本发明涉及医疗器械,特别是涉及一种心室辅助装置的泵血流量估测方法及装置。
背景技术:
1、心室辅助装置可以辅助心衰患者进行心室泵血。心室辅助装置的泵血流量是指心室辅助装置进行泵血时所输送的血液血液流量,心室辅助装置的泵血流量能够衡量心室辅助装置当前的工作性能。因此,在由心室辅助装置进行辅助泵血时,需要对心室辅助装置的泵血流量进行准确估测,以及时了解心室辅助装置当前的工作性能。
技术实现思路
1、本发明实施例的目的在于提供一种心室辅助装置的泵血流量估测方法及装置,以对心室辅助装置的泵血流量进行准确估测。具体技术方案如下:
2、第一方面,本发明实施例提供了一种心室辅助装置的泵血流量估测方法,所述方法包括:
3、在心室辅助装置运行于患者体内时,获取连续数据采集周期中每一周期内所述患者的生理参数项的生理数据以及历史泵血流量,其中,所述生理参数项包括以下参数项中的至少一种:血液流速、血压、血液温度、血液中的氧气含量;
4、对生理数据与历史泵血流量进行非线性拟合,基于第一权重以及第二权重,对拟合结果进行泵血流量估测,得到所述心室辅助装置的泵血流量,其中,所述第一权重用于表征非线性拟合关系中全局非线性变化的显著性,所述第二权重用于表征非线性拟合关系中局部线性变化的显著性。
5、本发明的一个实施例中,上述方法还包括:
6、预先构建耦合所述第一权重与第二权重的神经网络模型,作为泵血流量估测模型;
7、所述对生理数据与历史泵血流量进行非线性拟合,基于第一权重以及第二权重,对拟合结果进行泵血流量估测,得到所述心室辅助装置的泵血流量,包括:
8、将生理数据与历史泵血流量输入所述泵血流量估测模型,得到所述泵血流量估测模型输出的泵血流量。
9、本发明的一个实施例中,上述泵血流量估测模型为预先按照以下方式构建的模型:
10、以测试对象的生理参数项的样本生理数据以及样本历史泵血流量作为输入向量,以测试对象的估测泵血流量作为输出向量,生成包含目标权重参数项的非线性时间序列模型,作为泵血流量估测模型的模型结构,其中,所述目标权重参数项包括第一权重的参数项以及第二权重的参数项;
11、针对目标权重参数项的每一备选值集合,在所述模型结构的目标权重参数项的取值为该备选值集合所包含备选值的情况下,将所述样本生理数据、样本历史泵血流量输入所述模型结构,得到所述模型结构输出的估测值,基于估测值与实际泵血流量,计算该备选值集合的置信度,其中,所述备选值集合中包括每一目标权重参数项的一个备选值;
12、将置信度最大的目标备选值集合所包含的备选值确定为所述模型结构的目标权重参数项的取值,基于所述模型结构以及所确定的目标权重参数项的目标值,生成泵血流量估测模型。
13、本发明的一个实施例中,上述方法还包括:
14、判断所预测的泵血流量是否与预设期望泵血流量相等;
15、若为否,计算所述泵血流量相较于预设期望泵血流量的偏差值,基于所述偏差值,计算所述心室辅助装置的转速的调整量,基于所计算的调整量更新所述心室辅助装置的转速,以使得所述心室辅助装置的泵血流量达到所述预设期望泵血流量。
16、第二方面,本发明实施例提供了一种心室辅助装置的泵血流量估测装置,所述装置包括:
17、数据获取模块,用于在心室辅助装置运行于患者体内时,获取连续数据采集周期中每一周期内所述患者的生理参数项的生理数据以及历史泵血流量,其中,所述生理参数项包括以下参数项中的至少一种:血液流速、血压、血液温度、血液中的氧气含量;
18、流量估测模块,用于对生理数据与历史泵血流量进行非线性拟合,基于第一权重以及第二权重,对拟合结果进行泵血流量估测,得到所述心室辅助装置的泵血流量,其中,所述第一权重用于表征非线性拟合关系中全局非线性变化的显著性,所述第二权重用于表征非线性拟合关系中局部线性变化的显著性。
19、本发明的一个实施例中,上述装置还包括模型构建模块,所述模型构建模块,用于预先构建耦合所述第一权重与第二权重的神经网络模型,作为泵血流量估测模型;
20、所述流量估测模块,具体用于将生理数据与历史泵血流量输入所述泵血流量估测模型,得到所述泵血流量估测模型输出的泵血流量。
21、本发明的一个实施例中,上述模型构建模块,包括:
22、模型结构构建子模块,用于以测试对象的生理参数项的样本生理数据以及样本历史泵血流量作为输入向量,以测试对象的估测泵血流量作为输出向量,生成包含目标权重参数项的非线性时间序列模型,作为泵血流量估测模型的模型结构,其中,所述目标权重参数项包括第一权重的参数项以及第二权重的参数项;
23、置信度计算子模块,用于针对目标权重参数项的每一备选值集合,在所述模型结构的目标权重参数项的取值为该备选值集合所包含备选值的情况下,将所述样本生理数据、样本历史泵血流量输入所述模型结构,得到所述模型结构输出的估测值,基于估测值与实际泵血流量,计算该备选值集合的置信度,其中,所述备选值集合中包括每一目标权重参数项的一个备选值;
24、模型构建子模块,用于将置信度最大的目标备选值集合所包含的备选值确定为所述模型结构的目标权重参数项的取值,基于所述模型结构以及所确定的目标权重参数项的目标值,生成泵血流量估测模型。
25、本发明的一个实施例中,上述装置还包括转速控制模块,所述转速控制模块,用于判断所预测的泵血流量是否与预设期望泵血流量相等;若为否,计算所述泵血流量相较于预设期望泵血流量的偏差值,基于所述偏差值,计算所述心室辅助装置的转速的调整量,基于所计算的调整量更新所述心室辅助装置的转速,以使得所述心室辅助装置的泵血流量达到所述预设期望泵血流量。
26、第三方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
27、存储器,用于存放计算机程序;
28、处理器,用于执行存储器上所存放的程序时,实现上述第一方面所述的方法步骤。
29、第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的方法步骤。
30、由以上可见,应用本发明实施例提供的方案进行泵血流量估测时,由于第一权重是表征非线性拟合关系中全局非线性变化的显著性,第二权重是表征非线性拟合关系中局部线性变化的显著性,又由于拟合结果是生理数据与历史泵血流量进行非线性拟合所得到的拟合结果,拟合结果是以非线性变化关系为主,所以,第一权重能够反映上述拟合结果的全局非线性变化关系,即基本变化信息,第二权重能够将上述全局非线性变化关系细分为多段局部线性关系,从而反映上述拟合结果的局部线性变化关系,即深度挖掘上述拟合结果的深层次信息,这样综合两个方面,对非线性拟合结果进行全面分析,从而实现准确地泵血流量估测。
31、另外,由于是基于每一数据采集周期内的生理数据以及历史泵血流量进行泵血流量估测。一方面,所估测得到的泵血流量既与患者的生理数据相关,又与历史泵血流量相关,患者的生理数据能够反映患者的生理状况,历史泵血流量则表征心室辅助装置历史的泵血流量情况,这样使得所估测的泵血流量准确度高;另一方面,由于是基于连续数据采集周期的生理数据以及历史泵血流量进行估测的,上述生理数据以及历史泵血流量均具有时间相关性,这样,基于上述具有时间相关性的数据进行泵血流量估测,能够从时间维度上考虑生理数据以及历史泵血流量的变化情况,从而更加准确地进行泵血流量估测。
32、当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。