机械通气人机异步检测方法、装置及计算机可读存储介质制造方法及图纸

本申请公开了机械通气人机异步检测方法、装置及计算机可读存储介质，涉及呼吸机机械通气技术领域，该机械通气人机异步检测方法包括：获取呼吸机进行机械通气时的通气数据；将通气数据输入预设的自编码器，以提取通气数据的特征数据；将特征数据输入预设的卷积神经网络，以输出呼吸机的人机异步状态。通过上述方式，有利于提高机械通气人机异步检测方法的效率和准确度。率和准确度。率和准确度。

【技术实现步骤摘要】
机械通气人机异步检测方法、装置及计算机可读存储介质


[0001]本申请涉及呼吸机机械通气
，特别是涉及机械通气人机异步检测方法、装置及计算机可读存储介质。

技术介绍

[0002]现有技术中，在检测呼吸机对用户进行的供气是否出现异步(即与用户的呼气或吸气不同步)时，常常需要本领域专家对各种异步情况下和正常情况下的特征信息进行人工提取和判别，以确定当前呼吸机供气和停止供气的动作是否分别与患者吸气和呼气的动作均同步。
[0003]现有技术的缺陷在于，人工提取特征以及对特征信息进行判断以确定呼吸机对用户进行的供气是否出现异步，效率较低，且人工处理特征信息以得到检测结果的准确度较低。

技术实现思路

[0004]本申请提供机械通气人机异步检测方法、装置及计算机可读存储介质，以解决现有技术中机械通气人机异步检测方法的效率和准确度较低的技术问题。
[0005]为解决上述技术问题，本申请提供的第一个技术方案为：一种机械通气人机异步检测方法，包括：获取呼吸机进行机械通气时的通气数据；将通气数据输入预设的自编码器，以提取通气数据的特征数据；将特征数据输入预设的卷积神经网络，以输出呼吸机的人机异步状态。
[0006]本申请提供的第二个技术方案为：一种机械通气人机异步检测装置，包括：存储器和处理器；存储器用于存储程序指令，处理器用于执行程序指令以实现上述机械通气人机异步检测方法。
[0007]本申请提供的第三个技术方案为：一种计算机可读存储介质，所述计算机可读存储介质存储有程序指令，所述程序指令被处理器执行时实现上述机械通气人机异步检测方法。
[0008]本申请提供的机械通气人机异步检测方法，通过获取呼吸机进行机械通气时的通气数据；将通气数据输入预设的自编码器，以提取通气数据的特征数据；将特征数据输入预设的卷积神经网络，以输出呼吸机的人机异步状态。本申请通过先基于预设的自编码器对通气数据的特征数据进行提取，再将该特征数据输入预设的卷积神经网络，以识别该通气数据所对应的人机异步状态，避免了人工提取特征或人工识别人机异步状态的步骤，降低了的人力资源的消耗，提高了机械通气人机异步检测方法的效率和准确度。
附图说明
[0009]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于
本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0010]图1是本申请的机械通气人机异步检测方法的一实施例的流程示意图；
[0011]图2是本申请的自编码器的一实施例的结构示意图；
[0012]图3是本申请的一维卷积神经网络的一实施例的结构示意图；
[0013]图4是本申请的机械通气人机异步检测方法的另一实施例的流程示意图；
[0014]图5是图4所示机械通气人机异步检测方法中的步骤S22的一实施例的具体流程示意图；
[0015]图6是本申请的自编码器的一实施例的训练损失与训练迭代次数关系示意图；
[0016]图7是本申请的机械通气人机异步检测方法的一实施例的混淆矩阵结果示意图；
[0017]图8是本申请的机械通气人机异步检测装置的一实施例的结构示意图；
[0018]图9是本申请的计算机可读存储介质的一实施例的结构示意图。
具体实施方式
[0019]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，均属于本申请保护的范围。
[0020]本申请中的术语“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者隐含指明所指示的技术特征的数量。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0021]本申请首先提出一种机械通气人机异步检测方法，如图1所示，图1是本申请的机械通气人机异步检测方法的一实施例的流程示意图。
[0022]需要说明的是，呼吸机是一种重要的用于呼吸功能支持的生命设备，被广泛应用于医院的重症监护科室、一般性科室或家庭中，是具有呼吸功能障碍的人员的重要辅助支持设备。呼吸机的主要功能是在检测到患者需要吸气时对患者进行供气，并在患者需要呼气时停止对患者的供气。若呼吸机在患者需要吸气时停止供气而在患者需要呼气时对患者进行供气，则可认为该呼吸机对患者的供气过程中出现了异步。
[0023]本实施例机械通气人机异步检测方法具体包括以下步骤：
[0024]步骤S11：获取呼吸机进行机械通气时的通气数据。
[0025]本实施例中，可采用预设采样频率(如：50赫兹)对正在进行机械通气的呼吸机采集其通气数据。通气数据可至少包括气流流速数据、气流通道压力数据和气流量数据中的一种，其中，气流流速数据用于描述呼吸机在进行机械通气时的气流流动的速度，气流通道压力用于描述呼吸机在进行机械通气时的输送气流通道内的气压，气流量数据用于描述呼吸机在进行机械通气时所述送的气流的量。举例说明，可在呼吸机对患者进行供气时使用的供气管道中设置相关的传感器，以获得呼吸机在机械通气时的气流流速数据、气流通道
压力数据和气流量数据。
[0026]步骤S12：将通气数据输入预设的自编码器，以提取通气数据的特征数据。
[0027]本实施例中，可将步骤S11中所获取的通气数据输入已预先完成相关训练的自编码器中，以使自编码器对通气数据中的特征信息进行提取而生成特征数据。基于自编码器进行特征信息的提取不仅可节省大量宝贵的人力资源，还可避免因人为失误所导致的错误出现，进而可大大提高提取特征信息的效率和准确度。
[0028]可选的，如图2所示，图2是本申请的自编码器的一实施例的结构示意图。自编码器20包括：自编码器输入层201、第一隐层202、第二隐层203、第三隐层204、第四隐层205、第五隐层206和自编码器输出层207；
[0029]自编码器输入层201、第一隐层202、第二隐层203、第三隐层204、第四隐层205、第五隐层206和自编码器输出层207依次连接，自编码器输入层201用于接收通气数据，自编码器输出层207为自编码器在训练时的输出层，第三隐层204用于输出特征数据。
[0030]步骤S13：将特征数据输入预设的卷积神经网络，以输出呼吸机的人机异步状态。
[0031]本实施例中，可将步骤S12中所提取的特征数据输入已预先完成相关训练的卷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机械通气人机异步检测方法，其特征在于，包括：获取呼吸机进行机械通气时的通气数据；将所述通气数据输入预设的自编码器，以提取所述通气数据的特征数据；将所述特征数据输入预设的卷积神经网络，以输出所述呼吸机的人机异步状态。2.根据权利要求1所述的机械通气人机异步检测方法，其特征在于，所述通气数据至少包括气流流速数据、气流通道压力数据和气流量数据中的一种。3.根据权利要求1所述的机械通气人机异步检测方法，其特征在于，所述人机异步状态至少包括双触发状态、无效吸气努力状态和正常状态中的一种。4.根据权利要求1所述的机械通气人机异步检测方法，其特征在于，所述方法还包括：获取训练数据；对所述训练数据进行预处理；其中，所述预处理至少包括对所述训练数据进行人机异步状态标注；将预处理之后的所述训练数据输入所述自编码器，以对所述自编码器进行训练。5.根据权利要求4所述的机械通气人机异步检测方法，其特征在于，所述对所述训练数据进行预处理，包括：将所述训练数据划分为多个数据段；对每一所述数据段进行人机异步状态标注；以及所述将预处理之后的所述训练数据输入所述自编码器，以对所述自编码器进行训练，包括：分别将每一人机异步状态对应的数据输入所述自编码器，以对所述自编码器进行训练。6.根据权利要求5所述的机械通气人机异步检测方法，其特征在于，所述将所述训练数据划分为多个数据段之后，还包括：对每一所述数据段进行采样点补齐，以使每一所述数据段的采样点数量相同；利用每一所述数据段中各个采样点数据的均值和标准差，对每一所述数据段的数据进行标准化处理。...

【专利技术属性】
技术研发人员：熊富海，颜延，谯小豪，李慧慧，王磊，刘语诗，陈达理，吴选昆，梁端，王博，曹修齐，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：