呼吸机的调研报告.doc

针对呼吸机研究的调研报告
目前呼吸机多数采用压力控制和容量控制的工作模式，这种模式很大程度上取决于患者，由于患者的不稳定性会造成一定的人机不协调，所以对呼吸机智能判断和自动跟随控制方面的研究将会有着重大的意义。
一、 国内外研究现状
1.1 控制方面
在对呼吸机压力控制方法上，北京交通大学的包涵设计的基于Pl控制算法的CPAP呼吸机控制器，在该控制器中采用了增量限幅式PI控制算法，该方法避免了传统PID算法易产生噪声影响控制精度的问题，降低了控制回路的响应时间，算法作用时间仅需毫秒级即可使系统稳定输出，提高了系统的控制精度[1]。山东大学的樊晓克在其智能化呼吸机中，设计了一个模糊PID控制器，利用其十几年研制呼吸机的经验以及医学专家经验建立了模糊控制规则库以及一套PSV模糊控制算法，在规则库中考虑到了各种呼吸状况，收到了满意的效果[2]。吉林大学的张彦春采用了模糊控制系统去研究呼吸机的控制器[3]。Favre AS，Jandre FC，Giannella-Neto A在其CPAP控制器中使用了一个闭环控制器去控制通气阀的开闭使得压力波动范围更小[8]。在呼吸相识别方法上。暨南大学的冼莹在呼吸机人机同步的上引入了新方法其通过采用食道电极、流量计、生理实验放大器和数据采集器建立一个隔肌肌电采集系统，通过分析隔肌肌电信号并利用阈值法和改良的数学形态滤波法结合提取出吸气开始时刻，呼气开始时刻和呼吸周期三个参数[4]。河北工业大学的徐文超在其研制的呼吸机中引入了CAN总线使得系统具有很好的扩展性[5]。在双水平模型的建立上台湾的Ching-Chih Tsai，Zen-Chung Wang等提出了预测模型理论，在每个呼吸阶段结束时通过该理论，对下一阶段的呼吸相的时间进行预测，然后系统依据这个时间进行呼吸相的切换[6, 7]。近年来人们试图将控制理论与人工智能结合应用于机械通气领域，当前的一些尝试主要有：①LDS医院的COMPASS分散结构系统，并与医院信息网相连；②KUSIVAR系统，引入了专家决策，并集成了病人—呼吸机模型；③VRM首先引入模糊逻辑；④VQ—ATTENDING系统首先引入医生顾问分析参数设置；⑤RESPAID首先运用机器自学习技术。飞利浦伟康公司是全球呼吸机著名的生产商，其产品利用了许多先进技术，包括Auto-Trak数字式自动追踪灵敏度技术、Bi-Flex 压力释放技术、优化的降噪技术、System One湿度控制及干盒子技术。伟康专利的Auto-Trak技术可立即对呼吸道的变化情况作出响应，配合RiseTime 的使用，可在整个治疗过程中确保患者所需的舒适性。无论漏气情况如何，也无论患者病情的变化如何，均可自动调节呼吸的触发和切换阈值，并可确保在大量漏气的情况下输出稳定的压力并保持好的人机同步。在呼吸过程中，Bi-Flex 技术都能够让BiPAP治疗变得更像正常呼吸。Bi-Flex 在呼吸循环中的三个关键节点上进行压力释放：吸气相的压力上升、吸气相的压力下降、以及呼气相的压力释放。System one湿度控制是一项突破性技术，即使在动态环境下，也能通过温度、相对湿度和患者气流分析，持续维系最佳湿度指数。装置配备五项设定，可利用增强型湿度控制，将水滴冷凝在管路及面罩中的潜在可能性控制到最低。在任何情况下，干盒子技术都能将湿化器和设备内部完全隔绝，以避免机器意外损坏。瑞思迈公司在其呼吸机生产上也具有其独特性。Vsync技术使得其呼吸机能够自动的补偿漏气，并提高呼吸触发以及切换的灵敏度。在其呼吸机上还应用了其专有的TiControl™（吸气时间控制）确保医生可管理各种呼吸条件下的临床情况。国外在呼吸机研制方面起步较早，研究也较为完善。目前国外的呼吸机厂家有，澳大利亚的瑞思迈，该厂家的机器外观精致，配件齐全，是最专注的呼吸机品牌，它的新产品也推出了EPR—轻松呼吸系统。最近还推出双涡轮静音机型，使用时声音很小，但是价格很贵。美国的伟康，该厂家独创的flex功能使得患者在使用时感觉比较舒适，外观结实，功能多，性价比高。美国的泰科，该厂家的呼吸机静音，小巧，方便携带，其星辰系列呼吸机仅重760克。国内呼吸机起步较晚，发展也不成熟，目前主要有迈瑞，长峰医疗等厂家。
此外，辽宁大学的龙慧平对基于3G的嵌入式家用呼吸机进行了一定的研究[10]，在人机自动跟随方面，采用的是压力和流量相结合的办法，具体实现方式为：针对气压进行检测，当气压值和流量值都属于正常时，系统处于正常的运行状态之下，但是如果其中一个出现异常，例如：当气压减少到一定值的时候，进行流量判断，如果流量正常的时候，说明系统运行正常，但是如果气压值较小，而流量值比较大的时候，这个时候可能是因为管道损坏或面罩没有佩戴好，这个时候要启动漏气补偿或者漏气报警。当气压值一直处于设定值附近，但是检测到的气体流量值过小的时候，这个时候很可能是气体通道发生了一定的阻塞，这个时候必须及时报警。
1.2 数据分析方面
在呼吸数据研究方法上Várady Péter，Micsik Tamas，Benedek Sandor，Benyó Zoltán通过研究正常呼吸、呼吸不足、呼吸暂停三种不同的呼吸信号特征，利用信号分类的方法来实时检测呼吸是否正常[9]。南方医科大学的孙薇提出了基于双图形因子的阻塞判断方法[11]，根据实际试验获取正常吸气波形与阻塞吸气波形对比，提出了两个图形因子，通过计算两个因子来判断是否有阻塞的现象。东南大学的王健通过SVM 的方法成功的对不同的呼吸状况进行归类[12]，通过libSVM 工具对SVM 的核函数以及错误代价系数进行了优化。山东大学的樊晓克对PSV模糊控制器进行设计，包括控制器所依赖的人肺的数学模型、模糊控制器的设计，使呼吸具有自主呼吸模式[13]。
二、 国内外最新产品介绍
图1是美国伟康公司研发的BiPAP ST双水平呼吸机，它能够自动开关机，自动压力调整，自动漏气补偿，充分使呼吸机实现自动化；同时添加了SD数据储存卡，方便用户自己读取，了解自己的使用信息。伟康专利的Auto-Trak技术可立即对呼吸道的变化情况作出响应，配合RiseTime的使用，可在整个治疗过程中确保患者所需的舒适性。无论漏气情况如何，也无论患者病情的变化如何，独有的特性均可自动调节呼吸的触发和切换阈值，并可确保在大量漏气的情况下输出压力的异常稳定和最佳人机同步。

图1 美国伟康公司生产的BiPAP ST双水平呼吸机

图2 瑞思迈S9呼吸机产品参数

图3 瑞思迈S10呼吸机产品信息
图2和图3分别是瑞思迈的S9系列的VPAP AUTO/AUTO 25和S10系列的AirSense 10 VAUTO双水平全自动呼吸机。S9系列的改进AutoSetTM算法可以区分阻塞性和中枢性睡眠呼吸暂停，并提供合适的治疗响应。
三、 相关技术介绍
3.1 主分量分析(PCA)和独立分量分析(ICA)
在模式识别领域中，仅获得待识别目标的原始数据是不够的，需要从原始数据中发掘潜在的本质信息。通常待识别目标的原始数据的数据量相当大，处于一个高维空间中，直接用原始数据进行分类识别，计算复杂度高且影响了分类器的性能。为了有效实现分类识别，需要从待识别目标的原始数据映射到一个低维空间，提取到最大可能反映待识别目标的本质信息。目前常用的提取特征的方法有主分量分析(PCA)和独立分量分析(ICA)：PCA（Principal Component Analysis ）是一种最小均方意义上的最优变换，它的目标是去除输入随机向量之间的相关性，突出原始数据中的隐含特性。其优势在于数据压缩以及对多维数据进行降维。但PCA方法利用二阶的统计信息进行计算，并未考虑到信号数据的高阶统计特性，变换后的数据间仍有可能存在高阶冗余信息；ICA（Independent Component Analysis ）是20世纪90年代Jutten和Herault提出的一种新的信号处理方法。该方法的目的是将观察到的数据进行某种线性分解，使其分解成统计独立的成分。从统计分析的角度看， ICA和PCA同属多变量数据分析方法，但ICA处理得到的各个分量不仅去除了相关性，还是相互统计独立的，而且是非高斯分布。因此，ICA能更加全面揭示数据间的本质结构。所以，ICA在许多方面对传统方法的重要突破使得其越来越成为信号处理中一个极具潜力的工具，并已在模式识别、信号除噪、图像处理等诸多领域中得到了广泛应用。
3.2 模糊控制
模糊控制实质上是一种非线性控制，从属于智能控制的范畴。模糊控制的一大特点是既有系统化的理论，又有大量的实际应用背景。一般控制系统的架构包含了五个主要部分，即:定义变量、模糊化、知识库、逻辑判断及反模糊化，下文将对每一部分做简单的说明：
（1）定义变量
也就是决定程序被观察的状况及考虑控制的动作，例如在一般控制问题上，输入变量有输出误差E与输出误差变化率EC，而模糊控制还将控制变量作为下一个状态的输入U。其中E、EC、U统称为模糊变量。
（2）模糊化
将输入值以适当的比例转换到论域的数值，利用口语化变量来描述测量物理量的过程，根据适合的语言值（linguistic value）求该值相对的隶属度，此口语化变量称为模糊子集合（fuzzy subsets）。
（3）知识库
包括数据库（data base）与规则库（rule base）两部分，其中数据库提供处理模糊数据的相关定义；而规则库则藉由一群语言控制规则描述控制目标和策略。
（4）逻辑判断
模仿人类下判断时的模糊概念，运用模糊逻辑和模糊推论法进行推论，得到模糊控制讯号。该部分是模糊控制器的精髓所在。
（5）解模糊化
解模糊化（defuzzify）：将推论所得到的模糊值转换为明确的控制讯号，做为系统的输入值。
3.3 Auto-Trak数字式自动追踪灵敏度技术

Auto-TRAK是一款革命性的内嵌式软件，设计用于探测呼气与吸气的发生从而将无创双水平治疗进行同步。Auto-TRAK感应可立即对呼吸道变化情况作出响应，在整个治疗过程中确保患者所需的舒适性。每一次呼吸感应都自动完成，免去了手动感应调节的麻烦。该系统不断地进行监测并作出调节，从而准确追踪患者的呼吸形式。
四、 总结
综合上述研究结果，目前呼吸机研究大多数限定在压力-流量控制，本次研究可以以压力-流量控制为主线，加以PPG（脉搏波）或膈肌肌电信号等辅助检测对象，从而增加反馈的精确性；另一方面，可以对呼吸数据进行模糊处理，以对多种突发状况进行预估。
思路：确立控制对象（P&V），检测装置（传感器）→硬件设计→选用一种数据处理方法→程序编写→实验验证
参考文献
[1] 包涵.基于Pl 控制算法的CPAP 呼吸机控制器设计[D]: [硕士学位]. 北京: 北京交通大学,2011
[2] 樊晓克.智能化呼吸机设计方案和PSV 控制算法的研究[D]: [硕士学位]. 济南: 山东大学,2006
[3] 张彦春.睡眠呼吸机模糊控制系统研究[D]: [硕士学位]. 吉林: 吉林大学, 2005
[4] 冼莹.呼吸机人机同步新方法的研究[D]: [硕士论文]. 广州: 暨南大学, 2006
[5] 徐文超.基于CAN 总线的呼吸机控制系统的设计[D]: [硕士学位]. 天津: 河北工业大学,
2008
[6] C.-C. Tsai, Z.-C. Wang, C.-S. Chen Two Degree-of-freedom Control for Bi-level Positive Airway
Pressure of an Obstructive Sleep Apnea Treatment System[C]. Industrial Electronics Society, 2007.
IECON 2007. 33rd Annual Conference of the IEEE. IEEE,2007. 944-949
[7] C. C. Tsai, Z. C. Wang, C. S. Chen, C. Y. Lai. Adaptive pressure tracking and breathing period
prediction for obstructive sleep apnea treatment respirators with bi ‐ level positive airway
pressure[J].Journal of the Chinese Institute of Engineers, 2010,33(2): 215-228
[8] A. Favre, F. Jandre, A. Giannella-Neto Closed-loop control of a continuous positive airway
pressure device[C]. Engineering in Medicine and Biology Society, 2003. Proceedings of the 25th
Annual International Conference of the IEEE. IEEE,2003. 419-422
[9] P. Várady, T. Micsik, S. Benedek, Z. Benyó. A novel method for the detection of apnea and
hypopnea events in respiration signals[J].Biomedical Engineering, IEEE Transactions on, 2002,49(9):936-942
[10] 龙慧平.基于3G的嵌入式家用呼吸机设计[D]: [硕士学位].辽宁：辽宁大学，2014
[11] 孙薇.睡眠呼吸暂停综合征的监测与治疗关键算法研究[D]: [硕士学位].广州：南方医科大学，2014
[12] 王健.智能型双水平呼吸机的研究与开发[D]: [硕士学位].南京：东南大学，2014
[13] 樊晓克.智能化呼吸机设计方案和PSV控制算法的研究[D]: [硕士学位].济南：山东大学，2006