[发明专利]基于BP神经网络的便携式呼吸机流量曲线标定方法

说明书

本发明涉及一种基于BP神经网络的便携式呼吸机流量曲线标定方法，包括下列步骤：步骤1：利用便携式呼吸机进行标定实验，将所采集的二氧化碳流量数据分为两组，一组进行训练，一组进行测试；步骤2：建立BP神经网络，选取S函数作为激励函数，采用LM算法进行训练，采用的神经网络由隐层和输出层两层组成，隐藏层包含20个神经元，随着迭代次数的增加，最小均方误差减小，小于迭代次数为6的时候，停止学习，最终得到流量曲线。

技术领域

本发明属于生物医学工程领域，是对人呼吸末二氧化碳流量数据采集的一种新的拟合方式。

背景技术

呼吸是一种重要的新陈代谢过程，它是维持人们稳定的生命迹象。目前呼吸道疾病，如哮喘，支气管扩张症和阻塞性睡眠呼吸暂停，广泛流行于全世界。根据2016世界卫生组织的调查，超过2亿3500万人患有哮喘，每年有超过300万人死于慢性阻塞性肺病(COPD)。为了有效地、准确地评价心肺功能、呼吸监测是呼吸系统疾病及ICU管理中的一个重要组成部分。

目前在生物医学呼吸流量测量的过程中，数据的拟合是十分重要的，对数据进行有效的拟合可以更好的反应测量的波形，增加测量的精度。在以往的的测量过程中，经常使用的传感器的拟合方式是最小二乘法，差值拟合等拟合方式，但是在测量的过程中，尤其是传感器精度不是很高的情况下这些拟合方法会产生较大的误差。

目前的便携式呼吸机在测量的时候可以通过传感器有效的对采集的差压进行加工转化，但是在转化的过程中，由于便携式呼吸机的传感器和处理电路都不能和专业的大型呼吸机相比，所以一种专业的拟合算法是必不可少的。

发明内容

本发明的目的是提供一种便携式呼吸机流量曲线标定方法，以提高传感器精度。技术方案如下：

在测量的时候可以有效的改进管道和传感器在测量的时候带来的误差，获得很好的拟合效果，其操作过程为:

一种基于BP神经网络的便携式呼吸机流量曲线标定方法，包括下列步骤：

步骤1：利用便携式呼吸机进行标定实验，将所采集的二氧化碳流量数据分为两组，一组进行训练，一组进行测试；

步骤2：建立BP神经网络，选取S函数作为激励函数，采用LM算法进行训练，采用的神经网络由隐层和输出层两层组成，隐藏层包含20个神经元，随着迭代次数的增加，最小均方误差减小，小于迭代次数为6的时候，停止学习，最终得到流量曲线。

本发明克服普通的拟合算法带来的拟合精度低的问题，有效提高便携式呼吸机的测量精度。

附图说明

图1Tan-sigmoid函数

图2预测数据和实际数据

图3神经网络参数

图4神经网络拟合结果分析

图5BP神经网络拟合的误差百分比

具体实施方式

本发明在根据二氧化碳浓度测量装置进行优化，设计一种可以有效的改进二氧化碳测量精度的拟合算法。

考虑到主流设备必须具有稳定和实时性的特点，所以气道管呼吸电路相结合的设计必须符合这一要求。气道压力是通过取样压力来监测的，而气道压力与气道有密切的关系。气道管设计的主要考虑是空气流经气道后会产生压降。气体管道的设计是基于伯努利定律和连续性定律，将连续性方程ρ₁υ₁s₁＝ρ₂υ₂s₂＝m应用于流量监测中：

ρs_Av_A＝ρυ_Bs_B＝m 式(1)