本發(fā)明涉及呼吸機(jī)故障預(yù)測(cè)，具體涉及一種基于lstm分類器的呼吸機(jī)故障預(yù)測(cè)方法。

背景技術(shù)：

1、當(dāng)前，呼吸機(jī)已普遍用于各種原因所致的呼吸衰竭、大手術(shù)期間的麻醉呼吸管理、呼吸支持治療和急救復(fù)蘇中，在現(xiàn)代醫(yī)學(xué)領(lǐng)域內(nèi)占有十分重要的位置。呼吸機(jī)是一種能夠起到預(yù)防和治療呼吸衰竭，減少并發(fā)癥，挽救及延長(zhǎng)病人生命的至關(guān)重要的醫(yī)療設(shè)備。

2、呼吸機(jī)在使用過(guò)程中，難免會(huì)遇到故障問(wèn)題，目前呼吸機(jī)故障；一般是在使用過(guò)程中，等儀器出現(xiàn)自檢故障報(bào)警或者停機(jī)等嚴(yán)重故障之后才能發(fā)現(xiàn)呼吸機(jī)的故障。目前主流的呼吸機(jī)都自帶傳感器系統(tǒng)，呼吸機(jī)在使用到一定的時(shí)間時(shí)，其傳感器系統(tǒng)中的傳感器部件可能會(huì)出現(xiàn)問(wèn)題。因此如何提前對(duì)呼吸機(jī)各個(gè)傳感器的故障進(jìn)行預(yù)測(cè)是十分必要的。

技術(shù)實(shí)現(xiàn)思路

1、為此，本發(fā)明提供一種基于lstm分類器的呼吸機(jī)故障預(yù)測(cè)方法，以解決現(xiàn)有技術(shù)中的上述問(wèn)題。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、根據(jù)本發(fā)明的第一方面，一種基于lstm分類器的呼吸機(jī)故障預(yù)測(cè)方法，包括以下步驟：

4、s1.采集同類型呼吸機(jī)的歷史數(shù)據(jù)，建立數(shù)據(jù)集；

5、s2.對(duì)數(shù)據(jù)集的數(shù)據(jù)進(jìn)行預(yù)處理，并將處理后的數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集；

6、s3.將訓(xùn)練集和測(cè)試集的數(shù)據(jù)輸入到lstm分類器中進(jìn)行訓(xùn)練；

7、t時(shí)間的lstm層結(jié)構(gòu)，通過(guò)單元狀態(tài)ct、隱藏狀態(tài)ht和輸入門、輸出門來(lái)提供更豐富的內(nèi)部狀態(tài)；假定有n個(gè)相同品牌型號(hào)的呼吸機(jī)在使用期間，總計(jì)有m個(gè)傳感器在監(jiān)測(cè)呼吸機(jī)的運(yùn)行狀態(tài)；以矩陣的形式表示每個(gè)呼吸機(jī)i(i＝1,2，...，n)在其生命周期內(nèi)獲得的傳感器數(shù)據(jù)xi；

8、xi＝[x1,x2,...xn]，xi∈rn×m；

9、在訓(xùn)練時(shí)，lstm依據(jù)采用傳感器數(shù)據(jù)xi，并判斷rul真實(shí)值是否屬于某個(gè)確定的時(shí)間窗口；

10、在測(cè)試時(shí)，在時(shí)間t點(diǎn)，構(gòu)建的lstm分類器將傳感器測(cè)量值xt的向量作為輸入數(shù)據(jù)，并輸出rul屬于確定時(shí)間窗口的概率；

11、

12、上述兩個(gè)式中，xt表示在t時(shí)間的傳感器測(cè)量序列，x表示序列，n表示序列的長(zhǎng)度；

13、s4.通過(guò)調(diào)整時(shí)間窗口得到lstm網(wǎng)絡(luò)模型；

14、輸入層將數(shù)據(jù)帶入到lstm網(wǎng)絡(luò)層，輸入數(shù)據(jù)格式為三維格式，即：樣本、時(shí)間步長(zhǎng)、特征數(shù)量；

15、s5.依據(jù)lstm網(wǎng)絡(luò)模型預(yù)測(cè)呼吸機(jī)在時(shí)間窗口中的故障概率，以此來(lái)輔助決策呼吸機(jī)維修。

16、進(jìn)一步的：所述呼吸機(jī)的歷史數(shù)據(jù)包括呼吸機(jī)各傳感器(空氣流量傳感器、氧氣流量傳感器壓力傳感器、氧傳感器、大氣壓力傳感器、流量傳感器、電壓和電流采集等)的相關(guān)數(shù)據(jù)及通過(guò)傳感器計(jì)算的相關(guān)參數(shù)、故障/報(bào)警數(shù)據(jù)和歷史維修數(shù)據(jù)，歷史維修數(shù)據(jù)為運(yùn)動(dòng)部件(如peep閥、流量控制閥等)、傳感器/電路板的維修數(shù)據(jù)。

17、進(jìn)一步的：數(shù)據(jù)的預(yù)處理流程是：

18、(1)原數(shù)據(jù)解壓；對(duì)原始數(shù)據(jù)的壓縮文件進(jìn)行解壓；

19、(2)對(duì)數(shù)據(jù)進(jìn)行歸一化；輸入數(shù)據(jù)是從多個(gè)設(shè)備、多個(gè)傳感器源獲得的；需要對(duì)這些數(shù)據(jù)進(jìn)行歸一化；采用min-max方法對(duì)訓(xùn)練集與測(cè)試集數(shù)據(jù)進(jìn)行歸一化，歸一化的數(shù)據(jù)將在[0,1]之間；

20、(3)故障類型劃分；按照傳感器的類型進(jìn)行故障數(shù)據(jù)分類，現(xiàn)有的傳感器類故障主要包括：流量傳感器故障、氧傳感器故障、壓力傳感器控制板故障、空氣流量傳感器故障、氧氣流量傳感器故障以及氣體混合壓力傳感器故障；

21、(4)時(shí)間窗處理；采用滑動(dòng)時(shí)間窗口獲得特征向量，以此來(lái)定義數(shù)據(jù)標(biāo)簽，滑動(dòng)時(shí)間窗口能獲取更多的有用的時(shí)間信息；利用先前的時(shí)間步長(zhǎng)預(yù)測(cè)下一個(gè)時(shí)間步長(zhǎng)，窗口沿時(shí)間方向滑動(dòng)一個(gè)時(shí)間單位，便構(gòu)造出單個(gè)訓(xùn)練樣本，最后一個(gè)時(shí)間節(jié)點(diǎn)對(duì)應(yīng)的呼吸機(jī)傳感器rul作為該訓(xùn)練樣本的標(biāo)簽；

22、(5)存入數(shù)據(jù)庫(kù)；將結(jié)果分類存入數(shù)據(jù)庫(kù)。

23、進(jìn)一步的：lstm單元結(jié)構(gòu)中，

24、遺忘門ft控制lstm哪些長(zhǎng)期記憶能被遺忘；

25、ft＝σ(wfht-1+ufxt+bf)；

26、輸入門gt、it則是計(jì)算從輸入中獲取的信息，并了解應(yīng)存儲(chǔ)到單元狀態(tài)ct中的部分；

27、gt＝tanh(wght-1+ugxt+bg)；

28、it＝σ(wiht-1+uixt+bi)it＝σ(wiht-1+uixt+bi)；

29、更新單元狀態(tài)中的長(zhǎng)期記憶；

30、

31、使用輸出門ot根據(jù)輸入門、單元狀態(tài)和先前隱藏狀態(tài)更新當(dāng)前隱藏層的狀態(tài)ht；

32、ot＝σ(woht-1+uoxt+bo)；

33、

34、式中，σ是sigmoid函數(shù)，tanh是激活函數(shù)；wi，wf，wg，wo是當(dāng)前隱藏層和先前隱藏層之間的隱藏層權(quán)重值；ui，uf，ug，uo是當(dāng)前輸入層和當(dāng)前隱藏層之間的權(quán)重值；bi，bf，bg，bo是偏差向量；是逐元素乘法運(yùn)算符。

35、進(jìn)一步的：所述時(shí)間步長(zhǎng)指的是每個(gè)特征信息能夠傳遞給下一個(gè)特征的長(zhǎng)度。

36、再進(jìn)一步的：在訓(xùn)練lstm分類器時(shí)，采用二元交叉熵函數(shù)作為目標(biāo)函數(shù)的損失函數(shù)。

37、本發(fā)明具有如下優(yōu)點(diǎn)：基于lstm模型，對(duì)呼吸機(jī)的各個(gè)傳感器的歷史數(shù)據(jù)進(jìn)行處理，以此來(lái)對(duì)呼吸機(jī)的故障概率進(jìn)行預(yù)測(cè)；能夠?qū)崿F(xiàn)呼吸機(jī)重大故障提前介入，進(jìn)一步的避免重大醫(yī)療事故的發(fā)生。

技術(shù)特征：

1.一種基于lstm分類器的呼吸機(jī)故障預(yù)測(cè)方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于lstm分類器的呼吸機(jī)故障預(yù)測(cè)方法，其特征在于，所述呼吸機(jī)的歷史數(shù)據(jù)包括呼吸機(jī)各傳感器的相關(guān)數(shù)據(jù)及通過(guò)傳感器計(jì)算的相關(guān)參數(shù)、故障/報(bào)警數(shù)據(jù)和歷史維修數(shù)據(jù)，歷史維修數(shù)據(jù)包括運(yùn)動(dòng)部件、傳感器/電路板的維修數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的一種基于lstm分類器的呼吸機(jī)故障預(yù)測(cè)方法，其特征在于，t時(shí)間的lstm層結(jié)構(gòu)，通過(guò)單元狀態(tài)ct、隱藏狀態(tài)ht和輸入門、輸出門來(lái)提供更豐富的內(nèi)部狀態(tài)；假定有n個(gè)相同品牌型號(hào)的呼吸機(jī)在使用期間，總計(jì)有m個(gè)傳感器在監(jiān)測(cè)呼吸機(jī)的運(yùn)行狀態(tài)；以矩陣的形式表示每個(gè)呼吸機(jī)i(i＝1,2，...，n)在其生命周期內(nèi)獲得的傳感器數(shù)據(jù)xi；

4.根據(jù)權(quán)利要求1所述的一種基于lstm分類器的呼吸機(jī)故障預(yù)測(cè)方法，其特征在于，數(shù)據(jù)的預(yù)處理流程是：

5.根據(jù)權(quán)利要求1所述的一種基于lstm分類器的呼吸機(jī)故障預(yù)測(cè)方法，其特征在于，lstm單元結(jié)構(gòu)中，

6.根據(jù)權(quán)利要求1所述的一種基于lstm分類器的呼吸機(jī)故障預(yù)測(cè)方法，其特征在于，所述時(shí)間步長(zhǎng)指的是每個(gè)特征信息能夠傳遞給下一個(gè)特征的長(zhǎng)度。

7.根據(jù)權(quán)利要求1所述的一種基于lstm分類器的呼吸機(jī)故障預(yù)測(cè)方法，其特征在于，在訓(xùn)練lstm分類器時(shí)，采用二元交叉熵函數(shù)作為目標(biāo)函數(shù)的損失函數(shù)。

技術(shù)總結(jié)
本發(fā)明公開了一種基于LSTM分類器的呼吸機(jī)故障預(yù)測(cè)方法，包括以下步驟：采集同類型呼吸機(jī)的歷史數(shù)據(jù)，建立數(shù)據(jù)集；對(duì)數(shù)據(jù)集的數(shù)據(jù)進(jìn)行預(yù)處理，并將處理后的數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集；將訓(xùn)練集和測(cè)試集的數(shù)據(jù)輸入到LSTM分類器中進(jìn)行訓(xùn)練；通過(guò)調(diào)整時(shí)間窗口得到LSTM網(wǎng)絡(luò)模型；依據(jù)LSTM網(wǎng)絡(luò)模型預(yù)測(cè)呼吸機(jī)在特定時(shí)間窗口的故障概率，以此來(lái)輔助決策呼吸機(jī)維修。本發(fā)明屬于呼吸機(jī)故障醫(yī)學(xué)技術(shù)領(lǐng)域。本發(fā)明基于LSTM模型，對(duì)呼吸機(jī)的各個(gè)傳感器的歷史數(shù)據(jù)進(jìn)行處理，以此來(lái)對(duì)呼吸機(jī)的故障概率進(jìn)行預(yù)測(cè)；能夠?qū)崿F(xiàn)呼吸機(jī)重大故障提前介入，進(jìn)一步的避免重大醫(yī)療事故的發(fā)生。

技術(shù)研發(fā)人員：黃昌凱,臺(tái)沖沖
受保護(hù)的技術(shù)使用者：北京思瑞德醫(yī)療器械有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19