技术特征：
1.基于容积二氧化碳图的死腔分数的模型建立方法，其特征在于：所述方法包括以下步骤：s1、构建lstm模型；s2、正反双向叠加lstm网络构建brnn模型；s3、多层叠加brnn网络构建mbrnn模型；s4、基于mbrnn网络建立序列点内部各维度之间关系；s5、基于mbrnn网络建立相邻co2图的隐藏层状态传递；s6、建立损失函数方程，最终确定mbrrnn模型。2.根据权利要求1所述的基于容积二氧化碳图的死腔分数的模型建立方法，其特征在于：所述步骤s4的具体过程为：首先，将co2分压曲线投影到横轴的区域等分为n段，并将第t(t∈[1,n])段等间距取l个值，按照l个值由小到大的顺序做横轴的垂线，l条垂线与co2分压曲线的交点的纵坐标值序列即为一次容积co2图的第t个序列点对应的多维序列输入x
t
；其中，表示向量x
t
的第k维数据；其次，建立基于多维变量x
t
内部各维度之间关系得到耦合变量z
t
；z
t
＝w
z
x
t
+b
z
ꢀꢀꢀꢀ
公式二其中，w
z
,b
z
初始值为高斯分布抽样取值，模型训练不断迭代更新w
z
,b
z
，训练结束则w
z
,b
z
值最终确定；最后，建立正对角线全部为0的方阵w
z
，如公式三所示；其中，w
i,j
是w
z
中的一个元素，w
z
∈r
l
×
l
，当i≠j，w
i,j
表示第j个变量对第i个变量的影响系数；当i＝j，w
i,j
取值为0。3.根据权利要求1所述的基于容积二氧化碳图的死腔分数的模型建立方法，其特征在于：所述步骤s5的具体过程为：规定数据集中每位患者的连续容积co2图个数都为d个，所有的容积co2图均已采用sae进行重构；每个容积co2图均含有paco2、v
d
/v
t
、v
d
alt/v
t
alt三个回归指标，现规定每个样本由连续的g个容积co2组成，则d个连续容积co2图从起始到结束按步骤s4的截取规则共截取d
‑
g+1个连续样本；其中，v
d
/v
t
为生理死腔分数、v
d
alt/v
t
alt为肺泡死腔分数；训练环节要求m个患者使用自己的样本参与训练，每次迭代每位患者拿出一个样本，初始样本为时间编号最早的那一个样本；下一次迭代使用的样本需要紧邻上一个样本，并且上一个样本的输出状态要作为当前迭代训练的隐藏层的初始状态；模型应用时，同样要将上一次预测的隐藏层输出状态作为下一次预测的隐藏层初始状态。4.根据权利要求1所述的基于容积二氧化碳图的死腔分数的模型建立方法，其特征在
于：所述步骤s6中，总的损失函数如公式四所示：其中：α,β为权重，α+β＝1,α≥0且β≥0，由于l1(paco2)、l2(v
d
/v
t
)及l3(v
d
alt/v
t
alt)三者求和，所以其系数为者求和，所以其系数为公式五中，表示耦合变量z
t
的第p个患者的样本中的第s个容积co2图的第t个序列点的第q维的值；某个患者的样本表示的是长度为g的一个样本，该样本包含g个连续的容积co2图；最小化损失函数l0(z,x)，意味着迫使耦合值z
t
等于x
t
，保证模型充分且正确的利用序列点内部维度之间的关系。5.根据权利要求1所述的基于容积二氧化碳图的死腔分数的模型建立方法，其特征在于：所述步骤s6中，公式四中l1(paco2)、l2(v
d
/v
t
)及l3(v
d
alt/v
t
alt)分别表示动脉血二氧化碳分压、生理死腔分数及肺泡死腔分数的损失函数，其公式如下所示：碳分压、生理死腔分数及肺泡死腔分数的损失函数，其公式如下所示：碳分压、生理死腔分数及肺泡死腔分数的损失函数，其公式如下所示：其中，表示第p个患者的第q个容积co2图的动脉血二氧化碳分压真实值；表示第p个患者的第q个容积co2图的动脉血二氧化碳分压预测值；表示第p个患者的第q个容积co2图的生理死腔分数的真实值；其中，表示第p个患者的第q个容积co2图的生理死腔分数的预测值；表示第p个患者的第q个容积co2图的肺泡死腔分数的真实值；表示第p个患者的第q个容积co2图的肺泡死腔分数的预测值。6.根据权利要求1所述的基于容积二氧化碳图的死腔分数的模型建立方法的系统，其特征在于：所述监测系统包括与患者相接触的连接件(1)，所述连接件(1)通过导气管(2)与呼吸机监测仪(7)相连接，所述呼吸机监测仪(7)包括流量和压力测量模块(3)、处理器(4)、数据库(5)、显示器(6)，所述流量和压力测量模块(3)将检测到的信号传输给处理器(4)，所述处理器(4)与数据库(5)双向传输。7.根据权利要求6所述的基于容积二氧化碳图的死腔分数的模型建立方法的系统，其
特征在于：所述系统的监测过程为：患者呼出的气体经连接件(1)再经导气管(2)输送至流量和压力测量模块(3)，流量和压力测量模块(3)将模拟信号转化为容积co2图的数字信号后，传输给处理器(4)，处理器(4)完成数据预测后，将预测结果保存在数据库(5)中，使用者通过有线或无线方式访问数据库(5)，完成增删改查工作，显示器(6)将处理器(4)发送的监测数据实时显示出来，方便及时获取患者的预测数据。8.根据权利要求6所述的基于容积二氧化碳图的死腔分数的模型建立方法的系统，其特征在于：所述连接件(1)为面罩或呼吸管；所述处理器(4)为带有mbrrnn模型的ai芯片处理器；所述数据库(5)为带有无线或有线传输的数据库。
技术总结
本发明公开了一种基于容积二氧化碳图的死腔分数的模型建立方法及系统，基于容积二氧化碳图的死腔分数的模型建立方法，包括以下步骤：S1、构建LSTM模型；S2、正反双向叠加LSTM网络构建BRNN模型；S3、多层叠加BRNN网络构建MBRNN模型；S4、基于MBRNN网络建立序列点内部各维度之间关系；S5、基于MBRNN网络建立相邻CO2图的隐藏层状态传递；S6、建立损失函数方程，最终确定MBRRNN模型。基于容积二氧化碳图的死腔分数的模型建立方法的系统。本发明预测精度满足需求，预测实时性可以与呼吸频率保持一致，从而避免了医疗事故的发生，因此可以在临床上推广使用。临床上推广使用。临床上推广使用。
技术研发人员：闫鹏 解立新 程海博 陈虎
受保护的技术使用者：闫鹏
技术研发日：2021.09.27
技术公布日：2021/12/21