System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及医疗数据处理,具体涉及一种电动止血带压力值智能调控系统。
技术介绍
1、电动止血带是一种对受伤部位施加压力止血的医疗设备,通常为一个带状物构成,通过围绕受伤部位绕圈扎紧并施加适当的压力压迫血管,达到减少出血的目的。
2、电动止血带对患者手上部位所施加的压力是通过控制装置调控完成的,在调控所需的压力值的过程中,由于患者的体型和体质的不同带来的体征数据差异,使用固定的预设压力值可能导致压力过小从而达不到压迫止血效果,或者由于压力过大造成肢体损失,因此通过分析止血过程中患者的体征数据从而预测下一时刻患者所需的压迫强度,进而调控电动止血带产生的压力,能确保止血效果最大化,同时减少对周围组织的潜在伤害。
技术实现思路
1、本专利技术提供一种电动止血带压力值智能调控系统,以解决现有的ukf的待选sigma点代表的环境数据变化与体征数据的不稳定因此变化趋向方向不相同,造成预测过程的计算量较大并且电动止血带所施加的压力存在较大的误差的问题。
2、本专利技术的一种电动止血带压力值智能调控系统采用如下技术方案:
3、本专利技术一个实施例提供了一种电动止血带压力值智能调控系统,该系统包括以下模块:
4、电动止血带数据采集模块:用于采集每个监测项目在每个采集时刻的止血带监测数据;
5、电动止血带数据处理模块:用于使用当前采集时刻所有监测项目的止血带监测数据构成当前采集时刻的止血带压力状态向量,将当前采集时刻之前的所有采集时刻构成的区
6、电动止血带压力调控模块:用于ukf算法使用优选sigma点集合预测下一时刻的止血带监测数据,用于调整电动止血带的压力值。
7、进一步的,所述获取每个监测项目在历史采集时刻区间中所有采集时刻的第一判断向量包括:
8、将任意一个监测项目记为监测项目,将开始采集的时刻记为,将当前采集时刻记为,当前采集时刻之前的所有采集时刻构成的采集时刻区间记为历史采集时刻区间,使用stl算法分解监测项目在历史采集时刻区间和当前采集时刻的所有止血带监测数据构成的曲线,获取监测项目在每个采集时刻的曲线趋势方向,根据曲线趋势方向获取监测项目在每个采集时刻的趋势方向的向量值,将监测项目的第采集时刻与第采集时刻的趋势方向的向量值差值记为第采集时刻的第一判断向量,获取监测项目在每个采集时刻的趋势方向的向量值差值,记为每个采集时刻的第一判断向量。
9、进一步的,所述获取每个监测项目在当前采集时刻下的第二稳定评价包括:
10、将开始采集的时刻记为,将当前采集时刻记为,当前采集时刻之前的所有采集时刻构成的采集时刻区间记为历史采集时刻区间,使用最大最小值归一化函数将患者在第采集时刻下的所有监测项目的第一稳定评价归一化,归一化的结果记为监测项目的在第采集时刻下第二稳定评价。
11、进一步的,所述第采集时刻下的所有监测项目的第一稳定评价的获取方式包括:
12、将任意一个监测项目记为监测项目,将第采集时刻的第一判断向量记为,将第采集时刻的第一判断向量记为,监测项目在第采集时刻的第一稳定评价的计算方式为:
13、;
14、其中,为监测项目在第采集时刻的止血带监测数据的总数,所述总数的获取方法为:将监测项目在历史采集时刻区间和当前采集时刻中采集到的止血带监测数据总个数记为监测项目在第采集时刻的止血带监测数据的总数;
15、为监测项目在历史采集时刻区间和当前采集时刻中第采集时刻的止血带监测数据,为监测项目在历史采集时刻区间和当前采集时刻的所有止血带监测数据均值,监测项目在第在历史采集时刻区间和当前采集时刻的所有止血带监测数据的标准差,表示余弦相似度函数。
16、进一步的,所述获取在当前采集时刻下的高稳定判断向量和低稳定判断向量包括:
17、将当前采集时刻记为第采集时刻,将第采集时刻的高稳定监测项目集合和低稳定监测项目集合根据第采集时刻的止血带压力状态向量中监测项目的顺序的排列,获得第采集时刻的作为高稳定判断向量和低稳定判断向量。
18、进一步的,所述高稳定监测项目集合和低稳定监测项目集合的获取方式包括:
19、将第采集时刻下所有的监测项目的第二稳定评价降序排列,获得第采集时刻的第二稳定评价降序序列,计算第二稳定评价降序序列中相邻第二稳定评价的差值,选取第采集时刻的降序序列中最大的第二稳定评价作为高稳定起点,以及满足相邻第二稳定评价的差值最大时的两个第二稳定评价中,大的第二稳定评价作为高稳定终点,将高稳定起点和高稳定终点之间的所有第二稳定评价构成的合集记为第采集时刻的高稳定监测项目集合;选取第采集时刻的降序序列中满足相邻第二稳定评价的差值最大时的两个第二稳定评价中,小的第二稳定评价作为低稳定起点,以及第采集时刻的降序序列中最小的第二稳定评价作为低稳定终点,将低稳定起点和低稳定终点之间的所有第二稳定评价构成的合集记为第采集时刻的低稳定监测项目集合。
20、进一步的,所述获取当前采集时刻下每个初始sigma点的高稳定对比向量和低稳定对比向量包括:
21、将当前采集时刻记为第采集时刻,获取第采集时刻的第个初始sigma点的采集时刻,第采集时刻的第个初始sigma点的采集时刻的所有监测项目的止血带监测数据构成第采集时刻的第个初始sigma点的采集时刻的止血带压力状态向量,记为第采集时刻的第个初始sigma点的止血带压力状态向量;在第采集时刻的第个初始sigma点的止血带压力状态向量中,选取与第采集时刻的高稳定项目相同的所有监测项目,所述所有监测项目的第二稳定评价构成第个初始sigma点的高稳定对比向量;选取与第采集时刻的低稳定项目相同的所有监测项目,所述所有监测项目的第二稳定评价构成第个初始sigma点的低稳定对比向量。
22、进一步的,所述高稳定项目和低稳定项目的获取方式包括:
23、将第采集时刻下的高稳定判断向量的所有监测项目记为第采集时刻的高稳定项目;将第采集时刻下的低稳定判本文档来自技高网...
【技术保护点】
1.一种电动止血带压力值智能调控系统,其特征在于,该系统包括以下模块:
2.根据权利要求1所述一种电动止血带压力值智能调控系统,其特征在于,所述获取每个监测项目在历史采集时刻区间中所有采集时刻的第一判断向量包括:
3.根据权利要求1所述一种电动止血带压力值智能调控系统,其特征在于,所述获取每个监测项目在当前采集时刻下的第二稳定评价包括:
4.根据权利要求3所述一种电动止血带压力值智能调控系统,其特征在于,所述第采集时刻下的所有监测项目的第一稳定评价的获取方式包括:
5.根据权利要求1所述一种电动止血带压力值智能调控系统,其特征在于,所述获取在当前采集时刻下的高稳定判断向量和低稳定判断向量包括:
6.根据权利要求5所述一种电动止血带压力值智能调控系统,其特征在于,所述高稳定监测项目集合和低稳定监测项目集合的获取方式包括:
7.根据权利要求1所述一种电动止血带压力值智能调控系统,其特征在于,所述获取当前采集时刻下每个初始Sigma点的高稳定对比向量和低稳定对比向量包括:
8.根据权利要求7所述一种电动
9.根据权利要求1所述一种电动止血带压力值智能调控系统,其特征在于,所述获取当前采集时刻下每个初始Sigma点的优选程度包括:
10.根据权利要求1所述一种电动止血带压力值智能调控系统,其特征在于,所述根据当前采集时刻下每个初始Sigma点的优选程度获取所有优选Sigma点包括:
...【技术特征摘要】
1.一种电动止血带压力值智能调控系统,其特征在于,该系统包括以下模块:
2.根据权利要求1所述一种电动止血带压力值智能调控系统,其特征在于,所述获取每个监测项目在历史采集时刻区间中所有采集时刻的第一判断向量包括:
3.根据权利要求1所述一种电动止血带压力值智能调控系统,其特征在于,所述获取每个监测项目在当前采集时刻下的第二稳定评价包括:
4.根据权利要求3所述一种电动止血带压力值智能调控系统,其特征在于,所述第采集时刻下的所有监测项目的第一稳定评价的获取方式包括:
5.根据权利要求1所述一种电动止血带压力值智能调控系统,其特征在于,所述获取在当前采集时刻下的高稳定判断向量和低稳定判断向量包括:
6.根据权利要求5所述一种电...
【专利技术属性】
技术研发人员:杨荔慧,李夏南,王涛,
申请(专利权)人:中国人民解放军总医院第八医学中心,
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。