基于容积二氧化碳图的死腔分数的模型建立方法及系统技术方案

本发明专利技术公开了一种基于容积二氧化碳图的死腔分数的模型建立方法及系统，基于容积二氧化碳图的死腔分数的模型建立方法，包括以下步骤：S1、构建LSTM模型；S2、正反双向叠加LSTM网络构建BRNN模型；S3、多层叠加BRNN网络构建MBRNN模型；S4、基于MBRNN网络建立序列点内部各维度之间关系；S5、基于MBRNN网络建立相邻CO2图的隐藏层状态传递；S6、建立损失函数方程，最终确定MBRRNN模型。基于容积二氧化碳图的死腔分数的模型建立方法的系统。本发明专利技术预测精度满足需求，预测实时性可以与呼吸频率保持一致，从而避免了医疗事故的发生，因此可以在临床上推广使用。临床上推广使用。临床上推广使用。

【技术实现步骤摘要】
基于容积二氧化碳图的死腔分数的模型建立方法及系统


[0001]本专利技术涉及一种模型建立方法及系统，尤其涉及一种基于容积二氧化碳图的死腔分数的模型建立方法及系统。

技术介绍

[0002]死腔分数对重症患者的预后的评估、PEEP值的调节、预测机械通气患者脱机时间、评价药物效果以及诊断肺栓塞都起着非常重要的作用，因此死腔分数的计算一直是临床专家最为关注的焦点之一。
[0003]容积二氧化碳图的AI实时监测系统硬件部分通常包含接到患者并被配置为监测患者呼出的二氧化碳水平的面罩或传感器以及用于接收、显示和分析测量以推论或识别患者不同身体状况的硬件系统。
[0004]容积二氧化碳图的AI实时监测系统软件模型研究现状如下：生理死腔最早的理论公式是通过肺泡CO2分压(P
A
CO2)以及呼出CO2平均分压(P
E
CO2)来计算的。随着血气分析技术的发展，采用PaCO2替代P
A
CO2完成生理死腔计算，改良后的计算公式的各项指标相对较容易获得，因此在临床上得到应用。随着容积二氧化碳图的出现以及计算机性能提高，采用血气分析仪的PaCO2完成生理死腔分数的实时监测。为了不使用血气分析仪，有学者采用容积二氧化碳图第三阶段CO2分压(P
E
CO2)的中位数作为PaCO2。
[0005]但是现有技术存在着以下缺陷：
[0006]1)计算死腔分数的方法基于规则的容积二氧化碳图的几何分割，具体分割如图6所示，事实上很多容积二氧化碳图并不规则，比如重症患者，强制分割会带来较大误差；
[0007]2)采用血气分析仪获取数值，但血气分析是有创检测，检测成本高，检测频率较呼吸频率相差甚远，强制将其作为实时性数据以配合容积二氧化碳图用来监测死腔分数报警会造成误报或漏报。误报会增加医疗资源浪费和错误应急方案实施，漏报会加重患者病情甚至死亡，二者都可能造成医疗事故；
[0008]3)虽然不采用血气分析仪就可计算出死腔分数，但其预测误差较大，比如采用容积二氧化碳第三阶段中位数代替位会造成死腔分数预测结果偏高。

技术实现思路

[0009]为了解决上述技术所存在的不足之处，本专利技术提供了一种基于容积二氧化碳图的死腔分数的模型建立方法及系统。
[0010]为了解决以上技术问题，本专利技术采用的技术方案是：基于容积二氧化碳图的死腔分数的模型建立方法，包括以下步骤：
[0011]S1、构建LSTM模型；
[0012]S2、正反双向叠加LSTM网络构建BRNN模型；
[0013]S3、多层叠加BRNN网络构建MBRNN模型；
[0014]S4、基于MBRNN网络建立序列点内部各维度之间关系；
[0015]S5、基于MBRNN网络建立相邻CO2图的隐藏层状态传递；
[0016]S6、建立损失函数方程，最终确定MBRRNN模型。
[0017]优选的，步骤S4的具体过程为：
[0018]首先，将CO2分压曲线投影到横轴的区域等分为n段，并将第t(t∈[1,n])段等间距取l个值，按照l个值由小到大的顺序做横轴的垂线，l条垂线与CO2分压曲线的交点的纵坐标值序列即为一次容积CO2图的第t个序列点对应的多维序列输入X
t
；
[0019][0020]其中，表示向量X
t
的第k维数据；
[0021]其次，建立基于多维变量X
t
内部各维度之间关系得到耦合变量Z
t
；
[0022]Z
t
＝W
z
X
t
+b
z
ꢀꢀꢀ
公式二
[0023]其中，W
z
,b
z
初始值为高斯分布抽样取值，模型训练不断迭代更新W
z
,b
z
，训练结束则W
z
,b
z
值最终确定；
[0024]最后，建立正对角线全部为0的方阵W
z
，如公式三所示；
[0025][0026]其中，w
i,j
是W
z
中的一个元素，W
z
∈R
l
×
l
，当i≠j，w
i,j
表示第j个变量对第i个变量的影响系数；当i＝j，w
i,j
取值为0。
[0027]优选的，步骤S5的具体过程为：
[0028]规定数据集中每位患者的连续容积CO2图个数都为d个，所有的容积CO2图均已采用SAE进行重构；每个容积CO2图均含有PaCO2、V
D
/V
T
、V
D
alt/V
T
alt三个回归指标，现规定每个样本由连续的g个容积CO2组成，则d个连续容积CO2图从起始到结束按步骤S4的截取规则共截取d
‑
g+1个连续样本；其中，V
D
/V
T
为生理死腔分数、V
D
alt/V
T
alt为肺泡死腔分数；
[0029]训练环节要求m个患者使用自己的样本参与训练，每次迭代每位患者拿出一个样本，初始样本为时间编号最早的那一个样本；下一次迭代使用的样本需要紧邻上一个样本，并且上一个样本的输出状态要作为当前迭代训练的隐藏层的初始状态；模型应用时，同样要将上一次预测的隐藏层输出状态作为下一次预测的隐藏层初始状态。
[0030]优选的，步骤S6中，总的损失函数如公式四所示：
[0031][0032]其中：α,β为权重，α+β＝1,α≥0且β≥0，由于L1(paCO2)、L2(V
D
/V
T
)及L3(V
D
alt/V
T
alt)三者求和，所以其系数为
[0033][0034]公式五中，表示耦合变量Z
t
的第p个患者的样本中的第s个容积CO2图的第t个序列点的第q维的值；某个患者的样本表示的是长度为g的一个样本，该样本包含g个连续的容积CO2图；最小化损失函数L0(Z,X)，意味着迫使耦合值Z
t
等于X
t
，保证模型充分且正确的利用序列点内部维度之间的关系。
[0035]优选的，步骤S6中，公式四中L1(paCO2)、L2(V
D
/V
T
)及L3(V
D
alt/V
T
alt)分别表示动脉血二氧化碳分压、生理死腔分数及肺泡死腔分数的损失函数，其公式如下所示：
[0036][0037][0038][0039]其中，表示第p个患者的第q个容积CO2图的动脉血二氧化碳分压真实值；表示第p个患者的第q个容积CO2图的动脉血二氧化碳分压预测值；表示第p个患者的第q个容积CO2图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于容积二氧化碳图的死腔分数的模型建立方法，其特征在于：所述方法包括以下步骤：S1、构建LSTM模型；S2、正反双向叠加LSTM网络构建BRNN模型；S3、多层叠加BRNN网络构建MBRNN模型；S4、基于MBRNN网络建立序列点内部各维度之间关系；S5、基于MBRNN网络建立相邻CO2图的隐藏层状态传递；S6、建立损失函数方程，最终确定MBRRNN模型。2.根据权利要求1所述的基于容积二氧化碳图的死腔分数的模型建立方法，其特征在于：所述步骤S4的具体过程为：首先，将CO2分压曲线投影到横轴的区域等分为n段，并将第t(t∈[1,n])段等间距取l个值，按照l个值由小到大的顺序做横轴的垂线，l条垂线与CO2分压曲线的交点的纵坐标值序列即为一次容积CO2图的第t个序列点对应的多维序列输入X
t
；其中，表示向量X
t
的第k维数据；其次，建立基于多维变量X
t
内部各维度之间关系得到耦合变量Z
t
；Z
t
＝W
z
X
t
+b
z
ꢀꢀꢀꢀ
公式二其中，W
z
,b
z
初始值为高斯分布抽样取值，模型训练不断迭代更新W
z
,b
z
，训练结束则W
z
,b
z
值最终确定；最后，建立正对角线全部为0的方阵W
z
，如公式三所示；其中，w
i,j
是W
z
中的一个元素，W
z
∈R
l
×
l
，当i≠j，w
i,j
表示第j个变量对第i个变量的影响系数；当i＝j，w
i,j
取值为0。3.根据权利要求1所述的基于容积二氧化碳图的死腔分数的模型建立方法，其特征在于：所述步骤S5的具体过程为：规定数据集中每位患者的连续容积CO2图个数都为d个，所有的容积CO2图均已采用SAE进行重构；每个容积CO2图均含有PaCO2、V
D
/V
T
、V
D
alt/V
T
alt三个回归指标，现规定每个样本由连续的g个容积CO2组成，则d个连续容积CO2图从起始到结束按步骤S4的截取规则共截取d
‑
g+1个连续样本；其中，V
D
/V
T
为生理死腔分数、V
D
alt/V
T
alt为肺泡死腔分数；训练环节要求m个患者使用自己的样本参与训练，每次迭代每位患者拿出一个样本，初始样本为时间编号最早的那一个样本；下一次迭代使用的样本需要紧邻上一个样本，并且上一个样本的输出状态要作为当前迭代训练的隐藏层的初始状态；模型应用时，同样要将上一次预测的隐藏层输出状态作为下一次预测的隐...

【专利技术属性】
技术研发人员：闫鹏，解立新，程海博，陈虎，
申请(专利权)人：闫鹏，
类型：发明
国别省市：