本公开涉及一种呼吸支持系统的控制方法、装置、呼吸支持系统、电子设备及计算机可读介质。该控制方法包括：获取当前用户的实时监测数据，所述监测数据包括睡眠信息、呼吸信息，环境信息、血氧信息；根据所述用户信息确定目标状态预测函数；通过所述实时监测数据和所述目标状态预测函数生成状态预测指数；在所述状态预测指数满足预设条件时，生成呼吸支持指令，并将所述呼吸支持指令发送至所述呼吸机。本公开涉及的呼吸支持系统的控制方法、装置、呼吸支持系统、电子设备及计算机可读介质，能够基于用户的当前检测数据对用户的一段时间内的状态进行实时预测，在预测到特定情况产生时，可主动调用呼吸机支持用户。可主动调用呼吸机支持用户。可主动调用呼吸机支持用户。
【技术实现步骤摘要】
呼吸支持系统的控制方法、装置、呼吸支持系统
[0001]本公开涉及计算机信息处理领域，具体而言，涉及一种呼吸支持系统的控制方法、装置、呼吸支持系统、电子设备及计算机可读介质。
技术介绍
[0002]在现代临床医学中，呼吸机作为一项能人工替代自主通气功能的有效手段，已普遍用于各种原因所致的呼吸衰竭、大手术期间的麻醉呼吸管理、呼吸支持治疗和急救复苏中，在现代医学领域内占有十分重要的位置。呼吸机是一种能够起到预防和治疗呼吸衰竭，减少并发症，挽救及延长病人生命的至关重要的医疗设备。
[0003]呼吸暂停综合症就是响亮地鼾声突然中断，患者强力呼吸但不起作用，完全呼吸不了，几秒甚至几十秒钟后患者醒来，大声喘息，气道被迫开放，然后继续呼吸。经常伴随着机体的踢打动作以及身体的扭动痉挛。患者的各种扭曲的身体姿势是为了使气道开放。睡眠过程中由于阻塞等原因导致呼吸气流停止，(即睡眠中憋气，呼吸停止)，持续时间超过10秒钟或气流量低于正常20％则为睡眠呼吸暂停。
[0004]现有技术中采用呼吸机监测使用者的呼吸，发现存在呼吸暂停时就报警，从而降低呼吸暂停给人们带来的危险。然而，在现有技术中呼吸机是监测到呼吸暂停现象再进行支持，并无法避免呼吸暂停，因此仍然不能解决患有呼吸暂停综合症的人所具有的睡眠不足方面的问题。
[0005]因此，需要一种新的呼吸支持系统的控制方法、装置、呼吸支持系统、电子设备及计算机可读介质。
[0006]在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0007]有鉴于此，本公开提供一种呼吸支持系统的控制方法、装置、呼吸支持系统、电子设备及计算机可读介质，能够基于用户的当前检测数据对用户的一段时间内的状态进行实时预测，在预测到特定情况产生时，可主动调用呼吸机支持用户。
[0008]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0009]根据本公开的一方面，提出一种呼吸支持系统的控制方法，可用于控制器，该控制方法包括：获取当前用户的用户信息和实时监测数据，监测数据包括睡眠信息、呼吸信息，环境信息、血氧信息；根据用户信息确定目标状态预测函数；通过实时监测数据和目标状态预测函数生成状态预测指数；在状态预测指数满足预设条件时，生成呼吸支持指令，并将呼吸支持指令发送至呼吸机。
[0010]在本公开的一种示例性实施例中，还包括：对多个用户的历史监测数据进行拟合分析以生成多个状态预测函数。
[0011]在本公开的一种示例性实施例中，对多个用户的历史监测数据进行拟合分析以生成多个状态预测函数，包括：由多个用户的历史监测数据中提取指定信息；将指定信息与历史监测数据中的其他信息进行拟合以生成多个状态预测函数。
[0012]在本公开的一种示例性实施例中，对多个用户的历史监测数据进行拟合分析以生成多个状态预测函数，包括：获取多个用户的历史监测数据；基于多个用户的用户信息将历史监测数据进行分类，生成多个用户特征数据集合；对多个用户特征数据集合分别进行拟合分析以生成多个状态预测函数。
[0013]在本公开的一种示例性实施例中，根据用户信息确定目标状态预测函数，包括：根据用户信息由多个状态预测函数中确定目标状态预测函数。
[0014]在本公开的一种示例性实施例中，根据用户信息由多个状态预测函数中确定目标状态预测函数，包括：根据用户信息提取用户特征；根据用户特征由多个状态预测函数中确定目标状态预测函数。
[0015]在本公开的一种示例性实施例中，还包括：由呼吸机获取当前用户的历史监测数据和呼吸支持指令；基于当前用户的历史监测数据、呼吸支持指令和深度学习模型对状态预测函数进行更新。
[0016]在本公开的一种示例性实施例中，基于当前用户的历史监测数据、呼吸支持操作数据和深度学习模型对状态预测函数进行更新，包括：根据呼吸指令的生成时间将历史监测数据分为样本数据和验证数据；利用样本数据和验证数据对深度学习模型进行训练，以获取更新函数；通过更新函数对状态预测函数进行更新。
[0017]在本公开的一种示例性实施例中，利用样本数据和验证数据对深度学习模型进行训练之前，还包括：通过验证数据对目标状态预测函数的执行效果进行验证，在验证结果不满足验证阈值时，利用样本数据和验证数据对深度学习模型进行训练。
[0018]根据本公开的一方面，提出一种呼吸支持系统的控制方法，可用于呼吸机，该控制方法包括：获取当前用户的实时监测数据；将用户信息和实时监测数据发送至控制端；在接收到由控制端发送的呼吸支持指令时，根据呼吸支持指令启动呼吸支持操作。
[0019]在本公开的一种示例性实施例中，还包括：在进行呼吸支持操作时，获取用户的实时监测数据；在指定时间内实时监测数据不满足预设策略时，生成报警信息。
[0020]在本公开的一种示例性实施例中，根据呼吸支持指令启动呼吸支持操作,包括：由呼吸支持指令中获取多个操作参数；基于多个操作参数将呼吸机的多个执行部件调整到预定位置。
[0021]根据本公开的一方面，提出一种呼吸支持系统的控制装置，可用于控制器，该控制装置包括：数据模块，用于获取当前用户的用户信息和实时监测数据，监测数据包括睡眠信息、呼吸信息，环境信息、血氧信息；函数模块，用于根据用户信息确定目标状态预测函数；预测模块，用于通过实时监测数据和目标状态预测函数生成状态预测指数；指令模块，用于在状态预测指数满足预设条件时，生成呼吸支持指令，并将呼吸支持指令发送至呼吸机。
[0022]根据本公开的一方面，提出一种呼吸支持系统的控制装置，可用于呼吸机，该控制装置包括：监测模块，用于获取当前用户的实时监测数据；发送模块，用于将用户信息和实时监测数据发送至控制端；操作模块，用于在接收到由控制端发送的呼吸支持指令时，根据呼吸支持指令启动呼吸支持操作。
[0023]根据本公开的一方面，提出一种呼吸支持系统，该系统包括：呼吸机，用于获取当前用户的实时监测数据，将用户信息和实时监测数据发送至控制端；在接收到由控制端发送的呼吸支持指令时，启动呼吸支操作；控制器，用于获取当前用户的用户信息和实时监测数据，监测数据包括睡眠信息、呼吸信息，环境信息、血氧信息；基于用户信息确定目标状态预测函数；通过实时监测数据和目标状态预测函数生成状态预测指数；在状态预测指数大于状态阈值时，生成呼吸支持指令，并将呼吸支持指令发送至呼吸机。
[0024]根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
[0025]根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
[0026]根据本公开的呼吸支持系统的控制方法、装置、呼吸支持系统、电子设备及计算本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种呼吸支持系统的控制方法，可用于控制端，其特征在于，包括：获取当前用户的用户信息和实时监测数据，所述监测数据包括睡眠信息、呼吸信息，环境信息、血氧信息；根据所述用户信息确定目标状态预测函数；通过所述实时监测数据和所述目标状态预测函数生成状态预测指数；在所述状态预测指数满足预设条件时，生成呼吸支持指令，并将所述呼吸支持指令发送至呼吸机。2.如权利要求1所述的控制方法，其特征在于，还包括：对多个用户的历史监测数据进行拟合分析以生成多个状态预测函数。3.如权利要求2所述的控制方法，其特征在于，对多个用户的历史监测数据进行拟合分析以生成多个状态预测函数，包括：由多个用户的历史监测数据中提取指定信息；将所述指定信息与所述历史监测数据中的其他信息进行拟合以生成多个状态预测函数。4.如权利要求2所述的控制方法，其特征在于，对多个用户的历史监测数据进行拟合分析以生成多个状态预测函数，包括：获取多个用户的历史监测数据；基于所述多个用户的用户信息将所述历史监测数据进行分类，生成多个用户特征数据集合；对所述多个用户特征数据集合分别进行拟合分析以生成所述多个状态预测函数。5.如权利要求2所述的控制方法，其特征在于，根据所述用户信息确定目标状态预测函数，包括：根据所述用户信息由多个状态预测函数中确定所述目标状态预测函数。6.如权利要求5所述的控制方法，其特征在于，根据所述用户信息由多个状态预测函数中确定所述目标状态预测函数，包括：根据所述用户信息提取用户特征；根据所述用户特征由所述多个状态预测函数中确定所述目标状态预测函数。7.如权利要求1所述的控制方法，其特征在于，还包括：由所述呼吸机获取所述当前用户的历史监测数据和呼吸支持指令；基于所述当前用户的历史监测数据、呼吸支持指令和深度学习模型对所述状态预测函数进行更新。8.如权利要求7所述的控制方法，其特征在于，基于所述当前用户的历史监测数据、呼吸支持操作数据和深度学习模型对所述状态预测函数进行更新，包括：根据呼吸指令的生成时间将所述历史监测数据分为样本数据和验证数据；利用样本数据和验证数据对深度学习模型进行训练，以获取更新函数；通过所述更新函数对所述状态预测函数进行更新。9.如权利要求8所述的控制方法，其特征在于，利用样本数据和验证数据对深度学习模型进行训练之前，还包括：通过验证数据对所述目标状态预测函数的执行效果进行验证，在验证结果不满足验证
阈值时，利用样本数据和验证数据...
【专利技术属性】
技术研发人员：孙羽，
申请(专利权)人：孙羽，
类型：发明
国别省市：
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。