[发明专利]一种呼吸机人机异步分类方法、系统、终端以及存储介质

说明书

本发明涉及一种呼吸机人机异步分类方法、系统、终端以及存储介质。所述呼吸机人机异步分类方法包括：采集由模拟肺和呼吸机模拟的人机异步事件下的模拟流量通道、潮气量通道、气道压力、肺泡压、胸膜腔内压、心脏压力以及波纹管位置通道等多通道呼吸数据；对所述呼吸数据进行置换偏离指数(PDI)特征提取，并根据所提取的PDI特征为所述呼吸数据打上标签；将所述打标签后的呼吸数据输入网络模型进行训练，得到训练好的人机异步分类模型；通过所述训练好的人机异步分类模型对呼吸机人机异步事件进行分类。本发明实施例采集的呼吸数据干扰较小，采集方便，并使用PDI特征进行相邻通道的呼吸数据的差异性分析，提高了人机异步分类的准确度。

技术领域

本发明属医学数据处理技术领域，特别涉及一种呼吸机人机异步分类方法、系统、终端以及存储介质。

背景技术

机械通气是在呼吸机的帮助下，以机械力量产生或增强病人呼吸动作呼吸功能。在危重病人中，机械通气旨在改善氧合，减少病人呼吸工作和呼吸肌肉的负荷，以支持病人病情好转。在治疗过程中，为了满足病人的需求，呼吸机的吸气时间和潮气量必须和病人的吸气时间和潮气量相匹配。然而在实际应用中，由于呼吸机参数设置不当等原因，机械通气不能适应病人自身的不同病情，所以当病人的呼吸需求和呼吸机所提供的呼吸状态不匹配时，就会发生呼吸机人机异步(不同步)的现象。

临床上比较常见的呼吸机人机异步主要发生在以下三个阶段：

第一阶段：吸气期；主要异步事件包括触发延迟、吸气流量不匹配、短循环、长循环或反向触发等。

第二阶段：从吸气到呼气的过渡阶段；主要异步事件包括双触发、呼吸性肌肉收缩等。

第三阶段：呼气期；主要异步事件包括无效吸气努力、自动触发、呼吸肌肉收缩等。

以上异步事件中较为常见的包括无效吸气努力、双触发以及反向触发。无效吸气努力指的是病人呼吸肌肉用力后，未达到呼吸机的触发阈值，从而呼吸机未产生送气，无效的触发导致病人的呼吸频率高于呼吸机的频率。双触发是因为过短的呼吸机吸气时间与病人的神经吸气时间不协调，从而使得病人一次吸气努力中出现两次呼吸机送气，而两次送气量非常高，甚至可以使正常呼吸的潮气量翻倍，从而造成病人的肺过度膨胀，导致肺气压伤。

目前，通过自动报警系统对呼吸机人机异步事件进行预警，然而现有的自动报警系统通常依赖于简单的阈值，导致频繁的假阳性，给医护人员造成很大的干扰。另外，目前关于人机异步的研究数据采集方式是通过临床采集后人为去除噪声干扰等，其数据采集耗费周期事件长，人为识别干扰因素大，会影响数据的准确性。

发明内容

本发明提供了一种呼吸机人机异步分类方法、系统、终端以及存储介质，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本发明提供了如下技术方案：

一种呼吸机人机异步分类方法，包括：

采集由模拟肺和呼吸机模拟的人机异步事件下的呼吸数据；

对所述呼吸数据进行置换偏离指数特征提取，并根据所提取的置换偏离指数特征为所述呼吸数据打上标签；

将所述打标签后的呼吸数据输入网络模型进行训练，得到训练好的人机异步分类模型；

通过所述训练好的人机异步分类模型对呼吸机人机异步事件进行分类。

本发明实施例采取的技术方案还包括：所述采集由模拟肺和呼吸机模拟的人机异步事件下的呼吸数据包括：

所采集的人机异步事件下的呼吸数据包括正常呼吸、无效吸气努力呼吸和双触发呼吸三种人机异步事件下的呼吸数据。

本发明实施例采取的技术方案还包括：所述采集由模拟肺和呼吸机模拟的人机异步事件下的呼吸数据还包括：