基于感知融合的自适应无创呼吸机技术研究

随着全球老龄化和呼吸系统疾病增加,无创呼吸机使用场景逐渐从医院转向日常家庭,因此迫切需要呼吸机具备更强的自主适应能力,以针对不同病症进行个性化治疗.然而,目前呼吸机产品智能化程度较低,并主要受制于呼吸机对患者呼吸状态的识别能力与针对性调节呼吸机参数的自适应能力.针对以上现状,结合感知融合、深度学习等相关技术,设计并实现一套基于感知融合的无创呼吸机自适应算法.算法包括两个部分:基于深度学习的参数初始化算法和基于深度学习的逐步滴定算法.参数初始化算法根据患者历史呼吸数据,对呼吸机通气模式和参数进行初始化;逐步滴定算法在参数初始化的基础上,通过多种传感器实时检测患者状态参数变化,并根据状态参数对呼吸机进行调节,直至整个治疗环节结束.最后在仿真平台上对所提出的自适应算法进行不同呼吸症状、漏气情况的仿真实验,结果表明所提出算法在分类准确率与回归精度等多个指标上均优于现有同类型工作,有望加快呼吸机智能化进程,为患者提供个性化治疗的可能性.