专利名称：一种麻醉气体浓度测量的方法和装置的制作方法
技术领域：
本发明涉及利用特定气体对特定波长红外光波吸收率高的现象来检测人体呼出气体浓度的方法和装置，尤其涉及用不同的透光片和特定的算法检测不同麻醉气体浓度的方法和装置。
背景技术：
现有技术中，医疗设备领域的气体浓度监测仪的测量原理一般都是基于非色散红外光谱分析技术(NDIR，Non-Dispersive Infrared)，即根据被测气体对某一波段红外光的吸收特性，选择特定波段的红外光通过气体样本，红外光的衰减量与被测气体样本的浓度近似符合Beer-Lambert定律。麻醉气体浓度检测则是利用几种麻醉气体都有显著吸收的几个波段(通常是要检测出几种麻醉气体就选取几个波段)，通过检测这几个波段附近的红外光的衰减量来计算麻醉气体浓度。
由于麻醉气体红外吸收光谱之间互相重叠，气体浓度与各通道的衰减量的对应关系很难找到，目前通常采用矩阵方程的计算方法来根据各个波长的测量信号计算麻醉气体浓度。其计算步骤是利用N个特定波段的红外带通透光片得到N个波段的红外光，这些红外光照射被测气体样本，红外传感器测量穿过气体样本的红外光强，得到N个测量信号。以N个测量信号做为变量，利用一个N维矩阵方程计算被测气体样本中麻醉气体浓度和识别麻醉气体类型。
现有技术的主要缺点是Beer-Lambert定律只适用于单色光。由于透光片有一定的带宽，难以达到Beer-Lambert定律对单色光的要求，非单色光只是近似符合Beer-Lambert定律，导致气体浓度与红外光的衰减量的对数呈非线性对应关系。因此所述的矩阵方程是个非线性的方程。这样的非线性方程的求解需要用到N个测量信号的二阶以上变量，而对于存在多阶变量的矩阵方程很难求解。解决该问题的方法是设计特定的透光片参数，使矩阵方程变成一个线性方程后求解。但该透光片参数的设计较为复杂，还会受到生产工艺的限制。
发明内容
本发明所要解决的技术问题是为了克服现有技术的缺陷而提出一种麻醉气体测量方法和装置，在该测量装置的最佳实施例中，利用3个测量透光片和1个参考透光片得到3个测量信号和一个参考信号，然后利用人工神经网络方法得到的测量信号与麻醉气体浓度之间的非线性函数计算出麻醉气体浓度并识别出麻醉气体种类。该非线性函数的建立方法如下首先构造一个3层神经网络，该神经网络有3个输入层神经元、20个隐含层神经元和5个输出层神经元；将通入已知浓度气体时所得的3个测量信号与参考通道的比值向量作为训练输入数据，对应的已知麻醉气体浓度向量作为训练的目标数据，对此人工神经网络进行训练，经足够的样本数据训练后即可得到各个测量信号与麻醉气体浓度之间的非线性关系函数。
本发明解决所述技术问题通过采用以下的技术方案来实现实施一种麻醉气体浓度测量的方法，基于包括红外光源、微处理器电路、检测气室、红外传感器、信号放大处理电路的测量装置，所述方法包括步骤a.在装置中设置n个红外透光片，其中红外透光片之一为参考波长通道透光片，其余红外透光片为对各种麻醉气体均有吸收的不同波长的透光片；b.红外光源依次被各透光片扫过，并穿过检测气室，由一只红外传感器进行光电转换，再由信号放大处理电路将信号放大；c.微处理器电路将放大后的信号A/D转换后，通过经BP神经网络训练得到的非线性函数，识别出麻醉气体种类及其浓度。
上述方法所述的n个红外透光片设置在一透光片轮之上，在最佳实施例中所述n＝4；所述透光片轮由电动机驱动；所述电动机由微处理器电路控制。在最佳实施例中采用步进电动机，系统可实现精确的控制。
所述的信号放大处理电路中一放大器的反向输入端接入一数字电位器，所述数字电位器受微处理器电路控制，以决定该放大器放大倍数的大小，以获得合适的信号幅度。
上述方法中，步骤c所述反向误差神经网络传播算法，由一个3神经元输入层、
以及一个5神经元输出层和在输入与输出层之间的一个20神经元隐含层组成；此网络输入层3个神经元的输入值分别为通道系数P1，P2，P3，它们组成系数向量P＝{P1，P2，P3}，网络输出层5个神经元的输出C1，C2，C3，C4，C5分别代表地氟醚(Desflurane)，异氟醚(Isoflurane)，氟烷(Halothane)，七氟醚(Sevoflurane)，氨氟醚(Enflurane)的浓度值，它们组成输出浓度向量C＝{C1，C2，C3，C4，C5}；神经元之间以权值wij连接，神经元节点之间有自身的传输函数yni=f(xi)=21+e-2xi-1]]>xi=Σj=1lwij×y(n-1)j+bni]]>所述3个神经元的输入值分别为通道系数P1，P2，P3，其相对应的三个信号分别为8.3μm波长代表测量波段信号S1，8.5μm波长代表测量波段信号S2，8.7μm波长代表测量波段信号S3，10.5μm代表参考波段信号Sr，各测量波段信号与参考波段信号之比后，各测量信号转化为相对于参考波段信号变化的系数Pn＝Sn/Srn＝1，2，3Pn只与透光片通光系数和气室的气体浓度有关，与光源强度、光路通光效率以及温度漂移等等因素无关。将P1，P2，P3输入通过BP神经网络训练得到的非线性函数式。
本发明按照上述方法设计制造一种麻醉气体浓度测量的装置，该装置包括红外光源、微处理器电路、检测气室、红外传感器、信号放大处理电路、显示器、键盘，尤其是还包括透光片轮，所述透光片轮上有n个红外透光片。
在本发明的最佳实施例中，所述透光片轮上有4个红外透光片，红外透光片之四为10.5μm波长，红外透光片之一为8.3μm波长，红外透光片之二为8.5μm波长，红外透光片之三为8.7μm波长。
所述透光片轮联结电动机，电动机接电机驱动电路，电机驱动电路连接微处理器电路。
所述红外光源的安装位置满足其轴线穿过各红外透光片、穿过检测气室，与红外传感器的轴线重合。
所述红外传感器的输出接入信号放大处理电路，信号放大处理电路的输出接入微处理器电路，信号放大处理电路中一放大器的反向输入端接入一数字电位器，所述数字电位器受微处理器电路控制，以决定该放大器放大倍数的大小。
与现有技术相比较，本发明提出的利用BP神经网络的方法可以很好地拟合出麻醉气体浓度与测量通道光强变化量之间的非线性关系，且更易于实现。并且测量装置中可以使用较少的透光片进行麻醉气体浓度的测量和气体种类识别，降低了检测设备的成本。
图1是本发明麻醉气体浓度测量的装置的构成框图；图2是信号放大处理电路的电原理图；图3是微处理器电路、电动机驱动电路和其他驱动电路的电原理图；图4是四通道透光片波长和气体特性曲线示意图；图5是BP神经网络构成示意图。
具体实施例方式
下面结合附图及最佳实施例对本发明做进一步详尽的描述。
如图1～5所示实施一种麻醉气体浓度测量的方法，基于包括红外光源10、微处理器电路80、检测气室50、红外传感器60、信号放大处理电路70的测量装置，所述方法包括步骤a.在装置中设置n个红外透光片T1～Tn，其中红外透光片T1为参考波长通道透光片，其余红外透光片T2～Tn为对各种麻醉气体均有吸收的不同波长的透光片；b.红外光源10依次被各透光片T1～Tn扫过，并穿过有麻醉气体的检测气室50，由红外传感器60进行光电转换，再由信号放大处理电路70将信号放大；c.微处理器电路80将放大后的信号A/D转换后，通过经BP神经网络训练得到的非线形函数，，识别出麻醉气体种类及其浓度。
上述方法中所述的n个红外透光片T1～Tn设置在透光片轮30之上，在最佳实施例中所述n＝4；所述透光片轮30由电动机20驱动；所述电动机20由微处理器电路80控制。
在所述信号放大处理电路70中放大器U7B的反向输入端接入一数字电位器U8，所述数字电位器U8受微处理器电路80控制，以决定放大器U7B放大倍数的大小。
本发明最佳实施例的测量装置利用3个测量透光片和1个参考透光片得到3个测量信号和一个参考信号，然后利用人工神经网络方法得到的测量信号与麻醉气体浓度之间的非线性函数计算出麻醉气体浓度并识别出麻醉气体种类。该非线性函数的建立方法如下首先构造一个3层神经网络，该神经网络有3个输入层神经元、20个隐含层神经元和5个输出层神经元；将通入已知浓度气体时所得的3个测量信号与参考通道的比值向量作为训练输入数据，对应的已知麻醉气体浓度向量作为训练的目标数据，对此人工神经网络进行训练，经足够的样本数据训练后即可得到各个测量信号与麻醉气体浓度之间的非线性关系函数。
yni=f(xi)=21+e-2xi-1]]>xi=Σj=1lwij×y(n-1)j+bni]]>上述方法中所述反向误差神经网络传播算法，由一个3神经元输入层、以及一个5神经元输出层和在输入与输出层之间的一个20神经元隐含层组成；此网络输入层3个神经元的输入值分别为通道系数P1，P2，P3，它们组成系数向量P＝{P1，P2，P3}，网络输出层5个神经元的输出Cl，C2，C3，C4，C5分别代表地氟醚(Desflurane)，异氟醚(Isoflurane)，氟烷(Halothane)，七氟醚(Sevoflurane)，氨氟醚(Enflurane)的浓度值，它们组成输出浓度向量C＝{C1，C2，C3，C4，C5}；神经元之间以权值wij连接，神经元节点之间有自身的传输函数所述3个神经元的输入值分别为通道系数P1，P2，P3，其相对应的三个信号分别为8.3μm波长代表测量波段信号S1，8.5μm波长代表测量波段信号S2，8.7μm波长代表测量波段信号S3，10.5μm代表参考波段信号Sr，各测量波段信号与参考波段信号之比后，各测量信号转化为相对于参考波段信号变化的系数Pn＝Sn/Srn＝1，2，3Pn只与透光片通光系数和气室的气体浓度有关，与光源强度、光路通光效率以及温度漂移等等因素无关。将P1，P2，P3输入通过人工神经网络训练得到的非线性函数式。
本发明还可以通过以下的技术方案进一步实施采用上述方法设计制造一种麻醉气体浓度测量的装置，包括红外光源10、微处理器电路80、检测气室50、红外传感器60、信号放大处理电路70、显示器150、键盘160，尤其是还包括透光片轮30，所述透光片轮30上有n个红外透光片T1～Tn。
在最佳实施例中，所述透光片轮30上的红外透光片是4个，红外透光片T4为10.5μm，红外透光片T1为8.3μm，红外透光片T2为8.5μm，红外透光片T3为8.7um。
所述透光片轮30联结电动机20，电动机20接电机驱动电路110，电机驱动电路110连接微处理器电路80。
所述红外光源10的安装位置是其轴线穿过红外透光片T1～T4、穿过检测气室50，与红外传感器60的轴线重合。
所述红外传感器60的输出接入信号放大处理电路70，信号放大处理电路70的输出接入微处理器电路80，信号放大处理电路70中放大器U7B的反向输入端接入一数字电位器U8，所述数字电位器U8受微处理器电路80控制，以决定放大器U7B放大倍数的大小。
如图1～3所示，本发明最佳实施例装置中的红外光源10发出宽光谱的红外光照射检测气室50中的被测气体样本。四个特别选择的红外透光片T1～T4均匀分布地放置在透光片轮30上，透光片轮30放置在光源10和检测气室50之间，由电动机20驱动以一定频率旋转，四个红外带通透光片的中心波长分别为麻醉气体均有吸收的8.3μm(带宽0.21μm)8.5μm(带宽0.15μm)和8.7μm(带宽0.25μm)以及麻醉气体对红外光没有任何吸收的10.5μm(带宽0.23μm)。通过四个透光片得到的四个波段的红外光中8.3μm、8.5μm和8.7μm三个做为测量波段，如图4所示，10.5μm做为参考波段。测量波段和参考波段红外光穿过检测气室中的被测气体后，被红外传感器60探测，分别得到测量信号和参考信号。其中测量信号的强度随着被测气体中麻醉气体浓度变化而变化，参考信号不随麻醉气体浓度变化而变化。将测量信号与参考信号经信号放大处理电路70送入微处理器电路80进行相应的处理得到麻醉气体的种类和浓度。检测气室50中的气体由气泵100从病人呼吸气体中连续抽取小样本的采样气体，并送入检测气室50中。在气体进入采样气室50的气路中通过流速检测电路130检测实时的抽气速率，并由微处理器电路80通过气泵控制电路140控制气泵100的抽气速度，达到稳定采样气体抽气速度的目的。
人工神经网络又称并行分布式处理，其基本原理是模拟生物神经系统，由一些神经元及其大规模并行连接而成的网络，它具有自组织、自学习功能，在分类以及非线性函数拟合方面有较好的效果。本专利采用的是反向误差传播算法(BackpropagationAlgorithm)神经网络，简称BP神经网络，它是一种层状结构的前馈神经网络(见图3)，由一个3神经元输入层、一个5神经元输出层和在输入与输出层之间的一个20神经元隐含层组成。此网络输入层3个神经元的输入值分别为通道系数P1，P2，P3，它们组成向量P＝{P1，P2，P3}在这里称为系数向量。网络输出层5个神经元的输出C1，C2，C3，C4，C5分别代表地氟醚(Desflurane)异氟醚(Isoflurane)氟烷(Halothane)七氟醚(Sevoflurane)氨氟醚(Enflurane)的浓度值，它们组成输出浓度向量C＝{C1，C2，C3，C4，C5}。神经元之间以权值wij连接，神经元节点之间有自身的传输函数yni=f(xi)=21+e-2xi-1]]>xi=Σj=1lwij×y(n-1)j+bni]]>式中xi为第n层第i个神经元的输入，yni代表第n层第i个神经元的输出。wij为后一层第i个神经元与前一层第j个神经元的连接权值。bni为第n层第i个神经元的输入修正项。
神经网络要经过训练才能建立输入与输出之间的近似函数。BP神经网络的训练过程分为信息的正向传输过程和误差的反向传输过程两个阶段。外部输入的信号经输入层隐含层的神经元逐层处理向前传输到输出层得到输出向量。把输出向量与目标向量(期望得到的输出向量)相比较，如果不一致，则转入逆向传输过程，将目标向量与网络输出向量之间误差沿原来联结的通路返回，通过特定的训练算法修改各层神经元的连接权值wij和bni，使误差减少，然后再转入正向传输过程，反复迭带，直到误差小于指定的值为止。训练过程中所用到的训练数据是由一些输入数据和应该得到的实际输出数据即目标值组成的样本集合本专利中的训练数据样本集是由通已知标准浓度的气体时测得的系数向量p和浓度向量C组成。选取已知浓度的麻醉气体单独通入测量装置进行记录，得到三通道的系数向量P作为网络训练输入值，通入的气体的浓度作为训练目标值。例如在通1％的异氟醚时可得到系数向量P＝{P1，P2，P3}＝{0.4 0.43 0.42}，那么网络的训练目标向量则为浓度向量C＝{C1，C2，C3，C4，C5}＝{0 1 0 0 0}。在本专利中选取各麻醉气体训练浓度为(0.3％ 1％ 2％…10％)，每种气体共有11个浓度点，测得相应的三通道的11个系数向量P。把5种气体所得的55个系数向量P作为神经网络的训练向量，与其对应的各气体的浓度向量作为目标向量输入BP神经网络函数进行训练。
采用回归BP算法进行训练，一般经2000次训练后网络目标向量与网络输出向量之间误差即可达到要求。训练好的BP神经网络，其权值wij和修正项bni不再改变。这时BP神经网络就成为一个函数式。这个函数式是由神经元自身传输函数式权值wij修正项bni所组成的非线性方程式，它近似的描述了三通道系数P1，P2，P3与五种麻醉气体浓度C1，C2，C3，C4，C5之间的非线性对应函数关系。
通过训练好的函数，我们就可由测得的三通道系数P1，P2，P3准确的判别出是哪种麻醉气体出现并测量出此种气体的浓度值。
在图1中，显示器150用于显示检测结果和其他信息。
键盘160用于输入操作指令。
电动机驱动电路110在最佳实施例中用于驱动步进电动机。三通阀控制电路120的输入VALVE接入微处理器电路80中U2的P1.0引脚。
在图3中，流速检测电路130中的U5是图1中的传感器40，用于检测气体流量。
实践证明，本发明提出的利用BP神经网络的方法可以很好地拟合出麻醉气体浓度与测量通道光强变化量之间的非线性关系，且更易于实现。并且测量装置中可以使用较少的透光片进行麻醉气体浓度的测量和气体种类识别，降低了检测设备的成本。
权利要求
1.一种麻醉气体浓度测量的方法，基于包括红外光源(10)、微处理器电路(80)、检测气室(50)、红外传感器(60)、信号放大处理电路(70)的测量装置，其特征在于，所述方法包括步骤a.在装置中设置n个红外透光片(T1～Tn)，其中一红外透光片为参考波长通道透光片，其余红外透光片为对各种麻醉气体均有吸收的不同波长的透光片；b.红外光源(10)依次被各透光片(T1～Tn)扫过，并穿过检测气室(50)，由红外传感器(60)进行光电转换，再由信号放大处理电路(70)将信号放大；c.微处理器电路(80)将放大后的信号A/D转换后，输入经BP神经网络训练得到的非线性函数，识别出麻醉气体种类及其浓度。
2.根据权利要求1所述的麻醉气体浓度测量的方法，其特征在于所述n个红外透光片(T1～Tn)是设置在透光片轮(30)之上，所述n＝4；所述透光片轮(30)由电动机(20)驱动；所述电动机(20)由微处理器电路(80)控制。
3.根据权利要求1所述的麻醉气体浓度测量的方法，其特征在于在所述信号放大处理电路(70)中放大器U7B的反向输入端接入一数字电位器U8，所述数字电位器U8受微处理器电路(80)控制，以决定放大器U7B放大倍数的大小。
4.根据权利要求1所述的麻醉气体浓度测量的方法，其特征在于所述反向误差神经网络传播算法，包括一个3神经元输入层、以及一个5神经元输出层和在输入与输出层之间的一个20神经元隐含层；此网络输入层3个神经元的输入值分别为通道系数P1，P2，P3，它们组成系数向量P＝{P1，P2，P3}，网络输出层5个神经元的输出C1，C2，C3，C4，C5分别代表地氟醚、异氟醚、氟烷、七氟醚、氨氟醚的浓度值，它们组成输出浓度向量C＝{C1，C2，C3，C4，C5}；神经元之间以权值wij连接，神经元节点之间有自身的传输函数ym=f(xi)=21+e-2xi-1]]>xi=Σj=1lwij×y(n-1)j+bni]]>
5.根据权利要求4所述的麻醉气体浓度测量的方法，其特征在于所述3个神经元的输入值分别为通道系数P1，P2，P3，其相对应的三个信号分别为8.3μm波长代表测量波段信号S1，8.5μm波长代表测量波段信号S2，8.7μm波长代表测量波段信号S3，10.5um波长代表参考波段信号Sr，各测量波段信号与参考波段信号之比后，各测量信号转化为相对于参考波段信号变化的系数Pn＝Sn/Srn＝1，2，3Pn只与滤光片通光系数和气室的气体浓度有关，与光源强度、光路通光效率以及温度漂移等等因素无关。
6.一种麻醉气体浓度测量的装置，包括红外光源(10)、微处理器电路(80)、检测气室(50)、红外传感器(60)、信号放大处理电路(70)、显示器(150)和键盘(160)，其特征在于还包括透光片轮(30)，所述透光片轮(30)上有n个红外透光片(T1～Tn)。
7.根据权利要求6所述的麻醉气体浓度测量的装置，其特征在于所述透光片轮(30)上n个红外透光片(T1～Tn)是4个，红外透光片(T4)为10.5um，红外透光片(T1)为8.3um，红外透光片(T2)为8.5um，红外透光片(T3)为8.7um。
8.根据权利要求6所述的麻醉气体浓度测量的装置，其特征在于所述透光片轮(30)联结电动机(20)，电动机(20)接电机驱动电路(110)，电机驱动电路(110)连接微处理器电路(80)。
9.根据权利要求6所述的麻醉气体浓度测量的装置，其特征在于所述红外光源(10)的安装位置是其轴线穿过红外透光片(T1～Tn)、再穿过检测气室(50)，并与红外传感器(60)的轴线重合。
10.根据权利要求6所述的麻醉气体浓度测量的装置，其特征在于所述红外传感器(60)的输出接入信号放大处理电路(70)，信号放大处理电路(70)的输出接入微处理器电路(80)，信号放大处理电路(70)中放大器U7B的反向输入端接入一数字电位器U8，所述数字电位器U8受微处理器电路(80)控制，以决定放大器U7B放大倍数的大小。
全文摘要
一种麻醉气体浓度测量的方法，基于包括红外光源(10)、微处理器电路(80)、检测气室(50)、红外传感器(60)、信号放大处理电路(70)的测量装置，包括步骤a.在装置中设置n个红外透光片(T1～Tn)，其中一红外透光片为参考波长通道透光片，其余红外透光片为对各种麻醉气体均有吸收的不同中心波长的透光片；b.红外光源(10)依次被各透光片扫过，并穿过检测气室(50)，由红外传感器(60)进行光电转换，再由信号放大处理电路(70)将信号放大；c.放大后的信号在微处理器电路(80)中经A/D转换后，进行反向误差神经网络传播算法处理，识别出麻醉气体种类及其浓度。
文档编号G06F19/00GK1760664SQ20041005188
公开日2006年4月19日 申请日期2004年10月15日 优先权日2004年10月15日
发明者刘强, 李新胜, 张伟, 周慧玲, 叶继伦 申请人:深圳迈瑞生物医疗电子股份有限公司