基于血氧饱和度和脉率趋势图的心肺健康检测系统和方法技术方案

本发明专利技术公开了基于血氧饱和度和脉率趋势图的心肺健康检测系统和方法，涉及有源医疗器械领域，其检测方法步骤如下：步骤一：对于血氧饱和度和脉率，分别连续取3秒的数据值，以时间为横轴，数据值为纵轴进行波形显示，并对3秒钟的数据求平均值；步骤二：新的3秒钟的数据覆盖掉前3秒的数据，继续显示，求平均值，如此延续；步骤三：连续3分钟的数据，血氧饱和度和脉率分别有60个平均值，分别作为各自神经网络算法模型的输入；步骤四：采集大量的样本，对心脏和肺健康对应的神经网络模型进行训练；步骤五：将血氧饱和度和脉率趋势图数据作为输入，进行心肺健康判断，本发明专利技术提高了基于脉搏血氧饱和度测试的心肺健康检测准确性。测试的心肺健康检测准确性。测试的心肺健康检测准确性。

【技术实现步骤摘要】
基于血氧饱和度和脉率趋势图的心肺健康检测系统和方法


[0001]本专利技术涉及有源医疗器械领域，具体是基于血氧饱和度和脉率趋势图的心肺健康检测系统和方法。

技术介绍

[0002]指夹式脉搏血氧仪通常供家用，一般只具有测量血氧饱和度和脉率的功能，只显示这两个参数，而一般用户往往缺乏医学知识，很难根据这两个数据对自己的健康状况作出判断，这就使这类产品的实用性大打折扣。由于脉搏与心脏跳动相关度很高，而血氧饱和度又与肺功能有较高的相关性，利用指夹式脉搏血氧仪测得的血氧饱和度和脉率数据，根据医学诊断标准，可以了解心肺健康状况。
[0003]单一时间的血氧饱和度和脉率不能全面反映人的心肺健康，往往需要观察一定时间(通常几分钟内)的变化趋势，才能分析出人的心肺健康状况。鉴于血氧饱和度和脉率趋势的多样性，单纯从医学诊断标准出发，机械地根据趋势图的基本走向来判断心肺健康状况，往往会造成误判和漏判。

技术实现思路

[0004]本专利技术的目的在于提供基于血氧饱和度和脉率趋势图的心肺健康检测系统和方法，在产生血氧饱和度趋势图和脉率趋势图的基础上，通过人工智能的神经网络算法，心脏和肺健康程度分析，从而判断心肺健康状况的技术，以提高基于脉搏血氧饱和度测试的心肺健康检测准确性。
[0005]为实现上述目的，本专利技术首先利用PPG技术测量血氧脉搏波，在此基础上通过特定算法可以得到即时血氧饱和度和脉率值。这是常规血氧仪的功能。本专利技术是在此基础上，对PPG测试血氧脉搏波功能的扩展。由于脉搏与心脏跳动高度相关，而血氧饱和度又与肺功能相关性较高，PPG测试血氧脉搏波可以用于判断心肺功能健康状况。但血氧脉搏波与心肺健康的关联较为复杂，仅根据血氧和脉率的即时值，是不能准确判断心肺健康的。
[0006]为解决上述问题，本专利技术首先推出血氧饱和度趋势图和脉率趋势图，供用户根据知识和经验来判断心肺健康。血氧饱和度趋势图和脉率趋势图，就是取一段时间内变化的血氧饱和度或脉率的值，以时间为横轴，以血氧饱和度或脉率的数值为纵轴的波形数据。血氧饱和度几分钟内的变化趋势可以反映肺功能的健康状况，脉率几分钟内的变化趋势则可以反映心脏功能的健康状况。
[0007]为实现上述目的，本专利技术提供如下技术方案：
[0008]基于血氧饱和度和脉率趋势图的心肺健康检测方法，其检测方法步骤如下：
[0009]步骤一：对于血氧饱和度和脉率，分别连续取3秒的数据值，以时间为横轴，数据值为纵轴进行波形显示，即显示血氧饱和度趋势图和脉率趋势图，并对3秒钟的数据求平均值；
[0010]步骤二：新的3秒钟的数据覆盖掉前3秒的数据，继续显示，求平均值，如此延续；
[0011]步骤三：连续3分钟的数据，血氧饱和度和脉率分别有60个平均值，分别作为各自神经网络算法模型的输入，即心脏健康神经网络算法模型和肺健康神经网络算法模型的输入；
[0012]步骤四：采集大量的样本，分别对心脏和肺健康对应的神经网络模型进行训练；
[0013]步骤五：在完成上述四个步骤后，心脏和肺健康对应的两种算法模型就已经确定，可以将血氧饱和度和脉率趋势图数据作为输入，进行心肺健康判断。
[0014]作为本专利技术进一步的方案：所述步骤三中对每种模型，这60个平均值，按照时间顺序，分别与图2中t1时刻血氧饱和度或脉率值、t2时刻血氧饱和度或脉率值、
……
、t60时刻血氧饱和度或脉率值对应，心脏健康模型对应的是各时刻的脉率值，肺健康模型则对应的是各时刻的血氧饱和度值。
[0015]作为本专利技术再进一步的方案：所述步骤四中误差的BP算法采用随机梯度下降(SGD)算法，随着误差的反向传播不断改变加权系数Wij和W
’
jk的值，当误差的均方根小于0.001时，停止学习训练，此时的加权系数Wij和W
’
jk的值为算法模型的最终值。
[0016]作为本专利技术再进一步的方案：所述步骤五中当输出值小于或等于0.5时，将输出值强制为0；当输出值大于0.5时，将输出值强制为1。
[0017]基于血氧饱和度和脉率趋势图的心肺健康检测方法用检测系统，包括PPG测试模块、数据存储模块、显示模块和数据更新模块，所述PPG测试模块与数据存储模块连接，所述数据存储模块与显示模块连接，所述显示模块与数据更新模块连接。
[0018]与现有技术相比，本专利技术的有益效果是：
[0019]1、本专利技术先在通过PPG测量血氧饱和度和脉率的基础上，收集3分钟的血氧饱和度和脉率的数据，显示的血氧饱和度趋势图和脉率趋势图则是3秒钟的数据，每3秒钟更新，血氧饱和度趋势图和脉率趋势图每幅图像即3秒钟的数据取平均值，分别作为肺健康神经网络和心脏健康神经网络的输入，并根据先后顺序与图1中神经网络t1到t60时刻相对应，再采用人工智能的神经网络算法，根据大量样本的血氧饱和度趋势图和脉率趋势图的数据，分别对肺健康神经网络模型和心脏健康神经网络模型进行训练，最终使实际值与神经网络的输出值的误差均方根小于设定的阈值(0.001)，从而得到最终心脏健康神经网络模型和肺健康神经网络模型，并采用这两个模型的算法得出心脏健康和肺健康的判断结果，提高了基于脉搏血氧饱和度测试的心肺健康检测准确性；
[0020]2、本专利技术将人工智能的神经网络算法应用于心脏和肺健康的判断，人工神经网络通过对大量样本的学习训练，记忆了各种与健康状况相关的特征，通过算法直接给出判断结果，不仅不需要用户通过医学知识来判断，判断结果的准确性也大幅提高。将上述技术应用于指夹式脉搏血氧仪相关产品，可以扩展其用途，方便用户了解自己的心肺健康状况，具有较高的社会效益和经济效益。
附图说明
[0021]图1为血氧饱和度和脉率趋势图建立流程及数据去向图。
[0022]图2为神经网络的算法模型图。
[0023]图3为心脏健康神经网络算法模型对临床样本的实际运行结果与实际健康状况对比图。
具体实施方式
[0024]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0025]请参阅图1～3，本专利技术实施例中，基于血氧饱和度和脉率趋势图的心肺健康检测系统和方法，其检测方法步骤如下：
[0026]步骤一：对于血氧饱和度和脉率，分别连续取3秒的数据值，以时间为横轴，数据值为纵轴进行波形显示，即显示血氧饱和度趋势图和脉率趋势图；对3秒钟的数据求平均值；
[0027]步骤二：新的3秒钟的数据覆盖掉前3秒的数据，继续显示，求平均值，如此延续；
[0028]步骤三：连续3分钟的数据，血氧饱和度和脉率分别有60个平均值，分别作为各自神经网络算法模型的输入，即心脏健康神经网络算法模型和肺健康神经网络算法模型的输入。对每种模型，这60个平均值，按照本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于血氧饱和度和脉率趋势图的心肺健康检测方法，其特征在于：其检测方法步骤如下：步骤一：对于血氧饱和度和脉率，分别连续取3秒的数据值，以时间为横轴，数据值为纵轴进行波形显示，即显示血氧饱和度趋势图和脉率趋势图，并对3秒钟的数据求平均值；步骤二：新的3秒钟的数据覆盖掉前3秒的数据，继续显示，求平均值，如此延续；步骤三：连续3分钟的数据，血氧饱和度和脉率分别有60个平均值，分别作为各自神经网络算法模型的输入，即心脏健康神经网络算法模型和肺健康神经网络算法模型的输入；步骤四：采集大量的样本，分别对心脏和肺健康对应的神经网络模型进行训练；步骤五：在完成上述四个步骤后，心脏和肺健康对应的两种算法模型就已经确定，可以将血氧饱和度和脉率趋势图数据作为输入，进行心肺健康判断。2.根据权利要求1所述的基于血氧饱和度和脉率趋势图的心肺健康检测方法，其特征在于：所述步骤三中对每种模型，这60个平均值，按照时间顺序，分别与图2中t1时刻血氧饱和度或脉率值、t2时刻血氧饱和度或脉率值、
……
、...

【专利技术属性】
技术研发人员：沈盈廷，袁博，尤剑鸣，陈春莉，
申请(专利权)人：上海雍恩医疗器械有限公司，
类型：发明
国别省市：