一种基于人工神经网络技术的人工心肺机数据记录方法技术

本发明专利技术公开了一种基于人工神经网络技术的人工心肺机数据记录方法，先获取人工心肺机各屏幕图像并初始化屏幕模版库与对应分割模版，再搭建并训练姿态估计网络PoseNet，然后通过PoseNet对待检测图像进行姿态调整，最后通过OCR文字识别技术自动化地获取人工心肺机手术全程的监测数据，并按HL7格式编码并实时传输至医院信息中心，以便医院为抢救病人做出实时反应。时反应。时反应。

【技术实现步骤摘要】
一种基于人工神经网络技术的人工心肺机数据记录方法


[0001]本专利技术属于人工心肺机智能化处理
，更为具体地讲，涉及一种基于人工神经网络技术的人工心肺机数据记录方法。

技术介绍

[0002]医疗问题一直以来都是人民最关心的问题之一，而心血管疾病与肺部疾病由于其高死亡率、高发病率，一直以来都严重威胁着人类的生命健康。根据世界卫生组织发布的《2020年世界卫生统计报告》，非传染性疾病占总死亡人数的71％，其中首位的致死原因是心血管疾病。此外，数据显示，进入21世纪后世界老龄化速度明显加快，心血管疾病危险因素流行趋势明显，导致心血管发病人数持续增加。
[0003]人工心肺机作为暂时性替代自然心脏和肺功能的装置，用于对重症心肺功能衰竭患者提供持续体外呼吸与循环，是一种重要的临时性人工器官。据统计，2019年全球范围内有430家ECMO中心，与2004年相比增长264％；而ECMO辅助例数2019年全球为12850例，比2004年增长568％。在covid
‑
19治疗过程中，人工心肺机也发挥了极为重要的作用。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工神经网络技术的人工心肺机数据记录方法，其特征在于，包括以下步骤：(1)、获取人工心肺机各屏幕图像；对人工心肺机的四块屏幕进行编号，记为A、B、C、D；利用相机分别正对每块屏幕进行拍摄，每块屏幕拍摄k张正立图像，且每张图像拍摄时其显示的数据互不相同，最后将所有的正立图像按序编号记为S
i
，i＝1,2,
…
,4k；(2)、初始化屏幕模版库与对应分割模版；将各屏幕拍摄的每一张图像依次输入至特征提取网络ResNet
‑
18，得到各屏幕相对应的特征序列，共计4k条特征序列，最后将这4k条特征序列作为屏幕模版库；根据各屏幕数据显示区域，为各屏幕人为框选出固定位置的目标分割模版，并依据框选区域尺寸和数显字号预设各区域相应的放缩超参数；(3)、搭建并训练姿态估计网络PoseNet；(3.1)、获取PoseNet的训练数据；将每一张正立图像S
i
通过有条件的随机选取变换参数来生成变换矩阵M
i
，且每一张正立图像S
i
重复操作N次，从而得到4k*N个变换矩阵；其中，有条件的随机选取变换参数的限制条件为：屏幕中心不变、不进行放缩、扭曲范围在30％以内；将4k*N个变换矩阵依次作为反透视变换函数的参数，然后利用透视变换函数进行透视变换，获得4k*N张带有形变的图像，记为P
j
，j＝1,2,
…
,4k*N；(3.2)、搭建PoseNet的模型结构；PoseNet包括分割提取网络SENet和解码网络DNet；所述SENet分两条路径对输入图像进行分割提取，得到屏幕各数据区域R和基于类似图像不同数据区域等效的纹理的特征向量V；其中，生成特征向量V的路径结构为：卷积层1
‑
激活层1
‑
池化层1
‑
卷积层2
‑
激活层2
‑
丢弃层
‑
池化层2
‑
卷积层3
‑
激活层3
‑
池化层3
‑
正则层
‑
全连接层1；各卷积层均采用卷积模块torch.nn.Conv2d，卷积模块参数为：隐藏层数为2，隐藏节点数为50，输入输出维度设置为令图像通道数依次递增50％；各激活层均采用激活模块torch.nn.RELU，激活模块参数为：池化层采用最大值池化模块torch.nn.MaxPool2d，该模块的参数核长度设为与参数步长相等且令图像尺寸依次递减30％；丢弃层采用丢弃模块torch.nn.Dropout，丢弃模块参数为：丢弃概率为0.2；正则层采用正则模块torch.nn.BatchNorm2d，全连接层采用线性模块torch.nn.Linear，模块参数为：归化维度为128；生成屏幕各数据区域R的路径的前一部分与上述路径结构共享，在上述路径的正则层输出之后分开，接入如下路径结构：卷...

【专利技术属性】
技术研发人员：杨路，欧阳东，谭瑞，程序，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：