-
公开(公告)号：CN113111907A
公开(公告)日：2021-07-13
申请号：CN202110226923.9
申请日：2021-03-01
Applicant: 浙江工业大学
IPC: G06K9/62 , G16H10/60 , G16H50/70 , G06F16/215 , G06F16/9535
Abstract: 本发明提供了一种基于强化学习的个性化PEEP调节方法，该方法通过构建基于患者整个机械通气过程中的生理数据的强化学习模型，强化学习模型代理根据患者的生理数据推荐在下一时段内该患者的个性化PEEP水平实现个性化PEEP调节。其中，强化学习模型通过构建马尔可夫框架，提取每个患者整个机械通气过程中的生理数据中所有的单步转换元组，以拟合Q迭代算法为核心训练，最终模型学习到的策略为累计回报最大的动作，获得强化学习模型。本发明方法可以通过患者的临床生理数据以使患者获得更好的氧合和预后为目标，实时地推荐个性化呼吸机PEEP设置值，辅助医生的临床决策。
-
公开(公告)号：CN117828317B
公开(公告)日：2024-11-12
申请号：CN202311699133.8
申请日：2023-12-12
Applicant: 浙江工业大学
IPC: G06F18/21 , G06F18/213 , G06F18/24 , G06F18/214 , G06F18/23
Abstract: 本发明提供了一种基于主动对比学习的人机不同步识别模型构建方法及系统，本发明先基于对比学习利用海量无标签数据对一深度神经网络做预训练，得到一个鲁棒的特征提取器，其次基于主动学习混合策略采样从无标签数据池中选择有信息量的样本进行标注，最后利用挑选出来的样本微调训练人机不同步识别模型的多任务分类层。本发明其不依赖于大规模高质量的带标签数据，通过对比学习自主地从大量数据中学习同类数据的相同特性，不但可以节省在标注上需要耗费的时间和人力成本，而且使得特征提取器具备鲁棒性。并且结合主动学习策略，可以根据测试集快速确定原始数据集中具备信息量的数据点，也使得基准模型具备快速可调整的能力。
-
公开(公告)号：CN119606356A
公开(公告)日：2025-03-14
申请号：CN202411699737.7
申请日：2024-11-26
Applicant: 浙江工业大学
IPC: A61B5/08 , A61B5/087 , G06F18/2415 , G06F18/2413 , G06F17/11 , G06F17/18
Abstract: 本发明提供了一种基于信号质量评估的机械通气患者呼吸系统静态顺应性和气道阻力连续估测方法，该方法筛选在吸气末屏气操作测量静态呼吸系统顺应性和气道阻力时间前后的机械通气波形数据，利用呼吸力学运动方程和最小二乘法估测每一次呼吸周期的静态呼吸系统顺应性和气道阻力值。选取与吸气末屏气操作测量获得的静态呼吸系统顺应性和气道阻力值差异较小的呼吸周期波形数据，来训练神经网络，利用训练好的神经网络筛选适合静态力学分析的机械通气波形，并基于呼吸力学运动方程和最小二乘算法，即可获得连续的静态呼吸系统顺应性和气道阻力估测值，从而实现了人体呼吸系统与呼吸机之间持续动态监测以评估潜在肺损伤和有效气体交换，并确保血流动力学的稳定。
-
公开(公告)号：CN112819093B
公开(公告)日：2024-02-06
申请号：CN202110208054.7
申请日：2021-02-24
Applicant: 浙江工业大学
IPC: G06V10/774 , G06V10/764 , G06V10/77 , G06N3/0464 , G06N3/047 , G06N3/084 , G06N3/09
Abstract: 本发明涉及一种基于小数据集与卷积神经网络的机械通气人机不同步识别方法，该方法通过将原始呼吸信号转换成二维图像，并基于二维图像多分类的公开数据集训练出高精度的分类模型，然后冻结训练好的模型中全连接层以上层的权重参数，以迁移学习的方式，将本地呼吸波形图像输入模型中微调最后一层全连接层的权重参数；再将实际采集原始呼吸信号经过预处理后，输入微调后的深度学习模型里，即可获得当前呼吸信号的人机不同步识别结果；本发明采用二维卷积神经网络为核心的模型架构，以迁移学习的方式，在小数据集的条件下，不仅能达到较高精度自动化检测和识别人机不同步波形，且具有较好的可解释性。
-
公开(公告)号：CN112915330B
公开(公告)日：2023-02-14
申请号：CN202110208037.3
申请日：2021-02-24
Applicant: 浙江工业大学
Abstract: 本发明提出了一种机械通气下平台压测量操作合规性检测方法，从呼吸机波形中识别出由医生屏气操作而得到的合规波形的方法，通过分析波形形态特征准确识别医生是否在做屏气操作而且屏气操作是否合规。具体为：通过连续压力和流速波形数据采样，在流速波形的一阶差分上找到极小值，再检测流速波形数据形态，判断是否为屏气操作，最后用滑窗斜率方法确定平台压以及合规性。本发明方法为医生做屏气操作后分析波形提供方便并且减少医护人员的工作量。如果应用到呼吸机上，可以实时地提醒医生刚刚做过的屏气操作是否符合要求。
-
Patent Agency Ranking
公开(公告)号：CN113313045A
公开(公告)日：2021-08-27
申请号：CN202110651445.6
申请日：2021-06-11
Applicant: 浙江工业大学
Abstract: 本发明提供了一种基于多任务学习和类激活图反馈的人机不同步识别方法，通过利用多任务学习以参数硬共享的方式训练深度学习模型，通过类激活映射的方式，获得训练好的深度学习模型对输出结果的可视化解释；同时根据每种人机不同步类型的类激活图激活域设定特征区域。再将实际采集的原始呼吸信号输入已训练的深度学习模型里，获得当前呼吸信号的识别结果；最后根据人机不同步类型设定的特征区域对识别结果作修正。本发明以多任务结合参数硬共享的方式只训练一个网络模型，使得一次前向计算即可同时输出识别的多种人机不同步类型，提高了现有方法的识别效率。基于类激活图反馈的自修正分类结果，使得方法具有高准确度和可解释性。
-
公开(公告)号：CN119184668A
公开(公告)日：2024-12-27
申请号：CN202411316609.X
申请日：2024-09-20
Applicant: 浙江工业大学
Abstract: 本发明提供了一种压力控制通气下基于呼吸系统模型的自主吸气努力强度估测方法及系统，利用压力控制通气下存在自主吸气努力的气道压力波形数据结合自主呼吸肺通气模型进行假设不存在自主吸气努力的气道压力波形数据仿真，根据呼吸力学运动方程利用临床测量的原始波形数据获得气道阻力和呼吸系统顺应性得到流量波形，再与临床测量的存在自主吸气努力的流量波形做误差分析，最后利用由若干已知金标准食道压偏差患者的估算得到的假设不存在自主吸气努力的流量波形数据与获取的存在自主吸气努力时流量波形数据的误差指标值与对应食道压偏差拟合获得的线性回归曲线估测自主吸气努力强度，实现了在没有食道压的情况下自主吸气努力强度估测。
-
公开(公告)号：CN113111907B
公开(公告)日：2024-09-27
申请号：CN202110226923.9
申请日：2021-03-01
Applicant: 浙江工业大学
IPC: G06N3/092 , G06F18/214 , G06F18/20 , G16H10/60 , G16H50/70 , G06F16/215 , G06F16/9535
Abstract: 本发明提供了一种基于强化学习的个性化PEEP调节方法，该方法通过构建基于患者整个机械通气过程中的生理数据的强化学习模型，强化学习模型代理根据患者的生理数据推荐在下一时段内该患者的个性化PEEP水平实现个性化PEEP调节。其中，强化学习模型通过构建马尔可夫框架，提取每个患者整个机械通气过程中的生理数据中所有的单步转换元组，以拟合Q迭代算法为核心训练，最终模型学习到的策略为累计回报最大的动作，获得强化学习模型。本发明方法可以通过患者的临床生理数据以使患者获得更好的氧合和预后为目标，实时地推荐个性化呼吸机PEEP设置值，辅助医生的临床决策。
-
公开(公告)号：CN117828317A
公开(公告)日：2024-04-05
申请号：CN202311699133.8
申请日：2023-12-12
Applicant: 浙江工业大学
IPC: G06F18/21 , G06F18/213 , G06F18/24 , G06F18/214 , G06F18/23
Abstract: 本发明提供了一种基于主动对比学习的人机不同步识别模型构建方法及系统，本发明先基于对比学习利用海量无标签数据对一深度神经网络做预训练，得到一个鲁棒的特征提取器，其次基于主动学习混合策略采样从无标签数据池中选择有信息量的样本进行标注，最后利用挑选出来的样本微调训练人机不同步识别模型的多任务分类层。本发明其不依赖于大规模高质量的带标签数据，通过对比学习自主地从大量数据中学习同类数据的相同特性，不但可以节省在标注上需要耗费的时间和人力成本，而且使得特征提取器具备鲁棒性。并且结合主动学习策略，可以根据测试集快速确定原始数据集中具备信息量的数据点，也使得基准模型具备快速可调整的能力。
-
公开(公告)号：CN111563451B
公开(公告)日：2023-09-12
申请号：CN202010371165.5
申请日：2020-05-06
Applicant: 浙江工业大学
IPC: G06F18/213 , G06F18/24 , G06F18/2411 , A61M16/00
Abstract: 一种基于多尺度小波特征的机械通气无效吸气努力识别方法，包括以下步骤：a读取呼吸波形数据，对其进行预处理，首先通过寻找流速波形第一个过零点来确定呼气开始点，并认为该点到呼气结束为该次呼吸的呼气相，然后通过去除呼气相波形中线性趋势来消除数据偏移对后期计算的影响；b通过离散小波变换对呼气相流速波形进行N层分解；c对各层小波系数进行特征提取；d利用序列前向选择算法选择最佳特征；e应用支持向量机分类器对最佳特征进行分类，进而得到人机不同步分类结果。本发明可以用于检测人机不同步中的无效吸气努力，可提示医护人员评估呼吸机与病人协同工作的情况。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.018 seconds)
