[发明专利]呼吸机人机异步检测方法、装置、设备及存储介质

权利要求书

1.一种呼吸机人机异步检测方法，其特征在于，包括：

获取呼吸机机械通气时一个周期内通气参数的当前波形信号；

将所述当前波形信号转换为基于平面直角坐标系的当前图像，所述当前图像包括X轴之上的波形图与X轴所围成的当前第一图像和X轴之下的波形图与X轴所围成的当前第二图像；

将所述当前图像输入至预先训练好的二维卷积神经网络模型中预测，并根据预测结果确认是否出现人机异步以及人机异步类型，所述二维卷积神经网络模型根据预先准备的历史波形信号所转换的历史图像训练得到。

2.根据权利要求1所述的呼吸机人机异步检测方法，其特征在于，所述当前波形信号包括当前流量信号、当前气道压力信号和当前容量信号，所述当前图像包括当前流量图像、当前气道压力图像和当前容量图像，所述人机异步类型包括双触发异常和无效吸气异常。

3.根据权利要求2所述的呼吸机人机异步检测方法，其特征在于，所述将所述当前图像输入至预先训练好的二维卷积神经网络模型中预测，并根据预测结果确认是否出现人机异步以及人机异步类型，包括：

获取预先训练好的第一二维卷积神经网络模型、第二二维卷积神经网络模型和第三二维卷积神经网络模型，所述第一二维卷积神经网络模型基于历史流量信号转换的历史流量图像训练得到，所述第二二维卷积神经网络模型基于历史气道压力信号转换的历史气道压力图像训练得到，所述第三二维卷积神经网络模型基于历史容量信号转换的历史容量图像训练得到；

将所述当前流量图像输入至所述第一二维卷积神经网络模型进行预测得到第一预测状态，将所述当前气道压力图像输入至所述第二二维卷积神经网络模型进行预测得到第二预测状态，将所述当前容量图像输入至所述第三二维卷积神经网络模型进行预测得到第三预测状态，预测状态包括正常状态、双触发异常状态和无效吸气异常状态；

确认所述第一预测状态、所述第二预测状态、所述第三预测状态中，所述正常状态、所述双触发异常状态和所述无效吸气异常状态的出现次数，并将出现次数最多的状态输出。

4.根据权利要求1所述的呼吸机人机异步检测方法，其特征在于，所述二维卷积神经网络模型的训练过程包括：

获取所述历史波形信号，以及所述历史波形信号对应的实际状态，所述状态包括正常状态、双触发异常状态和无效吸气异常状态；

将所述历史波形信号转换为基于平面直角坐标系的历史图像，所述历史图像包括X轴之上的波形图与X轴所围成的历史第一图像和X轴之下的波形图与X轴所围成的历史第二图像；

将所述历史图像输入至待训练的二维卷积神经网络模型，得到历史预测状态；

根据所述历史预测状态和所述实际状态，结合预设的损失函数反向传播更新所述二维卷积神经网络模型。

5.根据权利要求4所述的呼吸机人机异步检测方法，其特征在于，所述获取出现人机异步时的所述历史波形信号，以及所述历史波形信号对应的真实人机异步类型之后，还包括：

对所述历史波形信号进行预处理。

6.根据权利要求1所述的呼吸机人机异步检测方法，其特征在于，所述二维卷积神经网络模型包括依次连接的二维卷积层、池化层、Dropout层、二维卷积层、池化层、Dropout层、两层二维卷积层、池化层、Dropout层、全连接层、Dropout层和全连接层。

7.根据权利要求1所述的呼吸机人机异步检测方法，其特征在于，所述当前第一图像和所述当前第二图像分别采用不同的颜色标记。