【技術實現步驟摘要】
本專利技術屬于醫療設備，具體地說是一種除顫儀的智能識別系統。
技術介紹
1、在臨床急救中，除顫儀是一種重要的醫療設備，用于治療心律失常，特別是心室顫動等惡性心律失常。
2、然而，現有除顫儀的操作依賴于醫護人員的經驗判斷，這不僅增加了誤判的風險，也延誤了最佳治療時機；同時在無人值守或醫護人員經驗不足的情況下，惡性心律失常可能無法被及時發現和處理，嚴重威脅患者的生命安全。
3、為此，本領域技術人員提出了一種除顫儀的智能識別系統來解決
技術介紹
提出的問題。
技術實現思路
1、為了解決上述技術問題，本專利技術提供一種除顫儀的智能識別系統，以解決現有技術中除顫儀的操作依賴于醫護人員的經驗判斷，這不僅增加了誤判的風險，也延誤了最佳治療時機；同時在無人值守或醫護人員經驗不足的情況下，惡性心律失常可能無法被及時發現和處理，嚴重威脅患者的生命安全等問題。
2、一種除顫儀的智能識別系統，包括：
3、心電圖采集模塊，用于實時采集患者的心電圖信號；所述心電圖采集模塊的數量至少為一個；
4、數據分析與處理模塊，能夠自動識別并分析心電圖信號，判斷是否存在惡性心律失常；
5、報警模塊，當數據分析與處理模塊識別出惡性心律失常時，能夠立即發出聲光報警信號；
6、除顫治療模塊，與數據分析與處理模塊連接，在確認惡性心律失常后，自動或手動啟動除顫治療程序；
7、用戶交互界面，用于顯示心電圖波形、分析結果及報警信息，并允許用戶輸入
8、優選的，所述心電圖采集模塊包括電極片和信號采集電路，所述電極片用于貼附在患者體表，采集心電圖信號，所述信號采集電路用于將采集到的信號進行處理和傳輸，所述信號處理包括對信號進行歸一化處理，所述歸一化處理公式如下：
9、
10、其中，為歸一化輸出信號，x為輸出總信號,e(x)為均值輸出結果,var(x)為方差,ε為極小值，γ和β為常數因子。
11、優選的，所述數據分析與處理模塊包括：
12、預處理單元，用于對采集到的心電圖信號進行濾波、去噪處理；所述去噪處理的步驟如下：
13、s11、首先將心電圖信號構造為一個h矩陣，如下式：
14、
15、其中，n為心電圖信號個數，l為窗長度；
16、s12、接著對h矩陣進行奇異值處理，如下式：
17、
18、其中，p為左奇異矩陣，q為右奇異矩陣，v為奇異值的對角矩陣；
19、s13、最后對奇異值進行處理并重構信號；即將對應奇異值處理后，可以得到新對角矩陣v′,設重構后的h矩陣為h′,獲得下式：
20、h′＝pv′qt；
21、對重構矩陣h′做反對角平均處理，以實現心電圖信號的去噪處理；
22、特征提取單元，用于從預處理后的心電圖信號中提取關鍵特征參數；所述提取關鍵特征參數采用特征提取技術進行處理，所述特征提取技術的公式如下：
23、
24、其中，h表示特征圖的高，l表示特征圖的寬，r表示特征圖的卷積核尺寸，xp表示常規卷積通道數；
25、智能識別單元，基于深度學習算法，根據特征參數自動識別惡性心律失常的類型；所述深度學習算法包括對提取出的特征參數進行自動學習和識別；深度學習算法能夠自動從數據中學習特征表示，并基于這些特征進行分類或識別任務；
26、決策單元，根據智能識別單元的輸出結果，判斷是否觸發報警模塊，所述決策單元引用k濾波算法對輸出結果進行預測，所述k濾波算法包括預測期和更新期；
27、所述預測期包括觀測值預測和協方差預測，能夠通過上一時刻的最優估計預測當前時刻的狀態，如式(1)和式(2)所示：
28、
29、qt*＝hqt-1at+s?(2)
30、其中，表示t-1時刻狀態的最優估計，表示t時刻狀態的先驗估計，即t的狀態預測值；h為狀態轉移矩陣；m為控制輸入矩陣；ut-1為t-1時刻的輸入；qt-1為t-1時刻的協方差矩陣，qt*表示t時刻先驗估計的協方差矩陣；s為過程噪聲的協方差矩陣；
31、所述更新期包括k增益計算、當前最優估計計算和誤差協方差更新，如式(3)-式(5)所示：
32、kt＝qt*lt(lqt*lt+r)-1?(3)
33、
34、qt＝(i-ktl)qt*?(5)
35、其中，kt表示k增益；l表示狀態變量至觀測值的轉移矩陣；r表示測量噪聲的協方差；zt表示觀測方程；i表示單位矩陣；qt為當前時刻的協方差矩陣；
36、通過采用k濾波算法對其進行實時跟蹤、實時估計，提高結構損傷預警的實時性與準確性；
37、同時引入性能優越的混合核函數k(m,n)，混合核函數k(m,n)具有良好的學習和插值能力，且泛化能力和預測能力也相對較高，在性能上得到了極大提升，提高了其用于報警預測的準確性與可靠性；所述核函數k的公式如下：
38、
39、其中，ρ表示混合核函數的影響系數，d表示核函數的階次。
40、優選的，所述報警模塊包括：
41、聲光報警裝置，能夠在識別到惡性心律失常時發出高分貝聲音和強光閃爍；
42、無線通信模塊，能夠將報警信息發送至遠程監控中心或指定醫護人員的移動設備上。
43、一種處理器，被配置成執行上述的除顫儀的智能識別系統。
44、一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行上述的除顫儀的智能識別系統。
45、與現有技術相比，本專利技術具有如下有益效果：
46、1、本專利技術通過內置的智能算法，本專利技術能夠自動、準確地識別惡性心律失常，減少人為誤判的可能性。
47、2、本專利技術通過在識別到惡性心律失常后，能夠立即發出聲光報警信號，并通過無線通信模塊將報警信息發送至遠程監控中心或指定醫護人員的移動設備上，從而縮短響應時間，為患者爭取寶貴的救治時間。
48、3、本專利技術的智能識別功能使得除顫儀能夠在惡性心律失常發生的早期階段進行干預，配合及時的除顫治療，顯著提高患者的救治成功率。
本文檔來自技高網...【技術保護點】
1.一種除顫儀的智能識別系統，其特征在于：包括：
2.如權利要求1所述一種除顫儀的智能識別系統，其特征在于：所述心電圖采集模塊包括電極片和信號采集電路，所述電極片用于貼附在患者體表，采集心電圖信號，所述信號采集電路用于將采集到的信號進行處理和傳輸。
3.如權利要求1所述一種除顫儀的智能識別系統，其特征在于：所述數據分析與處理模塊包括：
4.如權利要求1所述一種除顫儀的智能識別系統，其特征在于：所述報警模塊包括：
5.一種處理器，其特征在于，被配置成執行根據權利要求1至4中任一項所述的除顫儀的智能識別系統。
6.一種計算機可讀存儲介質，其特征在于：其上存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1至4中任一項所述的除顫儀的智能識別系統。
【技術特征摘要】
1.一種除顫儀的智能識別系統，其特征在于：包括：
2.如權利要求1所述一種除顫儀的智能識別系統，其特征在于：所述心電圖采集模塊包括電極片和信號采集電路，所述電極片用于貼附在患者體表，采集心電圖信號，所述信號采集電路用于將采集到的信號進行處理和傳輸。
3.如權利要求1所述一種除顫儀的智能識別系統，其特征在于：所述數據分析與處理模塊包括...
【專利技術屬性】
技術研發人員：姜勤，
申請(專利權)人：浙江大學醫學院附屬邵逸夫醫院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。