种麻醉呼吸机的控制装置，该控制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，其中，信号采集模块用于采集患者麻醉过程中的脑电模拟信号；信号处理模块用于根据预设的信号处理方法对该脑电模拟信号进行处理以获取相应的生理特征值体系；分析判断模块用于根据该生理特征值体系、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；实时调节模块用于根据该意识状态和呼吸状态，调控麻醉呼吸机中的多个控制参数，以调控该麻醉呼吸机的工作模式。在一个实施例中，该信号处理模块还包括比较放大电路、数模转换单元和带通滤波器，其中：该比较放大电路用于去除该脑电模拟信号中的工频干扰；该数模转换单元用于将去除干扰后的脑电模拟信号转换为第一脑电数字信号；该带通滤波器用于对该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。在一个实施例中，该实时调节模块用于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，具体地：该实时调节模块根据该意识状态，实时地自动调控麻醉呼吸机中控制麻醉气体浓度的端口；并根据呼吸状态，实时地自动调控麻醉呼吸机中控制潮气量、分钟通气量的端口。本专利技术还提供了一种可调控麻醉呼吸机系统，该可调控麻醉呼吸机系统包括麻醉呼吸机以及如前该的麻醉呼吸机的控制装置，该麻醉呼吸机的控制装置通信连接到麻醉呼吸机。相比于现有技术，本专利技术实施例具有如下有益效果：本专利技术提供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，通过实时采集患本文档来自技高网...

【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