【技术实现步骤摘要】
本专利技术涉及智能检测，具体涉及一种智能检测全身麻醉静脉管道链接脱落的方法。
技术介绍
1、麻醉，即通过药物或其他方法使得患者身体整体或局部暂时丧失感觉，以达到消除患者疼痛、顺利进行手术治疗的目的。全身麻醉为临床医学中麻醉的一种形式，其包括镇静催眠、记忆缺失、镇痛、应激抑制和肌肉松弛等多方面因素，并历经全麻诱导、维持及苏醒的整个过程；目前，全身麻醉包括采用呼吸道吸入、静脉或肌肉注射等方式。
2、静脉注射，即利用麻醉连接管与预先设定在患者体表的静脉留置针进行连接，通过麻醉连接管向静脉留置针输送麻醉药剂、实现麻醉导入，进而完成患者的全身麻醉。全麻过程中，麻醉连接管会出现由于患者移动(如麻醉初始阶段或开始前，患者出现紧张或不安情绪，而挪动身体)或操作不当而出现从静脉留置针上松、脱等问题，特别是患者的双臂被包裹于身侧、不易观察其静脉留置针与麻醉连接管的连接情况时，贸然进行麻醉药剂的导入会导致麻醉药剂泄露，麻醉药物用量不足，从而造成麻醉深度过浅，导致血流动力学波动、术中知晓和体动等不良反应，影响手术的正常进行，同时麻醉深度过浅导致患者术中痛觉提升、还会增加手术的风险；此外，泄露的麻醉药剂会随空气扩散到手术室内，存在被医护人员吸入、影响手术进程的风险。
3、目前，麻醉连接管与静脉留置针的连接情况主要通过麻醉医师的观察进行判断，一是麻醉医师进行肉眼观察，该方式复杂、繁琐(例如，上述患者的双臂被包裹于身侧时、不易观察连接情况)，费时费力、易拖慢手术进程；二是麻醉医师利用麻醉过程中监测患者的生命体征进行判断，该方式具有一定
技术实现思路
1、针对以上现有技术存在的问题，本专利技术的目的在于提供一种智能检测全身麻醉静脉管道链接脱落的方法，用于解决全身麻醉过程中连接管道脱落、连接不紧密等情况不易观察、发觉，且现有技术发现连接管道脱落、连接不紧密等情况具有滞后性、时效性低的问题。
2、本专利技术的目的通过以下技术方案实现：
3、一种智能检测全身麻醉静脉管道链接脱落的方法，其特征在于：包括信息采集方法、模型预测方法与模型自学习方法；
4、其中，所述信息采集方法具体为：通过预设在连接管上的压力传感器与液体流量计分别周期性测定连接管内液体的压力值及流速，测定周期为δt；并将周期测定的压力值与流速，进行数据结构化；
5、所述模型预测方法具体为：采用预训练完成的脱落检测模型，对数据结构化的数据进行分类检测，输出{oy,on}；式中，oy表示连接头脱落的概率，on表示连接头未脱落的概率；
6、所述模型自学习方法具体为：通过模型误差危害计算方法获得模型预测方法中模型误差的危害程度，当模型预测方法中连接头脱落的概率oy大于预设危险门限值ow时，重构训练集，对脱落检测模型进行微调，完成自学习。
7、作为本申请的优选方案，所述压力传感器测定连接管内压力值的具体步骤为：在连接管上依次间隔布置n个压力传感器、且相邻两个压力传感器之间的距离相等，n个压力传感器在同一时刻测得连接管的压力值分别为p1、p2、…、pn-1、pn，则对应周期内连接管的压力值为：
8、
9、作为本申请的优选方案，所述液体流量计测定连接管内流速的具体步骤为：首先，将测定周期δt分为m个小时间段δt，同时获得每个δt时间段内液体流量计的流量，分别记作q1、q2、…、qm-1、qm；然后，通过预先测定的液体流量计对应的连通管截面积s，获得每个δt时间段内的流速，即：
10、
11、最后，获得对应测定周期内的流速：
12、
13、作为本申请的优选方案，所述数据结构化具体为：将同一周期测定的压力值与流速组成二维数据对、作为周期采样时间的节点数据，多个节点数据按照采样时间顺序进行排序，组成时间序列数据；具体为：
14、{(δpt1,δvt1),…,(δpti,δvti),...,(δptn,δvtn)}；
15、式中：t为待评估时刻，总采样周期为δt；δpti表示待评估时刻之前的第i次测定压力值；δvti表示待评估时刻之前的第i次测定流速；
16、选取待评估时刻以及其之前的n次节点数据作为待评估时刻的时间序列数据，或者叫结构化数据。
17、作为本申请的优选方案，所述脱落检测模型采用深度神经网络模型，主要包括时间序列融合阶段与分类检测阶段；
18、所述时间序列融合阶段由网络结构相同的两个lstm网络组成，分别定义为压力lstm网络和流速lstm网络，它们的输入分别为按时序输入的节点数据的测定压力值δpti和测定流速δvti、它们的输出为相同维度的压力值特征和流速特征；之后，采用concat网络层，对压力值特征和流速特征进行拼接，得到第一阶段的输出时序特征；
19、所述分类检测阶段，采用resnet网络，其输入为第一阶段的输出时序特征、输出为分类检测结果，即输入时间序列数据、输出{oy,on}的判定概率，完成判定；
20、所述预训练采用实验生成标注数据对脱落检测模型进行训练；实验生成标注数据，为按照信息采集方法采集的大量时间序列数据，并由标注人员对所有时间序列数据进行标注，确定其时间序列数据对应时间段内是否存在连接管脱落的情况；将所有时间序列数据分类为正例数据和负例数据；
21、正例数据、即为所有存在连接管脱落的时间序列数据，负例数据、即为所有不存在连接管脱落的时间序列数据；
22、按照比例将正例数据与负例数据拆分为训练数据和测试数据，完成脱落检测模型的预训练。
23、作为本申请的优选方案，所述预训练过程中，训练数据占总数据的70％。
24、作为本申请的优选方案，所述模型预测方法中，根据脱落检测模型的输出结果，当连接管脱落的概率oy大于预设报警门限值ob时，进行连接头脱落预警、推送报警信息。
25、作为本申请的优选方案，所述ob为0.5。
26、作为本申请的优选方案，所述智能检测全身麻醉静脉管道链接脱落的方法中，麻醉医师获取脱落检测模型推送的报警信息，及时检查连接管是否存在脱落问题，并将该次报警的输入时间序列数据和反馈结果进行记录；其中，反馈结果具体为：连接管脱落或连接管未脱落。
27、作为本申请的优选方案，所述模型误差危害计算方法具体为：
28、
29、式中：wp表示反馈结果记录为“连接管脱落”事件权重，wn表示反馈结果记录为“连接管未脱落”事件权重；n表示当前记录数、nr表示最小有效记录数；
30、若第i次记录结果为“连接管脱落”，则li＝1、反之，则li＝0、
31、
32、e表示模型误差危害因子，其值越大、表示模型误差产生的危害程本文档来自技高网...
【技术保护点】
1.一种智能检测全身麻醉静脉管道链接脱落的方法，其特征在于：包括信息采集方法、模型预测方法与模型自学习方法；
2.根据权利要求1所述的一种智能检测全身麻醉静脉管道链接脱落的方法，其特征在于：所述压力传感器测定连接管内压力值的具体步骤为：在连接管上依次间隔布置n个压力传感器、且相邻两个压力传感器之间的距离相等，n个压力传感器在同一时刻测得连接管的压力值分别为P1、P2、…、Pn-1、Pn，则对应周期内连接管的压力值为：
3.根据权利要求1或2所述的一种智能检测全身麻醉静脉管道链接脱落的方法，其特征在于：所述液体流量计测定连接管内流速的具体步骤为：首先，将测定周期ΔT分为m个小时间段Δt，同时获得每个Δt时间段内液体流量计的流量，分别记作Q1、Q2、…、Qm-1、Qm；然后，通过预先测定的液体流量计对应的连通管截面积S，获得每个Δt时间段内的流速，即：
4.根据权利要求1～3任一项所述的一种智能检测全身麻醉静脉管道链接脱落的方法，其特征在于：所述数据结构化具体为：将同一周期测定的压力值与流速组成二维数据对、作为周期采样时间的节点数据，多个节点数据按
5.根据权利要求4所述的一种智能检测全身麻醉静脉管道链接脱落的方法，其特征在于：所述脱落检测模型采用深度神经网络模型，主要包括时间序列融合阶段与分类检测阶段；
6.根据权利要求5所述的一种智能检测全身麻醉静脉管道链接脱落的方法，其特征在于：所述模型预测方法中，根据脱落检测模型的输出结果，当连接管脱落的概率Oy大于预设报警门限值Ob时，进行连接头脱落预警、推送报警信息。
7.根据权利要求1所述的一种智能检测全身麻醉静脉管道链接脱落的方法，其特征在于：所述模型误差危害计算方法具体为：
8.根据权利要求1或7所述的一种智能检测全身麻醉静脉管道链接脱落的方法，其特征在于：所述模型误差危害计算方法包含漏检的更新，具体为：
...【技术特征摘要】
1.一种智能检测全身麻醉静脉管道链接脱落的方法，其特征在于：包括信息采集方法、模型预测方法与模型自学习方法；
2.根据权利要求1所述的一种智能检测全身麻醉静脉管道链接脱落的方法，其特征在于：所述压力传感器测定连接管内压力值的具体步骤为：在连接管上依次间隔布置n个压力传感器、且相邻两个压力传感器之间的距离相等，n个压力传感器在同一时刻测得连接管的压力值分别为p1、p2、…、pn-1、pn，则对应周期内连接管的压力值为：
3.根据权利要求1或2所述的一种智能检测全身麻醉静脉管道链接脱落的方法，其特征在于：所述液体流量计测定连接管内流速的具体步骤为：首先，将测定周期δt分为m个小时间段δt，同时获得每个δt时间段内液体流量计的流量，分别记作q1、q2、…、qm-1、qm；然后，通过预先测定的液体流量计对应的连通管截面积s，获得每个δt时间段内的流速，即：
4.根据权利要求1～3任一项所述的一种智能检测全身麻醉静脉管...
【专利技术属性】
技术研发人员：徐茜，胡佳，雷晓峰，
申请(专利权)人：重庆市妇幼保健院重庆市妇产科医院，重庆市遗传与生殖研究所，
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。