医用中心氧气供应安全智能立体监测方法及系统技术方案

本发明专利技术涉及医用中心氧气供应安全智能立体监测方法及系统，包括：步骤

【技术实现步骤摘要】
医用中心氧气供应安全智能立体监测方法及系统


[0001]本专利技术属于监测系统领域，具体涉及一种医用中心氧气供应安全智能立体监测方法及系统
。

技术介绍

[0002]在医疗领域，氧气供应的安全性至关重要，它直接关系到患者的生命和健康
。
然而，现有的监测方法存在一些局限性，这些局限性在实际应用中可能导致医护人员的重复无意义的劳动甚至可能造成一定的安全问题，具体局限性有：
1.
参数单独测试：目前的技术通常将不同的氧气供应参数单独测试，这种分散的监测方法使用的传感器规格不一，导致数据不一致和互不关联的问题，对于后续判断会造成较大误差；
2.
简单的阈值判断：现有技术通常仅使用阈值判断作为决策标准
。
一旦某个参数超过预设的阈值，系统会发出警报或采取措施
。
然而，传感器的反应延时或偶发信号误差将会使得这种方法出现误报或漏报；
3.
灵敏性差：由于仅使用阈值来判断，现有的阈值判断技术对数据波动不敏感，在有些情况下，参数可能在阈值附近波动，这种反复报警或者误报
。
以上情况将给医护人员带来额外的工作量甚至对患者安全带来一些不可控风险
。

技术实现思路

[0003]针对当前医用中心氧气供应中，在安全检测方面存在的难点和不足，本专利技术提出了一种医用中心氧气供应安全智能立体监测方法及系统
。
[0004]为了实现上述目标，本专利技术提供了一种医用中心氧气供应安全智能立体监测方法，包括以下步骤：步骤
S1
，设医用中心氧气供应系统中氧气供应支路管道数为
N
，
N
为大于1的正整数，且在每个支路管道中设置6个传感器，6个传感器分别为1个气体压力传感器
、1
个气体流速传感器
、1
个温度传感器
、1
个氧气浓度传感器
、1
个氮气浓度传感器
、1
个气体水含量传感器；上述
6N
个传感器以相同的采样时间进行数据采集，得到原始数据；步骤
S2
，数据处理服务器接收所采集到的原始数据并进行数据滤波处理，得到滤波数据；步骤
S3
，对所述滤波数据进行同类传感器时间方向动态预测，得到预测数据；步骤
S4
，结合原始数据
、
滤波数据以及预测数据，对医用中心氧气供应系统进行综合评价，并形成反馈信息；步骤
S5
，显示报警装置接收数据处理服务器发送的反馈信息并判断是否报警
。
[0005]所述气体压力传感器，用于采集支管道气体压力；所述气体流速传感器，用于采集支管道气体流速；所述温度传感器用于采集支管道温度信息；所述氧气浓度传感器，用于采集支管道氧气浓度；所述氮气浓度传感器，用于采集支管道氮气浓度；所述气体水含量传感器，用于采集支管道气体水含量；所述数据处理服务器，用于接收所有传感器的输出信息并进行相关数据分析推理；所述显示报警装置，用于在出现警报时报警
。
[0006]在氧气供应过程中，单位时间内输送至终端的纯氧量，其中为输氧管道内气体流速，为氧气浓度，但由于气体流动过程中的湍流效应，湍流实时速度场极不规则，同一管道同一截面不同位置的速度差可以大于平均速度，因而仅通过流速传感器检测气体流速带来的误差巨大，需要借助其他物理量同时检测气体物理场的变化
。
[0007]气体流量，其中为管道，为管道首末端水头差，为管道首末端长度，为比阻，取决了管道材质；其中，，为管道首末端压力差，
h
为水平落差，为气体密度，为重力加速度，进而有：；
[0008]因而同时选用气体压力传感器监测气体物理场变化过程从而增强系统的稳定性，考虑到温度带来的气体热胀冷缩效应，将温度参数也纳入考虑
。
同时，由于医用氧气浓度要求不低于
99.5%
，因而对氧气浓度传感器的分辨率和灵敏度要求极高，为进一步减小氧气浓度传感器产生误差带来的影响，本专利技术还引入氮气浓度传感器
、
气体水含量传感器共同监测气体含量的变换
。
[0009]作为本专利技术的进一步改进方法：可选的，所述步骤
S1
中的采样时间的计算公式如下：；其中，为
6N
个传感器的可选择采样时间集合，表示取该集合的最小值，表示取该集合的最大值
。
对所有传感器采样时间使用先最小后最大方式选择系统的采样时间，目的是所有传感器可以同步以最小的采样时间进行采样，乘
0.8
是为了使采样时间最大的传感器不会因为持续处于极限采样时间而出现错误
。
[0010]可选的，所述步骤
S2
中的进行数据滤波处理，包括以下步骤：步骤
S201
，存储采集到的原始数据，气体压力传感器发送的数据串记为，气体流速传感器发送的数据串为，温度传感器发送的数据串为，氧气浓度传感器发送的数据串为，氮气浓度传感器发送的数据串为，气体水含量传感器发送的数据串为；且在前
1000
个时间步只执行数据存储；步骤
S202
，在系统启动
1000
个时间步后，每接收一个新时间步的数据，首先进行同类型传感器的空间方向正则化，具体运算如下：
[0011]其中为同类传感器同时间步的均值，为同类传感器同时间步的标准差，为接受自传感器带有噪声的原始数据，为实数集；经过正则化的数据为：
[0012]步骤
S203
，对正则化后的数据进行同一传感器的时间方向滤波，使用指数加权平均移动滤波法：
[0013]其中，为滤波后的数据；为指数加权因子，
D
为所有
6N
个传感器发送的数据串之一，
P
为气体压力传感器发送的数据串，
F
为流速传感器发送的数据串，
U
为温度传感器发送的数据串，
O
为氧气浓度传感器发送的数据串，
M
为氮气浓度传感器发送的数据串，
H
为气体水含量传感器发送的数据串；为相对于当前时间步前
k
个时间步的数据，
k
的范围为1‑
10
；步骤
S204
，将步骤
S203
运算后的滤波数据存入数据串中，依次执行以下赋值运算：
[0014]新数据被存入
D
中，而最远的旧数据将被遗弃
。
[0015]可选的，所述步骤
S3
中的进行同类传感器时间方向动态预测，包括以下步骤：步骤
S301
，创建6个输入为
N
维的自注意力机制
Transformer
模型
Trans1~Trans本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种医用中心氧气供应安全智能立体监测方法，其特征在于：包括以下步骤：步骤
S1
，设医用中心氧气供应系统中氧气供应支路管道数为
N
，
N
为大于1的正整数，且在每个支路管道中设置6个传感器，6个传感器分别为1个气体压力传感器
、1
个气体流速传感器
、1
个温度传感器
、1
个氧气浓度传感器
、1
个氮气浓度传感器
、1
个气体水含量传感器；上述
6N
个传感器以相同的采样时间进行数据采集，得到原始数据；步骤
S2
，数据处理服务器接收所采集到的原始数据并进行数据滤波处理，得到滤波数据；步骤
S3
，对所述滤波数据进行同类传感器时间方向动态预测，得到预测数据；步骤
S301
，创建6个输入为
N
维的自注意力机制
Transformer
模型
Trans1~Trans6
，输入数据分别为各类传感器发送的数据串的拼接矩阵，输出数据分别为各类传感器当前时间步后续
1000
个时间步的预测值，步骤
S302
，每接收到下一时间步的数据时，对
Trans1~Trans6
进行梯度下降法训练；步骤
S4
，结合原始数据
、
滤波数据以及预测数据，对医用中心氧气供应系统进行综合评价，并形成反馈信息；步骤
S5
，显示报警装置接收数据处理服务器发送的反馈信息并判断是否报警
。2.
根据权利要求1所述的医用中心氧气供应安全智能立体监测方法，其特征在于，所述步骤
S1
中的采样时间的计算公式如下：；其中，为
6N
个传感器的可选择采样时间集合，表示取该集合的最小值，表示取该集合的最大值
。3.
根据权利要求1所述的医用中心氧气供应安全智能立体监测方法，其特征在于，所述步骤
S2
中的进行数据滤波处理，包括以下步骤：步骤
S201
，存储采集到的原始数据，气体压力传感器发送的数据串记为，气体流速传感器发送的数据串为，温度传感器发送的数据串为，氧气浓度传感器发送的数据串为，氮气浓度传感器发送的数据串为，气体水含量传感器发送的数据串为；且在前
1000
个时间步只执行数据存储；步骤
S202
，在系统启动
1000
个时间步后，每接收一个新时间步的数据，首先进行同类型传感器的空间方向正则化，具体运算如下： ；；其中为同类传感器同时间步的均值，为同类传感器同时间步的标准差，为接受自传感器带有噪声的原始数据，为实数集；经过正则化的数据为：；步骤
S203
，对正则化后的数据进行同一传感器的时间方向滤波，使用指数加权平均移动滤波法：
；；；其中，为滤波后的数据；为指数加权因子，
D
为所有
6N
个传感器发送的数据串之一，
P
为气体压力传感器发送的数据串，
F
为流速传感器发送的数据串，
U
为温度传感器发送的数据串，
O
为氧气浓度传感器发送的数据串，
M
为氮气浓度传感器发送的数据串，
H
为气体水含量传感器发送的数据串；为相对于当前时间步前
k
个时间步的数据，
k
的范围为1‑
10
；步骤
S204
，将步骤
S203
运算后的数据存入数据串中，依次执行以下赋值运算：
。4.
根据权利要求3所述的医用中心氧气供应安全智能立体监测方法，其特征在于，所述步骤
S3
中的进行同类传感器时间方向动态预测，包括以下步骤：步骤
S301
，创建6个输入为
N
维的自注意力机制
Transformer
模型
Trans1~Trans6
，输入数据分别为数据矩阵；其中，
P_cat
为气体压力传感器发送的数据串的拼接矩阵，
F_cat
为流速传感器发送的数据串的拼接矩阵，
U_cat
为温度传感器发送的数据串的拼接矩阵，
O_cat
为氧气浓度传感器发送的数据串的拼接矩阵，
M_cat
为氮气浓度传感器发送的数据串的拼接矩阵，
H_cat
为气体水含量传感器发送的数据串的拼接矩阵；输出数据分别为当前时间步后续
1000
个时间步的预测值，
P_pre
为预测气体压力传感器的数据串的拼接矩阵，
F_pre
为预测流速传感器的数据串的拼接矩阵，
U_pre
为预测气温度传感器的数据串的拼接矩阵，
O_pre
为预测氧气浓度传感器数据串的拼接矩阵，
M_pre
为预测氮气浓度传感器数据串的拼接矩阵，
H_pre
为预测气体水含量传感器数据串的拼接矩阵；其中，数据矩阵的拼接方式如下：；数据的预测方式如下：；其中，为
Trans1~Trans6
之间的一个，为形状的张量集合，
D_cat
为所有
6N
个传感器发送的数据串的拼接矩阵之一，
D_pre
为所有预测
6N
个传感器数据串的拼接矩阵之一；步骤
S302

【专利技术属性】
技术研发人员：秦伏秋，张意龙，梁钟尹，
申请(专利权)人：湖南一特医疗股份有限公司，
类型：发明
国别省市：