CN112107752B - 血压预测方法与使用该方法的电子装置 - Google Patents
血压预测方法与使用该方法的电子装置 Download PDFInfo
- Publication number
- CN112107752B CN112107752B CN201910620664.0A CN201910620664A CN112107752B CN 112107752 B CN112107752 B CN 112107752B CN 201910620664 A CN201910620664 A CN 201910620664A CN 112107752 B CN112107752 B CN 112107752B
- Authority
- CN
- China
- Prior art keywords
- blood pressure
- dialysis
- patient
- dialysis parameter
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/36—Other treatment of blood in a by-pass of the natural circulatory system, e.g. temperature adaptation, irradiation ; Extra-corporeal blood circuits
- A61M1/3621—Extra-corporeal blood circuits
- A61M1/3639—Blood pressure control, pressure transducers specially adapted therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/14—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis
- A61M1/16—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis with membranes
- A61M1/1601—Control or regulation
- A61M1/1613—Profiling or modelling of patient or predicted treatment evolution or outcome
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/14—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis
- A61M1/16—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis with membranes
- A61M1/1601—Control or regulation
- A61M1/1603—Regulation parameters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/34—Filtering material out of the blood by passing it through a membrane, i.e. hemofiltration or diafiltration
- A61M1/3413—Diafiltration
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/36—Other treatment of blood in a by-pass of the natural circulatory system, e.g. temperature adaptation, irradiation ; Extra-corporeal blood circuits
- A61M1/3621—Extra-corporeal blood circuits
- A61M1/3663—Flow rate transducers; Flow integrators
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
- G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
- A61M1/14—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis
- A61M1/16—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis with membranes
- A61M1/1601—Control or regulation
- A61M1/1603—Regulation parameters
- A61M1/1605—Physical characteristics of the dialysate fluid
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/18—General characteristics of the apparatus with alarm
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/33—Controlling, regulating or measuring
- A61M2205/3368—Temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/50—General characteristics of the apparatus with microprocessors or computers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/30—Blood pressure
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Vascular Medicine (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Cardiology (AREA)
- Urology & Nephrology (AREA)
- Hematology (AREA)
- Anesthesiology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Physiology (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Emergency Medicine (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Evolutionary Computation (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Fluid Mechanics (AREA)
- External Artificial Organs (AREA)
Abstract
一种血压预测方法与使用该方法的电子装置,所述方法包括下列步骤。收集训练数据集。依据训练数据集建立第一血压预测模型。接收目标病患的透析参数数据,其中透析参数数据包括前一时间点的第一透析参数与当前时间点的第二透析参数。计算第一透析参数与第二透析参数之间的透析参数变化量。将透析参数变化量提供给第一血压预测模型而产生关联于下一时间的血压变化预测值。依据目标病患的血压变化预测值执行一操作。
Description
技术领域
本发明涉及一种生理状态预测方法,且特别涉及一种血压预测方法与使用该方法的电子装置。
背景技术
血液透析(亦称为洗肾)是常见的医疗手段之一。在进行血液透析的过程中,血液会引流至透析仪器(亦称为洗肾机)后再导回体内。具体而言,血液先引流至体外,接着经由半透膜的扩散和超过滤作用来清除尿毒素及水分,最后再将血液引回体内。一般而言,在医疗人员完成透析仪器的各项透析参数设定之后,病患便可以开始通过透析仪器进行血液透析的疗程。
需注意的是,不稳定的血压是血液透析病患最常见的问题之一。难以控制的高血压及透析中低血压往往令医护人员感到棘手,而病患也因此感受到种种不适。当发生透析中低血压时,将迫使血液透析的疗程提早结束或中断,长久下来会导致尿毒素移除不足的现象,甚至因而提升病患的死亡率。因此,于进行血液透析时,医护人员往往需要依赖经验与病患过去的透析数据来设定透析仪器的透析参数,以期望病患的血压可以稳定并降低透析中低血压的发生率。然而,遑论经验缺乏的医护人员无法实时预测透析中低血压的发生,对于有经验的医护人员来说,由于每位病患的身体状况皆有相当地差异性,因此如何适当地调整透析仪器的透析参数来预防透析中低血压实为一大考验。
发明内容
有鉴于此,本发明提供一种血压预测方法与使用该方法的电子装置,其可于透析过程中提前预估病患产生血压下降的情形。
本发明实施例提出一种血压预测方法,包括下列步骤:收集训练数据集;依据训练数据集建立第一血压预测模型;接收目标病患的透析参数数据,其中透析参数数据包括前一时间点的第一透析参数与当前时间点的第二透析参数;计算第一透析参数与第二透析参数之间的透析参数变化量;将透析参数变化量提供给第一血压预测模型而产生关联于下一时间的血压变化预测值;以及依据目标病患的血压变化预测值执行一操作。
本发明实施例提出一种电子装置,其包括存储多个模块的存储电路与处理器。处理器经配置存取上述模块以收集训练数据集;依据训练数据集建立第一血压预测模型;接收目标病患的透析参数数据,其中透析参数数据包括前一时间点的第一透析参数与当前时间点的第二透析参数;计算第一透析参数与第二透析参数之间的透析参数变化量;将透析参数变化量提供给第一血压预测模型而产生关联于下一时间的血压变化预测值;以及依据目标病患的血压变化预测值执行一操作。
基于上述,于本发明实施例中,血液透析中的透析参数变化量可实时地提供至血压预测模型而预测出关联于下一时间的血压变化预测值。借此,可协助医护人员提早预测透析中低血压的发生,进而让医护人员可及早做出适当处置。此外,相较于直接预测病患于特定时间的血压值,本发明实施例使用更多的信息来提高对于血压变化预测值的预测准确度,以确保透析病患的血压稳定。
为让本发明的上述特征和优点能更明显易懂,下文特举实施例,并配合说明书附图作详细说明如下。
附图说明
图1是依照本发明一实施例所示出的电子装置的方框图;
图2是依照本发明一实施例所示出的血压预测方法的流程图;
图3A是依据本发明一实施例所示出的用以建立血压预测模型的训练数据分析的示意图;
图3B是依据本发明一实施例所示出的依据血压预测模型进行预测的示意图;
图4是依据本发明一实施例所示出的血压预测方法的示意图;
图5是依据本发明一实施例所示出的预测血压变化的情境示意图;
图6依照本发明一实施例所示出的血压预测方法的流程图;
图7是依据本发明一实施例所示出的分类病患的示意图;
图8是依据本发明一实施例所示出的应用情境图。
附图标记说明:
10:电子装置 d1:生理数据
102:存储电路 d2:医疗记录数据
101:处理器 d3:气候数据
T1~T6:时间点 d4:透析参数数据
41:数据请求模块 d5:模型输入参数
42:特征萃取模块 d6:血压变化预测值
43:预测模块 d7:警示通知
44:参数建议模块 d8:透析参数建议值
45:警示模块 d9:测试透析参数
d10:血压变化模拟值 59:下限值
M1:第一血压预测模型 G1~G4:病患群组
51:显示界面 810:目标病患
52:实际血压值 820:透析仪器
53:血压预测范围 830:现场电子设备
54:上限值 831:使用者界面
55:下限值 840:医疗信息***
56:模拟值栏位 850:外部数据库
57:血压模拟范围 860:云端服务器
58:上限值 870:医护人员
S201~S206、S601~S610:步骤
具体实施方式
本发明的部分实施例接下来将会配合附图来详细描述,以下的描述所引用的元件符号,当不同附图出现相同的元件符号将视为相同或相似的元件。这些实施例只是本发明的一部分,并未公开所有本发明的可实施方式。更确切的说,这些实施例只是本发明的专利申请范围中的方法与装置的范例。
图1是依照本发明一实施例所示出的电子装置的方框图。但此仅是为了方便说明,并不用以限制本发明。请参照图1,电子装置10用以预估病患进行血液治疗期间的血压变化量。电子装置10包括处理器101与存储电路102。
存储电路102用以存储数据、软件模块、程序码,其可以例如是任意形式的固定式或可移动式随机存取存储器(random access memory,RAM)、只读存储器(read-onlymemory,ROM)、快闪存储器(flash memory)、硬盘或其他类似装置、集成电路及其组合。
处理器101用以执行所提出的血压预测方法,其可以例如是中央处理单元(central processing unit,CPU)、图形处理器(graphics processing unit,GPU),或是其他可程序化的一般用途或特殊用途的微处理器(microprocessor)、数字信号处理器(digital signal processor,DSP)、可程序化控制器、特殊应用集成电路(applicationspecific integrated circuits,ASIC)、可程序化逻辑装置(programmable logicdevice,PLD)或其他类似装置、芯片、集成电路及其组合。在本发明的实施例中,处理器101可载入存储电路102中所记录的程序码或模块以执行本发明实施例提出的血压预测方法。
在本发明的实施例中,电子装置10可以为具有运算功能的医疗设备、个人电脑、笔记本电脑、工作站、服务器、智能装置或者是上述装置的结合,本发明并不限制电子装置10的类型。
图2是依照本发明一实施例所示出的血压预测方法的流程图。请参见图1与图2,本实施例的方式适用于上述实施例中的电子装置10,以下即搭配电子装置10中的各项元件说明本实施例的血压预测方法的详细步骤。
于步骤S201,处理器101收集训练数据集。具体而言,训练数据集可包括多个病患过去每次进行血液透析时的生理数据、医疗记录数据、气候数据与透析治疗数据等等。其中,这些病患过去每次进行血液透析而产生的透析治疗数据可包括透析仪器的透析参数数据与透析期间的血压数据。训练数据集里的数据可以是自透析仪器或其他医疗设备回传而取得。又或者,训练数据集里的数据可由医疗院所的医疗信息***提供。又或者,训练数据集里的数据可由外部数据库(像是气象中心的数据库)提供。
于步骤S202,处理器101依据训练数据集建立第一血压预测模型。第一血压预测模型是处理器101从训练数据集进行机器学习后所创建的用以预估未来血压变化量的规则。于本发明的实施中,处理器101可依据一监督式机器学习演算法来建立第一血压预测模型。第一血压预测模型可在建立后记录于存储电路102,以于病患进行血液透析时用以预测病患于透析期间的血压变化趋势。上述的监督式机器学习演算法可以是回归分析演算法、极限梯度提升(eXtreme Gradient Boosting,XGboost)演算法、引导聚集(Bootstrapaggregating,Bagged)演算法、神经网络演算法、随机森林(Random Forest)演算法、弹性网络(Elastic Net)演算法、最小绝对值收敛和选择算子(least absolute shrinkage andselection operator,LASSO)演算法、k近邻分类(k-nearest neighbor classification,KNN)演算法、支持向量回归演算法或整体学习(Ensemble learning)演算法等等,本发明对此不限制。
于目标病患进行血液透析的期间,于步骤S203,处理器101接收目标病患的透析参数数据,其中透析参数数据包括前一时间点的第一透析参数与当前时间点的第二透析参数。具体而言,透析仪器可经由闸道器不断地回报当下的透析参数给处理器101。于本发明的实施例中,透析仪器可周期性的回报透析参数。或者,透析仪器可响应于医护人员调整透析参数而进行回报。因此,处理器101可接收到对应至不同时间点的透析参数。于本发明的实施例中,第一透析参数与第二透析参数可包括脱水速率、透析液浓度、透析液温度、血液流速其中之一或其组合。举例而言,处理器101可接收到对应前一时间点11:00的脱水速率与对应当前时间点11:30的脱水速率。
于步骤S204,处理器101计算第一透析参数与第二透析参数之间的透析参数变化量。于步骤S205,处理器101将透析参数变化量提供给第一血压预测模型而产生关联于下一时间的血压变化预测值。详细而言,于本发明的实施例中,第一血压预测模型是以透析参数变化量作为模型输入参数,以预测出下一时间的血压变化预测值。需说明的是,若透析参数未被调整,透析参数变化量即为0。举例而言,处理器101可取得前一时间点的血液流速与当前时间点的血液流速之间的透析参数变化量,并将有关于血液流速的透析参数变化量输入至第一血压预测模型而预测出下一时间点的血压变化预测值。由于透析仪器可周期性或响应于医护人员调整透析参数而回报给处理器101,处理器101可周期性或响应于医护人员调整透析参数而预测出未来的血压变化预测值。
对应可知,于本发明的实施例中,当处理器101收集到多个病患的训练数据集之后,处理器101可将各个病患过去进行血液透析期间血压变化值作为监督式机器学习演算法中的预期输出,并将各个病患过去进行血液透析期间的透析参数变化量作为监督式机器学习演算法中的输入物件,从而训练出可预测血压变化预测值的血压预测模型。
举例而言,请参照图3A,图3A是依据本发明一实施例所示出的用以建立血压预测模型的训练数据分析的示意图。训练数据集可包括某一病患在透析期间分别于时间点T1、T2、T3所测量的实际血压SBPT1、SBPT2、SBPT3。此外,训练数据集可包括某一病患在透析期间分别于时间点T1、T2、T3的实际透析参数。于此范例中,时间点T1的实际透析参数包括脱水速率UT1、血液流速BT1、透析液温度TT1与透析液浓度CT1。时间点T2的实际透析参数包括脱水速率UT2、血液流速BT2、透析液温度TT2与透析液浓度CT2。于是,处理器101可将脱水速率UT2与脱水速率UT1之间的透析参数变化量、血液流速BT2与血液流速BT1之间的透析参数变化量、透析液温度TT1与透析液温度TT2之间的透析参数变化量、透析液浓度CT1与透析液浓度CT2之间的透析参数变化量作为监督式机器学习演算法中的输入物件。此外,处理器101可将血压SBPT2与血压SBPT3之间的实际血压变化值ΔSBP(即血压SBPT3减去血压SBPT2)作为监督式机器学习演算法中的预期输出。据此,通过监督式学习演算法与多个病患的透析治疗数据(包括透析期间对应至不同时间点的实际血压值与实际透析参数),处理器101可建立出用以预测一未来时间点的血压变化预测值的第一血压预测模型。
请参照对应于图3A的图3B,图3B是依据本发明一实施例所示出的依据血压预测模型进行预测的示意图。于目标病患进行血液透析的期间,透析仪器可于前一时间点T4回报第一透析参数给电子装置10,其包括脱水速率UT4、血液流速BT4、透析液温度TT4与透析液浓度CT4。此外,透析仪器可于当前时间点T5回报第二透析参数给电子装置10,其包括脱水速率UT5、血液流速BT5、透析液温度TT5与透析液浓度CT5。基此,处理器101可将脱水速率UT4与脱水速率UT5之间的透析参数变化量、血液流速BT4与血液流速BT5之间的透析参数变化量、透析液温度TT4与透析液温度TT5之间的透析参数变化量、透析液浓度CT4与透析液浓度CT5之间的透析参数变化量输入至第一血压预测模型,使第一血压预测模型产生关联于下一时间点T6的血压变化预测值ΔSBP’。换言之,在当前时间点T5时,处理器101就可依据第一血压预测模型预测出下一时间点T6的血压变化预测值ΔSBP’。
然而,需说明的是,图3A与图3B是以预测出一个未来时间点的血压变化预测值为范例进行说明。然而,本发明并不限制于此,于其他实施例中,处理器101可依据透析参数变化量预测出分别对应至不同的多个未来时间点的多个血压变化预测值。对应的,第一血压预测模型也将基于对应的规则而将多个实际血压变化值作为预期输出来进行训练。
于步骤S206,处理器101依据目标病患的血压变化预测值执行一操作。于一实施例中,处理器101通过图示或文字等提示方式可将血压变化预测值提示于一显示界面给医护人员进行参考。或者,于一实施例中,响应于血压变化预测值大于警戒阈值,处理器101可发出警示通知。又或者,于一实施例中,响应于血压变化预测值大于警戒阈值,处理器101可依据第一血压预测模型与目前透析治疗数据产生透析参数建议值,并提示透析参数建议值给医护人员或依据透析参数建议值控制透析仪器进行调整透析参数。
此外,于本发明的一实施例中,医护人员可将测试透析参数输入至电子装置10,电子装置10将基于测试透析参数来模拟出关联于下一时间点的血压变化模拟值。借此,医护人员可在实际调整透析仪器之前,将测试透析参数输入至电子装置10,从而依据血压变化模拟值得知透析参数的调整是否恰当。
图4是依据本发明一实施例所示出的血压预测方法的示意图。图4所示的范例是由数据请求模块41、特征萃取模块42,以及血压变化预测模块43来预测透析期间的血压变化预测值,并由参数建议模块44以及警示模块45依据血压变化预测值执行相对应的操作。数据请求模块41、特征萃取模块42、血压变化预测模块43、参数建议模块44以及警示模块45可由处理器101与存储电路102所记录的软件元件实作(实际操作)而得。
请参照图4,目标病患向医疗院所或洗肾中心报到后,数据请求模块41可自医疗院所的医疗信息***接收目标病患的生理数据d1与医疗记录数据d2。自医疗院所的医疗信息***取得的生理数据d1可包括目标病患的基本数据,像是性别、年龄、体重、身高等等。此外,目标病患的生理数据d1也可是在透析前或透析后进行测量而取得的数据,像是血压、体温等等。自医疗院所的医疗信息***取得的医疗记录数据d2可包括目标病患的透析年数、糖尿病状态、疾病史、用药情况、医疗检验数据(例如血红素或其他检验数据)等等。此外,数据请求模块41可自外部数据库接收气候数据d3,像是天气、气温、湿度等等。需注意的是,于本发明的实施例中,数据请求模块41可自透析仪器取得透析参数数据d4,其包括属于不同透析参数种类的透析参数。
基于第一血压预测模型M1的规则,特征萃取模块42可依据生理数据d1、医疗记录数据d2、气候数据d3、透析参数数据d4计算第一血压预测模型M1所需要的模型输入参数d5。基于前述可知,第一血压预测模型M1所需要的模型输入参数d5至少包括依据透析参数数据d4而产生的透析参数变化量。需注意的是,除了透析参数变化量之后,第一血压预测模型M1所需要的模型输入参数d5可还包括生理数据d1、医疗记录数据d2、气候数据d3中的其他数据,本发明对此并不限制。换言之,血压变化预测模块43可将透析参数变化量、生理数据d1、医疗记录数据d2与气候数据d3提供给第一血压预测模型M1而产生关联于下一时间的血压变化预测值d6。
接着,血压变化预测模块43将模型输入参数d5提供至第一血压预测模型M1而产生血压变化预测值d6。换言之,血压变化预测模块43可将生理数据d1、医疗记录数据d2、气候数据d3以及透析参数变化量提供给第一血压预测模型M1而产生关联于下一时间的血压变化预测值d6。
于本发明的一实施中,响应于关联于下一时间的血压变化预测值d6大于警戒阈值,警示模块45将发出警示通知d7。在本发明的实施例中,发出警示通知的方法例如为,发出警示音、显示警示信息、发送警示信息至护理站或护理人员持有的电子装置等,本发明并不以此为限。
另一方面,于本发明的一实施中,响应于关联于下一时间的血压变化预测值d6大于警戒阈值,参数建议模块44可通过最小化第一血压预测模型M1的输出,依据第一血压预测模型M1与当前时间点的透析参数(即第二透析参数)产生透析参数建议值d8。具体而言,当依据血压变化预测值d6推估目标病患可能于下一时间点发生血压明显下降的现象时,在最小化第一血压预测模型M1的输出的条件下,参数建议模块44可依据当前时间点的透析参数模拟出最佳的透析参数建议值d8。换言之,基于第一血压预测模型M1的预测规则,若依据透析参数建议值d8设定透析仪器,目标病患未来的血压变化预测值可为最小。基此,参数建议模块44可提示透析参数建议值d8给医护人员或依据透析参数建议值d8设定透析仪器。
此外,于本发明的一实施例中,当医护人员欲得知对透析参数调整是否可有效稳定目标病患的血压时,参数建议模块44可接收医护人员所输入的测试透析参数d9。参数建议模块44可将当前时间点实际设置的透析参数(即第二透析参数)与测试透析参数d9之间的透析参数变化量提供给第一血压预测模型M1而产生关联于下一时间的血压变化模拟值d10。如此一来,通过提示血压变化模拟值d10的高低,医护人员可预先得知目标病患的血压是否可于后续透析过程中维持稳定,从而决定是否依据测试透析参数d9设定透析仪器。
图5是依据本发明一实施例所示出的预测血压变化的情境示意图。请先参照图5,于目标病患进行血液透析时,电子装置10可控制一显示设备提供显示界面51。显示界面51显示了目标病患的实际血压值52与基于血压变化预测值所产生的血压预测范围53。血压预测范围53由上限值54与下限值55所构成,而上限值54与下限值55可依据目标病患于特定时间点的实际血压值与第一血压预测模型所输出的至少一血压变化预测值而获得。假设当前时间点为12:30,通过显示界面51,医护人员可依据血压预测范围53得知目标病患未来的(即当前时间点12:30之后的)血压变化预测趋势。借此,医护人员可通过显示界面51早一步判断目标病患的血压是否可于后续透析过程可维持稳定,从而提早作出处置而避免透析中低血压的发生。
此外,于当前时间点12:30,医护人员依据血压预测范围53发现目标病患的血压有可能逐渐下降,因此医护人员可于模拟值栏位56输入测试透析参数。基于医护人员所输入的测试透析参数,第一血压预测模型可产生至少一血压变化模拟值,因而显示界面51可显示基于至少一血压变化模拟值所产生的血压模拟范围57。血压模拟范围57由上限值58与下限值59所构成,而上限值58与下限值59可依据目标病患于特定时间点的实际血压值与第一血压预测模型所输出的至少一血压变化模拟值而获得。借此,医护人员可依据血压模拟范围57得知模拟值栏位56内的测试透析参数是否可有效稳定目标病患的血压。借此,医护人员可不单单以经验来调整透析仪器的透析参数,而可依据基于大数据与临床数据所建立的血压预测模型来适当调整透析仪器的透析参数。
值得一提的是,于本发明的一实施例中,上述的第一血压预测模型可以是依据所有病患的训练数据集而建立,因而不同的目标病患可基于相同的第一血压预测模型来预测透析期间的血压变化。于本发明的另一实施例中,上述的第一血压预测模型可以是依据某一病患群组内的部分病患的子训练数据集而建立。因此,不同病患将可能因为被分类至不同的病患群组而基于不同的第一血压预测模型来预测透析期间的血压变化。
以下将进一步说明先将病患进行分类再建构血压预测模型与进行血压预测的实施内容。图6依照本发明一实施例所示出的血压预测方法的流程图。请参图1与图6,本实施例的方式适用于上述实施例中的电子装置10,以下即搭配电子装置10中的各项元件说明本实施例的血压预测方法的详细步骤。
于步骤S601,处理器101收集训练数据集。训练数据集可包括多个病患过去在血液透析过程中的各项生理数据与透析治疗数据。于步骤S602,处理器101自训练数据集筛选出多个重要特征变数。具体而言,处理器101可依据机器学***均、第一笔收缩压、前一次总脱水量、前一笔舒张压作为用以类病患与预测血压变化预测值的重要特征变数。
于步骤S603,处理器101依据各病患的重要特征变数产生各病患的分类因子,并依据各病患的分类因子将病患分群为多个病患群组。于此,于本发明的一实施例中,处理器101可对各病患的重要特征变数进行统计分析来产生各病患的分类因子,并通过比较各病患的分类因子与至少一分类阈值而将各病患分类至多个病患群组其中之一。举例而言,假设重要特征变数为第一笔收缩压,处理器101可自训练数据集取出每一病患过去90笔第一笔收缩压,并计算此90笔第一笔收缩压的统计值,再依据各病患对应的上述统计值的高低将各病患分类至多个病患群组。
值得一提的是,于本发明的一实施例中,上述的分类因子可包括互信息(MutualInformation)。亦即,处理器101可依据各病患的重要特征变数计算各病患的互信息。接着,处理器101可通过比较各病患的互信息与至少一分群阈值而将病患分群为多个病患群组。更详细而言,处理器101可自训练数据集取出每一病患前一个半月内的重要特征变数而建立多个几率分布,并依据上述几率分布计算出各病患的互信息。互信息是变数间相互依赖性的量度,可以下列公式(1)计算而得。
其中,p(x,y)为变数X与变数Y的联合几率分布函式,p(x)为变数X的边缘几率分布函式,而p(y)为变数Y的边缘几率分布函式。于此,变数X与变数Y即分别为本发明实施例中的重要特征变数。变数X可为病患于前一个半月内的透析记录中的重要特征变数,像是前一笔收缩压、前两笔血压的平均、第一笔收缩压、前一笔总脱水量、前一笔舒张压等等。变数Y则可为另一病患于前一个半月内的透析记录中的重要特征变数。之后,处理器101可依据各病患的互信息的大小将其分为3、4或5个病患群组。本发明对于病患群组的数目并不限制。
图7是依据本发明一实施例所示出的分类病患的示意图。请参照图7,假设300个病患将依照各自的互信息而被分类为4个病患群组。于图7的范例中,分类阈值分别等于Q1、Q2、Q3。因此,互信息小于等于Q1的病患将被分群于病患群组G1;互信息大于Q1但小于等于Q2的病患将被分群于病患群组G2;互信息大于Q2但小于等于Q3的病患将被分群于病患群组G3;互信息大于Q3的病患将被分群于病患群组G4。也又是说,血液透析期间血压表现较为接近的病患将被分类为同一组病患群组。分类阈值的实际大小与数目可视实际需求而设置。
于步骤S604,处理器101针对各病患群组,依据机器学习演算法分别训练训练数据集中分别对应至病患群组的多个子训练数据集,而产生分别对应至病患群组的多个第二血压预测模型。详细而言,响应于病患被分类为多个病患群组,所有病患的训练数据集也将被分类为多个子训练数据集,致使处理器101可依据多个子训练数据集而利用机器学习演算法分别训练出多个个第二血压预测模型。可知的,第二血压预测模型将一对一地对应至病患群组。以图7为范例,基于病患被分类为4个病患群组G1~G4,处理器101将分别依据4组病患的子训练数据集训练出4个第二血压预测模型。这些第二血压预测模型可记录于存储电路102当中,并且包括第一血压预测模型。因为每一病患的身体素质与透析临床表现皆有所差异,所以本实施例的处理器101可先将身体素质与透析临床表现相似的病患分类为同一病患群组,并针对各个病患群组建立更贴实际临床表现的血压预测模型。
当目标病患到医疗院所报到,于步骤S605,处理器101判定目标病患属于病患群组其中之一者。接着,于步骤S606,处理器101自第二血压预测模型中挑选出对应于病患群组其中之所述一者的第一血压预测模型。第一血压预测模型为第二血压预测模型其中之一。换言之,处理器101将先判断目标病患的所述病患群组,并自第二血压预测模型中取出对应的第一血压预测模型来预测目标病患于血液透析期间的血压变化。由此可知,属于不同病患群组的病患将使用不同的第一血压预测模型来进行预测。通过分类病患而使用对应的血压预测模型,让目标病患的血压变化可更精准地被预测出来。
于步骤S607,处理器101接收目标病患的透析参数数据,其中透析参数数据包括前一时间点的第一透析参数与当前时间点的第二透析参数。于步骤S608,处理器101计算第一透析参数与第二透析参数之间的透析参数变化量。于步骤S609,处理器101将透析参数变化量提供给第一血压预测模型而产生关联于下一时间的血压变化预测值。于步骤S610,处理器101依据目标病患的血压变化预测值执行一操作。步骤S607至步骤S610的操作与步骤S203至步骤S206的操作相似,于此不再赘述。
需说明的是,于本发明的一实施例中,由于目标病患可依据其分类结果而具有特定的第一血压预测模型,因此后续产生透析参数建议值的操作或依据测试透析参数模拟出血压变化模拟值的操作也是依据目标病患所对应的第一血压预测模型来进行。借此,对于生理状况差别甚大的多名病患来说,医护人员可分别基于不同的血压预测模型而依据不同的建议值与模拟值来适应性调整透析仪器的透析参数。
图8是依据本发明一实施例所示出的应用情境图。请参照图8,目标病患810向医疗院所或洗肾中心报到。之后医护人员870将协助安插透析管路与设置透析仪器820,并且,现场电子设备830将收集由医护人员870所输入的目标病患810的生理数据与透析治疗数据。此外,现场电子设备830也可经由网络而从医疗信息***840接收目标病患810的生理数据、医疗记录数据与透析治疗数据,并可经由网络从外部数据库850收集气候信息。现场电子设备830也可自透析仪器820收集实时的透析参数数据。
之后,现场电子设备830将收集到的生理数据、透析治疗数据、气候数据、医疗记录数据上传至云端服务器860。云端服务器860可进行数据清整、格式整理、产生新变数与串档处理,像是计算透析参数变化量等等。接着,现场电子设备830可依据云端服务器860整理完的数据与已建立的血压预测模型来产生血压变化预测结果,并可将血压变化预测结果提示于一使用者界面831。据此,医护人员870可依据使用者界面831预测往后每个时间点的血压变化量。此外,医护人员870可通过使用者界面831输入测试透析参数来模拟目标病患的血压变化,以确认调整后的透析参数可以稳定病患的血压。
综上所述,于本发明实施例中,可通过依据大数据与临床数据所建立的血压预测模型预测透析期间的血压变化。基此,医护人员能在发生血压下降的情形前先对病患进行处置,以稳定病患透析中的血压,以避免病患产生不适或中断透析。再者,通过自动化获取病患的生理数据与透析治疗数据与利用血压预测模型进行自动化预测,可降低医护人员的负担,还可对较无经验的医护人员提供相当的协助。除此之外,通过将透析参数变化量作为血压预测模型的输入信息,血压变化量的预测精准度可基于更多的信息量而提升。不仅如此,对于血液透析有明显不同临床表现的不同群病患可基于不同的血压预测模型来预估血压变化量,从而提升预估血压变化量的准确性。
虽然本发明已以实施例公开如上,然其并非用以限定本发明,任何所属技术领域中技术人员,在不脱离本发明的构思和范围内,当可作些许的变动与润饰,故本发明的保护范围当视权利要求所界定者为准。
Claims (9)
1.一种电子装置,包括:
一存储电路,存储多个模块;以及
一处理器,耦接该存储电路,经配置存取所述多个模块以:
收集训练数据集;
依据该训练数据集建立一第一血压预测模型;
接收一目标病患的透析参数数据,其中该透析参数数据包括前一时间点的第一透析参数与当前时间点的第二透析参数;
计算该第一透析参数与该第二透析参数之间的透析参数变化量;
将该透析参数变化量提供给该第一血压预测模型而产生关联于下一时间的一血压变化预测值;
响应于关联于该下一时间的该血压变化预测值大于一警戒阈值,通过最小化该第一血压预测模型的输出,依据该第一血压预测模型与该当前时间点的该第二透析参数产生透析参数建议值;以及
提示该透析参数建议值或依据该透析参数建议值设定一透析仪器。
2.如权利要求1所述的电子装置,其中该处理器经配置以:
接收该目标病患的生理数据与医疗记录数据以及气候数据;以及
将该生理数据、该医疗记录数据与该气候数据提供给该第一血压预测模型而产生关联于该下一时间的该血压变化预测值。
3.如权利要求1所述的电子装置,其中该第一透析参数与该第二透析参数包括脱水速率、透析液浓度、透析液温度,或血液流速。
4.如权利要求1所述的电子装置,其中该处理器经配置以:
响应于关联于该下一时间的该血压变化预测值大于该警戒阈值,发出一警示通知。
5.如权利要求4所述的电子装置,其中该处理器经配置以:
接收测试透析参数;
将该第二透析参数与该测试透析参数之间的另一透析参数变化量提供给该第一血压预测模型而产生的一血压变化模拟值;以及
提示该血压变化模拟值。
6.如权利要求1所述的电子装置,其中该处理器经配置以:
自该训练数据集筛选出多个重要特征变数;
依据各病患的所述多个重要特征变数产生各病患的分类因子,并依据各病患的该分类因子将病患分群为多个病患群组;以及
针对各病患群组,依据一机器学习演算法分别训练该训练数据集中分别对应至所述多个病患群组的多个子训练数据集,而产生分别对应至所述多个病患群组的多个第二血压预测模型,其中所述多个第二血压预测模型包括该第一血压预测模型。
7.如权利要求6所述的电子装置,其中该处理器经配置以:
判定该目标病患属于所述多个病患群组其中之一者;以及
自所述多个第二血压预测模型中挑选出对应于所述多个病患群组其中之所述一者的该第一血压预测模型。
8.如权利要求6所述的电子装置,其中该处理器经配置以:
依据各病患的所述多个重要特征变数计算各病患的互信息;以及
通过比较各病患的该互信息与至少一分群阈值而将病患分群为所述多个病患群组。
9.如权利要求6所述的电子装置,其中该机器学习演算法为监督式机器学习演算法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108121585A TWI710352B (zh) | 2019-06-20 | 2019-06-20 | 血壓預測方法與使用該方法的電子裝置 |
TW108121585 | 2019-06-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112107752A CN112107752A (zh) | 2020-12-22 |
CN112107752B true CN112107752B (zh) | 2023-08-22 |
Family
ID=73795590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910620664.0A Active CN112107752B (zh) | 2019-06-20 | 2019-07-10 | 血压预测方法与使用该方法的电子装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11565030B2 (zh) |
CN (1) | CN112107752B (zh) |
TW (1) | TWI710352B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210290173A1 (en) * | 2020-03-19 | 2021-09-23 | International Business Machines Corporation | Latent bio-signal estimation using bio-signal detectors |
EP4208825A1 (en) * | 2020-09-02 | 2023-07-12 | Twin Health, Inc. | Virtually monitoring blood pressure levels in a patient using machine learning and digital twin technology |
US10998102B1 (en) * | 2020-10-20 | 2021-05-04 | Analytics4Medicine Llc | Systems for managing resistant hypertension |
CN113289098B (zh) * | 2021-05-25 | 2022-06-03 | 南通市第二人民医院 | 一种基于血液透析装置的透析液监控方法及装置 |
TWI792333B (zh) * | 2021-06-18 | 2023-02-11 | 翔安生醫科技股份有限公司 | 低血壓的預測處理方法與系統 |
TWI793833B (zh) * | 2021-10-28 | 2023-02-21 | 緯創資通股份有限公司 | 透析中的分析方法及用於透析的分析裝置 |
CN117642115A (zh) * | 2021-11-30 | 2024-03-01 | 深圳迈瑞生物医疗电子股份有限公司 | 监护方法及设备 |
JP7177540B1 (ja) | 2021-12-21 | 2022-11-24 | Essence research株式会社 | 血圧予測装置、血圧予測プログラム、及び、血圧予測方法 |
CN114937486B (zh) * | 2022-06-22 | 2023-09-26 | 肾泰网健康科技(南京)有限公司 | Idh预测及干预措施推荐多任务模型的构建方法及应用 |
CN116682566B (zh) * | 2023-08-03 | 2023-10-31 | 青岛市中医医院(青岛市海慈医院、青岛市康复医学研究所) | 一种血液透析的数据处理方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101516417A (zh) * | 2006-09-15 | 2009-08-26 | B布劳恩阿维图姆公司 | 具有存储器支持的控制装置的治疗设备 |
WO2013005320A1 (ja) * | 2011-07-06 | 2013-01-10 | パイオニア株式会社 | 血圧低下予測装置 |
CN104346521A (zh) * | 2013-08-07 | 2015-02-11 | B·布莱恩·阿维图姆股份公司 | 用于预测透析中参数的装置和方法 |
CN106295238A (zh) * | 2016-09-28 | 2017-01-04 | 湖南老码信息科技有限责任公司 | 一种基于增量式神经网络模型的高血压肾病预测方法和预测*** |
CN109803694A (zh) * | 2016-09-08 | 2019-05-24 | 爱德芳世株式会社 | 透析治疗中的个体差信息管理*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5928180A (en) * | 1997-03-25 | 1999-07-27 | Krivitski; Nikolai M. | Method and apparatus for real time monitoring of blood volume in a filter |
US8311619B2 (en) * | 2005-09-12 | 2012-11-13 | Gambro Lundia Ab | Detection of drastic blood pressure changes |
JP2014113423A (ja) * | 2012-12-06 | 2014-06-26 | Goldwelljapan Inc | 血圧低下監視装置 |
-
2019
- 2019-06-20 TW TW108121585A patent/TWI710352B/zh active
- 2019-07-10 CN CN201910620664.0A patent/CN112107752B/zh active Active
- 2019-09-05 US US16/561,031 patent/US11565030B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101516417A (zh) * | 2006-09-15 | 2009-08-26 | B布劳恩阿维图姆公司 | 具有存储器支持的控制装置的治疗设备 |
WO2013005320A1 (ja) * | 2011-07-06 | 2013-01-10 | パイオニア株式会社 | 血圧低下予測装置 |
CN104346521A (zh) * | 2013-08-07 | 2015-02-11 | B·布莱恩·阿维图姆股份公司 | 用于预测透析中参数的装置和方法 |
CN109803694A (zh) * | 2016-09-08 | 2019-05-24 | 爱德芳世株式会社 | 透析治疗中的个体差信息管理*** |
CN106295238A (zh) * | 2016-09-28 | 2017-01-04 | 湖南老码信息科技有限责任公司 | 一种基于增量式神经网络模型的高血压肾病预测方法和预测*** |
Also Published As
Publication number | Publication date |
---|---|
TWI710352B (zh) | 2020-11-21 |
TW202100093A (zh) | 2021-01-01 |
US11565030B2 (en) | 2023-01-31 |
CN112107752A (zh) | 2020-12-22 |
US20200397972A1 (en) | 2020-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112107752B (zh) | 血压预测方法与使用该方法的电子装置 | |
US11335450B2 (en) | Dehydration amount prediction method for hemodialysis and electronic device using the same | |
WO2020181805A1 (zh) | 糖尿病的预测方法及装置、存储介质、计算机设备 | |
WO2020103683A1 (zh) | 基于脑功能图谱的猴-人跨物种迁移进行精神疾病的个体化预测方法和*** | |
CN113053535B (zh) | 一种医疗信息预测***及医疗信息预测方法 | |
US11529105B2 (en) | Digital twin updating | |
CN110859624A (zh) | 一种基于结构磁共振影像的大脑年龄深度学习预测*** | |
JP2021179975A (ja) | 特定の顔面症候群を検出するための方法、装置、および、コンピュータ可読記憶媒体 | |
CN112837799B (zh) | 基于区块链的远程互联网大数据智慧医疗*** | |
CN108109692A (zh) | 一种治疗方案的选择方法和*** | |
CN112967803A (zh) | 基于集成模型的急诊患者早期死亡率预测方法及*** | |
CN113569984A (zh) | 脑灌注状态分类装置、方法、设备及存储介质 | |
EP3942567A1 (en) | Population-level gaussian processes for clinical time series forecasting | |
US20210295999A1 (en) | Patient state prediction apparatus, patient state prediction method, and patient state prediction program | |
CN112185530A (zh) | 一种医院排号管理方法及*** | |
WO2023151578A1 (en) | Embryo selection process | |
CN116703880A (zh) | 一种免疫状态预测模型构建方法、预测方法及构建装置 | |
EP3270308B9 (en) | Method for providing a secondary parameter, decision support system, computer-readable medium and computer program product | |
CN113499037A (zh) | 用户睡眠质量的确定方法和装置、电子设备和存储介质 | |
CN113782221A (zh) | 基于自训练学习的疾病预测装置、设备及存储介质 | |
CN116504407B (zh) | 一种冠脉左主干分叉的分支闭塞风险预测方法及*** | |
US20220208356A1 (en) | Radiological Based Methods and Systems for Detection of Maladies | |
CN107898448A (zh) | 一种智能血压计及其控制方法 | |
CN117352116A (zh) | 智能化出院患者随访*** | |
CN116168841A (zh) | 基于XGBoost的呼吸机仿真预测***及其实现方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |