一种基于语音控制的流量调节微量泵方法与系统技术方案

本发明专利技术涉及语音控制技术领域，公开了一种基于语音控制的流量调节微量泵系统，并公开了一种基于语音控制的流量调节微量泵方法，所述方法包括：检测微量泵注射器指压端压强和针头端药液速度，将检测到的数据作为训练数据集；训练神经网络模型，并利用Adam优化算法进行模型参数优化；微量泵调节系统接收用户的控制语音，并对用户的控制语音进行关键词识别，得到微量泵注射速度增加/减少的数值；计算得到当前微量泵的注射速度，并将当前微量泵的注射速度作为神经网络模型的输入，神经网络模型输出压强，控制调节微量泵压强为模型输出压强。本发明专利技术所述方法实现不同注射器规格具有不同的微量泵调节方法，以及实现了微量泵流量调节的语音控制调节。语音控制调节。语音控制调节。

【技术实现步骤摘要】
一种基于语音控制的流量调节微量泵方法与系统


[0001]本专利技术涉及语音控制
，尤其涉及一种基于语音控制的流量调节微量泵方法。

技术介绍

[0002]微量泵将少量药液精确、微量、均匀、持续地泵入体内，操作便捷、定时、定量，根据病情需要可随时调整药物浓度、速度，使药物在体内能保持有效血药浓度，运用微量泵抢救危重患者，能减轻护士工作量，提高工作效率，准确、安全、有效地配合医生抢救。现有的微量泵控制通过步进电机进行控制，人工选择不同的步进档位实现不同速度的药液控制，该种方法主要存在两种缺陷：一是没有考虑不同注射器指压端的面积和注射器出口大小造成的压强差异(产生该类问题的主要原因是步进电机档位产生同样大小压力，但是由于注射器指压端受力面积的不同造成压强不同，同样由于不同注射器针头出口大小差异导致出口出的压强也不同，上述两种差异进导致注射器出口的药液速率不一致)；二是现有的微量泵采用档位控制，其控制精度较差，针对上述两种问题，本专利提出一种基于语音控制的精确微量泵控制方法。

技术实现思路

[0003]本专利技术提供一种基于语音控制的流量调节微量泵方法，目的在于(1)实现不同注射器规格具有不同的微量泵调节方法；(2)实现微量泵流量调节的语音控制调节。
[0004]实现上述目的，本专利技术提供的一种基于语音控制的流量调节微量泵方法，包括以下步骤：
[0005]S1：针对不同规格的注射器，在针头端配置医用传感器，在指压端配置压力传感器，调节传统微量泵档位，检测指压端压强和针头端药液速度，并采集指压端压强
‑
针头端药液速度数据作为训练数据集，得到不同规格注射器的训练数据集；
[0006]S2：将训练数据集中的针头端药液速度作为模型输入，对应的指压端压强作为输出，训练神经网络模型，并利用Adam优化算法进行模型参数优化，将优化后的神经网络模型内置在微量泵调节系统；
[0007]S3：微量泵调节系统接收用户的控制语音，并对用户的控制语音进行关键词识别，得到微量泵注射速度增加/减少的数值；
[0008]S4：根据控制语音中微量泵注射速度增加/减少的数值，计算得到当前微量泵的注射速度，并将当前微量泵的注射速度作为神经网络模型的输入，神经网络模型输出压强，控制调节微量泵压强为模型输出压强。
[0009]作为本专利技术的进一步改进方法：
[0010]所述S1步骤中针对不同规格的注射器，检测指压端压强和针头端药液速度，包括：
[0011]选取不同规格的注射器k
i
，并在注射器的针头端配置医用传感器，在注射器的指压端配置压力传感器，将注射器安置在微量泵上，其中所选取的注射器集合为K＝{k1,
k2,
…
, k
i
,
…
,k
n
}，n表示所选取的不同规格注射器的总数，k
i
表示第i种规格的注射器；
[0012]在本专利技术一个具体实施例中，注射器规格包括注射器针筒长度、注射器活塞芯杆长度以及注射器容量，本专利技术所选取的n种不同规格的注射器，在注射器针筒长度、注射器活塞芯杆长度以及注射器容量均不完全一致；
[0013]所述压力传感器的元件为弹簧测力计，弹簧测力计示数即为注射器指压端感受到的压力，当需要增大注射器的注射速度时，微量泵会增大注射器指压端受到的推力，导致压力传感器感知到的压力变大，弹簧测力计示数变大；而当需要减小注射器的注射速度时，微量泵会减小注射器指压端受到的推力，导致压力传感器感知到的压力变小，弹簧测力计示数变小；所述医用注射器用于感知针头端药液流出的速度；
[0014]对于任意规格的注射器k
i
，通过调节传统微量泵档位，进而改变注射器指压端的所受压强以及针头端药液速度，完成不同规格注射器下，不同指压端压强以及对应的针头端药液速度的检测，所述注射器指压端所受压强的计算公式为：
[0015][0016]其中：
[0017]S
i
为注射器k
i
的指压端面积；
[0018]F
i,j
表示在微量泵档位为j时，注射器k
i
内压力传感器的示数；
[0019]P
i,j
表示在微量泵档位为j时，注射器k
i
指压端所受压强。在本专利技术一个具体实施例中，传统微量泵的档位有11种，即j＝{1,2,
…
,10}，其中档位数值越高，表示注射器的注射速度越快。
[0020]所述S1步骤中将检测结果构成训练数据集，包括：
[0021]将指压端压强和针头端药液速度的检测结果构成训练数据集，所构成的训练数据集形式为：
[0022]{(k
i
,P
i,j
,s
i,j
)|i∈[1,n],j∈[1,10]}
[0023]其中：
[0024]P
i,j
表示在微量泵档位为j时，注射器k
i
指压端所受压强；
[0025]s
i,j
表示在微量泵档位为j时，注射器k
i
针头端药液速度；
[0026](k
i
,P
i,j
,s
i,j
)表示训练数据集中的一组训练数据；
[0027]将相同注射器规格k
i
的所有训练数据作为一组训练数据集，得到n组训练数据集，每组训练数据集可训练得到一个神经网络模型。
[0028]所述S2步骤中将训练数据集中的针头端药液速度作为模型输入，对应的指压端压强作为输出，训练神经网络模型，包括：
[0029]所述神经网络模型的输入为针头端药液速度，输出为指压端压强，所述神经网络模型的计算流程为：
[0030]1)将针头端药液速度作为神经网络模型输入层的输入值；
[0031]2)隐藏层对输入的针头端药液速度进行特征映射，并输出对应的指压端压强：
[0032][0033]其中：
[0034]σ(
·
)表示激活函数，本专利技术选择ReLU激活函数；
[0035]s表示针头端药液速度；
[0036]w表示隐藏层中的权重矩阵；
[0037]b表示隐藏层中的偏置量；
[0038]表示隐藏层对输入值的预测指压端压强结果；
[0039]构建神经网络模型的损失函数L(θ)，并分别将S1步骤中的每组训练数据集输入到神经网络模型中训练，训练得到n组神经网络模型，所述损失函数为：
[0040][0041]其中：
[0042]P
q
表示每组训练数据集中第q个训练数据的真实指压端压强；
[0043]为神经网络模型对每组训练数据集中第q个训练数据的预测指压端压强；
[0044]e表示每组训练数据集中训练数据的总数；
[0045]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于语音控制的流量调节微量泵方法与系统，微量泵调节系统包括内置的神经网络模型以及控制语音的关键词识别模型，其特征在于，所述方法包括：S1：针对不同规格的注射器，在针头端配置医用传感器，在指压端配置压力传感器，调节传统微量泵档位，检测指压端压强和针头端药液速度，并采集指压端压强
‑
针头端药液速度数据作为训练数据集，得到不同规格注射器的训练数据集；S2：将训练数据集中的针头端药液速度作为模型输入，对应的指压端压强作为输出，训练神经网络模型，并利用Adam优化算法进行模型参数优化，将优化后的神经网络模型内置在微量泵调节系统；S3：微量泵调节系统接收用户的控制语音，并对用户的控制语音进行关键词识别，得到微量泵注射速度增加/减少的数值；S4：根据控制语音中微量泵注射速度增加/减少的数值，计算得到当前微量泵的注射速度，并将当前微量泵的注射速度作为神经网络模型的输入，神经网络模型输出压强，控制调节微量泵压强为模型输出压强。2.如权利要求1所述的一种基于语音控制的流量调节微量泵方法，其特征在于，所述S1步骤中针对不同规格的注射器，检测指压端压强和针头端药液速度，包括：选取不同规格的注射器k
i
，并在注射器的针头端配置医用传感器，在注射器的指压端配置压力传感器，将注射器安置在微量泵上，其中所选取的注射器集合为K＝{k1,k2,
…
,k
i
,
…
,k
n
}，n表示所选取的不同规格注射器的总数，k
i
表示第i种规格的注射器；所述压力传感器的元件为弹簧测力计，弹簧测力计示数即为注射器指压端感受到的压力，当需要增大注射器的注射速度时，微量泵会增大注射器指压端受到的推力，导致压力传感器感知到的压力变大，弹簧测力计示数变大；而当需要减小注射器的注射速度时，微量泵会减小注射器指压端受到的推力，导致压力传感器感知到的压力变小，弹簧测力计示数变小；所述医用注射器用于感知针头端药液流出的速度；对于任意规格的注射器k
i
，通过调节传统微量泵档位，进而改变注射器指压端的所受压强以及针头端药液速度，完成不同规格注射器下，不同指压端压强以及对应的针头端药液速度的检测，所述注射器指压端所受压强的计算公式为：其中：S
i
为注射器k
i
的指压端面积；F
i,j
表示在微量泵档位为j时，注射器k
i
内压力传感器的示数；P
i,j
表示在微量泵档位为j时，注射器k
i
指压端所受压强。3.如权利要求2所述的一种基于语音控制的流量调节微量泵方法，其特征在于，所述S1步骤中将检测结果构成训练数据集，包括：将指压端压强和针头端药液速度的检测结果构成训练数据集，所构成的训练数据集形式为：{(k
i
,P
i,j
,s
i,j
)|i∈[1,n],j∈[1,10]}其中：P
i,j
表示在微量泵档位为j时，注射器k
i
指压端所受压强；
s
i,j
表示在微量泵档位为j时，注射器k
i
针头端药液速度；(k
i
,P
i,j
,s
i,j
)表示训练数据集中的一组训练数据；将相同注射器规格k
i
的所有训练数据作为一组训练数据集，得到n组训练数据集，每组训练数据集可训练得到一个神经网络模型。4.如权利要求1所述的一种基于语音控制的流量调节微量泵方法，其特征在于，所述S2步骤中将训练数据集中的针头端药液速度作为模型输入，对应的指压端压强作为输出，训练神经网络模型，包括：所述神经网络模型的输入为针头端药液速度，输出为指压端压强，所述神经网络模型的计算流程为：1)将针头端药液速度作为神经网络模型输入层的输入值；2)隐藏层对输入的针头端药液速度进行特征映射，并输出对应的指压端压强：其中：σ(
·
)表示激活函数；s表示针头端药液速度；w表示隐藏层中的权重矩阵；b表示隐藏层中的偏置量；表示隐藏层对输入值的预测指压端压强结果；构建神经网络模型的损失函数L(θ)，并分别将S1步骤中的每组训练数据集输入到神经网络模型中训练，训练得到n组神经网络模型，所述损失函数为：其中：P
q
表示每组训练数据集中第q个训练数据的真实指压端压强；为神经网络模型对每组训练数据集中第q个训练数据的预测指压端压强；e表示每组训练数据集中训练数据的总数；θ表示神经网络模型的参数，包括权重矩阵w以及偏置量b，通过调节神经网络模型参数θ，得到不同的损失函数值L(θ)。5.如权利要求4所述的一种基于语音控制的流量调节微量泵方法，其特征在于，所述S2步骤中利用Adam优化算法对神经网络模型进行...

【专利技术属性】
技术研发人员：陈金兰，谢霞，张鸿，
申请(专利权)人：中南大学湘雅二医院，
类型：发明
国别省市：