[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、心脏压力以及当前功能残气量通道等多通道呼吸数据；对所述呼吸数据进行方差、均值、标准差、绝对值或平方根特征提取，并根据所提取的特征生成样本数据，根据样本数据训练得到人机异步分类模型；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，并使用方差、均值、标准差、绝对值或平方根等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

当呼吸机输送的呼吸相位与患者呼吸相位不匹配时，就存在患者-呼吸机之间的人机异步现象。人机异步对病人的治疗舒适度、机械通气持续时间、ICU停留时间、死亡率等都会产生不良影响。

在所有机械通气模式中，最普遍的异步现象是无效吸气努力和双触发。无效吸气努力为吸气肌用力后未达到呼吸机的触发阈值，没有产生呼吸机呼吸，导致患者的呼吸频率高于呼吸机的频率。双触发为由于过短的呼吸机吸气时间与病人的神经吸气时间不协调，从而使得患者一次吸气努力中出现两次呼吸机送气。因此准确的检测出人机异步现象是非常有必要的。目前关于机异步分类的研究数据都是通过临床获得，周期时间大，耗费人工时间多，且有较多的干扰因素，影响分类准确度。

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特征提取，并根据所提取的特征生成样本数据；其中，所提取的特征包括方差、均值、标准差、绝对值或平方根中的任意一种；

将所述样本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：

所采集的呼吸数据包括模拟流量通道、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后还包括：

对所述呼吸数据进行预处理，分别得到正常呼吸、无效吸气努力呼吸和双触发呼吸对应的样本数据。

本发明实施例采取的技术方案还包括：所述对所述呼吸数据进行预处理包括：

首先，对所述潮气量通道的呼吸数据进行波峰和波谷检测，获取呼吸数据中的呼吸周期，根据所述呼吸周期对呼吸数据进行分割处理，得到分割后的样本数据；所述分割的样本数据包括相同设定次数的正常呼吸周期、无效吸气努力呼吸周期以及双触发呼吸周期的呼吸数据；

然后，对所述分割后的样本数据进行补点操作，将每个呼吸周期的样本数据设为预设个数的数据点，对不够预设数据点个数的样本数据进行补零，并根据人机异步事件分别对每个样本数据进行标注。