模糊逻辑的制作方法

本发明涉及适用于血处理(例如，血液透析、血液滤过或者血液透析滤过)的一种系统和方法。

背景技术：

透析中低血压急性发作ihe是在透析处理期间最常出现的并发症之一。透析中血压过低可能经常地由快速的血液抽出或者错误确定的干重触发。典型的原因可能是中枢血容量的急剧减少，以及对这种减少的不充足的响应。迄今为止已经发展出用于避免这种血压过低的各种算法和方法。然而，仍然不能完全地避免透析中的低血压急性发作。

从欧洲专利ep0956872a2已知一种基于血压的生理学控制回路系统，所述系统包括模糊控制器，所述系统实时评估血压输入值并且适当地设置超滤(uf)速度。当为了避免透析发病(intradialyticmorbidity)而并入生理学控制回路来控制血液动力学参数，例如血压bp或者相对血容量rbv时，可能会发生不利影响。控制血压的一个缺点是：由于用袖带进行多次血压测量，患者的良好状态受损。虽然减少每次治疗的血压测量次数解决了频繁的血压测量的问题，但是将产生另一个问题，即患者的血压在相当长的时段中是保持不被监控的。借助于外部传感器或者内建在透析器中的传感器(例如，血细胞比容传感器)可以在非常短的时间间隔(<1s)内测量相对血容量，而没有患者的舒适性的任何损失。虽然连续地控制相对血容量，与透析前无关，但是显示了透析前、透析后和透析中的血压。其他试验得到的结果是，事实上经由控制相对血容量，可以使低血压急性发作的减少达到高达30％。

技术实现要素：

本发明的一个目的是减少由于血液处理造成的发病，例如透析中发病，尤其是透析中的低血压急性发作。

本发明提供一种如权利要求1或者一或多个系统从属权利要求所述的系统。此外，提供了一种如方法独立权利要求或者一或多个方法从属权利要求所述的方法。

在一个、若干个或者所有的实施方式中，提供了一种新发展的生理学控制回路，所述生理学控制回路借助于生理学控制回路来评估、加权和控制患者状态的至少两个生理参数。在一个、若干或者所有的实施方式中，uf速度适当地视为变量。所述两个基本的生理参数可以是例如，血压和相对血容量。然而，替代地或者另外，其他相关参数，例如血液的氧饱和度、心率等等也可以同样地并入到控制中。

在一个、若干或者所有的实施方式中经由专门的生理学控制回路可以避免或者至少减少由于血液处理造成的发病，例如透析中发病，尤其是透析中的低血压急性发作。

根据本发明的一个方面，提供了一种用于血液处理的方法或系统，所述方法或系统配置用于在血液处理期间检测至少两个血液动力学参数，例如血压和相对血容量，其中，提供了至少两个模糊模块、至少一个加权模块和至少一个设置构件，所述模糊模块接收血液动力学参数的测量值作为输入参数，由所述模糊模块传输的输出信号中的至少两个输出信号可以供应到所述加权模块，以及所述设置构件用于响应由所述加权模块传输的输出信号而设置至少一个变量，例如超滤速度、ufr速度或uf速度，透析液传导率或者透析液温度。

所述方法或者系统可以是配置用于检测或者避免透析中的低血压急性发作，所述被监控的血液动力学参数适合于包含下列参数中的两个或更多个：

血压、血压变化过程、相对血容量、相对血容量的变化过程、血细胞比容值、血细胞比容变化过程、血液的氧饱和度、血液的氧饱和度变化过程、心率、心率变化过程，

尿毒症毒素的吸收率或者尿毒症毒素的吸收率的变化过程，或者类似的血液动力学参数，或者

其他的物理参数，诸如由所述系统测量的血压值，例如动脉血压和/或静脉血压，和/或动脉血压和/或静脉血压的变化过程。

所述系统可以设计作为用于血液透析、血液滤过或者血液透析滤过的透析器。所述方法同样地可以设计成用于血液透析、血液滤过或者血液透析滤过。

所述方法或者系统可以配置成是不连续地测量特定时间间隔的血压值，以将所述血压值与极限值作比较，以及当所述血压值降低到所述极限值以下时，改变成连续的血压测量。

例如，可以提供短时模糊模块stfm，所述stfm配置成评估血压在初期时段中的情况并且经由评估规则来计算反映患者状态的变量。

替代地或者另外，可以提供长时模糊模块ltfm，用所述ltfm可以评估在相当长时段中的血压变化过程，所述时段可以用比前述模糊模块(短时模糊模块)所评估的时段更长。

在所述方法或系统中，可以提供血液传感器形式的测量装置，以及用于评估由所述血液传感器传输的测量信号的另一个模糊模块，其中例如可以评估患者的血容量以及血容量的变化过程。所述血液传感器可以是例如血细胞比容传感器，或血红蛋白传感器，或氧饱和度传感器，或者检测一或多个血液参数的不同形式的传感器。所述血液传感器可以检测例如下列血液动力学参数中的一或多个：

血压、血压变化过程、相对血容量、相对血容量的变化过程、血细胞比容值、血细胞比容变化过程、血液的氧饱和度、血液的氧饱和度变化过程、心率、心率变化过程、尿毒症毒素的吸收率，或类似的血液动力学参数或血液动力学变化过程，或者其他的物理参数或者物理变化过程，例如由所述系统测量的血压值，例如动脉血压和/或静脉血压，以及相应地，动脉血压和/或静脉血压的变化过程。所述传感器被称为血液传感器。

视情况至少两个或三个所述模糊模块可以形成各自相应的输出值(hre1、hre2、hre3)，所述输出值构成低渗的关联性(hypotonicrelevance)，以下简称为低渗关联(hyporelevance)，其中加权模块可以配置成将由所述模糊模块形成的低渗关联输出值组合成结果低渗关联输出值。另一个模糊模块可以评估例如所述结果低渗关联输出值与相对超滤容量，以及可以计算相应所需的超滤速度，其中所述相对超滤容量描述在当前超滤容量和总超滤容量之间的比率。

在一个、若干或者所有的实施方式中，至少两个或者三个所述模糊模块可以形成各自相应的输出值，所述输出值代表低渗关联，所述加权模块配置成将由所述模糊模块形成的低渗关联输出值组合成结果低渗关联输出值，以及包括另一模糊模块，所述模糊模块评估所述结果低渗关联输出值与相对超滤容量或者相对时间，并且计算相应所需的超滤速度，其中所述相对超滤容量描述在当前超滤容量和总超滤容量之间的比率，所述相对时间描述当前时间和总时间之间的比率。

在所述方法或系统中，相对血容量rbv的变化过程可以rbv曲线的形式保存，可以经由算法，例如最小二乘方算法来逼近具有不同窗大小的rbv曲线，并且可以在与一窗大小相对应的时间间隔监控所述血容量的变化过程，与所述窗大小例如50％或更多的充分重叠会导致实际的血容量变化过程。

附图说明

在下文中将经由参考图式的实施方式来详细描述本发明。

图1图示生理学控制回路的根据本发明的实施例，

图2图示透析器的实施方式，

图3图示血压的线性最小二乘拟合方法的图式，

图4说明ltfm的输入变量和输出变量的模糊集，

图5说明具有不同的窗大小的经拟合的rbv曲线，

图6显示每隔例如10分钟适配rbv的活动图，

图7显示在例如292次透析治疗中所推断的rbv的中位值，以及ufr的平均值，

图8到图11显示用于rbv图形或低渗关联的不同实例的模糊集，

图12显示根据本发明的系统的另一实施方式，

图13显示所述系统的方块一和方块二的流程图，

图14显示方块一的模拟结果。

图15说明方块二的模拟结果，

图16显示方块三的流程图，

图17图解方块三的模拟结果，

图18显示方块一和方块二的组合的模拟结果，

图19以完整的生理学控制回路的流程图的形式显示一种根据本发明的方法的一实施方式，和

图20显示整个系统的模拟结果。

具体实施方式

在一个、若干或者所有的实施方式中，提供了一种生理学控制回路，所述生理学控制回路在患者透析治疗期间监控反映所述患者状态的多个生理参数。借助于在一个、若干或者所有的实施方式中从这些参数获得的发现，可以提前确诊透析中发病，尤其是低血压急性发作。经由适配变量可以实现透析中发病的预防和相应的消除，所述变量有助于及时地预防低血压急性发作。

血压(bp)和相对血容量(rbv)被视为在本发明的一个、若干或者所有的实施方式中的所述生理参数的实例。所述变量例如以超滤速度(uf速度)的形式实现。

在一个、若干或者所有的实施方式中，所述生理学控制回路由一或多个(例如，两个)测量装置和一或多个(例如，五个)评估装置组成。在一个、若干或者所有的实施方式中，第一测量装置是血压测量模块，用于监控不同时间间隔的血压，即血压值，在下文中还称为bp或者bp值。在一个、若干或者所有实施方式中第二测量装置是血细胞比容传感器，用于连续地监控患者的相对血容量。所述评估装置中的一或两个评估血压情况，其中每个装置输出描述患者状态的值。一个(例如，第三)评估装置评估相对血容量的情况并且同样地计算描述患者状态的值。在一个、若干或者所有的实施方式中，所计算出的值在第四评估装置中被加权，所述第四评估装置将三个状态值组合成一个结果值。经由第五评估装置评估所述结果值，所述第五评估装置计算相应的uf速度。

所有的评估装置，或者除一个之外的所有评估装置，可以是模糊模块，评估语言上的变量(输入变量)。所述剩余的一个评估装置不设计作为模糊模块，可以是例如加权装置，以将所述状态值组合成结果值。

图1描绘生理学控制回路的实施方式的图式。如上所述，自动血压测量和监控构件(“自动血压测量abpm”)可能和在例如ep1226838a2中描述的指导技术一起从存储装置连续地，例如每隔5分钟(或者更长或更短)，提供血压值(在本文中也被称为bp或bp值)，所述存储装置可以是例如自动血压检测模块1或者所述系统的内部或外部硬盘。这些值由计算出的和当前测量的bp值组成，所述bp值可以是不连续地或者连续地被测量的。一旦当前测量的bp值低于预定义的极限值，就执行连续测量。只要当前测量的血压保持低于预定义的极限值，就进一步地执行连续的血压测量。短时模糊模块(stfm)形式的第一模糊模块3从构件1接收三个输入变量rbd、htr和ada，所述输入变量来源于测量到的和计算出的bp值。借助于模糊推理系统中的变量，评估在初期时段，例如在过去的30分钟中的血压情况(参看图13)。所述stfm3包括例如48个规则，所述规则被评估以计算反映患者状态的变量。所述变量被称为低渗关联1(hre1)。

第二模糊模块4是长时模糊模块ltfm，所述ltfm又从构件(abpm)1以及可能地从存储装置接收例如三个输入变量bpd、stt和ltt，所述输入变量仅由测得的bp值组成。在例如模糊推理系统中，所述变量bpd、stt和ltt评估在例如过去的120分钟内血压的情况。所述变量bpd是例如两个最后测量的bp值的bp差。所述变量stt是例如用线性拟合拟合出的最后一个bp值和倒数第三个bp值的差。所述变量ltt是例如用线性拟合拟合出的最后一个bp值和倒数第五个bp值的差。在模糊推理系统中经由模糊集和模糊集的相应规则在ltfm中评估所述三个变量(参看图13)。这样一来，计算出新的状态变量，即低渗关联2(hre2)。

因为使bp袖带膨胀会使患者非常不舒服，不可以用较短的时间间隔监控血压。因此使用所谓的指导技术，在指导技术中基于患者自己存储的bp变化过程来计算血压并应用于当前的治疗。

当在各个预测系统中时，在计算出的预测项目中(这种情况下是在计算出的bp值中)存在不准确性。这种不准确性可以经由第二测量装置，即血细胞比容传感器，来减少。为此，利用第三模糊模块5，即血容量模糊模块bvfm，所述第三模糊模块5从血容量测量和监控构件2接收输入变量并且解读患者9的相对血容量的变化过程，所述血容量测量和监控构件2检测所述相对血容量。在例如模糊推理系统中，每隔例如10分钟，用50％的重叠来实时评估血容量曲线，所述血容量曲线的坐标值存储在存储装置中(参看图19)。所述估值用第三状态变量的形式表达，即低渗关联3(hre3)。

所述测量和监控构件1、2是连接到患者9，如在图1中所示的。

由所述三个模糊模块形成的三个低渗关联hre1、hre2、hre3在加权装置6中被组合成结果低渗关联(hre)。

最终的低渗关联hre指示可能发生的过低血压，在第四模糊模块(uffm)8中评估所述最终的低渗关联hre与相对uf容量，所述相对uf容量来源于方块7并且描述当前uf容量和总uf容量的比率，所述第四模糊模块8计算在此刻的相应uf速度。

在本发明的一个、若干或者所有的实施方式中，使用包括至少两个控制参数的生理学控制回路。对于血液处理，例如透析，在生理学控制回路中两个或更多个患者参数被用作控制变量，所述参数为例如血压和相对血容量。在这种情况下，控制来自两个或更多个不同传感器的两个或更多个参数。在生理学控制回路的所示实施方式中，控制两个血液动力学参数，即血压和相对血容量。

在一个、若干或者所有的实施方式中，所述生理学控制回路具有模块设计，并且在所示的实施方式中所述生理学控制回路包括五个模块：三个输入模块3到5，一个中间模块6和一个输出模块8。所述三个输入模块是bp模糊模块3、4(ltfm和stfm)和血容量模糊模块5(bvfm)，所述bp模糊模块3、4评估bp的长时间情况和短时间情况，所述血容量模糊模块5评估患者9的rbv变化过程。所述三个模块3到5中的每一者计算评估变量，所述评估变量提供关于反映患者状态的血液动力学控制变量的情况的信息。

在第四模块6，即加权模块中，由第一模块，即三个输入模块3到5产生的所述三个评估变量被组合成最终的评估变量hre。

第五模块8主要评估最终的评估变量和提供关于剩余uf容量的信息的一个变量，其中计算出uf速度。

在一个、若干或者所有的实施方式中，可以执行所述控制参数的间接加权。

出于对患者的舒适的考虑，不应以较短的时间间隔测量血压。在不测量bp值的时间期间，所述指导技术确保来源于患者自己从前治疗时的bp值的计算出的bp值被应用于当前的治疗。当在各个预测系统中时，在计算出的预测项目中(这种情况下是在计算出的bp值中)存在不准确性。这种不准确性可以经由第二测量装置，即血细胞比容传感器来减少。在计算bp值的时间期间，以不同的百分比加权来自所述血细胞比容传感器和来自计算出的bp值的信息，以便无用的信息经由较低的加权贬值，而重要的信息经由高加权而升值。

由于所述模块结构，可以随意地扩大所述生理学控制回路，以便可以容易地合并进一步的生理参数。可以添加用于任何测量变量的输入模块。这些输入模块的每一个输出一个低渗关联。在所述中间模块6中，基于预定的状态或者基于相应的模糊集，所述低渗关联被组合成一个总低渗关联。随后在模糊模块8中基于所述总低渗关联实现所述变量的设置。另外，也可能使用不同的变量。基于由单一中间模块6计算出的低渗关联或者由多个中间模块计算出的、随后用于设置相应变量的不同的低渗关联来提供所述变量。

基于这个生理学控制回路的模块结构，可以将进一步的血液动力学参数并入所述系统作为独立的模块。这些参数可以是例如氧饱和度、心率、尿毒症毒素的吸收度，或者类似的血液动力学参数。除uf速度之外或者代替代替uf速度，透析液温度、透析液传导率或者类似的参数可以被用作变量。

除所述血液动力学参数之外，进一步的物理参数，诸如bp值，诸如在机器中测量的动脉血压和静脉血压，也可以被并入。

由于经由多个血液动力学传感器进行对患者参数的监视与控制，可以达成在透析期间令人满意的患者良好状态，其中所述血液动力学传感器提供关于患者循环系统的稳定性的信息。所述良好状态在一方面反映于透析期间低血压急性发作的减少，以及另一方面反映于由于借助于袖带的bp测量的减少而提高的患者舒适性。

在一或多个实施例中，也存在连续血压测量的可能性。在这种情况下，可以省去一个模糊模块，例如模块4。

在一个、若干或者所有的实施方式中，所述生理学控制回路具有模块结构。因此建立了具有个别功能和整体功能的模块化系统。用这种方法，取决于医师可用到哪些输入参数和传感器以及需要哪些参数控制，可以按需要开关个别的模块。进一步的患者参数可以以模块的方式容易地包括在所述系统中，而不会影响其他模块的功能性。

经由加权个别信息，获得较不重要的信息的贬值和更重要的信息的升值。所述加权使不重要的信息贬值并且使高重要性的信息升值。

在下文中详细描述了在图1中所示的个别模块。

在欧洲专利ep0956872b1中部分地描述了stfm模块3和uffm模块8。所述描述完全地并入本申请案的公开内容中。在所提供的生理学控制回路中，所述uffm模块8被部分地修改。

所述ltfm模块4是与其他模块无关的模糊模块，以及所述ltfm模块4从abpm模块1接收仅基于所测得的bp值计算出的三个输入变量。这些输入变量是血压差(bpd)，短时趋势(stt)和长时趋势(ltt)，所述输入变量评估在最后一段时间(例如，120分钟)中的血压情况。bpd是两个最后测得的bp值的bp差(bpd＝bpi-bpi-1)。stt是经由线性拟合拟合出的最后一个bp值和倒数第三个bp值之间的差(stt＝bp拟合(i)-bp拟合(i-2))。ltt是经由线性拟合拟合出的最后一个bp值和倒数第五个bp值之间的差(ltt＝bp拟合(i)-bp拟合(i-4))。bp值的拟合是计算输入变量stt和ltt所必需的，所述拟合在图3中图示。stt和ltt是从拟合线上新发出的血压来计算的。图3图示所述血压的线性最小二乘拟合。

图3的左半边(曲线a)图示匹配的短时血压趋势。触发曲线用三角形标记显示，同时测量曲线用圆点标明。在图3的右半边(曲线b)显示了匹配的长时血压趋势。用这种方法获得的bp值同样地用线段互连。

经由模糊集和模糊集的相应规则在ltfm模块4中评估三个前述变量(参看图4)。对于每一输入变量，分配不同的语言上的用语(μ(bpd)＝{高，中等，正}，μ(stt)＝{高，中等，轻微，正}，μ(ltt)＝{高，中等，轻微，正})。这些语言上的变量的数量允许建立3*4*4＝48条不同的规则，所述规则又提供这些变量的情况的所有可能组合。根据关于多个透析患者中这些变量的分布的专门知识和统计方法，形成了可以提供这些变量的范围。表2提供输入变量的特性的概况。表1显示ltfm模块4的特性。

表1ltfm的特性

在ltfm模块4中评估这些变量之后，计算新的状态变量，即低渗关联2(hre2)。已选择模糊集和这个状态变量的范围，以便响应于血压的细微的危急变化，考虑到事实上达到的uf容量保持稳定，而发生uf速度的变化。在图4中图示hre2的模糊集。在表2中描述所述模糊集的特性。图4图示ltfm模块4的输入变量和输出变量的模糊集。

而所述bvfm模块5是在其中实施模糊算法的模糊模块，所述bvfm模块5评估相对血容量的变化过程。为了能够解读在患者治疗期间患者的血容量的变化过程，大量的透析治疗被视为其中患者免于低血压急性发作。在这些治疗中，基于在具有稳定的患者状态的治疗中rbv是平常的假设来适当地评估相对血容量。

医疗专家建议透析中血容量每小时减少5％。然而，必须考虑到暂时性的波动，以由此推断患者的状态。为此，必须首次界定rbv极限值。为了实现这个目的，大量的透析中血容量变化过程被分析。所述血容量变化过程是从用界定的uf轮廊执行的治疗收集的。在透析开始时患者是以高uf速度被透析的，以及将近治疗结束时患者是以低uf速度被透析的。

为了考虑暂时性的波动，相对血容量曲线必须分解成多个小部分。在这里必须界定应该选择多么小的部分，以便可以使rbv曲线很好地再现，而不会损失所述曲线的重要信息。为此，经由线性最小二乘方(lls算法)以不同的窗大小来拟合rbv曲线。图5图示在两个血容量曲线的6个窗大小(10、20、30、40、50和60分钟)上的拟合的实例。在每一窗区中快速变化的曲线是在透析处理期间两个患者的血容量变化过程。变化更平缓的粗线是经由lls算法得到的相应拟合。

图5说明具有不同的窗大小的拟合出的rbv曲线，所述曲线具有10、20、30、40、50和60分钟的时间宽度。图5图示最好的窗口大小是在图5的右下方用50％的重叠、以10分钟间隔最好地拟合所述曲线的窗口。经由这个重叠，可以以短时间间隔监控血容量的变化过程，而不会损失关于血容量的情况的重要信息。在拟合之后，所述变化过程随后可以推断到一小时，并且可以形成差rbvt+60和rbvt(参看在图5中作为实例图示的线条)。

然后将界定血容量的极限值。因为已经检查了状态稳定患者的rbv曲线，所述rbv曲线可以视为稳定的rbv曲线参考，并且可以相应地设置极限值。为了检查健康患者群体中血容量变化的范围如何，已实施图6中所描述的活动图。图6图示每隔10分钟拟合相对血容量的活动图。

在图6所示的活动图中，步骤s1描绘匹配行为(拟合)的第一步，接着是步骤s2，在步骤s2中在292次治疗期期间针对这个实例获得的相对血容量值被以阵列形式分配，或者连续地存储。在步骤3中，从建立的所有阵列中选择下一个10分钟内或者每10分钟的rbv值。在接下来的步骤s4中，借助于lls算法(“线性最小二乘法”)每隔10分钟地匹配所选择的rbv值。

在步骤s5中，随后所述经匹配的相对血容量被推断到一个小时。在步骤s6中，随后计算在推断出的线条上的第一点和最后一点之间的差，在这之后在步骤s7中计算所有计算出的差的中位值。在步骤s8中最终检查是否已经处理了所有的rbv值。若是，则在终点s9处结束程式。否则所述程式回到步骤s3，以便再次经历步骤s3到s8。

如果根据图6执行所述步骤，可以获得在如图7所示的治疗中的rbv值的中位值。图7图示在292次透析治疗期间推断出的rbv值的相应中位值和uf速度的平均值。已经计算出所述rbv值的拟合范围中的uf速度的平均值。这些平均值在图7中是以三角形表示。所述星状物反映选择用于形成中位值的rbv矢量的百分比关系(中位值是这个矢量的50％处的位置)。围绕所述平均值，显示为圆圈的误差线是所述中位值的平均绝对偏差。围绕所述uf速度的平均值，显示为三角形的误差线描绘uf速度的标准偏差。uf速度的高标准偏差是由不同患者的不同最大uf速度所引起的。

如图7中所见，三个图形是明显的。第一个图像是从15分钟到100分钟的中位值变化过程。第二个图像是从100分钟到140分钟的中位值变化过程。第三个和即最后一个图形是从140分钟到治疗结束时的中位值变化过程。为此应该设置动态的极限值。

可以假设地确定具有-4％的中位值时，在血容量的变化过程中患者未表现出异常。这可以设置作为极限值。所有的rbv减少到这个极限值以下倾向于表现rbv变化过程的异常情况。为了容忍这个极限值，考虑平均绝对偏差的下限。后面同样也取决于所述图形，针对不同的图形作出不同的决定。在第一和第三图形中，所述平均值是由较低的绝对偏差的平均形成的，对于所述第一图形，所述平均绝对偏差是-9％，以及对于第三图形所述平均绝对偏差是-4％。在所述第二图形中的极限值是动态的极限值并且表现出线性的变化过程。为此，在所述第二图形中已形成-10％到-4％的动态极限值。

这些极限值在模糊集中被反映。总共两个语言上的用语被界定用于相对血容量的情况，即μ(rbv)＝{危急，正常}。在下表2中描述了这些集的特性。

表2bvfm的特性

在bvfm模块5中根据所描述的模糊集和模糊规则来评估所述相对血容量的减少(参看图8、图9、图10)。同样地在其他模糊模块中，计算一个第三状态变量(hre3)作为评估变量，所述第三状态变量的模糊集和特性在图11和表2中显示。

图8图示rbv图形1的模糊集。图9图示rbv图形3的模糊集中的一个模糊集。图10图示rbv图形2的模糊集。图11图示hre3的模糊集。

如从图8到图11可见的，用曲线图示的正常变化过程以倾斜的方式从0线性地增大到1。另一方面，所述曲线向右倾斜地从1减少到0，所述曲线显示危急的变化过程，经由所述过程形成了在图11中图示的低渗关联hre3。在这种情况下，向右上方从0增大到1的曲线迹线表征低低渗关联的非危急范围，而向右下方从1减少到0的曲线迹线意味高关联，即描绘急剧减少的血压。

在所述加权装置6中，执行对个别的计算出的状态变量hre1、hre2和hre3的评估。所述评估的形式是组合所有的状态变量。所述加权装置可以是另一模糊模块，在所述模糊模块中输入变量被分配给语言上的用语和关系然而，也可以用个别状态变量的标量加权来产生组合。

在这种情况下，应确定条件，所述条件考虑血压的类型(触发的或计算出的)、由状态变量反映的重要性，以及从血细胞比容传感器获得的信息的重要性。

扩大所述系统的进一步可能性存在于合并一或多个附加的输入和/或输出参数。这些参数可以是氧饱和度、心率和/或用机器测量的血压，诸如动脉血压或静脉血压。这些输入参数是控制参数，并且可以在独立模块中被分类。可以在加权装置中独立地评估个别输入变量的信息。作为变量，例如除uf速度外的透析液传导率(lf)和透析液温度(dt)可以在独立的模糊模块、透析液传导率模糊模块(dlfm)和透析液温度模糊模块(dtfm)中计算，并且可以在机器中设置。

在图12中图示了所述生理学控制回路的可能扩展。

图12中图示的元件1到9已经在上文经由图1解释过。那里的描述同样适用于根据图12的实施方式，以及因此不会再次复述。

在根据图12的实施方式中，提供了进一步的模块，即氧饱和度模糊模块5a、血红蛋白模糊模块5b、用于静脉血压的模糊模块5c、用于动脉血压的模糊模块5d，以及用于可透性膜压的模糊模块5e。模糊模块5a、5b从相对血容量监控构件2接收它们的输入参数。所述模糊模块5c到5e从机器传感器2a接收它们的输入值，所述机器传感器2a检测动脉血压、静脉血压、可透性膜压等等。

除加权模块6之外，根据图12的实施方式还包括进一步的加权模块6a、6b和6c。所述加权模块6a执行输入参数hre1、hre2、hre3的加权，所述输入参数是从所述模糊模块5、5a和5b输出的。

所述加权模块6b执行输入参数hre1、hre2、hre3的加权，所述输入参数是用模糊模块5c、5d和5e分别产生的。所述加权模块6c执行对由各个加权模块6、6a、6b输出的已加权输出参数hre1、hre2、hre3的重加权，以及发送一或多个已加权输出信号hre到模糊模块8，以及各自地到透析液传导率模糊模块lffm8a和透析液温度模糊模块dtfm8b。对应于已加权输出信号hre和由模糊模块8、8a和8b输出的参数，设置透析液温度和/或uf速度。

在下文将解释所述系统的模拟。在本文中模拟了含有图1所示的生理学控制回路的模块的个别方块。在相应图式中图示了uf速度的计算出的轮廓。用于模拟的数据是透析患者的真实数据。所述系统显示，在所述uf轮廓中uf速度对血压情况和相对血容量情况的响应。因为在所述模拟中，不能实现控制回路，所以无法给出血压或相对血容量对uf速度的响应。仅显示了uf速度对bp和rbv变化过程的响应。

所述生理学控制回路的下列方块包括以下模块：

方块1：stfm3和uffm8，

方块2：ltfm4和uffm8，

方块3：bvfm5和uffm8，

方块4：stfm3、ltfm4、加权模块6和uffm8，

方块5：stfm3、ltfm4、bvfm5、加权模块6和uffm8。

方块1和方块2的流程图在图13中显示。

在图13中显示的在本发明范围内的方法的实施方式中，解释了方块1和方块2的功能。在步骤s10中，进行不连续的血压测量，其中用这种方法获得的值可以被存储在存储装置s11中以及随后可以在以后再次读取。在步骤s12中，检查所测得的血压是否超过极限值。当所述极限值已被超过时，在下文中于步骤s13执行连续的血压测量，以获得对血压和血压变化过程的更精确、更快速的监控。

在步骤s14中，评估已产生的血压变化过程，即根据方法步骤s10不连续地测得的血压，或者根据方法步骤s13连续地测得的血压(具有超过所述极限值的血压)。在接着的步骤s15中，计算将在步骤s16中于模糊推理系统内处理的输入变量。此外，在步骤s18中可以确定或者考虑超滤容量(uf容量)。

在具有闭合控制回路的控制装置或控制构件中，在步骤s17中确定相应匹配的超滤速度，接着在步骤s19将所述超滤速度设置作为所述控制回路中的变量。用这个超滤速度对患者9进行治疗，即执行血液处理，以便到达或者至少逼近所需的超滤速度。

图14描绘第一方块的模拟并且显示方块1的模拟结果。所述stfm3评估变量，所述变量评估在最多最后30分钟内的血压。所述bp值由触发bp值和计算bp值组成。当以30分钟时间间隔察看图13时，这些时间间隔中的血压显示没有血压过低的倾向。不早于220分钟，血压到达大约83毫米汞柱的收缩值，这会导致uf速度的减少。

图15描绘第二方块(即模块ltfm4和uffm8)的模拟，以及由此显示方块2的模拟结果。所述lftm4仅考虑触发bp值。这个模块的输入变量包括已经在过去的120分钟内测量的bp值。如图15所示，第二模块比stfm3对bp变化的反应更灵敏。具有减少血压的bp趋势可以及时地被检测到，者将导致uf速度及时地减少。这需要有及时地反馈。

方块3的流程图在根据图16的图中显示。

在图16中显示流程图，即一种方法的实施方式，根据方块3执行所述方法。在步骤s31中，执行对一或多个血液值的连续监控。在根据图16的实施方式中，连续地监控血细胞比容值(hct)。在步骤s31的连续的血液值监控期间确定的测定值被存储在存储装置s32中，所述存储装置在一个或者若干实施方式中可以是与根据图13的存储装置s11相同的存储装置。在步骤s33中评估血液值的变化过程，尤其是血细胞比容的变化过程。由此，计算模糊模块的输入变量，所述模糊模块可以是例如模糊模块5、5a到5e或者另一模糊模块中的一个。在步骤s34中计算出的输入变量被提供给模糊推理系统s35，所述模糊推理系统s35可以具有闭环闭合的回路控制器s36。所述控制器s36或系统s35接收关于当前超滤容量的信息作为进一步的输入变量，在步骤s37中连续地或者间歇地监控所述当前超滤容量。

在步骤s38中，控制器s36执行变量的适配，即适配所需的超滤速度，经由所述变量的适配来执行患者9的血液处理。

图17图示方块3的模拟结果。在图17中显示的uf轮廓意欲产生对相对血容量的控制。每隔10分钟用50％重叠来检查rbv以用于梯度。取决于负梯度的强度，所述uf速度被减少。用这种方法可以获得相对血容量的稳定化，所述稳定化会导致更稳定的患者状态。

同样已经执行了stfm、ltfm和uffm的模拟。图18显示模块stfm3和ltfm4的模拟结果。图18描绘第四方块的模拟。在这个方块中实施所述stfm3和所述ltfm4。所述模块分别计算低渗关联，所述低渗关联在加权装置中被组合成最终的低渗关联。用这种方法供应了两条重要的信息：第一条消息指出血压的短时趋势情况，包括指导技术的计算出的bp值。所述stfm3也提供关于最后一个bp值与预置的bp安全极限值之间差距的信息，一旦超过所述预置的bp安全极限值，机器就会触发警报。第二条信息由ltfm4供应，并且包括评估长时间的血压情况。这两条信息包含在120分钟内的血压情况。

在第四方块的模拟期间的uf速度的反应类似于在第三方块的模拟期间所述uf速度的反应。在215分钟处出现明显的区别，在这里由于stfm3已发生了uf速度的减少。在第三方块的模拟中这并不明显。

完整的生理学控制回路的流程图在图19中描绘。

在图19中显示了根据本发明的一方面的完整生理学控制回路的实施方式。在图19中显示的所述步骤和特征结构s10到s15对应于已经经由图13解释的步骤和特征结构s10到s15。所述存储装置s11可以同时充当在图16中显示的存储装置s32。

如在图19中进一步图示的，根据图19的实施方式还包括根据图16的实施方式的步骤和特征结构s31到s34。在根据图19的实施方式中，因此可以执行血压测量和血细胞比容监控两者，其中可以连续地或者不连续地执行所述血压测量。同样可以连续地或者不连续地执行所述血细胞比容监控。在图19所示的实施方式中，不连续的血压测量和连续的血细胞比容监控被视为基础。

在根据图19的实施方式中，提供加权装置s41，所述加权装置s41可以是模糊模块，并且接收为在步骤s15中计算出的针对血压变化过程的输入变量和在步骤s34中计算出的针对血细胞比容变化过程的输入变量而确定的值，以及响应于内部的、固定地或可变地预定的加权因子而对所述值进行加权。由加权装置s41输出并且基于血压和血细胞比容的变化过程而形成的输出变量被提供给模糊推理系统s42，所述模糊推理系统s42还包括控制构件或者相应的闭合回路控制器s43。另外在步骤s44中确定的当前超滤容量被提供给所述系统s42作为输入变量。

所述控制器s43执行变量s45的适配，经由所述适配执行患者9的血液处理。

所述步骤或特征结构s42到s45大体上对应于图13的步骤s16到s19或者图16的步骤s35到s38，具有的特殊特征结构是模糊推理系统s16到s35的输入变量取决于血压的变化过程和血细胞比容的变化过程两者，以及所述两个参数被加权和分别地并入所述模糊推理系统s16和s35的输入信号中。

已执行stfm3、ltfm4、bvfm5和uffm8的模拟。图20模拟完整的生理学控制回路。图20显示整个系统的所有模拟结果。uf速度轮廓描绘所有三个输入模块的组合。各个模块独立于其他模块地计算低渗关联，经由加权装置所述低渗关联被组合成最终的低渗关联。藉由这个加权，获得取决于所述加权的变量控制，这会导致取决于所述加权的输入变量控制。

由此在一个、若干或者所有的实施方式中实现了新颖的生理学控制回路，所述生理学控制回路包括至少两个控制参数，即血压和相对血容量，所述控制参数在三个或者更多个不同的和独立的模糊模块(stfm3、ltfm4和bvfm5)中被处理。加权装置6将从所述三个或者更多个模糊模块发出并且用在0和100％之间的值描述患者状态的值组合成关于患者状态的最终信息。这个信息是在进一步的模糊模块中与相对uf容量一起被处理的，所述相对uf容量是当前的uf容量和总uf容量的比率，所述模糊模块用于计算患者的uf速度。

缩写

ada匹配

bp血压

bpd血压差异

bvfm血容量模糊模块

dt透析液温度

dtfm透析液温度模糊模块

hct血细胞比容

hb血红蛋白

hre低渗关联

htr低渗趋势

lf透析液传导率

lls线性最小二乘方

lffm透析液传导率模糊模块

ltfm长时模糊模块

ltt长时趋势

mimo多输入多输出

nibp非侵略性血压

pa动脉血压

pafm动脉压模糊模块

pv静脉压

pvfm静脉压模糊模块

rbd相对血压降低

rbv相对血容量

so2氧饱和度

stfm短时模糊模块

stt短时趋势

svr支持向量回归

tmp可透性膜压

tmpfm可透性膜压模糊模块

trigg被触发

uf超滤

wlr失重率