CN115227923A - 一种评估病患气道阻力和肺顺应性的模型构建方法、终端设备及存储介质 - Google Patents
一种评估病患气道阻力和肺顺应性的模型构建方法、终端设备及存储介质 Download PDFInfo
- Publication number
- CN115227923A CN115227923A CN202111618520.5A CN202111618520A CN115227923A CN 115227923 A CN115227923 A CN 115227923A CN 202111618520 A CN202111618520 A CN 202111618520A CN 115227923 A CN115227923 A CN 115227923A
- Authority
- CN
- China
- Prior art keywords
- model
- airway resistance
- lung compliance
- airway
- patient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 210000004072 lung Anatomy 0.000 title claims abstract description 103
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000010276 construction Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000003434 inspiratory effect Effects 0.000 claims description 2
- 210000002345 respiratory system Anatomy 0.000 abstract description 18
- 230000029058 respiratory gaseous exchange Effects 0.000 abstract description 17
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 206010002091 Anaesthesia Diseases 0.000 description 8
- 230000037005 anaesthesia Effects 0.000 description 8
- 238000009423 ventilation Methods 0.000 description 8
- 230000000241 respiratory effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005399 mechanical ventilation Methods 0.000 description 2
- 208000001797 obstructive sleep apnea Diseases 0.000 description 2
- 230000004202 respiratory function Effects 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 210000003437 trachea Anatomy 0.000 description 2
- 206010006322 Breath holding Diseases 0.000 description 1
- 206010007559 Cardiac failure congestive Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 210000003238 esophagus Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000414 obstructive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 210000003019 respiratory muscle Anatomy 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 201000002859 sleep apnea Diseases 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003519 ventilatory effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
- A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
- A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
- A61M2016/0015—Accessories therefor, e.g. sensors, vibrators, negative pressure inhalation detectors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
- A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
- A61M2016/0027—Accessories therefor, e.g. sensors, vibrators, negative pressure pressure meter
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
- A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
- A61M2016/003—Accessories therefor, e.g. sensors, vibrators, negative pressure with a flowmeter
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Anesthesiology (AREA)
- Pulmonology (AREA)
- Emergency Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Hematology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请涉及医疗器械的技术领域,尤其是涉及一种评估病患气道阻力和肺顺应性的模型构建方法、终端设备及存储介质,包括获取影响气道阻力和肺顺应性的参数,基于参数构建估算气道阻力和顺应性的模型,在得到的模型内带入记录的相应数据,并经过呼吸系统集总参数RRCC模型和Kalman预估控制器进行估算,对气道阻力和肺顺应性值进行正态分布估算处气道阻力和肺顺应性。进而利用所计算出的气道阻力值和顺应性值为临床治疗提供有益的智能呼吸控制模式,实现人体呼吸系统与呼吸机协调性、同步性。
Description
技术领域
本申请涉及医疗设备的技术领域,尤其是涉及一种评估病患气道阻力和肺顺应性的模型构建方法、终端设备及存储介质。
背景技术
生命支持系统给肺进行供气时,气道阻力和肺顺应性是引起气道中气压和气流变化的主要因素。其中气道阻力是指气道内单位流量所产生的的压力差,在临床中适用于各种阻塞性通气功能障碍性疾病以及机械通气和呼吸监护等情况。肺顺应性是指单位压力改变时所引起的肺容积的改变,它代表了胸腔对肺容积的影响,肺顺应性又可分为静态肺顺应性和动态肺顺应性,其中肺顺应性是指在外力的作用下发生改变的难以程度,肺的顺应性大,表示其变形能力强,即在较小的外力作用下引起较大的变形,对空腔器官来说,顺应性大,则表示其可扩张性大,在较小的跨壁压作用下,就能引起较大的腔内容积的改变,静态顺应性反映肺组织的弹性,动态顺应性手肺组织弹性和气道阻力的双重影响。同时借助测量呼吸参数可用用于监测和诊断呼吸系统疾病的进展并形成治疗建议。
只有对患者呼吸系统参数气道阻力和肺顺应性进行自动、快速、准确计算才能为患者提供安全、可靠、精准生命支持,并实现对生命支持设备通气方式地有效调节控制,以适用不同病征下的各种肺部形态,降低患者使用生命支持设备的并发症。
通常情况下采用公式R=ΔP/ΔF来计算气道阻力,用公式C=ΔV/ΔP来计算气容;其中计算R中的ΔP=Ppeak-Pplat,ΔF代表峰值流速,计算C中的ΔV代表潮气量,ΔP=Ppeak-PEEP;通过此种方法只能在有屏气功能的VCV模式可以计算出R、C值,算法局限性很大,精度不高,适应范围不广,无法应用到其他通气算法,不能全面反映人体呼吸系统与呼吸机交互过程。
发明内容
为了提高呼吸机、麻醉机等设备通气效果,通过机械通气的建模技术和呼吸系统参数的辨识,提供一种评估病患气道阻力和肺顺应性的模型构建方法、终端设备及存储介质,利用所计算出的气道阻力和肺顺应性值提供优异的智能呼吸控制模式,实现呼吸机协调性、同步性。
第一方面:本申请提供的一种评估病患气道阻力和肺顺应性的模型构建方法,采用如下的技术方案:
一种评估病患气道阻力和肺顺应性的模型构建方法,包括:
获取影响实时气道压力值的相关参数;
基于获取的相关参数构建模型一,所述模型一为:P(t)=E*V(t)+R*dv/dt,其中,P(t)代表t实时气道压力值,V(t)代表t实时容量,dv/dt代表t时刻瞬时流速并记做F(t),E代表电导,R代表气道阻力;基于构建的模型一进行变换,得到模型二,所述模型二为:P(t)=V(t)/C+R*F(t),其中E=1/C,C代表肺顺应性,
基于模型二构建模型三,所述模型三为:P(t+1)=V(t+1)/C+R*F(t+1),其中P(t+1)代表t+1实时气道压力值,V(t+1)代表t+1实时容量,F(t+1)代表t+1时刻瞬时流速;
基于模型二和模型三构建模型四以及模型五:所述模型四为:R=(V(t)*P(t+1)-V(t+1)*P(t))/(F(t+1)*V(t)-F(t)*V(t+1)),所述模型五为:C=(V(t+1)*F(t)-V(t)*F(t+1))/(F(t)*P(t+1)-F(t+1)*P(t))。
进一步的:实时记录容量V、压力P和流速F以及对前一时刻容量V、压力P、流速F进行记录,并将记录的数据应用于模型四和模型五。
通过采用上述技术方案,对前述得出的气道阻力R和肺顺应性C值进行处理,呼吸系统中管道存在的气道阻力和顺应性代入至模型内,处理影响气道阻力R和肺顺应性C的影响参数。
通过采用上述技术方案:构建呼吸系统与气道阻力R和肺顺应性C之间的关系模型,对前述得到的气道阻力R和肺顺应性C数据进行处理。
进一步的:基于粒子群算法对模型一至模型五中的参数的实现自整定。
通过采用上述技术方案:选取呼吸机和麻醉机的管路参数时,使用粒子群算法优化技术,以取得最佳参数的管路取值。
进一步的:在Kalman预估控制器中调入实现自整定的参数,并对调入的参数进行估算,得到估算数值;
基于估算数值大小分类存入控制器中的存储单元。
进一步的:获取影响吸气周期中存储的数据;
基于获取的相关参数求得正态分布得到所需估算的气道阻力R和肺顺应C值。
进一步的:气道阻力R和肺顺应性C在吸气状态实时计算周期时间限制;基于上述计算周期在5~500ms内进行循环计算。
第二方面,本申请提供一种终端设备,包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序,所述处理器加载并执行计算机程序时,采用了上述评估病患气道阻力和肺顺应性的模型构建方法。
第三方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中储存有计算机程序,所述计算机程序被处理器加载并执行时,采用了上述评估病患气道阻力和肺顺应性的模型构建方法。
本申请的有益效果主要为:提供一种评估病患气道阻力和肺顺应性的模型构建方法、终端设备及存储介质,可为患者供气阶段所监测到的压力、流量和容量进行实时分析,通过算法滤波估算后,保存分析数据,在患者非供气阶段,对保存的分析数据进行统计归纳,实现患者呼吸系统参数气道阻力和肺顺应性值估算。此方法可以应用于多种智能呼吸控制模式中,具有应用范围广、估算精度高等优点。
附图说明
图1是本申请实施例的评估病患气道阻力和肺顺应性的模型构建方法的方法示图。
图2是本申请实施例的自动快速准确估计患者气道阻力和肺顺应性的构建的流程视图。
图3是本申请实施例的评估病患气道阻力和肺顺应性的模型构建方法中RRCC模型视图。
具体实施方式
本领域中众所周知的,在很多情况下有必要或者希望以非侵入的方式向患者气道递送呼吸气体流,即,不对患者插管或不通过手术将气管套管插入到其食道内。这样的治疗通常被称为非侵入式通气(NIV)治疗。
例如,已知以非侵入性方式递送连续气道正压(CPAP)或者随患者呼吸周期变化的可变气道压力来治疗医学性机能失调,诸如,睡眠呼吸暂停综合征,尤其是阻塞性睡眠呼吸暂停(OSA)或充血性心力衰竭。NIV治疗涉及将包括面.罩部件的患者接口装置放置到患者的面部,其中,所述患者接口装置使呼吸机或压力支持装置与患者的气道连接。如本领域中还已知的,还有很多情况有必要或者希望以侵入方式向患者气道递送呼吸气体流,即,其中,患者被插管或具有通过手术插入的气管套管。
在向患者提供通气辅助的过程中,在上文描述的各种通气治疗中,能够获得患者的上气道阻力的估计往往是有帮助的和/或是必须的。然而,估计具有自发呼吸作用的接受机械通气的患者的上气道阻力是相当复杂的,这主要是由于需要知道施加至呼吸系统的力的事实以及这样的事实:在具有自发呼吸作用的通气患者中,力包括与呼吸肌生成的压力(Pin)相关的分量,其在通气的充气相期间连续变化。
尽管存在很多用于用户患者气道阻力测量/估算的已知方法,包括众所周知的断续器和强迫振荡技术,但是这样的方法都具有其缺点和限制。因此本申请提供一种自动、准确、快速估计出患者气道阻力和肺顺应性的构建方法,估算处气道阻力和肺顺应性,为临床治疗提供优异的呼吸控制模式,便于对病人实施治疗。
本申请公开的一种评估病患气道阻力和肺顺应性的模型构建方法、终端设备及存储介质。参照图1,评估病患气道阻力和肺顺应性的模型构建方法,包括:
S1:根据气道阻力、顺应性与气压和气流的关系,将肺模型建立成一个非线性模型,它能很好的反映出肺的呼吸功能,用该非线性模型反映肺的呼吸功能,其模型的建立过程为人的呼吸系统由气道和肺泡构成,相关参数根据现有技术获取,其呼吸过程是人呼吸做功,使得肺泡扩大,肺泡中压力下降,从而在气道中产生气压差,形成给肺供气的气流。因而可以将呼吸道与肺泡等效于串联,而呼吸道对气流的影响主要反映为气道阻力,肺泡对气流的影响主要反映为肺顺应性(C=1/E),也就是气道阻力与肺顺应性串联。设P(t)为气道压力,获取相关影响气道阻力和肺顺应性的相关参数,本实施例中的相关参数均通过现有技术获取,得出肺部呼吸系统参数模型一:
P(t)=E*V(t)+R*dv/dt,
其中P(t)代表t实时气道压力值,V(t)代表t实时容量,dv/dt代表t时刻瞬时流速记做F(t),E代表电导,R代表气道阻力,以上相关参数为通过现有技术获取。
S2:对上述模型进行变换,其中E=1/C,C代表肺顺应性,变化后形成模型二:
P(t)=V(t)/C+R*F(t);
S3:利用模型二可得模型三:
P(t+1)=V(t+1)/C+R*F(t+1);
S4:由模型二和模型三可得模型四:
R=(V(t)*P(t+1)-V(t+1)*P(t))/(F(t+1)*V(t)-F(t)*V(t+1));
S5:由模型二和模型三可得模型五:
C=(V(t+1)*F(t)-V(t)*F(t+1))/(F(t)*P(t+1)-F(t+1)*P(t));
S6:通过实时监测系统中的容量V、压力P、流速F,并将前一时刻容量V、压力P、流速F进行记录,通过以上6个参数可算出近似气道阻力R和肺顺应性C值,由于此气道阻力R、肺顺应性C值为近似气道阻力R、肺顺应性C值。容量V、压力P、流速F均通过现有技术获取。
S7:以上计算得出的气道阻力R、肺顺应性C值无法直接应用,本实施例中呼吸系统以呼吸机和麻醉机为例,呼吸机和麻醉机的管路及气道也对气流有一定的阻力,同时这些管路也具有一定的肺顺应性,所以需要把呼吸机、麻醉机管路的气道阻力和肺顺应性加到肺模型中,呼吸机和麻醉机的管路内的气道阻力和肺顺应性加入到肺模型内,根据气流的流动方向,可以将呼吸机气管的气道阻力和肺顺应性串联到肺模型前面,依据前述所建的气道阻力和肺顺应性与流量和压力的关系模型。
S8:假设电压代表压力,电流代表流量,电阻代表气道阻力,电容代表肺顺应性,得出呼吸系统集总参数RRCC模型,该模型同时考虑到了通气管道的不同尺寸和漏气的影响。参照图3,为呼吸系统集总参数RRCC模型,用于对呼吸系统中影响气道阻力和肺顺应性值的因素进行处理,其中CC代表肺顺应性,R1代表气道阻力,RC和RL代表呼吸系统中管道的气道阻力,本实施例中RC和RL分别为呼吸机和麻醉机中管道的气道阻力,Q(t)代表实时气道压力值,PM代表气道压力值,以上相关参数均通过现有技术获取。通过建立RRCC模型,即将呼吸系统气管的气道阻力和肺顺应性串联到肺模型前面,对呼吸系统中管道的气道阻力和顺应性进行处理,计算出可以利用的气道阻力和顺应性值。
S9:对以上得到的数据进行滤波处理,将每一时刻得到的气道阻力R、肺顺应性C值传入Kalman预估控制器进行估算,将估算结果按数值大小分类存入控制器中的存储单元。
S10:在本周期吸气结束后对所存储的气道阻力R、肺顺应性C值样本求正态分布得到所需估算气道阻力R、肺顺应性C值。
S11:气道阻力R、肺顺应性C值在吸气状态实时计算周期时间限制:5~500ms内进行循环计算为最佳计算周期。
参照图2,本实施例中对评估病患气道阻力和肺顺应性的模型构建方法做进一步说明,首先对气道阻力和肺顺应性进行识别获取,同时判断吸气状态是否结束;
判断吸气状态结束时,读取保存估计的气道阻力R和肺顺应性C值的结果,对读取的气道阻力R和肺顺应性C结果进行正态分布处理;
输出正太分布最广点气道阻力R和肺顺应性C均值,作为气道阻力R和肺顺应性C的结果。
判断吸气状态未结束时,判定是否达到定时计算时间,该定时计算时间为预定值;
在达到定时计算时间后,利用模型四:R=(V(t)*P(t+1)-V(t+1)*P(t))/(F(t+1)*V(t)-F(t)*V(t+1)),计算气道阻力R值;
利用模型五:C=(V(t+1)*F(t)-V(t)*F(t+1))/(F(t)*P(t+1)-F(t+1)*P(t)),计算肺顺应性C值;
对计算的气道阻力R和肺顺应性C值传入Kalman预估控制器进行估算,并保存估计结果至控制器中的存储单元,读取保存估计的气道阻力R和肺顺应性C值的结果,对读取的气道阻力R和肺顺应性C结果进行正态分布处理;
输出正太分布最广点气道阻力R和肺顺应性C均值,作为气道阻力R和肺顺应性C的结果。
气道阻力的获取装置包括医学学影像获取模块、检查结果获取模块、气道模型获取模块、第一阻力获取模块和第二阻力获取模块,医学影像获取模块用于获取患者的肺部医学影像,肺部医学影像的分辨率至少应当能够识别出直径大于一直径阈值的气道,相关的直径阈值可以根据经验设置,气道模型获取模块与所述医学影像获取模块相连,用于根据所述患者的肺部医学影像获取第一气道的模型,其中,第一气道是指直径大于所述直径阈值的气道。第一阻力获取模块与气道模型获取模块和检查结果获取模块相连,用于根据第一气道的模型和第一秒呼气量获取所述第一气道的阻力,第二阻力获取模块与第一阻力获取模块和所述气道模型获取模块相连,用于根据总气道阻力和第一气道的阻力获取第二气道的阻力,其中,第二气道是指直径小于或等于直径阈值的气道,其包括患者的末端小气道。具体地,第二气道的阻力与总气道阻力和所述第一气道的阻力之间的差值相关,因此,第二阻力获取模块根据总气道阻力和第一气道的阻力能够获取第二气道的阻力,例如,第二阻力获取模块可以通过将总气道阻力和第一气道的阻力相减得到所述第二气道的阻力。
其中,S7中呼吸机、麻醉机管路的参数取值直接影响到呼吸系统模型的精度,其参数的取值一般需要经验丰富的工程技术人员来完成,加之实际对象的不确定性,使得参数的整定具有一定的难度,粒子群算法(PSO)是模拟自然生物群体行为的优化技术,本系统利用PSO优化算法实现呼吸机管路参数的自整定,上述呼吸机管路即本实施中呼吸系统中管路。
S6中其中实施监测系统包括压力传感器、温度传感器、湿度传感器和气体流量计,用于检测气体的压力、气体温度、气体湿度和气体流量,分别实时检测容量V,压力P、流速F,记录多组数据,每两个相邻的时刻为一组数据,每组包含上述容量V、压力P和流速F等数据。将监测到的数据发送至由模型2和模型3得到的模型中,分别计算出气道阻力R值和肺顺应性C值。
其中,生命支持系统还包括控制单元,其中控制单元包括数据采集模块、数据处理模块和数据发送模块,将估算得到的气道阻力R值和顺应性C值传输至的数据采集模块,数据处理模块对相应的数据进行分析处理,然后将处理结果下发给数据发送模块。数据发送模块将处理的信息发送至生命支持系统中的供气单元,对各项输出值进行调节,使得生命支撑系统行协调并同步。
本实施例的评估病患气道阻力和肺顺应性的模型构建方法的实施原理为:根据现有技术获取的气道阻力和肺顺应性进行实时分析,通过算法滤波估算后,保存分析数据,在患者非供气阶段对保存的分析数据进行统计归纳,实现对患者的呼吸系统参数气道阻力R值和顺应性C值进行估算,进而利用所计算出的气道阻力R值和顺应性C值提供有益的智能呼吸控制模式,实现人体呼吸系统与呼吸机协调性、同步性。
本实施例还公开了一种终端设备,包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序,其中,处理器执行计算机程序时采用了上述实施例的评估病患气道阻力和肺顺应性的模型构建方法。
其中,终端设备可以采用台式电脑、笔记本电脑或者云端服务器等计算机设备,并且,终端设备包括但不限于处理器以及存储器,例如,终端设备还可以包括输入输出设备、网络接入设备以及总线等。
其中,处理器可以采用中央处理单元(CPU),当然,根据实际的使用情况,也可以采用其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,通用处理器可以采用微处理器或者任何常规的处理器等,本申请对此不做限制。
其中,存储器可以为终端设备的内部存储单元,例如,终端设备的硬盘或者内存,也可以为终端设备的外部存储设备,例如,终端设备上配备的插接式硬盘、智能存储卡(SMC)、安全数字卡(SD)或者闪存卡(FC)等,并且,存储器还可以为终端设备的内部存储单元与外部存储设备的组合,存储器用于存储计算机程序以及终端设备所需的其他程序和数据,存储器还可以用于暂时地存储已经输出或者将要输出的数据,本申请对此不做限制。
其中,通过本终端设备,将上述实施例的基于物理位置的企业大数据系统的构建方法存储于终端设备的存储器中,并且,被加载并执行于终端设备的处理器上,以方便用户使用。
本申请实施例还公开一种计算机可读存储介质,并且,计算机可读存储介质存储有计算机程序,其中,计算机程序被处理器执行时,采用了上述实施例的评估病患气道阻力和肺顺应性的模型构建方法。
其中,计算机程序可以存储于计算机可读介质中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间件形式等,计算机可读介质包括能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM)、随机存取存储器(RAM)、电载波信号、电信信号以及软件分发介质等,需要说明的是,计算机可读介质包括但不限于上述元器件。
其中,通过本计算机可读存储介质,将上述实施例的基于物理位置的企业大数据系统的构建方法存储于计算机可读存储介质中,并且,被加载并执行于处理器上,以方便基于物理位置的企业大数据系统的构建方法的存储及应用。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (8)
1.一种评估病患气道阻力和肺顺应性的模型构建方法,其特征在于,包括:
获取影响实时气道压力值的相关参数;
基于获取的相关参数构建模型一,所述模型一为:P(t)=E*V(t)+R*dv/dt,其中,P(t)代表t实时气道压力值,V(t)代表t实时容量,dv/dt代表t时刻瞬时流速并记做F(t),E代表电导,R代表气道阻力;基于构建的模型一进行变换,得到模型二,所述模型二为:P(t)=V(t)/C+R*F(t),其中E=1/C,C代表肺顺应性,
基于模型二构建模型三,所述模型三为:P(t+1)=V(t+1)/C+R*F(t+1),其中P(t+1)代表t+1实时气道压力值,V(t+1)代表t+1实时容量,F(t+1)代表t+1时刻瞬时流速;
基于模型二和模型三构建模型四以及模型五:所述模型四为:R=(V(t)*P(t+1)-V(t+1)*P(t))/(F(t+1)*V(t)-F(t)*V(t+1)),所述模型五为:C=(V(t+1)*F(t)-V(t)*F(t+1))/(F(t)*P(t+1)-F(t+1)*P(t))。
2.根据权利要求1所述的评估病患气道阻力和肺顺应性的模型构建方法,其特征在于:
实时记录容量V、压力P和流速F以及对前一时刻容量V、压力P、流速F进行记录,并将记录的数据应用于模型四和模型五。
3.根据权利要求2所述的评估病患气道阻力和肺顺应性的模型构建方法,其特征在于:
基于粒子群算法对模型一至模型五中的参数的实现自整定。
4.根据权利要求3所述的评估病患气道阻力和肺顺应性的模型构建方法,其特征在于:
在Kalman预估控制器中调入实现自整定的参数,并对调入的参数进行估算,得到估算数值;
基于估算数值大小分类存入控制器中的存储单元。
5.根据权利要求4所述的评估病患气道阻力和肺顺应性的模型构建方法,其特征在于:
获取影响吸气周期中存储的数据;
基于获取的相关参数求得正态分布得到所需估算的气道阻力R和肺顺应C值。
6.根据权利要求5所述的评估病患气道阻力和肺顺应性的模型构建方法,其特征在于:
气道阻力R和肺顺应性C在吸气状态实时计算周期时间限制;
基于上述计算周期在5~500ms内进行循环计算。
7.一种终端设备,包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序,其特征在于:所述处理器加载并执行计算机程序时,采用了权利要求1-6任意一项所述的评估病患气道阻力和肺顺应性的模型构建方法。
8.一种计算机可读存储介质,所述计算机可读存储介质中储存有计算机程序,其特征在于:所述计算机程序被处理器加载并执行时,采用了如权利要求1-6任意一项所述的评估病患气道阻力和肺顺应性的模型构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111618520.5A CN115227923A (zh) | 2021-12-28 | 2021-12-28 | 一种评估病患气道阻力和肺顺应性的模型构建方法、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111618520.5A CN115227923A (zh) | 2021-12-28 | 2021-12-28 | 一种评估病患气道阻力和肺顺应性的模型构建方法、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115227923A true CN115227923A (zh) | 2022-10-25 |
Family
ID=83666007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111618520.5A Pending CN115227923A (zh) | 2021-12-28 | 2021-12-28 | 一种评估病患气道阻力和肺顺应性的模型构建方法、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115227923A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785953A (zh) * | 2017-11-10 | 2019-05-21 | 北京航天长峰股份有限公司 | 用于麻醉呼吸机r值c值监测的通用算法 |
CN111249588A (zh) * | 2020-01-20 | 2020-06-09 | 深圳市科曼医疗设备有限公司 | 基于呼吸机的呼气压力控制方法、装置、设备及存储介质 |
US20210145307A1 (en) * | 2018-04-17 | 2021-05-20 | Artiq | Method and apparatus for determining airflow limitation |
-
2021
- 2021-12-28 CN CN202111618520.5A patent/CN115227923A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785953A (zh) * | 2017-11-10 | 2019-05-21 | 北京航天长峰股份有限公司 | 用于麻醉呼吸机r值c值监测的通用算法 |
US20210145307A1 (en) * | 2018-04-17 | 2021-05-20 | Artiq | Method and apparatus for determining airflow limitation |
CN111249588A (zh) * | 2020-01-20 | 2020-06-09 | 深圳市科曼医疗设备有限公司 | 基于呼吸机的呼气压力控制方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11033700B2 (en) | Leak determination in a breathing assistance system | |
US11027080B2 (en) | System and method for determining ventilator leakage during stable periods within a breath | |
CN102770070B (zh) | 用于实时评估肺力学的系统和方法 | |
JP3566285B2 (ja) | 自動cpapシステム | |
JP6960913B2 (ja) | 呼吸力学パラメータ推定のための異常検出装置及び方法 | |
JP6960929B2 (ja) | 中心静脈圧マノメトリの使用を介した呼吸パラメーター推定及び非同調検出アルゴリズムの強化 | |
US20130006133A1 (en) | Methods and systems for monitoring volumetric carbon dioxide | |
US20130006134A1 (en) | Methods and systems for monitoring volumetric carbon dioxide | |
US20140373845A1 (en) | Methods and systems for adaptive adjustment of ventilator settings | |
CA2736528A1 (en) | Model-predictive online identification of patient respiratory effort dynamics in medical ventilators | |
CN112156301A (zh) | 一种基于电阻抗成像的呼吸机peep自动优化设置方法 | |
US20230248929A1 (en) | Ventilator and Method for Determining at Least One Alveolar Pressure and/or a Profile of an Alveolar Pressure in a Respiratory Tract of a Patient | |
US20170100059A1 (en) | Lung function monitoring | |
US20230346252A1 (en) | Systems and methods for determining a respiratory effort of a patient | |
CN111973188A (zh) | 一种基于神经网络估算呼吸力学参数的方法 | |
CN115227923A (zh) | 一种评估病患气道阻力和肺顺应性的模型构建方法、终端设备及存储介质 | |
CN112089933A (zh) | 一种基于呼吸机动态测算呼吸力学参数的方法 | |
Vicario et al. | Noninvasive estimation of alveolar pressure | |
Vicario et al. | Two-parameter leak estimation in non-invasive ventilation | |
Damanhuri et al. | Respiratory airway resistance monitoring in mechanically ventilated patients | |
WO2024232200A1 (ja) | 換気力学検査システム | |
Van Diepen et al. | Model-Based Approaches for Breath-to-breath Estimation of Patient Effort during Mechanical Ventilation | |
Rodrigues et al. | Leakage estimation using Kalman filtering in noninvasive mechanical ventilation | |
Yuan et al. | The Technology of Ventilator Airflow Control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |