呼吸机报警的方法及呼吸机与流程

本发明涉及医疗器械技术领域，尤其涉及一种呼吸机报警的方法及呼吸机。

背景技术：

目前，医用呼吸机通常实时显示监测的数据，所监测的数据例如是气体流量、呼吸机压力或者氧气浓度等等。医生通过查看实时显示的数据来判断用户的病情。在某段时间某个或者某几个数据发生变化，但是医生不在用户身边的情况下，医生无法第一时间获知用户的病情变化，并且会造成监测数据的缺失，特别是对于用户的一些突发情况，由于没有整个治疗期的数据，在很大程度上会影响后续治疗的准确性。

技术实现要素：

本发明的目的在于提供一种呼吸机报警的方法及呼吸机，旨在在用户出现异常情况时及时发出报警信号，并保证监测数据的完整，有利于后续治疗的准确性。

为实现上述目的，本发明提供一种呼吸机报警的方法，所述呼吸机报警的方法包括：

S1，记录呼吸机的流量数据及压力数据，并将所述流量数据及压力数据存储于呼吸机预定的存储器中；

S2，基于所述流量数据及压力数据进行计算，以计算得到用户的生理指征参数，所述生理指征参数包括自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N；

S3，基于预定的评估规则计算所述生理指征参数的异常评估值，并在所述异常评估值小于预设阈值时，在呼吸机的界面上显示该异常评估值对应的生理指征参数及时间，并发出报警信号。

优选地，所述步骤S2包括：

S21，对流量数据及压力数据分别进行求导计算，基于求导计算的结果获取呼吸机触发拐点的时间点及撤换拐点的时间点，基于呼吸机触发拐点的时间点及撤换拐点的时间点获取吸气时长Ti及呼气时长Te，基于吸气时长Ti及呼气时长Te计算自主呼吸频率BPM；

S22，基于所述流量数据并采用预设规则计算呼吸机在本次呼吸周期内的漏气量Q1并存储，获取预存的上次呼吸周期对应的漏气量Q2，若漏气量Q1与漏气量Q2的差值大于第一预设阈值，则以漏气量Q1作为呼吸机本次的漏气量L；

S23，基于所述流量数据及所述漏气量L计算一呼吸周期的潮气量并存储，并基于预设数量的潮气量计算潮气量的有效值，以所述潮气量的有效值作为潮气量V；

S24，分别计算用户开始吸气时刻至呼吸机触发时刻的流量变化率及压力变化率，获取所述流量变化率及所述压力变化率的变化率总和，根据预设的流量-压力变化率与吸气努力等级的划分关系获取所述变化率总和所处的吸气努力等级N。

优选地，所述步骤S23包括：

基于所述流量数据及所述漏气量L计算一呼吸周期的潮气量包括：

其中，Ti为本次呼吸周期的吸气时间点，Tn为下次呼吸周期的吸气时间点，Q(t)为总流量曲线；

基于预设数量n的潮气量计算潮气量的有效值包括：

优选地，所述步骤S3包括：

S31，分别获取所计算得到的自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N在预设时间内与时间t的拟合关系，基于所述拟合关系分别计算所述自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N对应的本次呼吸周期内的预估值；

S32，基于所述自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N及各自对应的预估值计算得到所述异常评估值，并在所述异常评估值小于预设阈值时，在呼吸机的界面上显示该异常评估值对应的生理指征参数及时间，并发出报警信号。

优选地，所述基于所述自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N及各自对应的预估值计算得到所述异常评估值的步骤包括：

将所述自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N与各自对应的预估值进行比较分析，以获取各自对应的偏差值；

分别获取所述自主呼吸频率、漏气量、潮气量及自主吸气努力程度对应的偏差权重，基于各自对应的偏差值及权重计算得到所述异常评估值。

为实现上述目的，本发明还提供一种呼吸机，所述呼吸机包括：

存储模块，用于记录呼吸机的流量数据及压力数据，并将所述流量数据及压力数据存储于呼吸机预定的存储器中；

第一计算模块，用于基于所述流量数据及压力数据进行计算，以计算得到用户的生理指征参数，所述生理指征参数包括自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N；

第二计算模块，用于基于预定的评估规则计算所述生理指征参数的异常评估值，并在所述异常评估值小于预设阈值时，在呼吸机的界面上显示该异常评估值对应的生理指征参数及时间，并发出报警信号。

优选地，所述第一计算模块包括：

第一计算单元，用于对流量数据及压力数据分别进行求导计算，基于求导计算的结果获取呼吸机触发拐点的时间点及撤换拐点的时间点，基于呼吸机触发拐点的时间点及撤换拐点的时间点获取吸气时长Ti及呼气时长Te，基于吸气时长Ti及呼气时长Te计算自主呼吸频率BPM；

第二计算单元，用于基于所述流量数据并采用预设规则计算呼吸机在本次呼吸周期内的漏气量Q1并存储，获取预存的上次呼吸周期对应的漏气量Q2，若漏气量Q1与漏气量Q2的差值大于第一预设阈值，则以漏气量Q1作为呼吸机本次的漏气量L；

第三计算单元，用于基于所述流量数据及所述漏气量L计算一呼吸周期的潮气量并存储，并基于预设数量的潮气量计算潮气量的有效值，以所述潮气量的有效值作为潮气量V；

第四计算单元，用于分别计算用户开始吸气时刻至呼吸机触发时刻的流量变化率及压力变化率，获取所述流量变化率及所述压力变化率的变化率总和，根据预设的流量-压力变化率与吸气努力等级的划分关系获取所述变化率总和所处的吸气努力等级N。

优选地，所述第三计算单元具体用于：

基于所述流量数据及所述漏气量L计算一呼吸周期的潮气量：

其中，Ti为本次呼吸周期的吸气时间点，Tn为下次呼吸周期的吸气时间点，Q(t)为总流量曲线；

基于预设数量n的潮气量计算潮气量的有效值：

优选地，所述第二计算模块包括：

第五计算单元，用于分别获取所计算得到的自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N在预设时间内与时间t的拟合关系，基于所述拟合关系分别计算所述自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N对应的本次呼吸周期内的预估值；

第六计算单元，用于基于所述自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N及各自对应的预估值计算得到所述异常评估值，并在所述异常评估值小于预设阈值时，在呼吸机的界面上显示该异常评估值对应的生理指征参数及时间，并发出报警信号。

优选地，所述第二计算单元具体用于将所述自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N与各自对应的预估值进行比较分析，以获取各自对应的偏差值；分别获取所述自主呼吸频率、漏气量、潮气量及自主吸气努力程度对应的偏差权重，基于各自对应的偏差值及权重计算得到所述异常评估值。

本发明的有益效果是：本发明通过实时监测并记录用户在使用呼吸机治疗的过程中呼吸机的流量数据及压力数据，并将流量数据及压力数据存储至存储器中，以实时分析用户的状况，一旦用户出现异常情况，能够发出报警信号，以便医生能够第一时间进行处理，由于对流量数据及压力数据即用户出现异常的时间等信息进行存储，因此能够保证监测数据的完整，有利于后续治疗的准确性。

附图说明

图1为本发明呼吸机报警的方法一实施例的流程示意图；

图2为图1所示步骤S2的细化流程示意图；

图3为图1所示步骤S3的细化流程示意图；

图4为本发明呼吸机一实施例的结构示意图；

图5为图4所示第一计算模块的结构示意图；

图6为图4所示第二计算模块的结构示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，图1为本发明呼吸机报警的方法一实施例的流程示意图，该呼吸机报警的方法包括以下步骤：

步骤S1，记录呼吸机的流量数据及压力数据，并将所述流量数据及压力数据存储于呼吸机预定的存储器中；

本实施例中，呼吸机中预先设置存储器。在用户使用呼吸机进行治疗的过程中，呼吸机记录流量数据及压力数据等，当然，呼吸机还可以记录其他的数据，例如呼吸机中的氧气浓度或者用户的一些生理特征参数等，此处不做过多限定。

然后将记录的数据存储至存储器中，该存储器可以是内置于呼吸机的内部，或者通过数据线的方式连接呼吸机，此处不做限定。存储器能以200HZ的频率保存呼吸机使用过程中的流量和压力波形，该存储器可以是闪存或者存储卡，也可以是U盘，移动硬盘等能保存数据的设备。

步骤S2，基于所述流量数据及压力数据进行计算，以计算得到用户的生理指征参数，所述生理指征参数包括自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N；

本实施例中，在用户的呼吸过程中，会产生气体流量和压力的变化，气体流量和压力波形是临床上具有重要参考价值和意义的数据。通过对这些波形的分析，能得到更多的生理指征参数，为临床治疗提供只要的参考依据，这些生理指征参数包括但不限于：用户的自主呼吸频率、漏气量、潮气量、分钟通气量、用户自主吸气努力程度、每次呼吸的最大峰流速、每次呼吸的吸气时长等。

在呼吸机使用结束后，可以将存储器中的数据导出到电脑或其他可以进行数据处理的设备，就能对其中的数据进行分析，得到上述的生理指征参数。在计算生理指征参数时，例如计算用户的自主呼吸频率，可以通过流量数据或者压力数据得到用户的呼吸周期时间，通过呼吸周期时间可以计算得到用户的自主呼吸频率，此处不一一举例。

此外，在呼吸机的实时使用过程中，也能对生理指征参数进行计算，计算方法与上述呼吸机使用结束后进行计算的方法相同。

此外，上述计算得到的生理指征参数也可以实时进行显示，以及存储至存储器中，以供医生进行查看。

步骤S3，基于预定的评估规则计算所述生理指征参数的异常评估值，并在所述异常评估值小于预设阈值时，在呼吸机的界面上显示该异常评估值对应的生理指征参数及时间，并发出报警信号。

本实施例中，在计算异常评估值时，可以分别对每一生理指征参数做出预测，然后将预测值与计算得到的值进行比较，获取两者的偏差程度。根据每一生理指征参数及其对应的预设的权重来综合计算，得到一异常评估值。

其中，分别对每一生理指征参数做出预测，例如对潮气量进行预测时，可以采用线性拟合的方法，然后利用拟合公式计算得到预测值，其他的生理指征参数的预测也可以采用相同的方式得到。当然，也可以采用其他的方法对每一生理指征参数做出预测，此处不做限定。

在异常评估值小于预设阈值时，例如小于0时，表示用户在使用呼吸机进行治疗的过程中发生异常，在异常评估值大于等于预设阈值时，例如大于等于0时，表示用户在使用呼吸机进行治疗的过程中状况正常。

在发生异常时，呼吸机将记录此次异常发生的时间，并在呼吸机的界面上发出报警信号或者以声光的方式发出报警信号，同时在呼吸机的界面上显示各生理指征参数，以供医生进行查看。

与现有技术相比，本实施例通过实时监测并记录用户在使用呼吸机治疗的过程中呼吸机的流量数据及压力数据，并将流量数据及压力数据存储至存储器中，以实时分析用户的状况，一旦用户出现异常情况，能够发出报警信号，以便医生能够第一时间进行处理，由于对流量数据及压力数据即用户出现异常的时间等信息进行存储，因此能够保证监测数据的完整，不会造成监测数据的缺失，有利于后续治疗的准确性。

在一优选的实施例中，如图2所示，在上述图1的实施例的基础上，所述步骤S2包括：

S21，对流量数据及压力数据分别进行求导计算，基于求导计算的结果获取呼吸机触发拐点的时间点及撤换拐点的时间点，基于呼吸机触发拐点的时间点及撤换拐点的时间点获取吸气时长Ti及呼气时长Te，基于吸气时长Ti及呼气时长Te计算自主呼吸频率BPM；

具体地，可以以预设的周期时间截取同一时段的流量数据及压力数据，计算所截取的流量数据的二阶导；若在第一时间段内所述二阶导处于以0为中点的范围，则以同一周期内所述第一时间段之前的时间为第二时间段，以同一周期内所述第一时间段之后的时间为第三时间段，计算所述第二时间段及第三时间段流量数据的一阶导；若连续预设个周期内所述第二时间段对应的一阶导均小于所述第三时间段对应的一阶导，则获取所述第三时间段内压力数据的一阶导；若所述第三时间段内压力数据的一阶导小于0，则以所述流量数据的二阶导为0时对应的时间点为呼吸机触发拐点的时间点。若连续预设个周期内所述第二时间段对应的一阶导均大于所述第三时间段对应的一阶导，则获取所述第三时间段内压力数据的一阶导；若所述第三时间段内压力数据的一阶导大于0，则以所述流量数据的二阶导为0时对应的时间点为呼吸机撤换拐点的时间点。

其中，本次触发拐点的时间点及撤换拐点的时间点之间的时长为吸气时长Ti，本次撤换拐点的时间点和下次触发拐点的时间点之间的时长即为呼气时长Te，自主呼吸频率BPM＝60/(Ti+Te)。

S22，基于所述流量数据并采用预设规则计算呼吸机在本次呼吸周期内的漏气量Q1并存储，获取预存的上次呼吸周期对应的漏气量Q2，若漏气量Q1与漏气量Q2的差值大于第一预设阈值，则以漏气量Q1作为呼吸机本次的漏气量L；

具体地，基于总流量Qt(流量数据)计算第一漏气量；在所述总流量Qt大于所述第一漏气量时，确定本次呼吸周期的吸气拐点，并确定所述吸气拐点对应的吸气流量Qp；在所述吸气流量Qp与所述第一漏气量的差值大于第二预设阈值时，计算本次呼吸周期之前连续的预设数量的呼吸周期内所述第一漏气量与对应的吸气流量Qp的差值，并计算所述差值的总和M；若所述总和M大于第三预设阈值，则读取呼吸机预存的面罩的基准漏气量q，基于所述总流量Qt、所述差值的总和M及所述基准漏气量q计算得出本次呼吸周期内的第二漏气量，以所述第二漏气量作为所述漏气量Q1并存储。获取预存的上一呼吸周期对应的漏气量Q2，若漏气量Q1与漏气量Q2的差值大于第一预设阈值，则调整呼吸机的漏气量为漏气量Q1，漏气量Q1为自适应调整的漏气量，即呼吸机本次的漏气量L。

S23，基于所述流量数据及所述漏气量L计算一呼吸周期的潮气量并存储，并基于预设数量的潮气量计算潮气量的有效值，以所述潮气量的有效值作为潮气量V；

具体地，基于所述流量数据及所述漏气量L计算一呼吸周期的潮气量包括：

其中，Ti为本次呼吸周期的吸气时间点，Tn为下次呼吸周期的吸气时间点，Q(t)为总流量曲线。

得到一次呼吸周期的潮气量后，将其与该次呼吸周期的前n次呼吸周期的潮气量一起以计算潮气量的有效值，优选地，n＝3。计算潮气量的有效值包括：

S24，分别计算用户开始吸气时刻至呼吸机触发时刻的流量变化率及压力变化率，获取所述流量变化率及所述压力变化率的变化率总和，根据预设的流量-压力变化率与吸气努力等级的划分关系获取所述变化率总和所处的吸气努力等级N。

具体地，分别计算用户开始吸气时刻至呼吸机触发时刻的流量变化率及压力变化率；获取所述吸气流量变化率及所述吸气压力变化率的变化率总和，根据预设的流量-压力变化率与吸气努力等级的划分关系获取所述变化率总和所处的吸气努力等级。

在一优选的实施例中，如图3所示，在上述图2的实施例的基础上，上述步骤S3包括：

S31，分别获取所计算得到的自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N在预设时间内与时间t的拟合关系，基于所述拟合关系分别计算所述自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N对应的本次呼吸周期内的预估值；

S32，基于所述自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N及各自对应的预估值计算得到所述异常评估值，并在所述异常评估值小于预设阈值时，在呼吸机的界面上显示该异常评估值对应的生理指征参数及时间，并发出报警信号。

具体地，分别获取所计算得到的自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N在预设时间内与时间t的拟合关系，优选地，该预设时间为3分钟。

以潮气量V为例，在预设时间内，利用线性拟合的方法，计算出潮气量V与时间t的拟合关系，这里假设用户前3分钟内的呼吸是均匀平稳的，最近一次呼吸潮气量是偏大的(潮气量偏小的处理方法也类似)。得到拟合关系后，用拟合公式计算当前一次呼吸周期的潮气量的预估值V0，将预估值V0与本次呼吸周期的实际潮气量V1进行比较，如果两者相差超过±100ml，且V1与前3分钟内的所有潮气量的平均值相差超过±20％，则认为本次呼吸周期的潮气量已经出现偏差，呼吸机将其记录为-1，-1即为潮气量V的偏差值，如果本次呼吸周期的潮气量未出现偏差，呼吸机将其记录为1。

对于自主呼吸频率BPM、漏气量L及自主吸气努力程度N，其计算对应的偏差值的方法与计算潮气量V的方法相似，均为将自主呼吸频率BPM、漏气量L或自主吸气努力程度N与各自对应的预估值进行比较分析，如果两者相差超过预设的量，且自主呼吸频率BPM、漏气量L或自主吸气努力程度N与前3分钟内对应的所有量的平均值相差超过预设的百分比，则认为已经出现偏差，将其记录为-1，否则未出现偏差，将其记录为1。

优选地，自主呼吸频率的预设的量为±3，预设的百分比为±10％；漏气量的预设的量为±10LPM，预设的百分比为±20％；自主吸气努力程度的预设的百分比为±20％。

然后，分别获取自主呼吸频率、漏气量、潮气量及自主吸气努力程度对应的偏差权重，优选地，自主呼吸频率的偏差权重为25％，气量的偏差权重为5％，潮气量的偏差权重为35％，自主吸气努力程度的偏差权重为35％。将自主呼吸频率、漏气量、潮气量及自主吸气努力程度各自的偏差值分别乘以对应的偏差权重，然后将相乘后的值进行相加，得到异常评估值，例如自主呼吸频率、漏气量、潮气量及自主吸气努力程度对应的偏差值为-1，1，-1,1，则异常评估值＝(-1)*25％+1*5％+(-1)*35％+1*35％＝-0.2。

如图4所示，图4为本发明呼吸机一实施例的结构示意图，该呼吸机包括：

存储模块101，用于记录呼吸机的流量数据及压力数据，并将所述流量数据及压力数据存储于呼吸机预定的存储器中；

本实施例中，呼吸机中预先设置存储器。在用户使用呼吸机进行治疗的过程中，呼吸机记录流量数据及压力数据等，当然，呼吸机还可以记录其他的数据，例如呼吸机中的氧气浓度或者用户的一些生理特征参数等，此处不做过多限定。

然后将记录的数据存储至存储器中，该存储器可以是内置于呼吸机的内部，或者通过数据线的方式连接呼吸机，此处不做限定。存储器能以200HZ的频率保存呼吸机使用过程中的流量和压力波形，该存储器可以是闪存或者存储卡，也可以是U盘，移动硬盘等能保存数据的设备。

第一计算模块102，用于基于所述流量数据及压力数据进行计算，以计算得到用户的生理指征参数，所述生理指征参数包括自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N；

本实施例中，在用户的呼吸过程中，会产生气体流量和压力的变化，气体流量和压力波形是临床上具有重要参考价值和意义的数据。通过对这些波形的分析，能得到更多的生理指征参数，为临床治疗提供只要的参考依据，这些生理指征参数包括但不限于：用户的自主呼吸频率、漏气量、潮气量、分钟通气量、用户自主吸气努力程度、每次呼吸的最大峰流速、每次呼吸的吸气时长等。

在呼吸机使用结束后，可以将存储器中的数据导出到电脑或其他可以进行数据处理的设备，就能对其中的数据进行分析，得到上述的生理指征参数。在计算生理指征参数时，例如计算用户的自主呼吸频率，可以通过流量数据或者压力数据得到用户的呼吸周期时间，通过呼吸周期时间可以计算得到用户的自主呼吸频率，此处不一一举例。

此外，在呼吸机的实时使用过程中，也能对生理指征参数进行计算，计算方法与上述呼吸机使用结束后进行计算的方法相同。

此外，上述计算得到的生理指征参数也可以实时进行显示，以及存储至存储器中，以供医生进行查看。

第二计算模块103，用于基于预定的评估规则计算所述生理指征参数的异常评估值，并在所述异常评估值小于预设阈值时，在呼吸机的界面上显示该异常评估值对应的生理指征参数及时间，并发出报警信号。

本实施例中，在计算异常评估值时，可以分别对每一生理指征参数做出预测，然后将预测值与计算得到的值进行比较，获取两者的偏差程度。根据每一生理指征参数及其对应的预设的权重来综合计算，得到一异常评估值。

其中，分别对每一生理指征参数做出预测，例如对潮气量进行预测时，可以采用线性拟合的方法，然后利用拟合公式计算得到预测值，其他的生理指征参数的预测也可以采用相同的方式得到。当然，也可以采用其他的方法对每一生理指征参数做出预测，此处不做限定。

在异常评估值小于预设阈值时，例如小于0时，表示用户在使用呼吸机进行治疗的过程中发生异常，在异常评估值大于等于预设阈值时，例如大于等于0时，表示用户在使用呼吸机进行治疗的过程中状况正常。

在发生异常时，呼吸机将记录此次异常发生的时间，并在呼吸机的界面上发出报警信号或者以声光的方式发出报警信号，同时在呼吸机的界面上显示各生理指征参数，以供医生进行查看。

在一优选的实施例中，如图5所示，在上述图4的实施例的基础上，所述第一计算模块102包括：

第一计算单元1021，用于对流量数据及压力数据分别进行求导计算，基于求导计算的结果获取呼吸机触发拐点的时间点及撤换拐点的时间点，基于呼吸机触发拐点的时间点及撤换拐点的时间点获取吸气时长Ti及呼气时长Te，基于吸气时长Ti及呼气时长Te计算自主呼吸频率BPM；

具体地，可以以预设的周期时间截取同一时段的流量数据及压力数据，计算所截取的流量数据的二阶导；若在第一时间段内所述二阶导处于以0为中点的范围，则以同一周期内所述第一时间段之前的时间为第二时间段，以同一周期内所述第一时间段之后的时间为第三时间段，计算所述第二时间段及第三时间段流量数据的一阶导；若连续预设个周期内所述第二时间段对应的一阶导均小于所述第三时间段对应的一阶导，则获取所述第三时间段内压力数据的一阶导；若所述第三时间段内压力数据的一阶导小于0，则以所述流量数据的二阶导为0时对应的时间点为呼吸机触发拐点的时间点。若连续预设个周期内所述第二时间段对应的一阶导均大于所述第三时间段对应的一阶导，则获取所述第三时间段内压力数据的一阶导；若所述第三时间段内压力数据的一阶导大于0，则以所述流量数据的二阶导为0时对应的时间点为呼吸机撤换拐点的时间点。

其中，本次触发拐点的时间点及撤换拐点的时间点之间的时长为吸气时长Ti，本次撤换拐点的时间点和下次触发拐点的时间点之间的时长即为呼气时长Te，自主呼吸频率BPM＝60/(Ti+Te)。

第二计算单元1022，用于基于所述流量数据并采用预设规则计算呼吸机在本次呼吸周期内的漏气量Q1并存储，获取预存的上次呼吸周期对应的漏气量Q2，若漏气量Q1与漏气量Q2的差值大于第一预设阈值，则以漏气量Q1作为呼吸机本次的漏气量L；

具体地，基于总流量Qt(流量数据)计算第一漏气量；在所述总流量Qt大于所述第一漏气量时，确定本次呼吸周期的吸气拐点，并确定所述吸气拐点对应的吸气流量Qp；在所述吸气流量Qp与所述第一漏气量的差值大于第二预设阈值时，计算本次呼吸周期之前连续的预设数量的呼吸周期内所述第一漏气量与对应的吸气流量Qp的差值，并计算所述差值的总和M；若所述总和M大于第三预设阈值，则读取呼吸机预存的面罩的基准漏气量q，基于所述总流量Qt、所述差值的总和M及所述基准漏气量q计算得出本次呼吸周期内的第二漏气量，以所述第二漏气量作为所述漏气量Q1并存储。获取预存的上一呼吸周期对应的漏气量Q2，若漏气量Q1与漏气量Q2的差值大于第一预设阈值，则调整呼吸机的漏气量为漏气量Q1，漏气量Q1为自适应调整的漏气量，即呼吸机本次的漏气量L。

第三计算单元1023，用于基于所述流量数据及所述漏气量L计算一呼吸周期的潮气量并存储，并基于预设数量的潮气量计算潮气量的有效值，以所述潮气量的有效值作为潮气量V；

具体地，基于所述流量数据及所述漏气量L计算一呼吸周期的潮气量包括：

其中，Ti为本次呼吸周期的吸气时间点，Tn为下次呼吸周期的吸气时间点，Q(t)为总流量曲线。

得到一次呼吸周期的潮气量后，将其与该次呼吸周期的前n次呼吸周期的潮气量一起以计算潮气量的有效值，优选地，n＝3。计算潮气量的有效值包括：

第四计算单元1024，用于分别计算用户开始吸气时刻至呼吸机触发时刻的流量变化率及压力变化率，获取所述流量变化率及所述压力变化率的变化率总和，根据预设的流量-压力变化率与吸气努力等级的划分关系获取所述变化率总和所处的吸气努力等级N。

具体地，分别计算用户开始吸气时刻至呼吸机触发时刻的流量变化率及压力变化率；获取所述吸气流量变化率及所述吸气压力变化率的变化率总和，根据预设的流量-压力变化率与吸气努力等级的划分关系获取所述变化率总和所处的吸气努力等级。

在一优选的实施例中，如图6所示，在上述图5的实施例的基础上，第二计算模块103包括：

第五计算单元1031，用于分别获取所计算得到的自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N在预设时间内与时间t的拟合关系，基于所述拟合关系分别计算所述自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N对应的本次呼吸周期内的预估值；

第六计算单元1032，用于基于所述自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N及各自对应的预估值计算得到所述异常评估值，并在所述异常评估值小于预设阈值时，在呼吸机的界面上显示该异常评估值对应的生理指征参数及时间，并发出报警信号。

具体地，分别获取所计算得到的自主呼吸频率BPM、漏气量L、潮气量V及自主吸气努力程度N在预设时间内与时间t的拟合关系，优选地，该预设时间为3分钟。

以潮气量V为例，在预设时间内，利用线性拟合的方法，计算出潮气量V与时间t的拟合关系，这里假设用户前3分钟内的呼吸是均匀平稳的，最近一次呼吸潮气量是偏大的(潮气量偏小的处理方法也类似)。得到拟合关系后，用拟合公式计算当前一次呼吸周期的潮气量的预估值V0，将预估值V0与本次呼吸周期的实际潮气量V1进行比较，如果两者相差超过±100ml，且V1与前3分钟内的所有潮气量的平均值相差超过±20％，则认为本次呼吸周期的潮气量已经出现偏差，呼吸机将其记录为-1，-1即为潮气量V的偏差值，如果本次呼吸周期的潮气量未出现偏差，呼吸机将其记录为1。

对于自主呼吸频率BPM、漏气量L及自主吸气努力程度N，其计算对应的偏差值的方法与计算潮气量V的方法相似，均为将自主呼吸频率BPM、漏气量L或自主吸气努力程度N与各自对应的预估值进行比较分析，如果两者相差超过预设的量，且自主呼吸频率BPM、漏气量L或自主吸气努力程度N与前3分钟内对应的所有量的平均值相差超过预设的百分比，则认为已经出现偏差，将其记录为-1，否则未出现偏差，将其记录为1。

优选地，自主呼吸频率的预设的量为±3，预设的百分比为±10％；漏气量的预设的量为±10LPM，预设的百分比为±20％；自主吸气努力程度的预设的百分比为±20％。

然后，分别获取自主呼吸频率、漏气量、潮气量及自主吸气努力程度对应的偏差权重，优选地，自主呼吸频率的偏差权重为25％，气量的偏差权重为5％，潮气量的偏差权重为35％，自主吸气努力程度的偏差权重为35％。将自主呼吸频率、漏气量、潮气量及自主吸气努力程度各自的偏差值分别乘以对应的偏差权重，然后将相乘后的值进行相加，得到异常评估值，例如自主呼吸频率、漏气量、潮气量及自主吸气努力程度对应的偏差值为-1，1，-1,1，则异常评估值＝(-1)*25％+1*5％+(-1)*35％+1*35％＝-0.2。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。