一种基于大数据分析的麻醉工作站运行监管系统

1.本发明属于医学器械技术领域，尤其涉及一种基于大数据分析的麻醉工作站运行监管系统。


背景技术：

2.目前，麻醉是现代外科手术中必不可少的一个环节。根据麻醉部位的不同，临床麻醉主要分为全身麻醉和局部麻醉，全身麻醉是一个复杂的过程，麻醉过程中，还要计划麻醉药的输注速度，预估麻醉深度调整麻醉给药。而且在手术过程中麻醉医生不仅需要预估麻醉药的用量，需要一直关注病人的各项生理指标，而通过麻醉医生人工监测或调整的方式不仅主观影响大，且还有可能出现错漏，导致严重后果，而现有技术并没有针对麻醉工作站监管的智能化技术。
3.通过上述分析，现有技术存在的问题及缺陷为：目前主要通过麻醉医生人工监测的方式进行麻醉工作站监管，不仅主观影响大，且还有可能出现错漏，导致严重后果，而现有技术并没有针对麻醉工作站监管的智能化技术。


技术实现要素：

4.针对现有技术存在的问题，本发明提供了一种基于大数据分析的麻醉工作站运行监管系统。
5.本发明是这样实现的，一种基于大数据分析的麻醉工作站运行监管系统，所述基于大数据分析的麻醉工作站运行监管系统包括：
6.数据采集模块、数据预处理模块、中央控制模块、麻醉参数确定模块、气流控制模块、温湿度控制模块、状态监测模块、判断模块、麻醉药实时监测模块、压力控制模块、泄露测试模块以及报警模块；
7.气流控制模块，与中央控制模块连接，用于通过智能气体流量控制阀基于所述流量以及速率参数控制麻醉气体的输入；
8.温湿度控制模块，与中央控制模块连接，用于基于检测的待麻醉患者的当前生理数据以及麻醉气体的当前温湿度进行麻醉气体的温湿度调节控制；
9.所述温湿度控制模块的温度t
i
控制公式：
[0010][0011][0012]
式中：t
it
表示t时刻的待麻醉患者的温度，℃；表示t+1时刻的麻醉气体温度，℃；c为等效热容，j/℃；r为等效热阻，℃/w；s为麻醉工作站温度控制组件启停状态变量，1表示启动，0表示停止；δt为仿真时间间隔。
[0013]
所述温湿度控制模块温湿度调节的模型为：
[0014]
x(k+1)＝a
j
x(k)+a
dj
x(k
‑
1)+b
j
u(k)；
[0015]
式中a
j
，a
dj
.，b
j
为系数矩阵，j＝1，2，...，2m，x＝[x1，x2]t为状态变量，u为扰动输入量，标号j表示第j个子系统；
[0016]
状态监测模块，与中央控制模块连接，用于采集的患者的生理数据判断待麻醉患者的当前麻醉程度；
[0017]
判断模块，与中央控制模块连接，用于判断当前待麻醉患者的麻醉程度是否达到预设状态，并将所述判断结果反馈至麻醉参数模块；
[0018]
麻醉药实时监测模块，与中央控制模块连接，用于实时检测麻醉工作站输入的麻醉气体以及对应气体的浓度是否与确定的麻醉气体、麻醉气体的浓度一致；
[0019]
报警模块，与中央控制模块连接，用于当待麻醉患者的生理监测数据异常、麻醉药实时监测结果异常、患者麻醉程度状态监测异常以及麻醉工作站泄露或其他异常情况时利用报警装置进行报警。
[0020]
进一步，所述状态监测模块采集的患者的生理数据判断待麻醉患者的当前麻醉程度包括：
[0021]
从获取的患者的生理数据中提取脑电信号，并对所述提取的脑电信号进行去噪、放大、转化处理；
[0022]
利用小波熵算法对所述处理后的脑电信号进行特征提取；并将所述提取的脑电信号的特征输入到预先构建的基于人工神经网络的麻醉程度识别模型中，得到麻醉程度识别结果。
[0023]
进一步，所述对提取的脑电信号进行去噪处理包括：
[0024]
选择合适的小波基函数和小波分解层数，计算各层小波分解系数，将所述脑电信号进行小波分解；
[0025]
每一个分解层选择一个阂值，对高频系数进行处理，去除高频噪声；针对每一个分解层，对低频系数部分和阂值量化处理后的高频系数部分进行小波重构，获得去掉噪声后的脑电信号。
[0026]
进一步，所述基于大数据分析的麻醉工作站运行监管系统还包括：
[0027]
数据采集模块，与中央控制模块连接，用于采集待麻醉患者的个人信息、疾病数据以及待麻醉患者的当前生理数据以及麻醉机的压力、流量数据；同时用于采集麻醉气体的温度、湿度数据；
[0028]
数据预处理模块，与中央控制模块连接，用于对采集的麻醉患者的个人信息、疾病数据以及当前生理数据进行预处理；
[0029]
中央控制模块，与数据采集模块、数据预处理模块、麻醉参数确定模块、气流控制模块、温湿度控制模块、状态监测模块、判断模块、麻醉药实时监测模块、压力控制模块、泄露测试模块以及报警模块连接，用于利用单片机或控制器控制各个模块正常工作；
[0030]
麻醉参数确定模块，与中央控制模块连接，用于基于预处理后的待麻醉患者的个人信息以及疾病数据确定对应的麻醉气体、麻醉气体的浓度、麻醉剂总剂量、麻醉气体的输入流量、输入速率以及麻醉过程的呼吸模式；同时用于于麻醉过程中基于待麻醉患者的麻醉程度判断结果实时确定麻醉气体的输入流量、输入速率以及其他参数；
[0031]
压力控制模块，与中央控制模块连接，用于根据当前检测的麻醉工作站的压力数据判断当前麻醉工作站的压力是否存在异常；若存在异常，则进行麻醉工作站的压力的控制调整；
[0032]
泄露测试模块，与中央控制模块连接，用于当麻醉工作站的工作压力多次异常时进行麻醉机的泄露测试。
[0033]
进一步，所述数据采集模块包括：
[0034]
个人数据采集单元，用于对待麻醉患者的个人信息、疾病数据以及待麻醉患者的当前生理数据进行采集；
[0035]
麻醉机数据采集模块，用于采集麻醉机的当前工作压力以及流量数据；
[0036]
麻醉气体数据采集模块，用于采集麻醉气体的温度、湿度数据以及当前麻醉气体的类型数据。
[0037]
进一步，所述生理数据包括但不限于血压、心率、血氧饱和度、体温、气道压力、分钟通气量、心电数据。
[0038]
进一步，所述麻醉参数确定模块基于预处理后的待麻醉患者的个人信息以及疾病数据确定对应的麻醉气体、麻醉气体的浓度、麻醉剂总剂量、麻醉气体的输入流量、输入速率包括：
[0039]
获取待麻醉患者的个人信息以及疾病数据，提取所述个人信息以及疾病数据中的年龄、体重、疾病或其他特征数据；
[0040]
将所述提取的特征数据与麻醉决策数据库中存储的麻醉决策数据进行对比，匹配相同或相似的麻醉决策；
[0041]
基于患者的当前生理数据以及提取的特征数据校验所述麻醉决策的安全性，若检验安全达标，则测量当前麻醉工作站的麻醉气体浓度和混合气体流量，并记录测量时间；
[0042]
根据当前麻醉工作站的麻醉气体浓度、混合气体流量和测量时间，基于所述麻醉决策计算气态麻醉药用量、浓度、速率参数。
[0043]
本发明的另一目的在于提供一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现所述基于大数据分析的麻醉工作站运行监管系统。
[0044]
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以应用所述基于大数据分析的麻醉工作站运行监管系统。
[0045]
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用所述基于大数据分析的麻醉工作站运行监管系统。
[0046]
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明对患者的各个所述生理指标进行检测，保证各个所述生理指标在合理且高效的前提下对所述患者的实际的情况进行匹配相应的麻醉模式、麻醉气体以及浓度等参数；本发明通过对麻醉气体的温湿度进行调节，能够使得患者更加舒适；通过实时监测麻醉气体的浓度与速率等，保证能够精准控制麻醉气体；同时通过进行各项数据以及麻醉工作站的压力等数据的分析，判断是否出现异常，并及时预警，提高了麻醉工作站的安全性与可靠性。
附图说明
[0047]
为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，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的附图。
[0048]
图1是本发明实施例提供的基于大数据分析的麻醉工作站运行监管系统结构示意图；
[0049]
图中：1、数据采集模块；2、数据预处理模块；3、中央控制模块；4、麻醉参数确定模块；5、气流控制模块；6、温湿度控制模块；7、状态监测模块；8、判断模块；9、麻醉药实时监测模块；10、压力控制模块；11、泄露测试模块；12、报警模块。
[0050]
图2是本发明实施例提供的数据采集模块结构示意图；
[0051]
图中：13、个人数据采集单元；14、麻醉机数据采集模块；15、麻醉气体数据采集模块。
[0052]
图3是本发明实施例提供的状态监测模块采集的患者的生理数据判断待麻醉患者的当前麻醉程度的方法流程图。
[0053]
图4是本发明实施例提供的对提取的脑电信号进行去噪处理的方法流程图。
[0054]
图5是本发明实施例提供的麻醉参数确定模块基于预处理后的待麻醉患者的个人信息以及疾病数据确定对应的麻醉气体、麻醉气体的浓度、麻醉剂总剂量、麻醉气体的输入流量、输入速率的方法流程图。
具体实施方式
[0055]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0056]
针对现有技术存在的问题，本发明提供了一种基于大数据分析的麻醉工作站运行监管系统，下面结合附图对本发明作详细的描述。
[0057]
如图1所示，本发明实施例提供的基于大数据分析的麻醉工作站运行监管系统包括：
[0058]
数据采集模块1，与中央控制模块3连接，用于采集待麻醉患者的个人信息、疾病数据以及待麻醉患者的当前生理数据以及麻醉机的压力、流量数据；同时用于采集麻醉气体的温度、湿度数据；
[0059]
数据预处理模块2，与中央控制模块3连接，用于对采集的麻醉患者的个人信息、疾病数据以及当前生理数据进行预处理；
[0060]
中央控制模块3，与数据采集模块1、数据预处理模块2、麻醉参数确定模块4、气流控制模块5、温湿度控制模块6、状态监测模块7、判断模块8、麻醉药实时监测模块9、压力控制模块10、泄露测试模块11以及报警模块12连接，用于利用单片机或控制器控制各个模块正常工作；
[0061]
麻醉参数确定模块4，与中央控制模块3连接，用于基于预处理后的待麻醉患者的个人信息以及疾病数据确定对应的麻醉气体、麻醉气体的浓度、麻醉剂总剂量、麻醉气体的
输入流量、输入速率以及麻醉过程的呼吸模式；同时用于于麻醉过程中基于待麻醉患者的麻醉程度判断结果实时确定麻醉气体的输入流量、输入速率以及其他参数；
[0062]
气流控制模块5，与中央控制模块3连接，用于通过智能气体流量控制阀基于所述流量以及速率参数控制麻醉气体的输入；
[0063]
温湿度控制模块6，与中央控制模块3连接，用于基于检测的待麻醉患者的当前生理数据以及麻醉气体的当前温湿度进行麻醉气体的温湿度调节控制；
[0064]
状态监测模块7，与中央控制模块3连接，用于采集的患者的生理数据判断待麻醉患者的当前麻醉程度；
[0065]
判断模块8，与中央控制模块3连接，用于判断当前待麻醉患者的麻醉程度是否达到预设状态，并将所述判断结果反馈至麻醉参数模块；
[0066]
麻醉药实时监测模块9，与中央控制模块3连接，用于实时检测麻醉工作站输入的麻醉气体以及对应气体的浓度是否与确定的麻醉气体、麻醉气体的浓度一致；
[0067]
压力控制模块10，与中央控制模块3连接，用于根据当前检测的麻醉工作站的压力数据判断当前麻醉工作站的压力是否存在异常；若存在异常，则进行麻醉工作站的压力的控制调整；
[0068]
泄露测试模块11，与中央控制模块3连接，用于当麻醉工作站的工作压力多次异常时进行麻醉机的泄露测试；
[0069]
报警模块12，与中央控制模块3连接，用于当待麻醉患者的生理监测数据异常、麻醉药实时监测结果异常、患者麻醉程度状态监测异常以及麻醉工作站泄露或其他异常情况时利用报警装置进行报警。
[0070]
如图2所示，本发明实施例提供的数据采集模块1包括：
[0071]
个人数据采集单元13，用于对待麻醉患者的个人信息、疾病数据以及待麻醉患者的当前生理数据进行采集；
[0072]
麻醉机数据采集模块14，用于采集麻醉机的当前工作压力以及流量数据；
[0073]
麻醉气体数据采集模块15，用于采集麻醉气体的温度、湿度数据以及当前麻醉气体的类型数据。
[0074]
本发明实施例提供的生理数据包括但不限于血压、心率、血氧饱和度、体温、气道压力、分钟通气量、心电数据。
[0075]
本发明实施例提供的温湿度控制模块的温度t
i
控制公式：
[0076][0077][0078]
式中：t
it
表示t时刻的待麻醉患者的温度，℃；表示t+1时刻的麻醉气体温度，℃；c为等效热容，j/℃；r为等效热阻，℃/w；s为麻醉工作站温度控制组件启停状态变量，1表示启动，0表示停止；δt为仿真时间间隔。
[0079]
本发明实施例提供的温湿度控制模块温湿度调节的模型为：
[0080]
x(k+1)＝a
j
x(k)+a
dj
x(k
‑
1)+b
j
u(k)；
[0081]
式中a
j
，a
dj
.，b
j
为系数矩阵，j＝1，2，...，2m，x＝[x1，x2]t为状态变量，u为扰动输入量，标号j表示第j个子系统。
[0082]
如图3所示，本发明实施例提供的状态监测模块采集的患者的生理数据判断待麻醉患者的当前麻醉程度包括：
[0083]
s101，从获取的患者的生理数据中提取脑电信号，并对所述提取的脑电信号进行去噪、放大、转化处理；
[0084]
s102，利用小波熵算法对所述处理后的脑电信号进行特征提取；并将所述提取的脑电信号的特征输入到预先构建的基于人工神经网络的麻醉程度识别模型中，得到麻醉程度识别结果。
[0085]
如图4所示，本发明实施例提供的对提取的脑电信号进行去噪处理包括：
[0086]
s201，选择合适的小波基函数和小波分解层数，计算各层小波分解系数，将所述脑电信号进行小波分解；
[0087]
s202，每一个分解层选择一个阂值，对高频系数进行处理，去除高频噪声；针对每一个分解层，对低频系数部分和阂值量化处理后的高频系数部分进行小波重构，获得去掉噪声后的脑电信号。
[0088]
如图5所示，本发明实施例提供的麻醉参数确定模块基于预处理后的待麻醉患者的个人信息以及疾病数据确定对应的麻醉气体、麻醉气体的浓度、麻醉剂总剂量、麻醉气体的输入流量、输入速率包括：
[0089]
s301，获取待麻醉患者的个人信息以及疾病数据，提取所述个人信息以及疾病数据中的年龄、体重、疾病或其他特征数据；
[0090]
s302，将所述提取的特征数据与麻醉决策数据库中存储的麻醉决策数据进行对比，匹配相同或相似的麻醉决策；
[0091]
s303，基于患者的当前生理数据以及提取的特征数据校验所述麻醉决策的安全性，若检验安全达标，则测量当前麻醉工作站的麻醉气体浓度和混合气体流量，并记录测量时间；
[0092]
s304，根据当前麻醉工作站的麻醉气体浓度、混合气体流量和测量时间，基于所述麻醉决策计算气态麻醉药用量、浓度、速率参数。
[0093]
以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。