[0033] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0034] 图1是本申请稳定性校准系统框架图；
[0035] 图2是本申请稳定性校准系统使用的双向流量传感器电路结构图；
[0036] 图3是本申请稳定性校准方法的一个实施例的流程图；
[0037] 图4是本申请呼吸机监控服务站的示意图。具体实施例
[0038] 为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和实施例对本发明做进一步说明。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
[0039] 参见图1，是本发明一个实施例的应用基于神经网络反馈的遗传算法进行稳定性校准的系统。
[0040] 在图1中，所述系统包括机械通气设备、气道压力调节器、与所述机械通气设备连接的呼吸机；所述气道压力调节器连接所述机械通气设备，并控制所述机械通气设备的通气参数；
[0041] 所述系统还包括神经网络控制器，所述神经网络控制器控制所述气道压力调节器的调节参数；
[0042] 所述系统包括患者自主模式与自适应控制模式，
[0043] 在所述患者自主模式下，所述系统开启故障预测功能，并基于遗传算法提取气道压力调节器输出的调节参数的特征向量，从而实现故障预警；
[0044] 在所述自适应控制模式下，所述神经网络控制器利用所述患者实时监测的呼吸参数以及所述机械通气设备的通气参数，输出所述调节参数；
[0045] 其中，所述患者实时监测的呼吸参数，包括当前地区的海拔、气压、面罩漏气压以及无增压参数；
[0046] 所述基于遗传算法提取气道压力调节器输出的调节参数的特征向量，具体包括：
[0047] 提取调节参数中的气压、流量波形、震荡频率，分别进行向量化。
[0048] 参见图2，所述机械通气设备的通气参数通过双向流量传感器检测，所述双向流量传感器包括一个T型靶标和两个以不同模式运行的 LED指示灯组成；所述双向流量传感器置于软管中，工作温度为 20-40℃；
[0049] 所述双向流量传感器设置为多个通道采集，基于多个通道采集的流量参数，采用基于多通道模型的患者脱机预拔管决策法进行呼吸机支持解除的预测；
[0050] 所述双向流量传感器为固态硅集成式双向流量传感器，所述固态硅集成式双向流量传感器输入流量范围为-50～+60L/min，上升时间≤40ms，下降时间≤50ms。
[0051] 具体监控过程中，在所述患者自主模式下，不执行所述患者脱机预拔管决策法。在所述自适应控制模式下，执行所述患者脱机预拔管决策法。
[0052] 如果在所述患者自主模式下，检测到故障预警，则自动切换为所述自适应控制模式。
[0053] 在本实施例中，基于多通道模型的患者脱机预拔管决策法，是基于Pablo Casaseca-de-la-Higuera等人于2006年提出的多通道模型的患者脱机预拔管决策法基础上，结合本实施例采集的特征向量 (气压、流量波形、震荡频率)和患者参数(当前地区的海拔、气压、面罩漏气压以及无增压参数)的具体应用，现有技术尚未对此作出任何具体应用。
[0054] 进一步参见图3，是应用基于神经网络反馈的遗传算法进行稳定性校准的方法的一个实施例，所述方法基于前述的校准系统实现，所述方法包括：
[0055] S101：提取气道压力调节器输出的调节参数的特征向量；
[0056] S103：基于特征向量，采用患者脱机预拔管决策法执行呼吸机支持解除的预测；
[0057] S105：如果预测结果为支持解除，则进入步骤S107；否则，进入步骤S109；
[0058] S107：进入患者自主模式；
[0059] S109：进入自适应控制模式。
[0060] 其中，步骤S107进一步包括：
[0061] S1071：判断是否检测到故障预警，如果是，则进入步骤S109。
[0062] 在本实施例中，所述支持解除，为医学上的″呼吸支持的解除″，即脱机。通常情况下，选择在自主呼吸能够维持下去时实施。
[0063] 参见图4，提供一种呼吸机监控服务站，所述呼吸机监控服务站包括前述的系统，所述服务站包括多台计算机控制器，所述计算机控制器包含存储器与处理器，用于实现前述的方法。
[0064] 通过上面具体实施方式，所述技术领域的技术人员可容易的实现本发明。但是应当理解，本发明并不限于上述的具体实施方式。在公开的实施方式的基础上，所述技术领域的技术人员可任意组合不同的技术特征，从而实现不同的技术方案。
