成果介绍
吸痰是保持呼吸道通畅,改善肺泡通气和换气功能的一种重要方法,是机械通气患者气道管理中最常用的护理措施之一。然而现有的吸痰管吸痰技术不仅效率低、医护人员工作强度大,而且容易导致呼吸道粘膜损伤、低血氧症、肺不张、感染、心律失常、气管痉挛等并发症。本项目将医生的临床经验与工程技术相结合,发明了吸痰时刻在线辨识技术、模拟人类自然咳嗽的吸痰系统智能控制技术,最终形成一套使用简单、安全高效的按需自动吸痰技术。
成果亮点
(1)吸痰时刻在线辨识技术
将淤积程度进行了四档划分,分为无淤积、淤积轻微、淤积中等和淤积严重。设计了信号采集系统,采集与痰液淤积相关的气道呼吸音和呼吸力学参数信号。基于单调和非单调特征提出了有序混合随机森林分类算法,对痰液淤积程度进行识别分类,识别准确率达到了80%。
(2)模拟人类自然咳嗽的吸痰系统设计及控制技术
确定病人在不同呼吸力学特性以及痰液淤积程度下最佳的吸痰压力、流量以及持续时间;基于在线辨识获得的病人呼吸力学特性以及痰液淤积程度,开发了一种模型参考自适应控制技术,精确控制吸痰气流动态特性,模拟人类在痰液不同淤积程度下自然发生的咳嗽气流动态特性。
团队介绍
北京航空航天大学相关团队现已完成了功能样机的开发,经过试验台与临床实验,痰液淤积程度辨识精度与吸痰效果得到了充分验证,满足临床呼吸系统护理的需求。
成果资料
产业化落地方案