[發明專利]一種基于神經網絡估算呼吸力學參數的方法

在審

• 申請號: 202010868056.4
• 申請日: 2020-08-26
• 公開（公告）號: CN111973188A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 喬惠婷;孫超;許麗嬙;李德玉
• 申請（專利權）人: 北京航空航天大學
• 主分類號: A61B5/08
• 分類號: A61B5/08;A61B5/00;G06N3/04;G06N3/08;G16H50/50
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于人工氣道中氣體流量、壓力信號，利用神經網絡估算呼吸系統力學參數(氣道阻力系數與順應性)的方法。其步驟包括：1.采集氣道流量及壓力信號，同時阻斷法測量氣道阻力系數與順應性，得到臨床呼吸信號樣本集；2.使用呼吸力學模型，生成仿真呼吸信號樣本集；3.對臨床和仿真呼吸信號樣本集進行處理，形成訓練集；4.開展神經網絡訓練，得到可用于呼吸力學參數估算的。該方可以根據氣道流量壓力信號，估算氣道阻力系數與順應性，有效地解決了自主呼吸條件下呼吸力學參數難以估計的問題，為臨床治療方案調整提供參考與幫助。該方法使用了仿真數據輔助神經網絡模型訓練，大大降低了臨床數據的需求，提高的方法的可行性。

技術領域

本發明屬于生理信號處理及特征參數估算方法領域，具體涉及一種基于神經網絡方法從人工氣道壓力流量信號中提取呼吸力學參數的方法，用于機械通氣患者呼吸力學參數的動態監測，為疾病進程的監控、診治提供了重要的參考依據。

背景技術

許多呼吸系統疾病體現為呼吸力學參數的改變，如慢性阻塞性肺疾病患者出現明顯的呼氣氣流受限即氣道阻力系數提高，限制性肺疾病常伴隨著肺部順應性的降低。以氣道阻力系數和順應性為代表的呼吸力學參數是能夠直接反應患者呼吸系統性能的指標，對于機械通氣患者呼吸力學參數也是醫生進行機械通氣參數設置的重要參考之一，因此有效監測呼吸力學參數對于肺部疾病病情監控有重要意義。目前檢測呼吸力學參數的方法主要是利用呼吸機進行阻斷法測量呼吸力學參數，或基于呼吸力學模型進行呼吸力學參數的估計。阻斷法必須阻斷通氣無法實現實時監測，而基于呼吸力學模型進行參數估計的方法對于無自主呼吸的患者比較適用，一旦患者具有自主呼吸需要有創測量食道壓代替胸膜腔內壓來完成估算，有創且無法實時。本發明提出一種基于神經網絡估計呼吸力學參數的方法，在不影響正常通氣的前提下采集氣道流量壓力信號，借助訓練好的神經網絡進行breath-by-breath的呼吸力學參數共同估算，對于機械通氣患者肺部疾病病情監控有重要意義。

發明內容

本發明的目的在于提供一種呼吸力學參數動態估算的方法，具體涉及在人工氣道采集氣道流量、壓力信號，經過預處理及信號組合形成固定長度單周期組合臨床樣本，同時利用呼吸力學經典模型進行呼吸流量及壓力信號的仿真，主要實現臨床病例的補充，對仿真流量、壓力信號進行預處理，組合形成固定長度單周期組合仿真樣本，利用臨床樣本與仿真樣本共同進行神經網絡的訓練，使神經網絡能夠實現呼吸力學參數(氣道阻力系數和順應性)的估算。所得到的神經網絡可以實現基于臨床機械通氣患者人工氣道中實時采集的流量壓力信號估算呼吸力學參數，為臨床醫生監控呼吸系統疾病病情提供有意義的參考。

本發明技術方案如下；一種基于神經網絡估計呼吸力學參數的方法，對臨床樣本與仿真樣本處理后分別得到的具有固定長度單周期組合特征的臨床樣本和仿真樣本，利用處理后得到的固定長度單周期組合的臨床樣本和仿真樣本共同實現人工神經網絡的訓練，使訓練后得到的人工神經網絡能夠基于單周期流量壓力信號實現呼吸力學參數的估算。

進一步，如上所述的基于神經網絡估算呼吸力學參數的方法，其中所述的臨床樣本是通過采集呼吸機通氣患者在人工氣道上的流量及壓力信號，對信號進行預處理，稍后注射肌松，在患者無自主呼吸的機械通氣狀態下，設置呼吸機為容量控制，通過呼吸機阻斷法測量呼吸力學參數進行樣本標記，得到臨床呼吸流量、壓力信號樣本集。

進一步，如上所述的基于神經網絡估算呼吸力學參數的方法，其中所述的仿真樣本是通過呼吸力學模型，在極端病理及臨床樣本匱乏的范圍內隨機設置的呼吸力學模型參數——氣道阻力系數(R)與順應性(C)，選擇呼吸機作用模式，生成仿真的呼吸流量、壓力信號，對生成的流量、壓力信號添加隨機噪聲，得到仿真呼吸信號樣本集，以補充臨床樣本不均勻的問題，其中所設置的參數為樣本標記。