[发明专利]有源植入医疗设备的电池寿命确定方法及设备

说明书

本发明提供一种有源植入医疗设备的电池寿命确定方法及设备，所述方法包括：获取有源植入医疗设备的设备信息和用户个人信息；利用至少一个机器学习模型根据所述设备信息和用户个人信息计算所述有源植入医疗设备的电池的剩余寿命信息，其中所述机器学习模型是利用多个样本数据进行训练得到的，所述样本数据包括样本设备信息、样本个人信息及其相应的使用寿命信息。

技术领域

本发明涉及医疗器械领域，具体涉及一种有源植入医疗设备的电池寿命确定方法及设备。

背景技术

人体植入式医疗设备(Implantable Medical Device,IMD)是一种安装于用户身体内部的医疗器械，这种设备内部具有电池，芯片，传感器，依靠设定的程序和运行参数来实现相应的疗法，这些运行参数可以按照用户的病症情况采用不同的设置。因为用户病因、病情不相同，因此不同的用户体内安装的可植入式医疗设备，一般具有不同的运行状态，这些运行状态体现在可植入医疗设备的电池电压、运行时间、功率、电流的大小、频率等很多方面。

对于非充电式的IMD，了解其电池的剩余使用时间对于制定对用户的治疗方案而言是很有必要的。现有技术能够评估电池的剩余电量，例如可以采用百分比的形式显示剩余电量，但是IMD功耗的变化比较复杂，通过电量难以了解到其剩余使用时间。

评估IMD的电池寿命是很难的问题，现有技术一般都是根据实验室的测试数据来评估在当前使用条件不变的情况下IMD还能够工作多久。例如根据实验室测试数据，以及设备的工作原理等先验知识，拟合出某种公式，然后根据当前电池剩余电量、病人的刺激参数以及阻抗信息来评估电池的剩余寿命。这种方法有一个重要的局限，即假定在之后的进程中IMD的工作状态不会发生改变。而在实际中，这种情况几乎是不存在的。因此通过某种公式计算剩余寿命的方式准确性较差。

发明内容

有鉴于此，本发明提供一种有源植入医疗设备的电池寿命确定方法，括：

获取有源植入医疗设备的设备信息和用户个人信息；

利用至少一个机器学习模型根据所述设备信息和用户个人信息计算所述有源植入医疗设备的电池的剩余寿命信息，其中所述机器学习模型是利用多个样本数据进行训练得到的，所述样本数据包括样本设备信息、样本个人信息及其相应的使用寿命信息。

优选地，所述设备信息包括电池的当前剩余电量信息和所述有源植入医疗设备的参数。

优选地，所述有源植入医疗设备的参数包括刺激参数和阻抗信息。

优选地，所述用户个人信息包括用户疾病信息、用户体征信息和用户治疗信息中的至少一种信息。

优选地，所述用户疾病信息包括用户当前疾病的诊断信息、用户病史信息和用户当前疾病的症状信息中的至少一种信息。

优选地，所述用户体征信息包括年龄信息、性别信息和生理信息。

优选地，所述用户治疗信息包括用药信息和康复锻炼信息。

优选地，所述用药信息包括药物类别信息、用药频率信息和剂量信息。

优选地，所述利用至少一个机器学习模型根据所述设备信息和用户个人信息计算所述有源植入医疗设备的电池的剩余寿命信息，包括：

利用多个机器学习模型分别根据所述设备信息和用户个人信息计算所述有源植入医疗设备的电池的剩余寿命信息，其中不同的机器学习模型所采用的学习算法不相同；

综合各个机器学习模型计算出的剩余寿命信息得到最终结果。

本发明还提供一种电子设备，包括：至少一个处理器以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述有源植入医疗设备的电池寿命确定方法。