本發(fā)明涉及智能醫(yī)療設(shè)備，具體涉及一種呼吸機(jī)初始參數(shù)設(shè)置方法。

背景技術(shù)：

1、在現(xiàn)代醫(yī)療領(lǐng)域，呼吸機(jī)是一種非常重要的醫(yī)療設(shè)備，它通過機(jī)械通氣輔助或者替代患者呼吸，分為無創(chuàng)呼吸機(jī)和有創(chuàng)呼吸機(jī)兩類。臨床醫(yī)生往往根據(jù)患者的呼吸衰竭的種類和疾病的嚴(yán)重程度而選擇不同類型的呼吸機(jī)。然而，不管是無創(chuàng)還是有創(chuàng)呼吸機(jī)，機(jī)器的使用需要精確的初始參數(shù)設(shè)置，這需要醫(yī)務(wù)人員具備豐富的經(jīng)驗(yàn)和專業(yè)知識。對于急性冠脈綜合征（acs）患者來說，由于他們的病情變化迅速且復(fù)雜，大部分患者容易并發(fā)呼吸衰竭，因此呼吸機(jī)的初始參數(shù)設(shè)置尤為重要。

2、目前的呼吸機(jī)初始參數(shù)設(shè)置中，通常是通過醫(yī)務(wù)人員的經(jīng)驗(yàn)判斷來設(shè)置呼吸機(jī)的初始參數(shù)。這種方法依賴于醫(yī)務(wù)人員的專業(yè)水平和經(jīng)驗(yàn)，雖然可以達(dá)到一定的治療效果，但參數(shù)設(shè)置的準(zhǔn)確性較低，進(jìn)而對醫(yī)療效果存在較大的影響。

技術(shù)實(shí)現(xiàn)思路

1、本申請要解決的技術(shù)問題是提供一種呼吸機(jī)初始參數(shù)設(shè)置方法，具有可以更準(zhǔn)確地設(shè)置呼吸機(jī)的初始參數(shù)，提高醫(yī)療效果的特點(diǎn)。

2、本申請一種實(shí)施例中提供的一種呼吸機(jī)初始參數(shù)設(shè)置方法，包括：

3、采集患者對象的病患類型和個人健康醫(yī)療數(shù)據(jù)；

4、將所述患者對象的個人健康醫(yī)療數(shù)據(jù)輸入至病患類型對應(yīng)的聚類分類模型中得到患者對象所屬的聚類類別；所述聚類分類模型基于所述病患類型下的歷史治療患者的個人健康醫(yī)療數(shù)據(jù)聚類學(xué)習(xí)得到；

5、基于患者對象所在的聚類類別中歷史治療患者的各個呼吸機(jī)初始參數(shù)數(shù)據(jù)，對患者對象的呼吸機(jī)初始參數(shù)進(jìn)行設(shè)置。

6、一種實(shí)施例中，所述的基于患者對象所在的聚類類別中歷史治療患者的各個呼吸機(jī)初始參數(shù)數(shù)據(jù)，對患者對象的呼吸機(jī)初始參數(shù)進(jìn)行設(shè)置，包括：

7、獲取患者對象在所屬聚類類別下各個歷史治療患者的各個呼吸機(jī)初始參數(shù)數(shù)據(jù)；或者，計算患者對象在所屬聚類類別下與歷史治療患者的相似性，得到相似性最高的設(shè)置數(shù)量閾值下的歷史治療患者的各個呼吸機(jī)初始參數(shù)數(shù)據(jù)；

8、基于各個呼吸機(jī)初始參數(shù)數(shù)據(jù)對患者對象的呼吸機(jī)初始參數(shù)進(jìn)行設(shè)置。

9、一種實(shí)施例中，所述的計算患者對象在所屬聚類類別下與歷史治療患者的相似性，包括：

10、計算患者對象個人健康醫(yī)療數(shù)據(jù)的平均值作為第一平均值；

11、計算患者對象所屬聚類類別下每個歷史治療患者個人健康醫(yī)療數(shù)據(jù)的平均值作為第二平均值；

12、計算第一平均值與每個第二平均值的協(xié)方差；

13、計算協(xié)方差計算第一平均值和每個第二平均值的標(biāo)準(zhǔn)差；

14、基于協(xié)方差和標(biāo)準(zhǔn)差，計算患者對象和所屬聚類類別下各個歷史治療患者的相關(guān)性系數(shù)。

15、一種實(shí)施例中，所述的基于各個呼吸機(jī)初始參數(shù)數(shù)據(jù)對患者對象的呼吸機(jī)初始參數(shù)進(jìn)行設(shè)置，包括：

16、對各個呼吸機(jī)初始參數(shù)數(shù)據(jù)進(jìn)行評分；

17、基于評分結(jié)果，對所述患者對象的呼吸機(jī)初始參數(shù)進(jìn)行設(shè)置。

18、一種實(shí)施例中，所述的對各個呼吸機(jī)初始參數(shù)數(shù)據(jù)進(jìn)行評分，包括：

19、對于任意一個呼吸機(jī)初始參數(shù)數(shù)據(jù)，判處預(yù)設(shè)的第一時間閾值下，初始參數(shù)下對應(yīng)的患者的生命狀態(tài)，若生命狀態(tài)為死亡，則給予第一評分，若生命狀態(tài)為非死亡，則進(jìn)入下一步；

20、判斷在預(yù)設(shè)的第二時間閾值內(nèi)，呼吸機(jī)參數(shù)是否存在調(diào)整，如果是，則給予第二評分，如果否，則進(jìn)入下一步；其中，第二評分大于第一評分；

21、判斷在預(yù)設(shè)的第三時間閾值內(nèi)，呼吸機(jī)參數(shù)是否存在調(diào)整，如果是，則給予第三評分，如果否，則進(jìn)入下一步；其中，第三時間閾值大于第二時間閾值，第三評分大于第二評分；

22、判斷在預(yù)設(shè)的第四時間閾值內(nèi)，呼吸機(jī)參數(shù)是否調(diào)整，如果是，則給予第四評分，如果否，則給予第五評分；其中，第四時間閾值大于第三時間閾值，第四評分大于第三評分，第五評分大于第四評分。

23、一種實(shí)施例中，所述的基于評分結(jié)果，對所述患者對象的呼吸機(jī)初始參數(shù)進(jìn)行設(shè)置，包括：

24、基于得到的各個評分，將各個評分中評分最高的呼吸機(jī)初始參數(shù)數(shù)據(jù)，作為患者對象的呼吸機(jī)初始參數(shù)進(jìn)行設(shè)置。

25、一種實(shí)施例中，基于所述病患類型下的歷史治療患者的個人健康醫(yī)療數(shù)據(jù)聚類學(xué)習(xí)得到聚類分析模型，包括：

26、將各個歷史治療患者的個人健康醫(yī)療數(shù)據(jù)組成第一數(shù)據(jù)集；

27、對第一數(shù)據(jù)集應(yīng)用聚類算法，訓(xùn)練學(xué)習(xí)得到聚類分類模型。

28、一種實(shí)施例中，所述的對第一數(shù)據(jù)集應(yīng)用聚類算法，訓(xùn)練學(xué)習(xí)得到聚類分類模型，包括：

29、將第一數(shù)據(jù)集中的每個數(shù)據(jù)點(diǎn)作為一個初始聚類中心，所述第一數(shù)據(jù)集可以表示為：

30、，

31、其中， x表示第一數(shù)據(jù)集， j表示個人健康醫(yī)療數(shù)據(jù)中數(shù)據(jù)項(xiàng)的索引， j表示個人健康醫(yī)療數(shù)據(jù)中數(shù)據(jù)項(xiàng)的總數(shù)量，1≤ j≤ j； i表示各個歷史治療患者的索引， i表示各個歷史治療患者的總數(shù)量，1≤ i≤ i；

32、基于每一個初始聚類中心，進(jìn)行迭代聚類直至滿足收斂條件，得到聚類分類模型。

33、一種實(shí)施例中，所述的基于每一個初始聚類中心，進(jìn)行迭代聚類直至滿足收斂條件，得到聚類分類模型，包括：

34、以任意一個初始聚類中心為基礎(chǔ)，基于每次迭代聚類后的預(yù)設(shè)范圍，計算新的聚類中心；

35、判斷新的聚類中心是否滿足收斂條件，如果是，則基于最終的聚類中心將滿足預(yù)設(shè)條件的數(shù)據(jù)點(diǎn)歸類到相應(yīng)的聚類中，得到聚類分類模型。

36、一種實(shí)施例中，所述的以任意一個初始聚類中心為基礎(chǔ)，基于每次迭代聚類后的預(yù)設(shè)范圍，計算新的聚類中心，包括：

37、對于任意一次迭代聚類后的聚類中心，基于半徑為 h范圍內(nèi)的所有數(shù)據(jù)點(diǎn)的均值向量，并將該均值向量作為新的聚類中心；其中，t表示迭代次數(shù)的索引；

38、所述的基于最終的聚類中心將滿足預(yù)設(shè)條件的數(shù)據(jù)點(diǎn)歸類到相應(yīng)的聚類中，包括：

39、對于任意一數(shù)據(jù)點(diǎn)，計算該任意一個數(shù)據(jù)點(diǎn)到各個收斂后的聚類中心的距離；

40、將每一個數(shù)據(jù)點(diǎn)分配到距離最小的聚類中心所屬的聚類中。

41、本發(fā)明的有益效果是：

42、可以根據(jù)每個患者的具體情況，如病種、氧飽和度、有無基礎(chǔ)疾病等，以及呼吸機(jī)歷史參數(shù)設(shè)置情況，進(jìn)行綜合分析，最后實(shí)現(xiàn)個性化呼吸機(jī)初始參數(shù)設(shè)置。這種個性化的設(shè)置能夠更好地滿足患者的實(shí)際需求，提高治療效果。另外，通過科學(xué)合理的呼吸機(jī)初始參數(shù)設(shè)置，可以降低因參數(shù)設(shè)置不當(dāng)而導(dǎo)致的不良后果，如呼吸機(jī)相關(guān)性肺炎、氣壓傷、循環(huán)衰竭等，從而降低患者的治療風(fēng)險。

技術(shù)特征：

1.一種呼吸機(jī)初始參數(shù)設(shè)置方法，其特征在于，包括：

2.如權(quán)利要求1所述的呼吸機(jī)初始參數(shù)設(shè)置方法，其特征在于，包括計算患者對象在所屬聚類類別下與歷史治療患者的相似性的情況下，包括：

3.如權(quán)利要求2所述的呼吸機(jī)初始參數(shù)設(shè)置方法，其特征在于，所述的對各個呼吸機(jī)初始參數(shù)數(shù)據(jù)進(jìn)行評分，包括：

4.如權(quán)利要求2所述的呼吸機(jī)初始參數(shù)設(shè)置方法，其特征在于，所述的基于評分結(jié)果，對所述患者對象的呼吸機(jī)初始參數(shù)進(jìn)行設(shè)置，包括：

5.如權(quán)利要求1所述的呼吸機(jī)初始參數(shù)設(shè)置方法，其特征在于，基于所述病患類型下的歷史治療患者的個人健康醫(yī)療數(shù)據(jù)聚類學(xué)習(xí)得到聚類分析模型，包括：

6.如權(quán)利要求5所述的呼吸機(jī)初始參數(shù)設(shè)置方法，其特征在于，所述的對第一數(shù)據(jù)集應(yīng)用聚類算法，訓(xùn)練學(xué)習(xí)得到聚類分類模型，包括：

7.如權(quán)利要求6所述的呼吸機(jī)初始參數(shù)設(shè)置方法，其特征在于，所述的基于每一個初始聚類中心，進(jìn)行迭代聚類直至滿足收斂條件，得到聚類分類模型，包括：

8.如權(quán)利要求7所述的呼吸機(jī)初始參數(shù)設(shè)置方法，其特征在于，所述的以任意一個初始聚類中心為基礎(chǔ)，基于每次迭代聚類后的預(yù)設(shè)范圍，計算新的聚類中心，包括：

技術(shù)總結(jié)
本發(fā)明涉及一種呼吸機(jī)初始參數(shù)設(shè)置方法，涉及智能醫(yī)療設(shè)備技術(shù)領(lǐng)域，方法中，采集患者對象的病患類型和個人健康醫(yī)療數(shù)據(jù)，將該個人健康醫(yī)療數(shù)據(jù)輸入至病患類型對應(yīng)的聚類分類模型中得到患者對象所屬的聚類類別，基于患者對象所在的聚類類別中歷史治療患者的各個呼吸機(jī)初始參數(shù)數(shù)據(jù)，對患者對象的呼吸機(jī)初始參數(shù)進(jìn)行設(shè)置。其中，聚類分類模型基于病患類型下的歷史治療患者的個人健康醫(yī)療數(shù)據(jù)聚類學(xué)習(xí)得到。以此，通過歷史數(shù)據(jù)，獲得與患者對象個人健康條件上最接近的歷史治療患者的呼吸機(jī)初始參數(shù)，并得到其中最適合患者對象的初始參數(shù)從而進(jìn)行設(shè)置，降低對醫(yī)務(wù)人員經(jīng)驗(yàn)性依賴的同時，可以基于歷史數(shù)據(jù)得到準(zhǔn)確性較高的初始參數(shù)，提高醫(yī)療效果。

技術(shù)研發(fā)人員：莫曉葉,吳佳麗,羅彬
受保護(hù)的技術(shù)使用者：中南大學(xué)湘雅醫(yī)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26