一种麻醉靶控参数优化方法、装置、电子设备及存储介质与流程

本技术涉及人工智能，尤其涉及一种麻醉靶控参数优化方法、装置、电子设备及存储介质。

背景技术：

1、随着现代医学技术的发展，麻醉技术在手术中扮演着至关重要的角色。麻醉的目的是为患者提供无痛、安全的手术体验，同时保证患者在手术过程中的生命体征稳定。为了实现这一目标，麻醉靶控输注(target controlled infusion,tci)技术应运而生。tci技术通过计算机辅助系统，依据药物的药代动力学和药效学模型，自动调整麻醉药物的输注速率，以维持患者体内药物浓度在预设的目标范围内，从而控制麻醉深度。

2、然而，目前的麻醉靶控输注技术的麻醉靶控参数仍不够准确。

技术实现思路

1、本技术实施例的主要目的在于提出一种麻醉靶控参数优化方法、装置、电子设备及存储介质，以优化麻醉靶控参数，提高麻醉靶控参数的准确性。

2、为实现上述目的，本技术实施例的一方面提出了一种麻醉靶控参数优化方法，所述方法包括以下步骤：

3、构建药代动力学模型；

4、利用所述药代动力学模型输出第一麻醉靶控参数；

5、确定所述第一麻醉靶控参数与目标麻醉靶控参数之间的偏差值以及所述偏差值随时间的变化率作为偏差变化率；

6、确定基于径向基函数的模糊神经网络的初始权值和阈值；

7、将所述偏差值和所述偏差变化率输入到设置有所述初始权值和所述阈值的所述基于径向基函数的模糊神经网络，得到pid控制器的控制参数；其中，所述控制参数包括比例控制参数、积分控制参数和微分控制参数；

8、利用所述pid控制器基于所述控制参数并结合所述偏差值和所述偏差变化率控制所述药代动力学模型输出第二麻醉靶控参数。

9、在一些实施例中，所述构建药代动力学模型，包括以下步骤：

10、基于人体异丙酚生理药代药效动力学模型构建所述药代动力学模型；其中，所述人体异丙酚生理药代药效动力学模型包括静脉模型、肺模型、脑模型、肝模型、快速平衡组织模型、慢速平衡组织模型和深层分布模型。

11、在一些实施例中，所述基于人体异丙酚生理药代药效动力学模型构建所述药代动力学模型，包括以下步骤：

12、建立所述肺模型的三阶微分方程，进而确定所述肺模型的传递函数表达式；

13、建立所述脑模型的二阶微分方程，进而确定所述脑模型的传递函数表达式；

14、建立所述肝模型的一阶微分方程，进而确定所述肝模型的传递函数表达式；

15、建立所述快速平衡组织模型的一阶微分方程，进而确定所述快速平衡组织模型的传递函数表达式；

16、建立所述慢速平衡组织模型的二阶微分方程，进而确定所述慢速平衡组织模型的传递函数表达式；

17、建立所述静脉模型的一阶微分方程，进而确定所述静脉模型的传递函数表达式；

18、确定所述深层分布模型的传递函数表达式；

19、根据所述静脉模型、所述肺模型、所述脑模型、所述肝模型、所述快速平衡组织模型、所述慢速平衡组织模型和所述深层分布模型对应的所述传递函数表达式构建所述药代动力学模型。

20、在一些实施例中，在所述确定基于径向基函数的模糊神经网络的初始权值和阈值之前，所述方法还包括以下步骤：

21、构建多个输入层；其中，各个所述输入层用于输入多个目标变量，所述目标变量包括所述偏差值和所述偏差变化率；

22、构建多个模糊化层；其中，各个所述模糊化层用于将各个所述目标变量划分为与所述模糊化层数量相等的模糊集并计算各个所述目标变量属于各个所述模糊集的隶属度；

23、构建多个模糊推理层；其中，各个所述模糊推理层用于根据各个所述模糊化层的输出实现模糊推理；

24、构建多个输出层；其中，各个所述输出层用于输出目标参数，所述目标参数包括所述控制参数；

25、依次连接各个所述输入层、各个所述模糊化层、各个所述模糊推理层和各个所述输出层，得到所述基于径向基函数的模糊神经网络。

26、在一些实施例中，所述构建多个模糊化层，包括以下步骤：

27、利用各个所述模糊化层根据隶属度函数计算各个所述目标变量属于各个所述模糊集的隶属度；

28、所述隶属度函数为：

29、

30、其中，fij(x)为第i个所述目标变量属于第j个所述模糊集的隶属度，x为所述目标变量，cij和bij分别为第i个所述目标变量和第j个所述模糊集的所述隶属度函数的均值和标准差；

31、所述构建多个模糊推理层，包括以下步骤：

32、利用各个所述模糊推理层计算各个所述隶属度的乘积作为对应所述模糊推理层的输出。

33、在一些实施例中，所述确定基于径向基函数的模糊神经网络的初始权值和阈值，包括以下步骤：

34、利用粒子群优化算法确定基于径向基函数的模糊神经网络的初始权值和阈值。

35、在一些实施例中，所述利用粒子群优化算法确定基于径向基函数的模糊神经网络的初始权值和阈值，包括以下步骤：

36、在搜索空间初始化各个粒子的位置和速度，并设置所述速度的取值范围；其中，每个所述粒子的所述位置表示一组所述初始权值和所述阈值；

37、根据各个所述粒子的所述位置和所述速度计算各个所述粒子的适应度值，进而记录各个所述粒子的个体最优适应度值和全局最优适应度值；其中，所述全局最优适应度值为所有所述粒子的所述适应度值的最优值；

38、若各个粒子当前所处的所述位置获得更优的所述适应度值，则更新所述粒子的所述位置和所述速度；

39、返回所述根据各个所述粒子的所述位置和所述速度计算各个所述粒子的适应度值，进而记录各个所述粒子的个体最优适应度值和全局最优适应度值的步骤，直至达到预设结束条件，将当前的所述全局最优适应度值所对应所述粒子的所述位置作为所述初始权值和所述阈值。

40、为实现上述目的，本技术实施例的另一方面提出了一种麻醉靶控参数优化装置，所述装置包括：

41、模型构建单元，用于构建药代动力学模型；

42、麻醉靶控参数输出单元，用于利用所述药代动力学模型输出第一麻醉靶控参数；

43、偏差确定单元，用于确定所述第一麻醉靶控参数与目标麻醉靶控参数之间的偏差值以及所述偏差值随时间的变化率作为偏差变化率；

44、网络参数初始化单元，用于确定基于径向基函数的模糊神经网络的初始权值和阈值；

45、控制参数确定单元，用于将所述偏差值和所述偏差变化率输入到设置有所述初始权值和所述阈值的所述基于径向基函数的模糊神经网络，得到pid控制器的控制参数；其中，所述控制参数包括比例控制参数、积分控制参数和微分控制参数；

46、麻醉靶控参数优化单元，用于利用所述pid控制器基于所述控制参数并结合所述偏差值和所述偏差变化率控制所述药代动力学模型输出第二麻醉靶控参数。

47、为实现上述目的，本技术实施例的另一方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。

48、为实现上述目的，本技术实施例的另一方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。

49、本技术实施例至少包括以下有益效果：

50、本技术可以构建药代动力学模型；利用药代动力学模型输出第一麻醉靶控参数；确定第一麻醉靶控参数与目标麻醉靶控参数之间的偏差值以及偏差值随时间的变化率作为偏差变化率；确定基于径向基函数的模糊神经网络的初始权值和阈值；将偏差值和偏差变化率输入到设置有初始权值和阈值的基于径向基函数的模糊神经网络，得到pid控制器的控制参数；其中，控制参数包括比例控制参数、积分控制参数和微分控制参数；利用pid控制器基于控制参数并结合偏差值和偏差变化率控制药代动力学模型输出第二麻醉靶控参数。本技术可以确定优化的初始权值和阈值，提高了基于径向基函数的模糊神经网络初始参数选择的准确性，进而获得优化的控制参数，增强了pid控制器的自适应能力和鲁棒性，能够控制药代动力学模型输出更准确的麻醉靶控参数，从而提高了麻醉靶控参数的准确性。