预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共31页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115282401A(43)申请公布日2022.11.04(21)申请号202210870599.9(22)申请日2022.07.22(71)申请人深圳市第二人民医院(深圳市转化医学研究院)地址518000广东省深圳市福田区华富街道笋岗西路3002号(72)发明人肖亮田耕(74)专利代理机构广州嘉权专利商标事务所有限公司44205专利代理师周翀(51)Int.Cl.A61M5/142(2006.01)A61M5/172(2006.01)权利要求书4页说明书19页附图7页(54)发明名称静脉输液泵控制系统、静脉输液泵控制方法和存储介质(57)摘要本发明实施例提供静脉输液泵控制系统、静脉输液泵控制方法和存储介质,涉及人工智能技术领域。其中静脉输液泵控制系统包括:输液通路、监护单元、静脉输液泵、处理器,处理器根据输液参数,得到输液控制指令发送至静脉输液泵,控制静脉输液泵的位置调节量;从而控制输液通路的液体流量。本实施例通过静脉输液泵控制模型对患者的输液参数进行分析,能够识别输液中异常情况,判断当前药物输液速度是否合适,如果不合适则实时调整药物输液速度,无需人工时刻关注输液过程,减少患者的输液不良反应,并为医生抢救预留时间,提升患者输液的安全,提升患者输液舒适性,同时提升输液的管理效率。CN115282401ACN115282401A权利要求书1/4页1.一种静脉输液泵控制系统,其特征在于,包括:输液通路,用于建立静脉给液通路以给患者输液;监护单元,用于获取患者的医疗参数;静脉输液泵,可拆卸的安装在所述输液通路上;处理器,分别与所述静脉输液泵和所述监护单元连接,所述处理器用于获取输液参数,所述输液参数包括:药物参数、用户参数和来自所述监护单元的医疗参数,所述药物参数包括药物种类、药物输液速度,所述医疗参数包括以下至少一种:体温参数、血压参数、心率参数、血氧参数、尿量参数、脑电参数、呼吸参数;所述处理器还用于将所述输液参数输入训练好的静脉输液泵控制模型,得到输液控制指令,将所述输液控制指令发送至所述静脉输液泵,以控制所述静脉输液泵的位置调节量;所述静脉输液泵还用于根据所述位置调节量控制所述输液通路的液体流量。2.根据权利要求1所述的一种静脉输液泵控制系统,其特征在于,所述静脉输液泵包括夹持单元,所述夹持单元夹持在所述输液通路上,用于根据所述位置调节量调节夹持松紧度,以控制所述输液通路的液体流量。3.根据权利要求2所述的一种静脉输液泵控制系统,其特征在于,所述处理器将所述输液控制指令发送至所述静脉输液泵,以控制所述夹持单元的夹持松紧度,所述位置调节量包括:加快输液速度调节量、减缓输液速度调节量或停止输液调节量;当所述位置调节量为加快输液速度调节量时,所述夹持单元调节所述夹持松紧度使得所述输液通路中液体流速变快;当所述位置调节量为减缓输液速度调节量时,所述夹持单元调节所述夹持松紧度使得所述输液通路中液体流速变慢;当所述位置调节量为停止输液调节量时,所述夹持单元调节所述夹持松紧度使得所述输液通路中液体流速趋于零。4.根据权利要求3所述的一种静脉输液泵控制系统,其特征在于,所述处理器中所述训练好的静脉输液泵控制模型包括:至少一个一级参数神经网络模型和二级参数模型;所述处理器用于将所述输液参数输入训练好的静脉输液泵控制模型,得到输液控制指令,将所述输液控制指令发送至所述静脉输液泵时,执行:将所述输液参数输入至至少一个所述一级参数神经网络模型,得到至少一个对应的参数影响程度输出值;将至少一个所述参数影响程度输出值输入所述二级参数模型,得到输液速度输出值;根据所述输液速度输出值生成输液控制指令发送至所述静脉输液泵。5.根据权利要求4所述的一种静脉输液泵控制系统,其特征在于,至少一个所述一级参数神经网络模型为BP神经网络模型;所述静脉输液泵控制模型包括N个所述一级参数神经网络模型,所述N为对应于所述医疗参数的数量,N为大于或等于1的正整数;所述处理器用于将所述输液参数输入至至少一个所述一级参数神经网络模型,得到至少一个对应的参数影响程度输出值时,执行:根据所述输液参数得到输液参数特征值;根据所述输液参数特征值得到对应于所述医疗参数数量的医疗参数影响序列;2CN115282401A权利要求书2/4页将所述医疗参数影响序列输入所述对应所述医疗参数的所述一级参数神经网络模型,得到所述医疗参数对应的参数影响程度输出值;重复执行上述步骤,直到获取每个所述医疗参数对应的参数影响程度输出值;表示为:其中,f1()表示第j个医疗参数对应的一级参数神经网络模型,y1j表示第j个医疗参数对应的一级参数神经网络模型对应的参数影响程度输出值,ωji表示第j个医疗参数对应的一级参数神经网络模型的模型权重,xi表示所