[发明专利]双水平呼吸功能监测及干预设备在审

专利信息
申请号: 202010724500.5 申请日: 2020-07-24
公开(公告)号: CN111840931A 公开(公告)日: 2020-10-30
发明(设计)人: 吴巍巍;程丹;于家傲 申请(专利权)人: 吉林大学第一医院
主分类号: A63B23/18 分类号: A63B23/18;A63B71/06
代理公司: 昆明合盛知识产权代理事务所(普通合伙) 53210 代理人: 牛林涛
地址: 130021*** 国省代码: 吉林;22
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 水平 呼吸 功能 监测 干预 设备
【说明书】:

双水平呼吸功能监测及干预设备,包括显示器、控制按钮、微控制器、电机驱动器、风机、换向阀、流量传感器和监测训练模块;所述显示器电性连接控制按钮,控制按钮连接微控制器,微控制器连接电机驱动器,所述电机驱动器连接风机;所述风机通过导管连接换向阀,换向阀再通过导管连接人体,所述导管上设置有流量传感器;所述风机设置有两个,即风机1和风机2,两个风机并联,两个风机分别与电机驱动器串联;所述监测训练模块与流量传感器和微控制器电性连接。具体动态监测患者呼吸功能增加了处方模块;监测患者主动呼吸训练功能,根据数据进行处方诊断;协助患者进行被动呼吸功能训练。

技术领域

发明涉及呼吸监测技术领域,具体涉及双水平呼吸功能监测及干预设备。

背景技术

目前临床进行呼吸功能训练大多采用传统简易呼吸功能训练器进行呼吸肌的训练,或者鼓励患者深呼吸,进行吹气球等更为简易的方法进行患者呼吸肌的训练。其原理均是以阻抗训练为基础,增加呼吸肌强度与耐受度。

现有技术存在以下问题:1、呼吸训练不系统,由于临床工作较 忙,医护人员很难监督患者完成足够的呼吸训练,无法掌握并记录训 练的次数及效果;2、训练过程中无法动态监测患者的呼吸功能;3、 缺乏训练后呼吸效果的评价。由于临床需要进行呼吸训练的人群大多 为既往肺部薄弱,如慢性陈旧性肺炎、长期吸烟等,或长期卧床后造 成坠积性肺炎、肺不张等,及一些需要进行外科手术,手术后需长期 卧床影响肺部康复的患者。因此每一个患者都存在个性化问题,不可 前篇一律采用同种呼吸训练方式。

发明内容

本发明为了解决上述问题,提出来双水平呼吸功能监测及干预设 备;该技术可在患者进行肺部训练前完成肺部功能的评定,医生根据 评定结果针对不同患者制定不同处方,实施过程中仪器不仅能够完成 肺部训练,同时在训练时还会监测患者的肺部情况,不仅安全,同时 还可通过监测指标动态评价呼吸训练的效果,医护人员可通过指标反 馈时时调整处方,最终实现客观、智能、便捷、有效。

为了实现上述技术目的,达到上述技术效果,本发明是通过以下技术方案实现的:

双水平呼吸功能监测及干预设备,包括显示器、控制按钮、微控制器、电机驱动器、风机、换向阀、流量传感器和监测训练模块;所述显示器电性连接控制按钮,控制按钮连接微控制器,微控制器连接电机驱动器,所述电机驱动器连接风机;所述风机通过导管连接换向阀,换向阀再通过导管连接人体,所述导管上设置有流量传感器;所述风机设置有两个,即风机1和风机2,两个风机并联,两个风机分别与电机驱动器串联;所述监测训练模块与流量传感器和微控制器电性连接。

进一步的,所述监测训练模块对患者呼吸功能的动态监测,动态的肺部呼吸功能监测装置,完成呼吸信号的实时显示和分析,计算患者的呼吸指标,监测潮气量、肺顺应性、呼吸频率,气道压力、流速,气道阻力等,实现肺部呼吸功能系统监测。

进一步的,肺部呼吸功能训练及处方诊断算法,根据呼吸信号指标及医护人员设定的患者训练处方参数,采用自适应控制算法实现呼吸辅助等训练功能,并采用神经网络算法实现处方诊断功能。

进一步的,自适应:呼吸气体流量控制通常需要超调小、快速稳定、稳态精度高,为得到这些较理想的动态及稳态性能,本项目采用模糊PID自适应控制算法来弥补传统PID控制算法的不足,通过实例建模、算法设计、仿真试验、实物试验流程确定控制参数,实现气体流量控制超调量小、快速稳定,并且稳态精度高的目标。

进一步的,二氧化碳分压测定方法研究采用基于气体通透皮肤特性的方法实现二氧化碳分压测定,通过在体表放置传感器监测组织内的二氧化碳分压,实现无创测定。

本发明的有益效果是:双水平呼吸功能监测及干预设备具有以下优点:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于吉林大学第一医院,未经吉林大学第一医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010724500.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top