[发明专利]机械通气人机异步检测方法、装置及计算机可读存储介质在审
申请号: | 202110553820.3 | 申请日: | 2021-05-20 |
公开(公告)号: | CN113521460A | 公开(公告)日: | 2021-10-22 |
发明(设计)人: | 熊富海;颜延;谯小豪;李慧慧;王磊;刘语诗;陈达理;吴选昆;梁端;王博;曹修齐 | 申请(专利权)人: | 深圳先进技术研究院 |
主分类号: | A61M16/00 | 分类号: | A61M16/00;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 深圳市威世博知识产权代理事务所(普通合伙) 44280 | 代理人: | 黎坚怡 |
地址: | 518055 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 机械 通气 人机 异步 检测 方法 装置 计算机 可读 存储 介质 | ||
1.一种机械通气人机异步检测方法,其特征在于,包括:
获取呼吸机进行机械通气时的通气数据;
将所述通气数据输入预设的自编码器,以提取所述通气数据的特征数据;
将所述特征数据输入预设的卷积神经网络,以输出所述呼吸机的人机异步状态。
2.根据权利要求1所述的机械通气人机异步检测方法,其特征在于,
所述通气数据至少包括气流流速数据、气流通道压力数据和气流量数据中的一种。
3.根据权利要求1所述的机械通气人机异步检测方法,其特征在于,
所述人机异步状态至少包括双触发状态、无效吸气努力状态和正常状态中的一种。
4.根据权利要求1所述的机械通气人机异步检测方法,其特征在于,
所述方法还包括:
获取训练数据;
对所述训练数据进行预处理;其中,所述预处理至少包括对所述训练数据进行人机异步状态标注;
将预处理之后的所述训练数据输入所述自编码器,以对所述自编码器进行训练。
5.根据权利要求4所述的机械通气人机异步检测方法,其特征在于,
所述对所述训练数据进行预处理,包括:
将所述训练数据划分为多个数据段;
对每一所述数据段进行人机异步状态标注;以及
所述将预处理之后的所述训练数据输入所述自编码器,以对所述自编码器进行训练,包括:
分别将每一人机异步状态对应的数据输入所述自编码器,以对所述自编码器进行训练。
6.根据权利要求5所述的机械通气人机异步检测方法,其特征在于,
所述将所述训练数据划分为多个数据段之后,还包括:
对每一所述数据段进行采样点补齐,以使每一所述数据段的采样点数量相同;
利用每一所述数据段中各个采样点数据的均值和标准差,对每一所述数据段的数据进行标准化处理。
7.根据权利要求1至6任一项所述的机械通气人机异步检测方法,其特征在于,所述自编码器包括:自编码器输入层、第一隐层、第二隐层、第三隐层、第四隐层、第五隐层和自编码器输出层;
所述自编码器输入层、所述第一隐层、所述第二隐层、所述第三隐层、所述第四隐层、所述第五隐层和所述自编码器输出层依次连接,所述自编码器输入层用于接收所述通气数据,所述自编码器输出层为所述自编码器在训练时的输出层,所述第三隐层用于输出所述特征数据。
8.根据权利要求1至6任一项所述的机械通气人机异步检测方法,其特征在于,所述卷积神经网络为一维卷积神经网络;
所述一维卷积神经网络包括:一维卷积神经网络输入层、第一一维卷积层、第一最大池化层、第二一维卷积层、第二最大池化层、第三一维卷积层、第一全连接层、第二全连接层和一维卷积神经网络输出层;
所述一维卷积神经网络输入层、所述第一一维卷积层、所述第一最大池化层、所述第二一维卷积层、所述第二最大池化层、所述第三一维卷积层、所述第一全连接层、所述第二全连接层和所述一维卷积神经网络输出层依次连接,所述一维卷积神经网络输入层用于接收所述特征数据,所述一维卷积神经网络输出层用于输出人机异步状态。
9.一种机械通气人机异步检测装置,其特征在于,包括:存储器和处理器;
所述存储器用于存储程序指令,所述处理器用于执行所述程序指令以实现如权利要求1至8任一项所述方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序指令,所述程序指令被处理器执行时实现如权利要求1至8任一项所述方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳先进技术研究院,未经深圳先进技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110553820.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种进程号确定方法及装置
- 下一篇:一种塔机装车绑扎工艺