本发明专利技术提供了一种CPAP参数的调控方法和装置，所述方法包括：获取第一数据集；根据所述第一数据集，构建CPAP参数调控模型，并对CPAP参数调控模型进行训练直至符合预设收敛条件；将待测早产儿的呼吸频率数据和经皮血氧饱和度数据输入至收敛的CPAP参数调控模型，获得待测早产儿的CPAP参数，并相应调节CPAP的氧浓度、呼吸末压和送气流量。相比于现有技术，无需医生介入，可持续、实时地监控数据，及时跟进早产儿状况，提高救治效率，降低人力成本；降低救治过程中的主观性，做到对早产儿氧疗护理的规范化；可根据早产儿的病情实时调节CPAP参数，无需人力反复调节，提高救治质量并降低了使用者的知识门槛。者的知识门槛。者的知识门槛。
【技术实现步骤摘要】
一种CPAP参数的调控方法和装置
[0001]本专利技术涉及早产儿氧疗领域，尤其涉及一种CPAP参数的调控方法和装置。
技术介绍
[0002]持续气道正压通气系统(CPAP)是一种重要的早产儿氧疗方法，其原理是持续用正压防止呼吸末肺泡萎陷，起到改善通气和换气的作用。通过CPAP可以有效改善早产儿的血氧浓度，有助于减小眼部及全身的并发症风险，从而改善患儿的生存率和生存质量。然而早产儿通常病情不稳定，临床工作中很难实时根据患儿的情况调整氧疗救治方案，由此引起的血氧大幅波动，增加了早产儿视网膜病变与严重的坏死性小肠结肠炎等眼部与全身并发症的风险。
[0003]目前，现有的CPAP技术需要有经验的新生儿科医生，人为定期地调整呼吸末压、送气流量和氧浓度等参数。因此，受限于新生儿科医生的紧缺以及人力的限制，很难做到24小时对每个早产儿身体状况的实时跟踪，影响救治效率；并且对于CPAP参数的调整缺乏一个相对固定的标准，完全依赖医生经验，不同医院之间的参数设置偏好可能存在差异，再加上人为判断等主观因素，会影响到对早产儿氧疗护理的规范化。因此亟需一种能够对CPAP参数进行智能调控的方法。
技术实现思路
[0004]本专利技术提供了一种CPAP参数的调控方法和装置，根据早产儿的病情对CPAP参数进行自动调控，提高了救治效率和救治质量。
[0005]为了解决上述技术问题，本专利技术实施例提供了一种CPAP参数的调控方法，包括:
[0006]获取第一数据集；其中，所述第一数据集包括若干早产儿的呼吸频率数据、经皮血氧饱和度数据以及预设的CPAP参数；所述CPAP参数包括氧浓度、呼吸末压和送气流量；
[0007]根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件；
[0008]实时获取待测早产儿的呼吸频率数据和经皮血氧饱和度数据，将所述待测早产儿的呼吸频率数据和经皮血氧饱和度数据输入至收敛的CPAP参数调控模型，获得所述待测早产儿的CPAP参数，并相应调节CPAP的氧浓度、呼吸末压和送气流量。
[0009]作为优选方案，所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
[0010]将所述第一数据集划分为第一样本数据集和第二样本数据集；
[0011]通过所述第一样本数据集构建基础分类模型，将所述第二样本数据集输入所述基础分类模型，获得所述第二样本数据集的分类标签的设置概率，并基于所述设置概率确定所述第二样本数据集的权重；
[0012]根据所述第一样本数据集、第二样本数据集和所述第二样本数据集的权重，构建目标分类模型；
[0013]对所述目标分类模型进行训练直至符合预设的聚类条件，获得CPAP参数调控模型。
[0014]进一步的，所述分类标签包括第一标签、第二标签、第三标签和第四标签；其中，所述第一标签设置为氧浓度up，呼吸末压up，送气流量up；所述第二标签设置为氧浓度up，呼吸末压down，送气流量down；所述第三标签设置为氧浓度down，呼吸末压down，送气流量down；所述第四标签设置为氧浓度down，呼吸末压up，送气流量up。
[0015]作为另一种优选方案，所述根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
[0016]将第一数据集中的经皮血氧饱和度作为横坐标，呼吸频率作为纵坐标，时间参数作为颜色输入，将各早产儿的呼吸频率数据和经皮血氧饱和度数据转换为图像集；
[0017]将所述图像集结合所述第一数据集中各早产儿的CPAP参数，按照预设比例划分为训练集、验证集和测试集；
[0018]基于所述训练集构建卷积神经网络模型，并通过所述训练集和所述测试集对所述卷积神经网络模型进行迭代优化，直到所述卷积神经网络模型收敛，得到CPAP参数调控模型。
[0019]优选的，在构建CPAP参数调控模型之前，还包括：对所述第一数据集进行分段处理，具体地：
[0020]当早产儿的经皮血氧饱和度在70％和99％之间，占总时长70％以上，且早产儿的呼吸频率波动小于每分钟20次，将所述第一数据集以每五分钟进行分段；否则，将所述第一数据集以每三分钟进行分段。
[0021]优选的，所述调控方法还包括：当所述待测早产儿的氧浓度大于30％，呼吸末压大于8mmHg，且送气流量大于8L/min时，发送报警信号给医护人员终端。
[0022]相应的，本专利技术实施例还提供了一种CPAP参数的调控装置，包括数据获取模块、模型构建模块和调控模块；其中，
[0023]所述数据获取模块用于获取第一数据集；其中，所述第一数据集包括若干早产儿的呼吸频率数据、经皮血氧饱和度数据以及预设的CPAP参数；所述CPAP参数包括氧浓度、呼吸末压和送气流量；
[0024]所述模型构建模块用于根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件；
[0025]所述调控模块用于实时获取待测早产儿的呼吸频率数据和经皮血氧饱和度数据，将所述待测早产儿的呼吸频率数据和经皮血氧饱和度数据输入至收敛的CPAP参数调控模型，获得所述待测早产儿的CPAP参数，并相应调节CPAP的氧浓度、呼吸末压和送气流量。
[0026]作为优选方案，所述模型构建模块根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
[0027]所述模型构建模块将所述第一数据集划分为第一样本数据集和第二样本数据集；
[0028]通过所述第一样本数据集构建基础分类模型，将所述第二样本数据集输入所述基础分类模型，获得所述第二样本数据集的分类标签的设置概率，并基于所述设置概率确定所述第二样本数据集的权重；
[0029]根据所述第一样本数据集、第二样本数据集和所述第二样本数据集的权重，构建
目标分类模型；
[0030]对所述目标分类模型进行训练直至符合预设的聚类条件，获得CPAP参数调控模型。
[0031]进一步的，所述分类标签包括第一标签、第二标签、第三标签和第四标签；其中，所述第一标签设置为氧浓度up，呼吸末压up，送气流量up；所述第二标签设置为氧浓度up，呼吸末压down，送气流量down；所述第三标签设置为氧浓度down，呼吸末压down，送气流量down；所述第四标签设置为氧浓度down，呼吸末压up，送气流量up。
[0032]作为另一种优选方案，所述模型构建模块根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：
[0033]所述模型构建模块将第一数据集中的经皮血氧饱和度作为横坐标，呼吸频率作为纵坐标，时间参数作为颜色输入，将各早产儿的呼吸频率数据和经皮血氧饱和度数据转换为图像集；...
【技术保护点】
【技术特征摘要】
1.一种CPAP参数的调控方法，其特征在于，包括：获取第一数据集；其中，所述第一数据集包括若干早产儿的呼吸频率数据、经皮血氧饱和度数据以及预设的CPAP参数；所述CPAP参数包括氧浓度、呼吸末压和送气流量；根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件；实时获取待测早产儿的呼吸频率数据和经皮血氧饱和度数据，将所述待测早产儿的呼吸频率数据和经皮血氧饱和度数据输入至收敛的CPAP参数调控模型，获得所述待测早产儿的CPAP参数，并相应调节CPAP的氧浓度、呼吸末压和送气流量。2.如权利要求1所述的一种CPAP参数的调控方法，其特征在于，所述根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：将所述第一数据集划分为第一样本数据集和第二样本数据集；通过所述第一样本数据集构建基础分类模型，将所述第二样本数据集输入所述基础分类模型，获得所述第二样本数据集的分类标签的设置概率，并基于所述设置概率确定所述第二样本数据集的权重；根据所述第一样本数据集、第二样本数据集和所述第二样本数据集的权重，构建目标分类模型；对所述目标分类模型进行训练直至符合预设的聚类条件，获得CPAP参数调控模型。3.如权利要求2所述的一种CPAP参数的调控方法，其特征在于，所述分类标签包括第一标签、第二标签、第三标签和第四标签；其中，所述第一标签设置为氧浓度up，呼吸末压up，送气流量up；所述第二标签设置为氧浓度up，呼吸末压down，送气流量down；所述第三标签设置为氧浓度down，呼吸末压down，送气流量down；所述第四标签设置为氧浓度down，呼吸末压up，送气流量up。4.如权利要求1所述的一种CPAP参数的调控方法，其特征在于，所述根据所述第一数据集，构建CPAP参数调控模型，并对所述CPAP参数调控模型进行训练直至符合预设收敛条件，具体为：将第一数据集中的经皮血氧饱和度作为横坐标，呼吸频率作为纵坐标，时间参数作为颜色输入，将各早产儿的呼吸频率数据和经皮血氧饱和度数据转换为图像集；将所述图像集结合所述第一数据集中各早产儿的CPAP参数，按照预设比例划分为训练集、验证集和测试集；基于所述训练集构建卷积神经网络模型，并通过所述训练集和所述测试集对所述卷积神经网络模型进行迭代优化，直到所述卷积神经网络模型收敛，得到CPAP参数调控模型。5.如权利要求1所述的一种CPAP参数的调控方法，其特征在于，在构建CPAP参数调控模型之前，还包括：对所述第一数据集进行分段处理，具体地：当早产儿的经皮血氧饱和度在70％和99％之间，占总时长70％以上，且早产儿的呼吸频率波动小于每分钟20次，将所述第一数据集以每五分钟进行分段；否则，将所述第一数据集以每三分钟进行分段。6.如权利要求1至5任意一项所述的一...
【专利技术属性】
技术研发人员：林浩添，魏晓悦，庞健宇，
申请(专利权)人：中山大学中山眼科中心，
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。