一种基于PLC神经外科引流控制系统及方法与流程

本发明属于医疗辅助技术领域，尤其涉及基于plc神经外科引流控制系统及方法。

背景技术：

神经外科手术患者在做完手术后通常需要安置不同的引流管进行各种引流，这是一种常用的神经外壳急救手段，根据导管末端位置的不同各种引流的名称也大不相同，硬膜外引流适用于各种疾病在开颅手术后，为了防止出血及血肿发生而进行的引流。脑室引流用于治疗脑出血和脑积水的患者，防止颅内高压而引发的并发症。

目前，传统的脑室引流是通过在颅骨钻孔经进行穿刺或者在开颅手术中，将带有多个侧孔的引流管前端置于脑室内，末端外接无菌引流袋，从而引流出脑室内多余的脑脊液、血液等体液。但是常规的引流只是通过引流管单纯的进行引流，无法对引流的过程进行监控及引流速度进行控制，从而无法根据患者颅内压力进行动态的调整。

综上所述，现有技术存在的问题是：

传统的神经外科引流无法对引流的过程进行监控，无法根据患者颅内压力进行动态的调整，不能调整引流速度。

现有技术中抽气泵无法实现对患者颅内的积液进行快速抽出，积液提取速度及慢，降低引流控制装置的工作效率；现有技术中调节阀无法将积液抽出的速度准确调节到合适恒定的速度，不能有效的掌控积液抽取速度。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种基于plc神经外科引流控制系统及方法。

本发明是这样实现的，一种基于plc神经外科引流控制方法，所述基于plc神经外科引流控制方法包括以下步骤：

第一步，将引流针置于患者颅内含有积液的地方，通过plc控制器启动采用朴素贝叶斯分类算法的抽气泵将患者颅内的积液抽出；

第二步，采用rbf神经网络算法的调节阀将积液抽出的速度调节到合适恒定的速度，通过气压调节阀将引流过程中的气压调节到合适的压力值；

第三步，积液通过导管引流至收集瓶中收集，收集瓶的瓶口通过安装排气孔随着抽气泵动态调节气体的排放。

进一步，所述第一步中通过plc控制器启动采用朴素贝叶斯分类算法的抽气泵，实现对患者颅内的积液进行快速抽出，具体算法为：d是积液抽出的训练对象与其相关联的类标号的集合；每个对象用一个n维属性向量x＝{x1，x2…xn}表示，描述n个属性a1，a2…an的值；原始集合基于n维属性共划分为m个类c1，c2…cm，计算每个类对x的后验概率，并将对象x归属于具有最高后验概率的类；后验概率p(ci|x)的计算公式为：

p(xi|c)的计算公式为：

其中，p(x1|ci)p(x2|ci)…p(xn|cn)由训练对象求算，xk表示x在属性ak上的值；对每个类别ci计算p(x|ci)p(ci)；当p(x|ci)p(ci)>p(x|cj)p(cj)，1≤j≤m，j≠i成立时，x属于类ci。

进一步，所述第二步中采用rbf神经网络算法的调节阀将积液抽出的速度调节到恒定的速度，具体的算法为：调节阀调节网络输入n维向量x，输出m维向量y，rbf神经网络隐层第i个节点的输出为oi＝g(‖x－ci‖)，式中ci为第i个隐节点的中心，i＝1，2，…，n，‖·‖为欧氏范数，g(·)为径向基函数，具有局部感受特性，选为高斯函数：

体现rbf神经网络的非线性映射能力，网络输层第j个节点的输出为隐层节点的线性组合：

式中wji为第i个隐层节点到第j个输出层的连接权值，θj为第j个输出节点的阈值；

设有k组输入调节速度的样本uk和输出调节速度的样本yk，k＝1，2…l，定义目标函数(l2范数)为：

使得j≤ζ，式中，^yk是在uk输入下神经网络的输出向量。

本发明的另一目的在于提供一种实现所述基于plc神经外科引流控制方法的基于plc神经外科引流控制系统，所述基于plc神经外科引流控制系统包括：引流针、导管、速度调节阀、气压调节阀、连接线、plc控制器、收集瓶、控制屏、排气孔、抽气泵；

plc控制器通过通讯接口端连接有控制屏，plc控制器的输入输出端子通过连接线分别与抽气泵、气压调节阀、速度调节阀连接；速度调节阀的一端通过螺栓固定导管与引流针连接在一起，另一端通过螺栓固定导管与气压调节阀连接，气压调节阀的另一端通过螺栓固定导管与抽气泵连接，抽气泵的另一端通过螺栓固定导管与收集瓶连接，收集瓶的瓶口固定安装有排气孔。

本发明的另一目的在于提供一种应用所述基于plc神经外科引流控制方法的神经外科引流控制平台。

本发明的优点及积极效果为：该基于plc神经外科引流控制方法，通过plc控制器间接操作速度调节阀、气压调节阀以及抽气泵，从而使神经外科引流可以调节引流流速和引流压强，并使其与患者颅内强压动态保持平衡，使患者在引流的过程中降低并发症的发生。本发明通过plc控制器启动采用朴素贝叶斯分类算法的抽气泵，实现对患者颅内的积液进行快速抽出，提高积液提取速度，有效提高引流控制装置的工作效率；本发明通过采用rbf神经网络算法的调节阀将积液抽出的速度准确调节到合适恒定的速度。

附图说明

图1是本发明实施例提供的基于plc神经外科引流控制方法流程图。

图2是本发明实施例提供的基于plc神经外科引流控制系统的结构示意图；

图中：1、引流针；2、导管；3、速度调节阀；4、气压调节阀；5、连接线；6、plc控制器；7、收集瓶；8、控制屏；9、排气孔；10、抽气泵。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合附图对本发明的结构作详细的描述。

如图1所示，本发明实施例提供的一种基于plc神经外科引流控制方法，具体包括以下步骤：

s101：将引流针置于患者颅内含有积液的地方，通过plc控制器启动采用朴素贝叶斯分类算法的抽气泵将患者颅内的积液抽出；

s102：采用rbf神经网络算法的调节阀将积液抽出的速度调节到合适恒定的速度，通过气压调节阀将引流过程中的气压调节到合适的压力值；

s103：积液通过导管引流至收集瓶中收集，收集瓶的瓶口通过安装排气孔随着抽气泵动态调节气体的排放。

步骤s101中，本发明实施例提供的通过plc控制器启动采用朴素贝叶斯分类算法的抽气泵，实现对患者颅内的积液进行快速抽出，提高积液提取速度，有效提高引流控制装置的工作效率，具体算法为：

设d是积液抽出的训练对象与其相关联的类标号的集合；每个对象用一个n维属性向量x＝{x1，x2…xn}表示，描述n个属性a1，a2…an的值；假定原始集合基于n维属性共划分为m个类c1，c2…cm，计算每个类对x的后验概率，并将对象x归属于具有最高后验概率的类；后验概率p(ci|x)的计算公式为：

由于p(ci|x)的计算开销较大，进行类条件独立的假定，给定向量的类标号，并假定属性值有条件的相互独立；p(xi|c)的计算公式为：

其中，p(x1|ci)p(x2|ci)…p(xn|cn)可以容易地由训练对象求算，xk表示x在属性ak上的值；对每个类别ci计算p(x|ci)p(ci)；当p(x|ci)p(ci)>p(x|cj)p(cj)，1≤j≤m，j≠i成立时，x属于类ci。

步骤s102中，本发明实施例提供的采用rbf神经网络算法的调节阀将积液抽出的速度准确调节到合适恒定的速度，具体的算法为：

调节阀调节网络输入n维向量x，输出m维向量y，rbf神经网络隐层第i个节点的输出为oi＝g(‖x－ci‖)，式中ci为第i个隐节点的中心，i＝1，2，…，n，‖·‖为欧氏范数，g(·)为径向基函数，具有局部感受特性，选为高斯函数，

体现rbf神经网络的非线性映射能力，网络输层第j个节点的输出为隐层节点的线性组合，即

式中wji为第i个隐层节点到第j个输出层的连接权值，θj为第j个输出节点的阈值；

设有k组输入调节速度的样本uk和输出调节速度的样本yk，k＝1，2…l，定义目标函数(l2范数)为：

使得j≤ζ，式中，^yk是在uk输入下神经网络的输出向量。

如图2所示，本发明实施例提供的基于plc神经外科引流控制系统包括：引流针1、导管2、速度调节阀3、气压调节阀4、连接线5、plc控制器6、收集瓶7、控制屏8、排气孔9、抽气泵10。

plc控制器6通过通讯接口端连接有控制屏8，plc控制器6的输入输出端子通过连接线5分别与抽气泵10、气压调节阀4、速度调节阀3连接。速度调节阀3的一端通过螺栓固定导管2与引流针1连接在一起，另一端通过螺栓固定导管2与气压调节阀4连接，气压调节阀4的另一端通过螺栓固定导管2与抽气泵10连接，抽气泵10的另一端通过螺栓固定导管2与收集瓶7连接，收集瓶7的瓶口固定安装有排气孔9。

本发明的工作原理是：

操作时，通过工具将引流针1置于患者颅内含有积液的地方，通过控制屏8来控制plc控制器6的各种状态。首先通过plc控制器6启动抽气泵10将患者颅内的积液抽出，调节速度调节阀3使积液抽出的速度达到合适恒定的速度，气压调节阀4来控制引流过程中的气压达到合适的压力值，从而使压力值与患者颅内的压力动态平衡相等。积液经导管被引流至收集瓶7中收集，收集瓶7的瓶口安装有排气孔9可以随着抽气泵10动态调节气体的排放。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。