[发明专利]一种应用基于神经网络反馈的遗传算法进行稳定性校准的方法和系统

说明书

本发明提出一种应用基于神经网络反馈的遗传算法进行稳定性校准的方法和系统以及呼吸机监控服务站。所述系统包括神经网络控制器，所述神经网络控制器控制所述气道压力调节器的调节参数；所述系统包括患者自主模式与自适应控制模式，在所述患者自主模式下，所述系统开启故障预测功能，并基于遗传算法提取气道压力调节器输出的调节参数的特征向量，从而实现故障预警；在所述自适应控制模式下，所述神经网络控制器利用所述患者实时监测的呼吸参数以及所述机械通气设备的通气参数，输出所述调节参数。

技术领域

本发明属于健康监护技术领域，尤其涉及一种应用基于神经网络反馈的遗传算法进行稳定性校准的方法和系统以及呼吸机监控服务站。

背景技术

在现代临床医学中，呼吸机作为一项能人工替代自主通气功能的有效手段，已普遍用于各种原因所致的呼吸衰竭、大手术期间的麻醉呼吸管理、呼吸支持治疗和急救复苏中，在现代医学领域内占有十分重要的位置。呼吸机是一种能够起到预防和治疗呼吸衰竭，减少并发症，挽救及延长病人生命的至关重要的医疗设备。

通气机的监护功能是决定呼吸机档次的关键环节之一。完善的呼吸机监护功能是实现呼吸机适合患者肺脏病理生理改变的重要前提。

日常生活中，呼吸机比例阀多采用电磁比例阀，电磁比例阀是指采用比例电磁铁作为电气一机械转换元件的比例阀，比例电磁铁将输入的电流信号转换成力、位移机械信号输出.进而控制压力、流量及方向等参数。目前，现有的比例阀的流量控制方法都是离线生成表格，在流量控制过程中很难适应外部干扰因素变化带来的影响，外部干扰因素包括压差变化、电流干扰、传感器噪声等因素。便携式呼吸机在测量的时候可以通过传感器有效的对采集的差压进行加工转化，但是在转化的过程中，由于便携式呼吸机的传感器和处理电路都不能和专业的大型呼吸机相比，因此稳定性存疑。

申请号为CN201810469621.2的中国发明专利提出的一种基于BP神经网络的便携式呼吸机流量曲线标定方法，考虑到主流设备必须具有稳定和实时性的特点，所以气道管呼吸电路相结合的设计必须符合这一要求。气道压力是通过取样压力来监测的，而气道压力与气道有密切的关系。气道管设计的主要考虑是空气流经气道后会产生压降。气体管道的设计是基于伯努利定律和连续性定律，将连续性方程ρ1υ1s1＝ρ2υ2s2＝m应用于流量监测中；申请号为CN201811459736.X的中国发明专利申请则提出呼吸机比例阀流量控制方法、装置、计算机设备，读取呼吸机系统运行参数，将呼吸机系统运行参数输入基于呼吸机历史系统运行参数训练生成的预设神经网络模型，获取预设已训练的神经网络模型根据呼吸机系统运行参数输出的电流信号，将电流信号输入至呼吸机中比例阀，来控制比例阀的流量。通过将当前呼吸机系统运行参数输入至基于呼吸机历史系统运行参数训练生成的预设神经网络模型中，能够得到一个合理的电流信号，根据这个合理的电流信号能够有效地控制呼吸机比例阀的流量，使比例阀在流量控制过程中，能够适应外部干扰因素变化带来的影响。

然而，发明人发现，现有技术的上述方案均存在控制模式单一、稳定性差的问题，不能适应临床应用。

发明内容

本发明提出一种应用基于神经网络反馈的遗传算法进行稳定性校准的方法和系统以及呼吸机监控服务站。

所述系统包括神经网络控制器，所述神经网络控制器控制所述气道压力调节器的调节参数；所述系统包括患者自主模式与自适应控制模式，在所述患者自主模式下，所述系统开启故障预测功能，并基于遗传算法提取气道压力调节器输出的调节参数的特征向量，从而实现故障预警；在所述自适应控制模式下，所述神经网络控制器利用患者实时监测的呼吸参数以及所述机械通气设备的通气参数，输出所述调节参数。

在本发明的第一个方面，提供应用基于神经网络反馈的遗传算法进行稳定性校准的系统，所述系统包括机械通气设备、气道压力调节器、与所述机械通气设备连接的呼吸机；所述气道压力调节器连接所述机械通气设备，并控制所述机械通气设备的通气参数；