一种基于神经网络的输液滴速确定方法及系统与流程

本发明涉及智能医疗技术领域，更具体地说涉及一种基于神经网络的输液滴速确定方法及系统。

背景技术：

现如今电子技术、计算机技术以及网络信息技术等领域迅猛发展的同时，也带动了临床医学的发展，随着时代的发展要求医院实现信息化、自动化和智能化建设。然而就我国目前的状况来看，我国的智能医疗设备和技术发展仍不能满足病人、家庭和社会各方面的需求。

医疗技术中有一项叫静脉输液的操作，是目前主要的输液方式，静脉输液不仅仅是一种非常重要的治病手段，而且还是一种给人体补充营养的手段，其中输液速度是输液过程中最重要的参数，它是影响药物发挥的因素，一般是医护人员通过患者的病情、年龄以及药物种类的因素来决定的，因此临床经验不是很丰富的医护人员无法对输液速度精准地把握，容易造成输液速度过快导致患者出现不适或者输液速度过慢而影响治疗效果。

针对上述问题，设计一种智能医疗输液速度确定系统和方法以提高医院的服务水平和服务质量，减少输液过程中出现的医疗事故显得尤为重要。

技术实现要素：

本发明要解决的技术问题是：提供一种基于神经网络的输液滴速确定方法及其输液滴速确定系统。

本发明解决其技术问题的解决方案是：

一种基于神经网络的输液滴速确定方法，包括以下步骤：

建立神经网络模型步骤：读取病例库上已有的病例信息，建立神经网络模型；

病患状况检测步骤：对当前需要输液的病患身体状况进行检测；

输液速度确定步骤：将检测到的病患身体状况以及所需输液药品种类输入到神经网络模型中，得到输液速度理论值；

输液速度控制步骤：根据神经网络模型输出的输液速度理论值，控制输液过程中输液速度实际值。

作为上述技术方案的进一步改进，所述病例信息的数据特征包括病患的年龄、身高、体重、性别、输液药品种类以及与各个病例信息相对应的输液速度实际值。

作为上述技术方案的进一步改进，所述神经网络模型包括输入层、隐含层以及输出层，所述输入层设有m个第一节点，所述隐含层设有n个第二节点，所述输出层设有j个第三节点，所述第二节点的数量与病例信息的数据特征数量一致；所述每个第一节点与每个第二节点之间均设有连接权重，所述第二节点设有激活函数。

作为上述技术方案的进一步改进，所述建立神经网络模型步骤包括：

步骤a：初始化输入层中各个第一节点与每个第二节点之间的连接权重，设置各个第二节点的激活函数，设置误差阈值以及训练次数；

步骤b：读取病例库病例信息，将病例信息中的数据特征标准化；

步骤c：将病例信息输入到神经网络模型输入层，输出层得到该病例信息的输液速度理论值；

步骤d：计算该病例信息的输液速度理论值以及对应的输液速度实际值之间的误差；

步骤e：根据步骤d计算所得误差，修改各个第一节点与每个第二节点之间的连接权重，使该病例信息的输液速度理论值以及对应的输液速度实际值之间的误差减少；

步骤f：判断误差是否达到误差阈值要求，如果是，训练结束，神经网络模型建立完成，如果不是，再判断是否达到训练次数要求，如果是，训练结束，神经网络模型建立完成，如果不是，继续读取病例库下一个病例信息，返回步骤b。

本发明的有益效果是：本发明利用病例库中已存在的多个病例信息，建立完整的神经网络模型，所述神经网络模型能够根据病患身体状况以及所需输液药品种类计算出最佳的输液速度理论值，最后医护人员根据所述计算的输液速度理论值控制实际输液速度实际值，使病患的输液效果和治疗效果达到最佳。本发明通过神经网络模型使医护人员对各种病患的输液时间能够实现精准把握，使输液治疗效果达到最佳。

本发明创造同时还公开了一种基于神经网络的输液滴速确定系统，包括pc上位机、单片机、用于检测药瓶液面高度的高度检测模块、用于检测输液速度的滴速检测模块以及控制输液速度的步进电机，所述pc上位机使用上述权利要求1至4任一项所述的输液滴速确定方法计算病患输液速度，所述pc上位机与单片机通过can总线通信连接，所述高度检测模块输出端以及滴速检测模块输出端分别与单片机输入端相连，所述单片机输出端与步进电机输入端相连。

本发明的有益效果是：本发明所述pc上位机利用输液滴速方法计算病患的输液速度，并将结果传输到单片机上，由单片机通过步进电机控制输液速度，使病患的输液效果和治疗效果达到最佳。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。

图1是本发明所述滴速确定方法的流程图；

图2是本发明所述滴速确定方法中建立神经网络模型步骤的具体流程图；

图3是本发明滴速确定系统的模块框架图。

具体实施方式

以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。

参照图1～图3，为了使病患在输液治疗时达到最佳的治疗效果，本发明创造公开了一种基于神经网络的输液滴速确定方法，所述确定方法包括以下步骤：

建立神经网络模型步骤：读取病例库上已有的病例信息，建立神经网络模型；

病患状况检测步骤：对当前需要输液的病患身体状况进行检测；

输液速度确定步骤：将检测到的病患身体状况以及所需输液药品种类输入到神经网络模型中，得到输液速度理论值；

输液速度控制步骤：根据神经网络模型输出的输液速度理论值，控制输液过程中输液速度实际值。

具体地，本发明利用病例库中已存在的多个病例信息，建立完整的神经网络模型，所述神经网络模型能够根据病患身体状况以及所需输液药品种类计算出最佳的输液速度理论值，最后医护人员根据所述计算的输液速度理论值控制实际输液速度实际值，使病患的输液效果和治疗效果达到最佳。本发明通过神经网络模型使医护人员对各种病患的输液时间能够实现精准把握，使输液治疗效果达到最佳。

进一步作为优选的实施方式，医护人员都是需要根据病患的实际情况来判断药品输液速度，以保证最佳的治疗效果，本发明创造具体实施方式中，所述病例信息的数据特征包括病患的年龄、身高、体重、性别、输液药品种类以及与各个病例信息相对应的输液速度实际值。

进一步作为优选的实施方式，本发明创造具体实施方式中，所述神经网络模型包括输入层、隐含层以及输出层，所述输入层设有m个第一节点，所述隐含层设有n个第二节点，所述输出层设有j个第三节点，所述第二节点的数量与病例信息的数据特征数量一致；所述每个第一节点与每个第二节点之间均设有连接权重，所述第二节点设有激活函数，其中所述激活函数优选的是s型函数，所述激活函数处处可导。

进一步作为优选的实施方式，本发明创造所述滴速确定方法最重要的是建立一个完善的神经网络模型，所述神经网络模型利用病例库中已有的病例信息，将病例信息中的病患的年龄、身高、体重、性别以及输液药品种类作为输入变量，以病例信息中的输液速度实际值作为期望值，将病例信息中的年龄、身高、体重、性别以及输液药品种类输入到神经网络模型后，得到相应的输液速度理论值，利用该输液速度理论值与相对应的输液速度实际值作比较，得出两数据间的误差，利用该误差修正第一节点与第二节点之间的连接权重，使输液速度理论值不断接近相对应的输液速度实际值，以完善神经网络模型。具体地，本发明创造具体实施方式中，所述建立神经网络模型步骤包括：

步骤a：初始化输入层中各个第一节点与每个第二节点之间的连接权重，设置各个第二节点的激活函数，设置误差阈值以及训练次数；

步骤b：读取病例库病例信息，将病例信息中的数据特征标准化，由于病例信息中许多数据都是非数字型信息，例如性别，无法用于计算，因此本发明创造需要首先将某些非数字型信息转变成数字信息，例如，可以将性别信息中男定义为0，女定义为1；

步骤c：将病例信息输入到神经网络模型输入层，输出层得到该病例信息的输液速度理论值；

步骤d：计算该病例信息的输液速度理论值以及对应的输液速度实际值之间的误差；

步骤e：根据步骤d计算所得误差，修改各个第一节点与每个第二节点之间的连接权重，使该病例信息的输液速度理论值以及对应的输液速度实际值之间的误差减少；

步骤f：判断误差是否达到误差阈值要求，如果是，训练结束，神经网络模型建立完成，如果不是，再判断是否达到训练次数要求，如果是，训练结束，神经网络模型建立完成，如果不是，继续读取病例库下一个病例信息，返回步骤b。

本发明创造同时还公开了一种基于神经网络的输液滴速确定系统，包括pc上位机、单片机、用于检测药瓶液面高度的高度检测模块、用于检测输液速度的滴速检测模块以及控制输液速度的步进电机，所述pc上位机使用上述输液滴速确定方法计算病患输液速度，所述pc上位机与单片机通过can总线通信连接，所述高度检测模块输出端以及滴速检测模块输出端分别与单片机输入端相连，所述单片机输出端与步进电机输入端相连。

具体地，本发明创造所述pc上位机利用输液滴速方法计算病患的输液速度理论值，并将结果传输到单片机上，由单片机通过步进电机控制输液速度实际值，使病患的输液效果和治疗效果达到最佳。

以上对本发明的较佳实施方式进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变型或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。