用于医疗监测系统的机器学习训练技术方案

本技术涉及医疗监测系统领域。描述了系统、方法和计算机可读介质。在一些实施方案中，访问真值数据集和传感器数据集。该真值数据集与通过一系列测试获取的多个测试数据相关联。该传感器数据集与从医疗监测装置获取的多个传感器数据相关联。基于该真值数据集和该传感器数据集来训练与医疗监测系统相关联的机器学习网络。学习网络。学习网络。

【技术实现步骤摘要】
【国外来华专利技术】用于医疗监测系统的机器学习训练


[0001]本技术整体涉及医疗监测系统，并且更具体地，涉及用于医疗监测系统的机器学习训练。

技术介绍

[0002]许多常规医疗监测器需要将传感器附接到患者以便检测来自患者的生理信号。这些监测器处理所接收的信号并且确定生命体征，诸如患者的脉搏率、呼吸率和氧饱和度。例如，脉搏血氧计可以是一种手指传感器，它包括两个光发射器和一个光电探测器。传感器将光发射到患者的手指中并且将所检测到的光信号传输到监测器。监测器可处理信号、确定生命体征(例如，脉搏率、呼吸率、氧饱和度)并且在显示器上显示生命体征。其他脉搏血氧计传感器变型可包括前额脉搏血氧计传感器、粘性脉搏血氧计传感器和非粘性脉搏血氧计传感器，它们被配置为与患者的身体部分保持接触。
[0003]医疗监测传感器可能对患者移动敏感。此类医疗监测传感器通常校准到静态定位的患者的标称条件。此外，患者的身体特性会随着环境条件诸如环境光照而变化，这可能影响感测到的数据特性。

技术实现思路

[0004]本公开的技术整体涉及用于医疗监测系统的机器学习训练。
[0005]在一个方面，一种系统包括处理系统和与处理系统通信的存储器系统。该存储器系统可存储指令，这些指令在由该处理系统执行时导致访问真值数据集和传感器数据集。该真值数据集与通过一系列测试获取的多个测试数据相关联。该传感器数据集与从医疗监测装置获取的多个传感器数据相关联。基于该真值数据集和该传感器数据集来训练与医疗监测系统相关联的机器学习网络。
[0006]在另一方面，一种方法包括：由处理系统访问与通过一系列测试获取的多个测试数据相关联的真值数据集。该处理系统访问与从医疗监测装置获取的多个传感器数据相关联的传感器数据集。该处理系统可基于该真值数据集和该传感器数据集来训练与医疗监测系统相关联的机器学习网络。
[0007]在另一方面，一种计算机程序产品包括存储介质，该存储介质具体体现有计算机程序指令，这些计算机程序指令在由计算机执行时致使该计算机实施访问真值数据集和传感器数据集。该真值数据集与通过一系列测试获取的多个测试数据相关联。该传感器数据集与从医疗监测装置获取的多个传感器数据相关联。基于该真值数据集和该传感器数据集来训练与医疗监测系统相关联的机器学习网络。
[0008]本公开的一个或多个方面的细节在以下附图和描述中阐述。根据说明书和附图以及权利要求书，本公开中描述的技术的其他特征、目标和优点将是显而易见的。
附图说明
[0009]参考以下附图，可更好地理解本公开的许多方面。附图中的部件未必按比例绘制。反而，注重于清楚地说明本公开的原理。附图不应视为将本公开限制于所描绘的具体实施方案，而仅用于阐释和理解。
[0010]图1是根据本技术的各种实施方案的医疗监测系统的框图；
[0011]图2是根据本技术的各种实施方案配置的系统的框图；
[0012]图3是训练用于根据本技术的各种实施方案配置的医疗监测系统的机器学习网络的流程图；
[0013]图4是示出根据本技术的各种实施方案配置的机器学习网络的框图；
[0014]图5是示出根据本技术的各种实施方案配置的用于医疗监测系统的机器学习网络的训练的流程图；
[0015]图6是示出根据本技术的各种实施方案配置的用于医疗监测系统的机器学习网络的训练的流程图；
[0016]图7是示出根据本技术的各种实施方案配置的用于医疗监测系统的机器学习网络的训练的流程图；
[0017]图8是根据本技术的各种实施方案的对用百分比表示的血氧饱和度的调整对比时间的曲线图；并且
[0018]图9是根据本技术的各种实施方案的对用百分比表示的血氧饱和度的调整对比时间的曲线图。
具体实施方式
[0019]以下公开内容描述了用于检测和/或监测一个或多个患者参数诸如氧饱和度、心率和/或其他参数的患者监测装置、系统和相关联方法。如以下更详细描述的，根据本技术的实施方案配置的装置、系统和/或方法被配置为训练用于医疗监测系统的机器学习网络。医疗监测系统诸如脉搏血氧计可使用一个或多个校准曲线来针对误差进行校正。校准曲线可使用附接到志愿者的测试脉搏血氧计生成。当收集来自测试脉搏血氧计的数据时，志愿者可改变呼吸模式或被提供较低水平的氧。可执行若干次抽血并且作为共血氧计数据进行检查。共血氧计数据收集是缓慢的过程，但是具有高水平的准确度。通过将共血氧计数据与在相同条件下同时收集的脉搏血氧计数据进行比较，可观察到结果差作为误差数据。由于如受抽血间隔限制的数据点的数量有限，可将误差关系概括为校准曲线图，其可呈现所收集的数据点之间的基本线性关系。这种方法对于许多情况可极为奏效，但是在其他条件下，诸如当患者正在移动时，可能不那么奏效。
[0020]实施方案使用机器学习网络来建立到医疗监测系统的输入与输出之间的学习关系。机器学习网络学习对于人类观察者来说可能不是显而易见的许多关系，而不是使用转换公式或结合转换公式的校准调整。经训练的机器学习网络可提高结果准确度，特别是对于甚至在使用校准时也无法通过转换公式很好量化的状况。为了获得更高准确度的结果，可如本文进一步描述训练机器学习网络。
[0021]附加地，根据本技术的实施方案配置的装置、系统和/或方法可包括与患者相关联(例如，接触)的一个或多个传感器或探针，该一个或多个传感器或探针可被配置为捕获与
患者相关的数据(例如，氧饱和度、温度、血压、心率等)。这些装置、系统和/或方法可以将所捕获的数据传输到监测装置、集线器、移动患者管理系统(mobile patient management，MPM)等。在一些实施方案中，装置、系统和/或方法可使用机器学习网络分析所捕获的数据以确定和/或监测一个或多个患者参数，从而确定患者的生理状态。在这些和其他实施方案中，测试环境中的装置、系统和/或方法使用一个或多个传感器或探针捕获数据以建立用于机器学习网络的训练数据集。结合捕获传感器数据，可使用第二数据收集方法诸如抽血测试来在与收集传感器数据基本上类似的条件下建立真值数据集。真值数据和传感器数据可共同用于训练机器学习网络。
[0022]本文参考图1至图9描述了本技术的若干个实施方案的具体细节。尽管关于用于医疗系统的机器学习训练的装置、系统和方法描述了许多实施方案，但是除本文所述的那些应用和实施方案以外的其他应用和其他实施方案也在本技术的范围内。例如，本技术的至少一些实施例可以用于检测和/或监测其他动物的和/或非患者(例如，他们家中的老人或新生儿个体、处于搜索和救援或困境中的个体等)体内的一个或多个参数。应当指出的是，除本文公开的那些实施方案之外的其他实施方案也在本技术的范围内。另外，本技术的实施方案可具有与本文所示或所述的那些不同的配置、部件和/或过程。此外，本领域的普通技术人员将理解，本技术的实施方案可具有除了本文所示或所述的那些之外的配置、部件和/或过程，并且在不偏离本技术的情况下，这些和其他实施方案可不具有本文所示或所述的配置、部件和/或过程中本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种系统，包括：处理系统；以及与所述处理系统通信的存储器系统，所述存储器系统存储指令，所述指令在由所述处理系统执行时导致：访问与通过一系列测试获取的多个测试数据相关联的真值数据集；访问与从医疗监测装置获取的多个传感器数据相关联的传感器数据集；以及基于所述真值数据集和所述传感器数据集来训练与医疗监测系统相关联的机器学习网络。2.根据权利要求1所述的系统，其中所述测试数据包括共血氧计数据，并且所述传感器数据包括脉搏血氧计数据。3.根据权利要求1所述的系统，其中所述机器学习网络包括深度学习神经网络。4.根据权利要求1所述的系统，还包括指令，所述指令在由所述处理系统执行时导致：基于所述真值数据集生成到所述机器学习网络的第一多个输入和数据标记；基于所述传感器数据集生成到所述机器学习网络的第二多个输入和数据标记；以及基于具有数据标记的所述第一多个输入和具有数据标记的所述第二多个输入的组合来填充多个训练数据，其中训练所述机器学习网络是基于所述训练数据执行的。5.根据权利要求4所述的系统，还包括指令，所述指令在由所述处理系统执行时导致：将损失函数应用于具有数据标记的所述第一多个输入和具有数据标记的所述第二多个输入的所述组合，以调整来自所述真值数据集相对于来自所述传感器数据集的数据的相对权重。6.根据权利要求4所述的系统，还包括指令，所述指令在由所述处理系统执行时导致：将逆校准应用于来自所述真值数据集和所述传感器数据集的数据中的任一者或两者，其中所述机器学习网络被训练为基于红信号输入和红外信号输入来预测比率比值；以及将所述比率比值转换为用百分比表示的血氧饱和度。7.根据权利要求1所述的系统，还包括指令，所述指令在由所述处理系统执行时导致：基于所述传感器数据集生成到所述机器学习网络的第一多个输入和数据标记；基于具有数据标记的所述第一多个输入来初始训练所述机器学习网络；以及基于所述真值数据集生成到所述机器学习网络的第二多个输入和数字标记，其中基于所述真值数据集和所述传感器数据集训练所述机器学习网络包括：基于具有数字标记的所述第二多个输入再训练所述机器学习网络以微调相对于具有数字标记的所述第一多个输入执行的初始训练。8.根据权利要求1所述的系统，还包括指令，所述指令在由所述处理系统执行时导致：分析与所述传感器数据集相关联的一个或多个质量指标；以及基于确定所述一个或多个质量指标低于质量阈值而丢弃所述传感器数据集的一部分。9.根据权利要求1所述的系统，还包括指令，所述指令在由所述处理系统执行时导致：基于所述传感器数据生成一个或多个导出信号；以及将所述一个或多个导出信号作为输入提供到所述机器学习网络。10.根据权利要求1所述的系统，还包括指令，所述指令在由所述处理系统执行时导致：确定基于所述传感器数据集的第一部分和所述真值数据集计算的用百分比表示的血
氧饱和度中的差；以及基于所述差来调整所述传感器数据集的第二部分。11.一种方法，包括：...

【专利技术属性】
技术研发人员：D，
申请(专利权)人：柯惠有限合伙公司，
类型：发明
国别省市：