一种呼吸机的吸呼转换方法与流程

本发明属于呼吸机领域，尤其涉及呼吸机的吸呼转换方法。

背景技术：

1、无创呼吸机指的是无需气管插管或切开，只需通过鼻罩、面罩或喉罩等方式连接进行的有效机械通气。在使用无创呼吸机时，气流先后经过经过口或鼻腔，然后依次通过咽道，气管最终到达肺。无创呼吸目前广泛应用于临床，成为治疗呼吸衰竭，尤其是早期的急性呼吸衰竭和慢性呼吸衰竭患者的重要手段，非常多的患者通过无创呼吸机尽早进行干预治疗获益很大，不仅改善了病情，节省了费用，可以保护患者免受于有创机械通气的损伤以及各种可能导致的并发症。总的来说，它是一种能起到肺主体功能，同时辅助人的正常生理呼吸，增加肺通气量，从而改善呼吸功能，减轻呼吸功消耗，节约心脏储备能力的装置，相当于患者外界的一个“肺”。

2、呼吸触发相关算法主流可以分为三类，其中过零检测和基于阈值的流量触发，通过阈值进行检测，同时可以改变阈值大小（又称灵敏度），使触发点提前或者延后。基于流量图形的触发，相比前两中固定的阈值设置方法，则更灵活，触发点可以随呼吸过程改变而改变，能适应不同的人群。

3、目前，针对其功能有需要改进的地方包括：1、在使用过程中，机器的同步性不好，导致患者更费力，从而出现患者不耐受的情况。2、目前主流的呼吸触发算法中采用固定阈值算法的缺点是容易受漏气和噪声干扰的影响，容易误触发；而基于流量图形的算法则要求流量波形较为规则和平滑，触发的灵敏度受波形形状的影响，在实际应用过程中，患者的咳嗽、吞咽、抽泣等行为可能会引起流量骤然下降或上升，波形形状导致的呼吸触发误判时有发生。

技术实现思路

1、为了解决现有技术中存在的问题，本发明提供一种呼吸机的吸呼转换方法，以解决上述技术问题，具体由以下技术方案实现：

2、所述呼吸机的吸呼转换方法包括如下步骤：

3、步骤1）对无创呼吸机气流量进行采集，得到包含呼吸气流量的时序数据；

4、步骤2）对所述时序数据的吸呼状态进行判定，并根据吸呼状态进行标记；

5、步骤3）对时序数据进行滑窗采样和特征提取，得到新的滑窗数据并保留对应的标记，创建新的数据集；

6、步骤4）对所述新的数据集进行划分，得到训练集、验证集以及测试集；

7、步骤5）通过构建cnn-lstm网络模型预测吸呼转换点；

8、步骤6）设置用于呼吸机吸呼转换点的状态分类的阈值，控制呼吸机进行供气和放气的切换。

9、所述呼吸机的吸呼转换方法的进一步设计在于，所述步骤2）具体包括如下步骤：

10、步骤2-1）根据无创呼吸机呼吸气流量的临床判定标准，进行判定，将数据标记为：吸气、呼气以及中间状态；

11、步骤2-2）将得到的标记结果进行整合，得到包含三种吸呼状态的气流量时序数据集。

12、所述呼吸机的吸呼转换方法的进一步设计在于，所述步骤3）的具体过程为：

13、步骤3-1）结合实际场景，设置特定滑窗宽度大小与各个滑窗之间的间隔，通过滑窗在标记的呼吸气流量时间序列数据集中移动，提取四个时序特征：滑窗数据的平均值、滑窗数据的最大值、滑窗数据的最小值以及滑窗数据中最大值与最小值的差值；

14、步骤3-2）同时根据标记得到的数据集结果对所得到的滑窗数据进行重新标记：如果滑窗数据中存在吸气转换点，则将其对应的滑窗数据得到的四个时序特征数据状态标记为吸气转换点；如果滑窗数据中存在呼气转换点，则将其对应的滑窗数据得到的四个时序特征数据状态标记为呼气转换点；如果滑窗数据中既不存在吸气转换点又不存在呼气转换点，则将其对应的滑窗数据得到的四个时序特征数据状态标记为中间转换点；

15、步骤3-3）将上述结果进行整合，得到新的标记好的特征数据集。

16、所述呼吸机的吸呼转换方法的进一步设计在于，所述步骤4）的具体实现方法为：

17、步骤4-1）对标记好的数据集进行min-max规范化处理；

18、步骤4-2）将新数据集切割为训练集、验证集、测试集。

19、所述呼吸机的吸呼转换方法的进一步设计在于，所述步骤5）的步骤为：

20、步骤5-1）将训练集输入基于特征工程和cnn-lstm网络的吸呼转换预测的模型；

21、步骤5-2）设定所述基于特征工程和cnn-lstm网络的吸呼转换预测的模型包括三个卷积层conv1、lstm层和最大池化层max_pooling以及dense层，卷积层conv1_0，conv1_1，conv1_2的数目是1，核尺寸的长是2，宽为输入数据的宽度，跨度是1；最大池化采样层maxpool的窗口大小是2；lstm网络层节点数目是8；dense层输出维度是1激活函数是linear；

22、步骤5-3）将模型的损失函数设置为绝对平均误差，优化器设置为adam算法，反向计算出各参数的梯度，不断更新网络中的参数；

23、步骤5-4）将训练次数作为横坐标，分别将训练和验证的损失函数的值作为纵坐标，对训练过程中的损失函数值进行展示；

24、步骤5-5）根据上述方法得到训练好的模型，并通过netron可视化工具进行模型的可视化。

25、所述呼吸机的吸呼转换方法的进一步设计在于，所述步骤6）具体为：将测试集输入训练好的模型中，根据模型输出的结果进行阈值设置，包括吸气状态阈值、呼气状态阈值以达到准确率最大的模型；当模型的输出结果达到吸气状态阈值时，此时达到吸气转换点，呼吸机将配合执行供气操作；当模型的输出结果达到呼气状态阈值时，此时达到呼气转换点，呼吸机将配合执行放气操作；当模型的输出结果均不满足吸气状态阈值和吸气状态阈值时，此时为中间状态，呼吸机将保持当前状态。

26、本发明还提供了一种电子设备，包括存储器、处理器以及计算机程序，其中所述计算机程序存储于所述存储器中，并被配置为由所述处理器执行以实现所述的呼吸机的吸呼转换方法。

27、本发明还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行以实现所述呼吸机的吸呼转换方法。

28、本发明的有益效果：

29、本发明的呼吸机的吸呼转换方法基于特征工程和cnn-lstm网络进行基于气流量数据的吸呼转换预测，同时采集呼吸气流量时间序列数据用以特征筛选生成新数据集，按照一定比例选取验证集与测试集，使该模型能够更好地预测吸呼转换点，最终预测准确度达到0.95，误触发率低于3%。

技术特征：

1.一种呼吸机的吸呼转换方法，其特征在于包括如下步骤：

2.根据权利要求1所述的呼吸机的吸呼转换方法，其特征在于，所述步骤2）具体包括如下步骤：

3.根据权利要求2所述的呼吸机的吸呼转换方法，其特征在于，所述步骤3）的具体过程为：

4.根据权利要求1所述的呼吸机的吸呼转换方法，其特征在于，所述步骤4）的具体实现方法为：

5.根据权利要求1所述的呼吸机的吸呼转换方法，其特征在于，所述步骤5）的步骤为：

6.根据权利要求1所述的呼吸机的吸呼转换方法，其特征在于，所述步骤6）具体为：将测试集输入训练好的模型中，根据模型输出的结果进行阈值设置，包括吸气状态阈值、呼气状态阈值以达到准确率最大的模型；当模型的输出结果达到吸气状态阈值时，此时达到吸气转换点，呼吸机将配合执行供气操作；当模型的输出结果达到呼气状态阈值时，此时达到呼气转换点，呼吸机将配合执行放气操作；当模型的输出结果均不满足吸气状态阈值和吸气状态阈值时，此时为中间状态，呼吸机将保持当前状态。

7.一种电子设备，其特征在于，包括存储器、处理器以及计算机程序，其中所述计算机程序存储于所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-6任一项所述的呼吸机的吸呼转换方法。

8.一种计算机可读存储介质，其特征在于所述存储介质存储有计算机程序，所述计算机程序被处理器执行以实现权利要求1-6任一项所述的呼吸机的吸呼转换方法。

技术总结本发明公开了一种呼吸机的吸呼转换方法，包括如下步骤：步骤1）对无创呼吸机气流量进行采集，得到时序数据；步骤2）对时序数据的吸呼状态进行判定，并根据吸呼状态进行标记；步骤3）对时序数据进行滑窗采样和特征提取，得到新的滑窗数据并保留对应的标记，创建新的数据集；步骤4）对新的数据集进行划分，得到训练集、验证集以及测试集；步骤5）通过构建CNN‑LSTM网络模型预测吸呼转换点；步骤6）设置用于呼吸机吸呼转换点的状态分类的阈值，控制呼吸机进行供气和放气的切换。该方法基于特征工程和CNN‑LSTM网络进行吸呼转换预测，同时特征筛选生成新数据集，按照一定比例选取验证集与测试集，使该模型能够更好地预测吸呼转换点。技术研发人员：谢望晨,江晨蓉,栾开昊,杨振华,谭媛元,李华梅,黄依婷,丁佳宁,刘宏德,唐雪峰,张宏弢受保护的技术使用者：南京舒普思达医疗设备有限公司技术研发日：技术公布日：2024/11/14