[发明专利]一种呼吸机安全检测方法

说明书

本发明涉及呼吸机安全检测的技术领域，公开了一种呼吸机安全检测方法，包括：以呼吸机管道气体流速，漏气孔径，吸气潮气量，呼气潮气量，漏气量为指标采集数据；将预处理后的采集数据作为训练数据，并结合训练数据对超网络进行训练；利用遗传算法对训练好的超网络进行神经网络结构搜索，得到呼吸机漏气检测神经网络模型；对待检测呼吸机的指标数据进行数据预处理，并将预处理后的数据作为呼吸机漏气检测神经网络模型的输入，并利用呼吸机漏气检测神经网络模型判断呼吸机是否存在漏气安全隐患。本发明所述方法通过建立呼吸机漏气检测神经网络模型，实现基于呼吸机漏气量的呼吸机安全检测，实现呼吸机的实时检测。

技术领域

本发明涉及呼吸机安全检测的技术领域，尤其涉及一种呼吸机安全检测方法。

背景技术

呼吸机是各个医院不可或缺的医疗设备之一，在病人的抢救与治疗中起着至关重要的作用，且呼吸机的治疗对象主要为危重病情患者，现已广泛应用于重症监护和急救复苏等领域。因此如何实现呼吸机安全检测成为当前研究领域的热门话题。

呼吸机在使用过程中存在如下安全风险，呼吸机的显示值与设置值不一致，如潮气量、吸呼比等的显示值与医生设置值偏差较大；报警失灵，如气源压力报警失灵等；而造成这些安全风险的主要因素来源于呼吸机漏气。

鉴于此，本发明提出一种呼吸机安全检测方法，通过建立呼吸机漏气检测神经网络模型，实现基于呼吸机漏气量的呼吸机安全检测，实现呼吸机的实时检测。

发明内容

本发明提供一种呼吸机安全检测方法，目的在于(1)实现基于呼吸机漏气量的呼吸机安全检测；(2)实现呼吸机的实时安全检测。

实现上述目的，本发明提供的一种呼吸机安全检测方法，包括以下步骤：

S1：以呼吸机管道气体流速，漏气孔径，吸气潮气量，呼气潮气量，漏气量为指标采集数据，并对采集数据进行数据预处理；

S2：将预处理后的采集数据作为训练数据，并结合训练数据对超网络进行训练；

S3：利用遗传算法对训练好的超网络进行神经网络结构搜索，得到优化后的呼吸机漏气检测神经网络模型；

S4：对待检测呼吸机的指标数据进行数据预处理，并将预处理后的数据作为呼吸机漏气检测神经网络模型的输入，呼吸机漏气检测神经网络模型输出结果即为呼吸机是否存在漏气安全隐患的判断。

作为本发明的进一步改进方法：

所述S1步骤中采集呼吸机指标数据，包括：

将呼吸机漏气孔径划分为5种孔径级别[1,2,3,4,5]，并设置10组不同的呼吸机管道气体流速；

选取漏气孔径级别为h的呼吸机，其中h的初始值为1，根据所设置的10组不同的呼吸机管道气体流速，调整呼吸机管道内的气体流速，采集到当前漏斗孔径级别以及气体流速下，呼吸机的吸气潮气量，呼气潮气量以及漏气量数据；

将漏气孔径级别h设置为h+1，重复上述步骤，直到h＝5；

所采集到的呼吸机指标数据为：

Data＝{(h₁,v₁,s_1,1,c_1,1,e_1,1),…,(h₁,v₁₀,s_1,10,c_1,10,e_1,10),…,(h₅,v₁₀,s_5,10,c_5,10,e_5,10)}

其中：

h_i表示漏斗孔径级别i，i∈[1,2,3,4,5]；