[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

专利信息
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
【说明书】:

本申请公开了机械通气人机异步检测方法、装置及计算机可读存储介质,涉及呼吸机机械通气技术领域,该机械通气人机异步检测方法包括:获取呼吸机进行机械通气时的通气数据;将通气数据输入预设的自编码器,以提取通气数据的特征数据;将特征数据输入预设的卷积神经网络,以输出呼吸机的人机异步状态。通过上述方式,有利于提高机械通气人机异步检测方法的效率和准确度。

技术领域

本申请涉及呼吸机机械通气技术领域,特别是涉及机械通气人机异步检测方法、装置及计算机可读存储介质。

背景技术

现有技术中,在检测呼吸机对用户进行的供气是否出现异步(即与用户的呼气或吸气不同步)时,常常需要本领域专家对各种异步情况下和正常情况下的特征信息进行人工提取和判别,以确定当前呼吸机供气和停止供气的动作是否分别与患者吸气和呼气的动作均同步。

现有技术的缺陷在于,人工提取特征以及对特征信息进行判断以确定呼吸机对用户进行的供气是否出现异步,效率较低,且人工处理特征信息以得到检测结果的准确度较低。

发明内容

本申请提供机械通气人机异步检测方法、装置及计算机可读存储介质,以解决现有技术中机械通气人机异步检测方法的效率和准确度较低的技术问题。

为解决上述技术问题,本申请提供的第一个技术方案为:一种机械通气人机异步检测方法,包括:获取呼吸机进行机械通气时的通气数据;将通气数据输入预设的自编码器,以提取通气数据的特征数据;将特征数据输入预设的卷积神经网络,以输出呼吸机的人机异步状态。

本申请提供的第二个技术方案为:一种机械通气人机异步检测装置,包括:存储器和处理器;存储器用于存储程序指令,处理器用于执行程序指令以实现上述机械通气人机异步检测方法。

本申请提供的第三个技术方案为:一种计算机可读存储介质,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上述机械通气人机异步检测方法。

本申请提供的机械通气人机异步检测方法,通过获取呼吸机进行机械通气时的通气数据;将通气数据输入预设的自编码器,以提取通气数据的特征数据;将特征数据输入预设的卷积神经网络,以输出呼吸机的人机异步状态。本申请通过先基于预设的自编码器对通气数据的特征数据进行提取,再将该特征数据输入预设的卷积神经网络,以识别该通气数据所对应的人机异步状态,避免了人工提取特征或人工识别人机异步状态的步骤,降低了的人力资源的消耗,提高了机械通气人机异步检测方法的效率和准确度。

附图说明

为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。

图1是本申请的机械通气人机异步检测方法的一实施例的流程示意图;

图2是本申请的自编码器的一实施例的结构示意图;

图3是本申请的一维卷积神经网络的一实施例的结构示意图;

图4是本申请的机械通气人机异步检测方法的另一实施例的流程示意图;

图5是图4所示机械通气人机异步检测方法中的步骤S22的一实施例的具体流程示意图;

图6是本申请的自编码器的一实施例的训练损失与训练迭代次数关系示意图;

图7是本申请的机械通气人机异步检测方法的一实施例的混淆矩阵结果示意图;

图8是本申请的机械通气人机异步检测装置的一实施例的结构示意图;

图9是本申请的计算机可读存储介质的一实施例的结构示意图。

具体实施方式

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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/202110553820.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top