《基於模擬自然咳嗽的安全、高效、自動吸痰技術》是依託北京航空航天大學，由石岩擔任項目負責人的面上項目。
基本介紹
- 中文名：基於模擬自然咳嗽的安全、高效、自動吸痰技術
- 依託單位：北京航空航天大學
- 項目負責人：石岩
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
吸痰是保持呼吸道清潔通暢，改善肺泡通氣和換氣功能的一種重要方法，是機械通氣患者氣道管理中最常用的護理措施之一。然而現有的吸痰技術在效率、安全性及自動化方面存在嚴重缺陷。本課題針對現有吸痰技術的缺點，基於機械通氣病人的臨床需求，將醫生的理論知識、臨床經驗與工程技術相結合，突破3項關鍵技術：吸痰時刻線上辨識技術、模擬人類自然咳嗽的吸痰系統智慧型控制技術、具有自學習功能的病人呼吸模擬技術，最終形成一套使用簡單、安全高效的按需自動吸痰技術。本項目為維持病人呼吸道清潔通暢，預防呼吸系統感染，避免呼吸道損傷，保證機械通氣的治療目標，提供一項智慧型吸痰技術。本項目技術有望取代吸痰管吸痰技術，成為臨床最常用的吸痰技術，有效提高我國吸痰技術水平，挽救病人生命、減輕病人痛苦、降低醫護人員工作強度，具有重要的臨床套用價值及市場化前景。
結題摘要
吸痰是保持呼吸道清潔通暢，改善肺泡通氣和換氣功能的一種重要方法，是機械通氣患者氣道管理中最常用的護理措施之一。然而現有的吸痰技術在效率、安全性及自動化方面存在嚴重缺陷。本課題針對現有吸痰技術的缺點，基於機械通氣病人的臨床需求，將醫生的理論知識、臨床經驗與工程技術相結合，突破了3項關鍵技術：吸痰時刻線上辨識技術、模擬人類自然咳嗽的吸痰系統智慧型控制技術、具有自學習功能的病人呼吸模擬技術，形成了一套使用簡單、安全高效的按需自動吸痰技術。本課題的重要結果如下：建立基於圖像處理技術的痰液淤積存在與否的識別方法，提取了可以表征痰液淤積信息的紋理特徵參數。採用信息增益方法對特徵權重進行排序，搜尋最優特徵集合，建立邏輯回歸分類模型。最終選取了13個特徵參數，將痰液淤積的辨識準確率提高到90%以上。建立痰液淤積程度的識別系統。將淤積程度進行了四檔劃分，分為無淤積、淤積輕微、淤積中等和淤積嚴重。基於單調和非單調特徵提出了有序混合隨機森林分類算法，對痰液淤積程度進行識別分類，識別準確率達到了80%。建立了一種基於遺傳算法最佳化的BP神經網路預測模型，對咳嗽氣流特徵量值進行預測，經驗證，模型的預測精度超過了90%；提出了基於反步控制的痰液清除系統控制方法，結合預測模型和優咳嗽氣流特徵量，精確控制痰液清除系統的模擬咳嗽氣流，逼近最優咳嗽氣流曲線，從而實現痰液的高效清除，完成了痰液清除系統的最佳化。本項目為維持病人呼吸道清潔通暢，預防呼吸系統感染，避免呼吸道損傷，保證機械通氣的治療目標，提供了一項智慧型吸痰技術。本項目技術有望取代吸痰管吸痰技術，成為臨床最常用的吸痰技術，有效提高我國吸痰技術水平，挽救病人生命、減輕病人痛苦、降低醫護人員工作強度，具有重要的學術研究價值及臨床套用價值。
