[发明专利]闭环自调节AI注射泵

权利要求书

1.一种麻醉深度预测方法，其特征在于，包括：

获取患者在当前时刻的生理参数和麻醉药参数；

将所述当前时刻的生理参数和麻醉药参数输入麻醉深度预测模型，以得到麻醉深度监测指数和未来预设时长内的血药浓度预测值；其中，所述麻醉深度预测模型是基于术中时序数据以及回归标签对指定深度神经网络模型训练得到的，所述术中时序数据至少包含患者在多个历史时刻的生理参数和麻醉药参数，所述回归标签包含术中离线测得在所述多个历史时刻的患者血液中的血药浓度。

2.根据权利要求1所述的方法，其特征在于，所述指定深度神经网络模型包括第一Transformer网络，所述指定深度神经网络模型的训练过程包括：基于所述术中时序数据以及回归标签对所述第一Transformer网络进行训练。

3.根据权利要求2所述的方法，其特征在于，该方法还包括：

获取患者的基础信息，所述基础信息至少包括年龄、病史信息和器官功能信息；

基于所述基础信息、所述术中时序数据以及回归标签对所述第一Transformer网络进行训练，其中所述第一Transformer网络基于所述基础信息、所述术中时序数据重构出仿麻醉深度监测指数作为麻醉深度监测指数并输出血药浓度预测值。

4.根据权利要求2所述的方法，其特征在于，所述指定深度神经网络模型还包括第二Transformer网络，该方法还包括：

获取患者的样本麻醉深度监测图谱；

所述指定深度神经网络模型的训练过程还包括：将所述样本麻醉深度监测图谱输入所述第二Transformer网络以得到图谱特征向量；

基于所述图谱特征向量、所述术中时序数据以及回归标签对所述第一Transformer网络同时进行训练，由所述第一Transformer网络输出麻醉深度监测指数和血药浓度预测值。

5.根据权利要求4所述的方法，其特征在于，所述将所述样本麻醉深度监测图谱输入所述第二Transformer网络以得到图谱特征向量，包括：

所述第二Transformer网络基于轴计算算法对所述样本麻醉深度监测图谱进行特征提取以得到图谱特征向量；

其中，所述轴计算算法包括：针对所述样本麻醉深度监测图谱中的每一个像素点，仅计算该像素点与该像素点所在行的其余像素点之间的特征值以及与该像素点所在列的其余像素点之间的特征值。

6.根据权利要求4所述的方法，其特征在于，所述指定深度神经网络模型的训练过程还包括：在基于所述样本麻醉深度监测图谱对所述第二Transformer网络进行训练时，冻结所述第一Transformer网络的参数。

7.根据权利要求4所述的方法，其特征在于，所述第二Transformer网络具有相对位置编码学习功能，和/或，所述第二Transformer网络配置有门控功能。

8.根据权利要求1～7任一项所述的方法，其特征在于，所述生理参数至少包括心率、血压、血氧饱和度中的一个或多个；所述麻醉药参数包括麻醉药种类和注射剂量。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～8任一项所述麻醉深度预测方法。

10.一种闭环自调节AI注射泵，其特征在于，包括：

处理器；以及

存储器，用于存储计算机程序；

其中，所述处理器配置为经由执行所述计算机程序来执行以下步骤：

获取患者在当前时刻的麻醉深度监测指数和未来预设时长内的血药浓度预测值；其中，所述麻醉深度监测指数和未来预设时长内的血药浓度预测值由上述权利要求1～8任一项所述的方法得到；

基于所述麻醉深度监测指数和/或未来预设时长内的血药浓度预测值，控制调整所述注射泵泵送的麻醉药的注射剂量。