[发明专利]一种高原预习服的低氧闭环干预系统

权利要求书

1.一种高原预习服的低氧闭环干预系统，其特征在于，包括个体化预测模型学习模块、代价函数与约束设计模块及贝叶斯优化模块；

个体化预测模型学习模块，内置有基于间歇性低氧下的血氧饱和度与输氧浓度之间的响应规律模型，用于对血氧饱和度进行预测；

代价函数与约束设计模块，内置有代价函数和约束条件，所述代价函数为：基于所述血氧饱和度预测值构建以低氧刺激源关键因素为变量的代价函数，所述约束条件为：基于人体生理限制设置；

贝叶斯优化模块，用于解算代价函数与约束设计模块中的约束优化，得到下一个IHT周期中理论最优的低氧刺激策略，以控制IHT的刺激源。

2.根据权利要求1所述高原预习服的低氧闭环干预系统，其特征在于，所述模型为基于IHT期间所监测的输氧浓度及其对应的血氧饱和度数据作为样本，通过训练获得。

3.根据权利要求1所述高原预习服的低氧闭环干预系统，其特征在于，针对日IHT的每一周期，在k+j时刻，以所输入的低氧浓度、低氧段持续时间以及前l个血氧饱和度数据组成的序列段为训练输入，第k+j+1个血氧饱和度值作为训练输出，建立数据驱动的血氧饱和度高斯过程模型；令k＝k+1，在k+j时刻得到第k+j+2个数据点的预测模型，重复上述步骤，获得一组血氧饱和度预测向量S_p。

4.根据权利要求1或3所述高原预习服的低氧闭环干预系统，其特征在于，所述代价函数为：

其中，γ为个体化系数，Q为惩罚矩阵，E[·]表示数学期望，r₁和r₂为惩罚项系数，和分别为上一日IHT设置的参数，S_r为由血氧饱和度目标控制值所组成的常值向量，S_p为个体化预测模型学习模块所获得的预测向量。

5.根据权利要求1所述高原预习服的低氧闭环干预系统，其特征在于，所述约束条件包括对血氧饱和度波动限制、低氧浓度输入限制以及一个周期内的低氧持续时长限制。

6.根据权利要求1所述高原预习服的低氧闭环干预系统，其特征在于，本系统还包括：训练效果评估模块，用于评估预习服效果是否达到所要求的水平，若尚未达到，则继续训练，若已达到，则结束训练。

7.根据权利要求6所述高原预习服的低氧闭环干预系统，其特征在于，所述训练效果评估模块，在每一次训练后，利用IHT所记录的数据计算动态评估指标，并与上一次指标结果进行比对，用于评估预习服效果是否达到所要求的水平；所述训练效果评估模块，用于将第一日的IHT指标与最后一日IHT的动态评估指标进行比较，以评判整体的预习服效果。