基于人工智能的制氧剂量控制系统及方法与流程

本发明涉及人工智能，尤其涉及一种基于人工智能的制氧剂量控制系统及方法。

背景技术：

1、制氧机是一种可实时制造可控浓度氧气的设备，辅助人们治疗各种急性或慢性呼吸道疾病。在现有技术中，人们吸氧的剂量通常是模糊的，只能根据医生建议的大概剂量来手动控制。而且，随着便携式制氧机的流行，人们也更倾向于在家中进行氧疗，这样医生就更加无法根据病人的实时状态来改变建议的剂量。制氧机过高或过低制氧量均不利于人们的健康。

技术实现思路

1、鉴于以上技术问题，本发明提供了一种基于人工智能的制氧剂量控制系统及方法，以解决现有技术制氧剂量无法智能实时控制的问题。

2、本公开的其他特征和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

3、根据本发明的一方面，公开一种基于人工智能的制氧剂量控制系统，所述系统包括云服务层、链接层、终端用户层，其中：

4、所述云服务层包括原始数据库、ai模型库、用户数据库、模型评估模块、辅助模块、模型生成模块，所述原始数据库用于以匿名方式存储在用户使用所述系统时所产生的历史数据，所述ai模型库用于存储多种不同类型的ai模型集合，所述用户数据库用于存储用户输入的生理测量数据，所述模型生成模块用于根据不同的用户的生理测量数据、所述历史数据，训练生成多个用于预测用户的未来氧气剂量需求的模型，并将最佳模型部署在边缘制氧设备上，所述辅助模块用于供专家查看所述生理测量数据和所述历史数据后，修改模型预测的对应用户的未来氧气剂量需求，以及，用于为没有足够的所述生理测量数据和所述历史数据的用户匹配临时模型，所述模型评估模块用于评估已部署的模型的准确性，在已部署模型的准确性低于阈值时，请求所述模型生成模块训练生成新的模型，使得新的模型去替换已部署模型；

5、所述链接层包括专业前端模块和用户身份数据库，所述专业前端模块用于供所述辅助模块与专家进行交互，所述用户身份数据库用于建立用户与所述云服务层之间的链接，其存储有供所述云服务层识别用户身份所需的信息；

6、所述终端用户层包括制氧设备，所述制氧设备包括剂量预测模块、传感连接模块、流量调节器、制氧模块，所述剂量预测模块用于加载所述模型生成模块所提供的模型，收集用户的生理数据后生成用户的预测氧气剂量，以使得所述流量调节器根据所述预测氧气剂量来控制所述制氧模块的氧气流量，所述传感连接模块用于连接所述云服务层，以检测是否有新的模型，以及用于采集用户的生理数据后发送至所述剂量预测模块，所述生理数据被所述生理测量数据包含在内。

7、进一步的，用户通过所述专业前端模块注册后生成唯一标识符，所述标识符用于在所述链接层和所述云服务层之间匿名链接用户的数据。

8、进一步的，所述剂量预测模块还用于累积用户的所述生理数据后上传至所述用户数据库，并本地储存所述生理数据。

9、进一步的，所述用户身份数据库还用于链接到用户的其他病史数据库中，并用于通过所述专业前端模块交换不同的数据。

10、进一步的，所述模型生成模块在训练生成多个用于预测用户的未来氧气剂量需求的模型，并选择最佳模型时，执行以下方法：

11、对从所述原始数据库中获取的所述历史数据进行预处理，生成n个第一数据集，n个所述第一数据集具有不同的预测范围、不同的数据数组、不同的数据点之间的步幅，每一数据点包括血氧饱和度及时间点、心率及时间点中的一种或两种；

12、读取所述第一数据集，根据数据点的时间连续性进行数据整理，得到多个时间连续的新的数据数组，计算新的数据数组的中间多维矩阵，提取所述中间多维矩阵形成第二数据集，依次计算，基于多个所述第一数据集得到多个所述第二数据集；

13、创建包含有多个所述第二数据集的数据集元组，不同的所述第二数据集采用不同的预测范围、不同的步幅、不同的窗口作为特征参数，使用所述数据集元组对所述ai模型库中每个模型进行训练，得到多个训练好的模型；

14、基于适应度函数评估每个训练好的模型，选择性能最高的模型。

15、进一步的，所述第二数据集预先设定窗口大小，在新的数据数组的数据点数量不能覆盖窗口时，丢弃所述中间多维矩阵。

16、进一步的，所述根据数据点的时间连续性进行数据整理，得到多个时间连续的新的数据数组，包括：

17、按时间排列所有的数据点，计算相邻两个数据点之间的时间戳，将时间戳小于阈值的两个数据点添加到一个数据数组中，在时间戳大于阈值时，创建新的数据数组，将后端的数据点添加到新的数据组中，并依次分配所有的数据点。

18、进一步的，所述ai模型库中至少包括全连接神经网络、门控循环单元。

19、根据本公开的另一方面，提供一种基于人工智能的制氧剂量控制方法，所述方法应用于上述的系统中，所述方法包括：

20、采集用户的生理测量数据，所述生理测量数据至少包括运动数据、身体数据，以及采集生理数据与不同的氧气剂量的变化率形成历史数据，所述生理数据至少包括血氧饱和度、心率；

21、根据所述生理测量数据和所述历史数据，从预设的ai模型集合中，训练出多个用于预测氧气剂量的模型；

22、基于适应度函数，选择性能最高的模型，并采用实时的所述生理数据来预测氧气剂量；

23、定期对重新训练的模型进行评估，在模型的准确性低于阈值时，再次根据所述历史数据、所述生理测量数据生成新的模型。

24、本公开的技术方案具有以下有益效果：

25、大大提高了制氧机的智能性，可以根据用户的生理数据实时、动态地调整制氧剂量，且再根据用户的状态，动态地调整预测制氧剂量的人工智能模型，且在调整模型时，不是简单的模型参数修改，而是结合用户的数据，从众多种类的模型中重新训练一个新的模型，因此，所调整的制氧量会更加精准、与用户的状态更加贴合。

技术特征：

1.一种基于人工智能的制氧剂量控制系统，其特征在于，所述系统包括云服务层、链接层、终端用户层，其中：

2.根据权利要求1所述的一种基于人工智能的制氧剂量控制系统，其特征在于，用户通过所述专业前端模块注册后生成唯一标识符，所述标识符用于在所述链接层和所述云服务层之间匿名链接用户的数据。

3.根据权利要求1所述的一种基于人工智能的制氧剂量控制系统，其特征在于，所述剂量预测模块还用于累积用户的所述生理数据后上传至所述用户数据库，并本地储存所述生理数据。

4.根据权利要求1所述的一种基于人工智能的制氧剂量控制系统，其特征在于，所述用户身份数据库还用于链接到用户的其他病史数据库中，并用于通过所述专业前端模块交换不同的数据。

5.根据权利要求1所述的一种基于人工智能的制氧剂量控制系统，其特征在于，所述模型生成模块在训练生成多个用于预测用户的未来氧气剂量需求的模型，并选择最佳模型时，执行以下方法：

6.根据权利要求5所述的一种基于人工智能的制氧剂量控制系统，其特征在于，所述第二数据集预先设定窗口大小，在新的数据数组的数据点数量不能覆盖窗口时，丢弃所述中间多维矩阵。

7.根据权利要求5所述的一种基于人工智能的制氧剂量控制系统，其特征在于，所述根据数据点的时间连续性进行数据整理，得到多个时间连续的新的数据数组，包括：

8.根据权利要求1所述的一种基于人工智能的制氧剂量控制系统，其特征在于，所述ai模型库中至少包括全连接神经网络、门控循环单元。

9.一种基于人工智能的制氧剂量控制方法，其特征在于，所述方法应用于权利要求1-8任一项的系统中，所述方法包括：

技术总结本发明属于人工智能技术领域，提供了一种基于人工智能的制氧剂量控制系统及方法。所述系统包括云服务层、链接层、终端用户层，所述云服务层包括原始数据库、AI模型库、用户数据库、模型评估模块、辅助模块、模型生成模块，所述链接层包括专业前端模块和用户身份数据库，所述终端用户层包括制氧设备，所述制氧设备包括剂量预测模块、传感连接模块、流量调节器、制氧模块；本发明可以解决现有技术制氧剂量无法智能实时控制的问题。技术研发人员：安江涛,吕合奇,潘虎城受保护的技术使用者：深圳市润普科技有限公司技术研发日：技术公布日：2024/7/15