基于神经网络的呼吸机状态分析方法和装置的制造方法
【技术领域】
[0001]本发明涉及呼吸机技术领域，尤其涉及一种基于神经网络的呼吸机状态分析方法和装置。
【背景技术】
[0002]呼吸机在运行过程中，不停的对患者的呼吸状态和产生的病症特征进行分析判断，得出结果后，立即执行对应的功能。而对呼吸状态判断的准确和及时性直接影响呼吸机的跟随性能以及患者使用的舒适程度，病症分析的准确性直接影响患者使用呼吸机后的治疗效果。现有的呼吸机在进行治疗的过程中，依靠流量和压力传感器采集输送给患者的气流信息，并对采集的信息进行分析处理，一般情况下，控制程序需要对采集到的流量数据或压力数据进行I?2次的再加工，得到的数据才能用于分析判断，在加工过程中，将会生成多个数据(如:流量实时斜率，峰流速，峰流速趋势等)，这些数据综合起来经过一定的逻辑判断形成最终的结果。由于加工后形成的数据较多且通常情况下程序需要按一定顺序顺次调用加工后的数据，因此在计算效率和正确性上往往存在一定偏差。
【发明内容】
[0003]本发明的主要目的在于提供一种基于神经网络的呼吸机状态分析方法和装置，能够提尚计算效率，从而提升呼吸机状态判断的正确性。
[0004]为实现上述目的，本发明提供一种基于神经网络的呼吸机状态分析方法，所述基于神经网络的呼吸机状态分析方法包括如下步骤:
[0005]监测呼吸机输入的输入参数；
[0006]获取预设分析权值组，根据所述预设分析权值组和输入参数确定分析结果；
[0007]将确定的所述分析结果输出至呼吸机，以控制所述呼吸机。
[0008]优选地，所述输入参数包括触发参数和病症分析参数；其中，所述触发参数包括流量、压力、漏气量、流量斜率和压力斜率中的至少两种；所述病症分析参数包括流量、压力、吸气峰流速、平均吸气峰流速、呼气时长和吸气时长中的至少两种。
[0009]优选地，所述预设分析权值组为根据分析数据库中的历史数据进行加工生成训练数据集，并通过神经网络算法对所述训练数据集进行自适应学习训练得到的一组权值组。
[0010]优选地，当所述输入参数为触发参数时，所述获取预设分析权值组，根据所述预设分析权值组和输入参数确定分析结果的步骤包括:
[0011]获取预设分析权值组，根据所述预设分析权值组中的权值与所述触发参数中对应的参数的计算结果确定触发结果；
[0012]当所述输入参数为病症分析参数时，所述获取预设分析权值，根据所述预设分析权值和输入参数确定分析结果的步骤包括:
[0013]获取预设分析权值，根据所述预设分析权值组中的权值与所述病症分析参数中对应的参数的计算结果确定病症类型。
[0014]优选地，当所述输入参数为触发参数时，所述将确定的所述分析结果输出至呼吸机，以控制所述呼吸机的步骤包括:
[0015]将确定的触发结果输出至呼吸机，以根据所述触发结果控制是否触发所述呼吸机；
[0016]当所述输入参数为病症分析参数时，所述将确定的所述分析结果输出至呼吸机，以控制所述呼吸机的步骤包括:
[0017]将确定的病症类型输出至呼吸机，以根据所述病症类型控制所述呼吸机进行相应的治疗。
[0018]此外，本发明还提供一种基于神经网络的呼吸机状态分析装置，所述基于神经网络的呼吸机状态分析装置包括:
[0019]监测模块，用于监测呼吸机输入的输入参数；
[0020]确定模块，用于获取预设分析权值组，根据所述预设分析权值组和输入参数确定分析结果；
[0021]输出模块，用于将确定的所述分析结果输出至呼吸机，以控制所述呼吸机。
[0022]优选地，所述输入参数包括触发参数和病症分析参数；其中，所述触发参数包括流量、压力、漏气量、流量斜率和压力斜率中的至少两种；所述病症分析参数包括流量、压力、吸气峰流速、平均吸气峰流速、呼气时长和吸气时长中的至少两种。
[0023]优选地，所述预设分析权值组为根据分析数据库中的历史数据进行加工生成训练数据集，并通过神经网络算法对所述训练数据集进行自适应学习训练得到的一组权值组。
[0024]优选地，当所述输入参数为触发参数时，所述确定模块用于:
[0025]获取预设分析权值组，根据所述预设分析权值组中的权值与所述触发参数中对应的参数的计算结果确定触发结果；
[0026]当所述输入参数为病症分析参数时，所述确定模块用于:
[0027]获取预设分析权值，根据所述预设分析权值组中的权值与所述病症分析参数中对应的参数的计算结果确定病症类型。
[0028]优选地，当所述输入参数为触发参数时，所述输出模块用于:
[0029]将确定的触发结果输出至呼吸机，以根据所述触发结果控制是否触发所述呼吸机；
[0030]当所述输入参数为病症分析参数时，所述输出模块用于:
[0031]将确定的病症类型输出至呼吸机，以根据所述病症类型控制所述呼吸机进行相应的治疗。
[0032]本发明在监测到呼吸机输入的输入参数后，获取预设分析权值组，根据所述预设分析权值组和输入参数确定分析结果，将确定的所述分析结果输出至呼吸机，以控制所述呼吸机。将所有加工后的数据一次性输入神经网络，通过神经网络算法对呼吸机的状态进行分析和计算，避免了算法在逻辑上的顺次调用，降低了计算过程中出错的概率，从而通过神经网络的自适应学习能力保证了输出结果的正确性。
【附图说明】
[0033]图1为本发明基于神经网络的呼吸机状态分析方法较佳实施例的流程示意图；
[0034]图2为本发明基于神经网络的呼吸机状态分析装置较佳实施例的功能模块示意图。
[0035]本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
【具体实施方式】
[0036]应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0037]本发明提供一种基于神经网络的呼吸机状态分析方法。
[0038]参照图1，图1为本发明基于神经网络的呼吸机状态分析方法较佳实施例的流程示意图。
[0039]在本发明一实施例中，基于神经网络的呼吸机状态分析方法包括:
[0040]步骤S10，监测呼吸机输入的输入参数；
[0041]步骤S20，获取预设分析权值组，根据所述预设分析权值组和输入参数确定分析结果;
[0042]步骤S30，将确定的所述分析结果输出至呼吸机，以控制所述呼吸机。
[0043]本实施例所提出的基于神经网络的呼吸机状态分析方法可应用于呼吸机对患者的呼吸状态和病症特征的分析，实施该方法的应用程序可以设置在呼吸机中，也可以设置在可以与呼吸机通讯连接的控制装置中。
[0044]在对使用呼吸机的患者的呼吸状态或病症进行监控时，接收呼吸机输入的输入参数，在对使用呼吸机的患者的呼吸状态进行监控时输入参数为触发参数，该触发参数包括流量、压力、漏气量、流量斜率和压力斜率中的至少两种，其中，流量和压力为通过流量传感器和压力传感器实际采集的值，漏气量为估算值，流量斜率、压力斜率为根据传感器实际采集的值加工计算后得到的值；在对患者的病症进行监控时输入参数为病症分析参数，该病症分析参数包括流量、压力、吸气峰流速、平均吸气峰流速、呼气时长和吸气时长中的至少两种，其中，流量和压力为通过流量传感器和压力传感器实际采集的值，吸气峰流速是指在吸气阶段流量达到的最大值，平均吸气峰流速是指用户治疗的过程中，在吸气阶段所达到的最大值的平均值。
[0045]在接收到输入参数后，获取预设分析权值组，并根据所述预设分析权值组和输入参数确定分析结果；本实施例中的预设分析权值组，是根据分析数据库中的历史数据进行加工生成训练数据集，并通过神经网络算法对所述训练数据集进行自适应学习训练得到的一组权值组，可表示为(wl，w2，w3，...wn)。根据所述预设分析权值与所有输入参数进行计算，并