基于模拟自然咳嗽的安全、高效、自动吸痰技术

As one of the most important nursing interventions of ventilated patients’ respiratory tract, secretion clearance is usually used to keep the respiratory tract clear, improve alveolar ventilation and patients’ breathe function. However, the existing secretion clearance technologies have serious defects in efficiency, safety and automation. Aiming at the disadvantages of the existing secretion clearance technologies, and based on the clinical needs of ventilated patients, in this subject, breakthrough in three key technologies will be made to form a set of simple, safe, efficient, on demand automatic secretion clearance technology. The three key technologies are the on line estimation technology of the time when to clear secretion, the intelligent control technology of the secretion clearance system based on simulation of the human natural cough, and the breath simulation technology with self-learning function. The subject will provide an intelligent method to keep patients’ respiratory tract clear, prevent respiratory system infection, avoid damage to respiratory tracts and ensure mechanical ventilation treatment goals. The catheter suction technology, which is used commonly in clinic, may be replaced by the proposed technology in this subject. Then the proposed technology will be used commonly in clinic to improve the secretion clearance technology level in China, save the lives of ventilated patients, reduce patients’ pain and the work intensity of medical staffs. And that has important social benefits.

吸痰是保持呼吸道清洁通畅，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。然而现有的吸痰技术在效率、安全性及自动化方面存在严重缺陷。本课题针对现有吸痰技术的缺点，基于机械通气病人的临床需求，将医生的理论知识、临床经验与工程技术相结合，突破3项关键技术：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、具有自学习功能的病人呼吸模拟技术，最终形成一套使用简单、安全高效的按需自动吸痰技术。本项目为维持病人呼吸道清洁通畅，预防呼吸系统感染，避免呼吸道损伤，保证机械通气的治疗目标，提供一项智能吸痰技术。本项目技术有望取代吸痰管吸痰技术，成为临床最常用的吸痰技术，有效提高我国吸痰技术水平，挽救病人生命、减轻病人痛苦、降低医护人员工作强度，具有重要的临床应用价值及市场化前景。

吸痰是保持呼吸道清洁通畅，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。然而现有的吸痰技术在效率、安全性及自动化方面存在严重缺陷。本课题针对现有吸痰技术的缺点，基于机械通气病人的临床需求，将医生的理论知识、临床经验与工程技术相结合，突破了3项关键技术：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、具有自学习功能的病人呼吸模拟技术，形成了一套使用简单、安全高效的按需自动吸痰技术。.本课题的重要结果如下：建立基于图像处理技术的痰液淤积存在与否的识别方法，提取了可以表征痰液淤积信息的纹理特征参数。采用信息增益方法对特征权重进行排序，搜索最优特征集合，建立逻辑回归分类模型。最终选取了13个特征参数，将痰液淤积的辨识准确率提高到90%以上。建立痰液淤积程度的识别系统。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。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%。.建立了一种基于遗传算法优化的BP神经网络预测模型，对咳嗽气流特征量值进行预测，经验证，模型的预测精度超过了90%；提出了基于反步控制的痰液清除系统控制方法，结合预测模型和优咳嗽气流特征量，精确控制痰液清除系统的模拟咳嗽气流，逼近最优咳嗽气流曲线，从而实现痰液的高效清除，完成了痰液清除系统的优化。.本项目为维持病人呼吸道清洁通畅，预防呼吸系统感染，避免呼吸道损伤，保证机械通气的治疗目标，提供了一项智能吸痰技术。本项目技术有望取代吸痰管吸痰技术，成为临床最常用的吸痰技术，有效提高我国吸痰技术水平，挽救病人生命、减轻病人痛苦、降低医护人员工作强度，具有重要的学术研究价值及临床应用价值。