申请/专利权人：重庆市妇幼保健院(重庆市妇产科医院、重庆市遗传与生殖研究所)

申请日：2023-07-20

公开（公告）日：2024-06-07

公开（公告）号：CN117766152B

主分类号：G16H50/70

分类号：G16H50/70;G16H50/50;G06N3/045;G06N3/0442;G06N3/08;G16H20/10

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明提供一种智能检测全身麻醉静脉管道链接脱落的方法，包括信息采集方法、模型预测方法与模型自学习方法；其中，信息采集方法测定连接管内液体的压力值及流速，模型预测方法采用预训练完成的脱落检测模型输出是否脱落的概率，模型自学习方法通过模型误差危害计算方法获得模型预测方法中模型误差的危害程度、实现自学习。该方法用于解决全身麻醉过程中连接管道脱落或连接不紧密不易观察、检测，且现有技术发现连接管道脱落或连接不紧密具有滞后性、时效性低的问题。

主权项：1.一种智能检测全身麻醉静脉管道链接脱落的方法，其特征在于：包括信息采集方法、模型预测方法与模型自学习方法；其中，所述信息采集方法具体为：通过预设在连接管上的压力传感器与液体流量计分别周期性测定连接管内液体的压力值及流速，测定周期为；压力传感器测定连接管内压力值的具体步骤为：在连接管上依次间隔布置n个压力传感器、且相邻两个压力传感器之间的距离相等，n个压力传感器在同一时刻测得连接管的压力值分别为，则对应周期内连接管的压力值为： ；液体流量计测定连接管内流速的具体步骤为：首先，将测定周期分为m个小时间段，同时获得每个时间段内液体流量计的流量，分别记作；然后，通过预先测定的液体流量计对应的连通管截面积S，获得每个时间段内的流速，即： ；最后，获得对应测定周期内的流速： ；并将周期测定的压力值与流速，进行数据结构化，具体为：将同一周期测定的压力值与流速组成二维数据对、作为周期采样时间的节点数据，多个节点数据按照采样时间顺序进行排序，组成时间序列数据；具体为： ；式中：t为待评估时刻，总采样周期为；表示待评估时刻之前的第i次测定压力值；表示待评估时刻之前的第i次测定流速；选取待评估时刻以及其之前的N次节点数据作为待评估时刻的时间序列数据，或者叫结构化数据；所述模型预测方法具体为：采用预训练完成的脱落检测模型，对数据结构化的数据进行分类检测，输出；式中，Oy表示连接头脱落的概率，On表示连接头未脱落的概率；脱落检测模型采用深度神经网络模型，主要包括时间序列融合阶段与分类检测阶段；所述时间序列融合阶段由网络结构相同的两个LSTM网络组成，分别定义为压力LSTM网络和流速LSTM网络，它们的输入分别为按时序输入的节点数据的测定压力值和测定流速、它们的输出为相同维度的压力值特征和流速特征；之后，采用concat网络层，对压力值特征和流速特征进行拼接，得到第一阶段的输出时序特征；所述分类检测阶段，采用ResNet网络，其输入为第一阶段的输出时序特征、输出为分类检测结果，即输入时间序列数据、输出的判定概率，完成判定；所述预训练采用实验生成标注数据对脱落检测模型进行训练；实验生成标注数据，为按照信息采集方法采集的大量时间序列数据，并由标注人员对所有时间序列数据进行标注，确定其时间序列数据对应时间段内是否存在连接管脱落的情况；将所有时间序列数据分类为正例数据和负例数据；正例数据、即为所有存在连接管脱落的时间序列数据，负例数据、即为所有不存在连接管脱落的时间序列数据；按照比例将正例数据与负例数据拆分为训练数据和测试数据，完成脱落检测模型的预训练；模型预测方法中，根据脱落检测模型的输出结果，当连接管脱落的概率Oy大于预设报警门限值Ob时，进行连接头脱落预警、推送报警信息；所述模型自学习方法具体为：通过模型误差危害计算方法获得模型预测方法中模型误差的危害程度，模型误差危害计算方法具体为： 式中：wp表示反馈结果记录为“连接管脱落”事件权重，wn表示反馈结果记录为“连接管未脱落”事件权重；N表示当前记录数、Nr表示最小有效记录数；若第i次记录结果为“连接管脱落”，则；反之，则； ； e表示模型误差危害因子，其值越大、表示模型误差产生的危害程度越高；当模型预测方法中连接头脱落的概率Oy大于预设危险门限值Ow时，重构训练集，对脱落检测模型进行微调，完成自学习；模型误差危害计算方法包含漏检的更新，具体为： 式中：wl表示漏检记录的权重，Nl表示漏检记录数，Nlr表示漏检记录数门限。

全文数据：

权利要求：

百度查询： 重庆市妇幼保健院(重庆市妇产科医院、重庆市遗传与生殖研究所) 一种智能检测全身麻醉静脉管道链接脱落的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD