买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜吉林大学第一医院申请的专利一种基于大数据的呼吸机故障预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119480051B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510041196.7，技术领域涉及：G16H40/40；该发明授权一种基于大数据的呼吸机故障预测方法及系统是由阎丽微设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本一种基于大数据的呼吸机故障预测方法及系统在说明书摘要公布了：本发明公开了一种基于大数据的呼吸机故障预测方法及系统，具体涉及故障预测技术领域，包括使用长短时记忆算法预测呼吸机动态调整气体量的过程，通过LSTM模型的输出结果，获得在不同时间步的预测结果，对预测结果进行分析，评估可能存在的异常情况，进行预警分级，并判断是否对呼吸机运行时输出管道进行检测，构建故障评估模型，量化呼吸机出现故障可能性的结果，根据故障评估模型的结果，获得呼吸机动态匹配患者呼吸过程的故障评估系数，并与故障评估系数阈值进行对比，重新确认呼吸机的预警等级，本发明有助于在故障初期采取预防措施，防止故障积累带来的危害，并提高呼吸机故障识别的可靠性。

本发明授权一种基于大数据的呼吸机故障预测方法及系统在权利要求书中公布了：1.一种基于大数据的呼吸机故障预测方法，其特征在于，具体包括以下步骤：S1：使用长短时记忆算法预测呼吸机动态调整气体量的过程，确定在呼吸机可能出现故障时提前检测出异常情况；S2：通过LSTM模型的输出结果，获得在不同时间步的预测结果，对预测结果进行分析，评估可能存在的异常情况，进行预警分级，并判断是否对呼吸机运行时输出管道进行检测；S3：采集呼吸机运行时输出管道内的流量信息和气压信息，根据流量信息和气压信息的综合性分析，构建故障评估模型，量化呼吸机出现故障可能性的结果；S4：根据故障评估模型的结果，获得呼吸机动态匹配患者呼吸过程的故障评估系数，并与故障评估系数阈值进行对比，重新确认呼吸机的预警等级；长短时记忆算法预测呼吸机动态调整气体量的过程，包括：确定长短时记忆算法的输入变量和输出变量，其中，长短时记忆算法的输入变量为氧气浓度残留、二氧化碳浓度残留、气体交换率、潮气量偏差，输出变量为调节偏差，即每次呼吸机进行动态匹配后呼吸机输出管道输出的气体总量与患者吸入潮气量的差值；将调节偏差的时间步与输入变量中最小的时间步生成的输出时间序列保持一致；构建LSTM模型，使用LSTM单元来处理时间序列数据，每个LSTM单元包含记忆单元和门控机制，将LSTM的输出传递到全连接层；根据LSTM模型的输出结果，获得预测的调节偏差，根据不同时间步长的调节偏差，计算调节偏差的平均值和标准差；进行预警分级，包括：设置调节偏差的平均值阈值和调节偏差的标准差阈值，将调节偏差的平均值和标准差与调节偏差的平均值阈值和调节偏差的标准差阈值进行对比，生成以下情况：若调节偏差的平均值阈值大于调节偏差的平均值则生成第一预警信号；若调节偏差的平均值阈值小于调节偏差的平均值且调节偏差的标准差大于调节偏差的标准差阈值，则生成第二预警信号；若调节偏差的平均值阈值小于调节偏差的平均值且调节偏差的标准差小于调节偏差的标准差阈值，则不生成预警信号；采集呼吸机运行时输出管道内的流量信息，包括：确定生成第二预警信号的时刻，采集呼吸机运行时输出管道内的流量信息和气压信息，将流量信息通过气体匹配变异系数和流量波形差异系数进行量化表示，气压信息通过气压输出偏差系数进行量化表示；所述气体匹配变异系数的获取逻辑为：获得当前时间点呼吸机输出管道中输出的总气体浓度，并将当前时间点呼吸机输出管道中输出的总气体浓度标记为：，获得当前时间点患者输出管道中输出的总气体浓度，并将当前时间点患者输出管道中输出的总气体浓度标记为：，其中，g=1、2、3、……、C，C为大于3的正整数，g为监测时间段内患者呼吸周期的编号；获得上一个时间点呼吸机输出管道中输出的总气体浓度和患者输出管道中输出的总气体浓度分别标记为：和；计算呼吸机输出管道中输出的总气体浓度的一阶差分，计算公式为：；其中，为呼吸机输出管道中输出的总气体浓度的一阶差分；计算患者输出管道中输出的总气体浓度的一阶差分，计算公式为：；其中，为患者输出管道中输出的总气体浓度的一阶差分；计算动态匹配气体的一阶差异，计算公式为：；其中，为动态匹配气体的一阶差异；计算呼吸机输出管道中输出的总气体浓度的二阶差分，计算公式为：；其中，为呼吸机输出管道中输出的总气体浓度的二阶差分；计算患者输出管道中输出的总气体浓度的二阶差分，计算公式为：；其中，为患者输出管道中输出的总气体浓度的二阶差分；计算动态匹配气体的二阶差异，计算公式为：；其中，为动态匹配气体的二阶差异；计算动态匹配气体的二阶差异在监测时间段内的均值，计算公式为：；其中，为动态匹配气体的二阶差异在监测时间段内的均值；计算动态匹配气体的二阶差异在监测时间段内的标准差，计算公式为：；计算气体匹配变异系数，计算公式为：；其中，为气体匹配变异系数；所述流量波形差异系数的获取逻辑为：通过呼吸机输出管道中的监测设备，获得监测时间段内呼吸机输出管输出气体的流速，并将监测时间段内呼吸机输出管输出气体的流速标记为：，其中，b=1、2、3、……、B，B为正整数，b为监测时间段内采集气体的流速的编号；根据监测时间段内呼吸机输出管输出气体的流速数据生成输出气体的流速波形，对输出气体的流速波形在监测时间段内进行积分；获得呼吸机输出管输出气体的气体参考流速波形，对呼吸机输出管输出气体的气体参考流速波形在监测时间段内进行积分；计算流量波形差异系数，计算公式为：；其中，~为监测时间段的起始时间和截止时间，为监测时间段内呼吸机输出管输出气体的流速数据生成输出气体的流速波形,为呼吸机输出管输出气体的气体参考流速波形；所述气压输出偏差系数的获取逻辑为：获得监测时间段内患者每次呼吸周期内气体在呼吸机输出管道内的压力，并获得患者每次呼吸周期内呼吸机输出管道内压力的平均值，将患者每次呼吸周期内呼吸机输出管道内压力的平均值标记为：，获得患者每次呼吸周期内呼吸机输出管道内压力平均值的标准差，并将患者每次呼吸周期内呼吸机输出管道内压力平均值的标准差标记为：；其中，，；获得监测时间段内患者每次呼吸周期内气体在呼吸机输出管道内压力的峰值，并将患者每次呼吸周期内气体在呼吸机输出管道内压力的峰值标记为：；设置气体在呼吸机输出管道内的压力范围阈值，并将压力范围阈值标记为：；计算气压输出偏差系数，计算公式为： ；其中，为气压输出偏差系数；构建故障评估模型，包括：将气体匹配变异系数、流量波形差异系数以及气压输出偏差系数进行加权分析，构建故障评估模型，生成故障评估系数，故障评估系数的表达式为：；其中，为故障评估系数，、、分别为气体匹配变异系数、流量波形差异系数、气压输出偏差系数的比例系数，、、分别都大于0。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学第一医院，其通讯地址为：130000 吉林省长春市新民大街1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。