用于输注泵中的闭塞检测的系统和方法与流程

用于输注泵中的闭塞检测的系统和方法


背景技术：

1.通常，医疗患者有时需要使用输注泵以设定的周期性间隔精确地静脉内(“iv”)输送连续药物或药物。已知的输注泵提供受控的流体药物或药品输注，其中流体可以精确的速率给药，该精确的速率将药物/药品浓度保持在治疗裕度内并且在不必要或可能有毒的范围之外。输注泵以可控的速率向患者提供适当的药物/药品输送，这不需要频繁的关注。
2.输注泵可以促进临床环境内外患者的静脉内疗法给药。在临床设置之外，医生发现，在许多实例中，患者可以恢复基本正常的生活，前提是他们接收药物、药品或诸如生理盐水的其他流体的周期性或连续静脉内给药。需要这种给药的疗法类型当中有抗生素疗法、化疗、疼痛控制疗法、营养疗法和本领域技术人员已知的若干其他类型。在许多情况下，患者每天接受多种疗法。某些医疗条件需要在相对较短的周期内(诸如从30分钟到2小时)将药品输注到溶液中。这些条件和其他条件共同促进了越来越轻的便携式或流动输注泵的发展，这些输注泵可以由患者佩戴，并且能够以期望的速率给药连续药物的供应，或者以调度的间隔提供多剂药物。
3.已知的输注泵包括弹性体泵，它将溶液从柔性容器(诸如气球)挤压到iv导管中，以输送给患者。备选地，输注泵可以包括对溶液容器或储存器加压的弹簧加载泵。某些泵设计采用包含柔性隔室的筒，该柔性隔室由压力辊挤压以排出溶液。进一步地，已知的输注泵包括具有手指致动器或辊致动器的蠕动泵，它将压力施加到iv导管以将流体从流体容器输送到患者。
4.采用注射器的输注泵也是已知的。这些注射泵使用驱动机构来移动注射器的柱塞以将流体输送到患者。通常，这些输注泵包括适用于接收注射器装配件的外壳、适用于移动注射器柱塞的驱动机构以及具有各种操作控制的泵控制单元。
5.为了确保输注系统的安全且有效的操作，可能需要针对闭塞风险监测输注泵。闭塞涉及连接至输注泵的iv导管的任何阻塞或关闭，这从而可能限制流体流向患者。闭塞可能由于多种原因而发生，包括但不限于施加到泵的意外压力、iv导管的弯曲和/或由流体内的颗粒引起的堵塞。
6.用于闭塞检测的常规方法使用力传感器来检测在线iv导管压力。当在线压力达到或超过阈值时，这些力传感器测量结果间接指示闭塞。例如，iv导管可以被放置到输注泵的管道通道中。iv导管可以使用输注泵的盖子向上压靠在力传感器上。来自盖子的这种压缩力在幅度上可能类似于由闭塞引起的压力，这可能导致力传感器发送被错误地解释为存在闭塞的力测量结果。因此，由盖子施加的力必须从力传感器输出中去除，以正确评估iv导管内的流体压力。然而，诸如与患者的静脉内连接的高度和与输注泵相关联的各种设备(例如流体容器、泵送室、iv导管等)的特性的外部因素也可能影响力传感器的测量，从而影响使用力传感器来确定闭塞状态的可靠性。另外，最初被压靠在力传感器上的iv导管可以随着时间的推移在输注泵的受限管道通道内逐渐松弛。这可以降低由力传感器测量的压力，这进一步影响了用于这种闭塞检测的方法的可靠性。
7.克服或最小化这些外部因素的影响的一种方式是计算力基线。这种力基线可以在
输注开始之前或输注开始期间被捕获。力基线可以从测量的力中减去，以提供管道本身内的力的更准确的读数。这种方法的问题在于，这些外部因素可能会随着时间的推移而变化，因此可能还需要调整力基线，以考虑不断变化的外部因素。然而，对力基线的调整可能与外部因素的变化不同步。进一步地，用于进行这些调整的工具可能经常难以区分外部因素的变化与iv导管的压力的变化。调整力基线的这种滞后往往会导致错误的闭塞检测。
8.因此，需要一种更准确可靠的方法和系统来检测输注泵中的闭塞。


技术实现要素：

9.本公开提供了一种用于使用人工智能进行闭塞检测的新颖且创新的方法和系统。在各种实施例中，闭塞可以被检测到的设备是输注泵。在各种实施例中，输注泵是蠕动泵、注射泵或被配置为将药物输送给患者的流动泵。应该了解到，在各种实施例中，设备是任何类型的医疗设备或者任何其他合适的设备，其中检测设备内发生的任何闭塞对于其安全有效的操作至关重要。
10.所公开的方法包括预处理来自输注泵压力样本的输入数据的步骤、使用来自参考输注泵压力样本的预处理数据训练机器学习模型(例如支持向量机)的步骤，以及将训练后的机器学习模型应用于来自输注阶段的预处理输入数据以实时检测闭塞。预处理步骤涉及接收一种或多种类型的输入数据，包括但不限于(1)周期性输注样本内的物理力(例如由力传感器检测到的力和/或压力)的当前测量结果，(2)输注开始处的物理力的初始测量结果(例如参考或基线力)，(3)表示物理力的长期历史的度量(例如由物理力的当前测量结果相对于从前的物理力的测量结果表示的斜率值)，以及(4)表示物理力的短期历史的度量(例如由物理力的当前测量结果相对于不久前的物理力的测量结果表示的斜率值)。不同类型的输入数据的使用使得所公开的机器学习模型能够区分缓慢变化的力(诸如管道沉降)和快速变化的力(诸如闭塞)。此外，预处理步骤使机器学习模型能够理想地找到表示闭塞场景与非闭塞场景的统计显著差异。
11.机器学习模型的训练可以包括接收训练数据集，该训练数据集包括具有已知输出的参考输注事件(例如闭塞或不存在闭塞)的上述输入数据(例如(1)物理力的当前测量结果，(2)输注开始处的物理力的初始测量结果，(3)表示物理力的长期历史的度量，以及(4)表示物理力的短期历史的度量)。接收到的输入数据集可以被布置为输入向量并且与其对应的输出相关联。例如，x的训练数据集可以包括n个输入向量x1、...、xn，具有相应的目标值y1、...、yn，其中yn∈{-1,1}。如果由给定输入向量xn表示的给定数据样本不涉及闭塞，则该给定输入向量可以与输出y＝-1相关联。相反，如果由给定输入向量xn表示的给定数据样本涉及闭塞，则该给定输入向量可以与输出y＝1相关联。
12.鉴于输注系统中的闭塞检测的性质，支持向量机(“svm”)可以被使用以训练机器学习模型。因此，数据集可以被分类为两组(例如闭塞和无闭塞)，并且具有最优边界的决策边界可以被确定(例如优化闭塞和未闭塞数据之间的裕度)。用于训练数据集的最优决策边界的参数可以被存储以在输注治疗期间使用。
13.训练后的机器学习模型随后可以与新的样本数据集一起采用，以便检测何时发生闭塞。例如，当输注泵被配置用于治疗，并且力传感器开始测量物理力时，上述类型的输入数据的新值被获得(例如(1)物理力的当前测量结果，(2)输注开始处的物理力的初始测量
结果，(3)表示物理力的长期历史的度量，以及(4)表示物理力的短期历史的度量)。输入向量可以使用输入数据形成，然后被输入到训练后的机器学习算法中，以确定是否发生了闭塞。
14.根据本文的公开，并且在不以任何方式限制本公开的情况下，在本公开的第一方面中，除非另有指定，否则可以与本文列出的任何其他方面组合，一种用于检测闭塞的输注泵装置包括：静脉内(“iv”)导管，具有被流体耦合至患者的第一端和被流体耦合至容器的第二端；泵送机构，能由iv导管的一部分操作以提供流体从容器到患者的受控输送；力传感器，被耦合至iv导管以测量由流体引起的物理力；一个或多个处理器；以及存储指令的存储器。当由一个或多个处理器执行时，指令使一个或多个处理器经由力传感器并且在输注阶段的开始期间接收由通过iv导管的流体运动引起的物理力的初始测量结果，并且基于与输注阶段相关联的一个或多个参数来标识训练后的支持向量机以用于闭塞检测。一个或多个处理器还被配置为在输注阶段期间以预定间隔生成特征向量，该特征向量包括由力传感器测量的物理力的初始测量结果、由力传感器测量的物理力的当前测量结果、物理力的测量结果的长期变化以及物理力的测量结果的短期变化。一个或多个处理器还被配置为在输注阶段期间以预定间隔将特征向量输入到训练后的支持向量机中，以输出对iv导管中存在或不存在闭塞的检测，并且当闭塞的存在被检测到时，暂停或终止输注阶段。
15.根据本公开的第二个方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，生成特征向量还包括经由力传感器接收物理力的当前测量结果，基于物理力的第一先前测量结果来确定物理力的测量结果的长期变化，并且基于物理力的第二先前测量结果来确定物理力的测量结果的短期变化。
16.根据本公开的第三方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，在被执行时，该指令进一步使一个或多个处理器使用来自多个参考输注阶段的训练数据集来训练支持向量机，该多个参考输注阶段共享输注阶段的一个或多个参数。
17.根据本公开的第四方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，训练支持向量机还包括：针对多个参考输注阶段中的每个参考输注阶段，接收与相应输注阶段期间的一个或多个时间相对应的一个或多个参考特征向量，其中，给定参考特征向量包括在相应的参考输注阶段开始处的物理力的参考初始测量结果、在参考输注阶段期间的一个或多个时间中的给定时间处的物理力的参考当前测量结果、物理力的测量结果的参考长期变化以及物理力的测量结果的参考短期变化。还接收在相应输注阶段期间的一个或多个时间处存在或不存在闭塞的指示。训练支持向量机还包括：针对多个参考输注阶段中的每个参考输注阶段，将一个或多个特征向量与闭塞存在的指示或闭塞不存在的指示相关联；基于优化裕度来确定训练数据集的决策边界，其中，决策边界将与闭塞的存在的指示相关联的参考特征向量从与闭塞的不存在的指示相关联的参考特征向量划分开；并且基于决策边界来生成训练后的支持向量机。
18.根据本公开的第五方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，物理力的测量结果的长期变化包括由物理力的当前测量结果相对于从前的物理力的测量结果表示的斜率值。
19.根据本公开的第六方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，从前包括在先前一至两分钟处记录的物理力的一个或多个测量结果。
20.根据本公开的第七方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，物理力的测量结果的长期变化包括斜率值，该斜率值等于物理力的当前测量结果减去从前的物理力的测量结果，除以在物理力的当前测量结果和从前的物理力的测量结果之间记录的测量结果的数量。
21.根据本公开的第八方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，从前包括在先前一至两分钟处记录的物理力的一个或多个测量结果。
22.根据本公开的第九方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，物理力的测量结果的短期变化包括由物理力的当前测量结果相对于不久前的物理力的测量结果表示的斜率值。
23.根据本公开的第十方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，不久前包括在先前50毫秒至100毫秒处记录的物理力的一个或多个测量结果。
24.根据本公开的第十一方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，物理力的测量结果的短期变化包括斜率值，该斜率值等于物理力的当前测量结果减去不久前的物理力的测量结果，除以在物理力的当前测量结果和不久前的物理力的测量结果之间记录的测量结果的数量。
25.根据本公开的第十二方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，不久前包括在先前50毫秒至100毫秒处记录的物理力的一个或多个测量结果。
26.根据本公开的第十三方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，一个或多个处理器被配置为在闭塞的存在被检测到时，使警告或警报被显示在用户界面上。
27.根据本公开的第十四方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，用于检测闭塞的输注系统包括被耦合至iv导管的力传感器，以测量由iv导管内的流体引起的物理力，该iv导管具有被流体耦合至患者的第一端和被流体耦合至容器的第二端。系统还包括被通信地耦合至力传感器的输注设备。输注设备包括：泵送机构，能由iv导管的一部分操作以提供流体从容器到患者的受控输送；用户界面；一个或多个处理器；以及存储器，存储多个训练后的支持向量机和指令，在由一个或多个处理器执行时，该指令使一个或多个处理器经由力传感器并且在输注阶段开始期间接收由通过iv导管的流体运动引起的物理力的初始测量结果，并且基于与输注阶段相关联的一个或多个参数，在多个训练后的支持向量机当中标识用于闭塞检测的训练后的支持向量机。一个或多个处理器还被配置为在输注阶段期间以预定间隔生成特征向量，该特征向量包括由力传感器测量的物理力的初始测量结果、由力传感器测量的物理力的当前测量结果、物理力的测量结果的长期变化以及物理力的测量结果的短期变化。一个或多个处理器还被配置为在输注阶段期间以预定间隔将特征向量输入到训练后的支持向量机中，以输出对iv导管中存在或不存在闭塞的检测，并且当闭塞的存在被检测到时，使指示闭塞的警告或警报被显示在用户界面上。
28.根据本公开的第十五方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，一个或多个处理器被配置为在闭塞的存在被检测到时暂停或终止输注阶段。
29.根据本公开的第十六方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，力传感器被整体形成或流体连接至iv导管。
30.根据本公开的第十七方面，除非另有规定，否则可以与本文列出的任何其他方面
组合使用，生成特征向量还包括经由力传感器接收物理力的当前测量结果，基于物理力的第一先前测量结果来确定物理力的测量结果的长期变化，并且基于物理力的第二先前测量结果来确定物理力的测量结果的短期变化。
31.根据本公开的第十八方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，在被执行时，指令进一步使一个或多个处理器使用来自多个参考输注阶段的训练数据集来训练支持向量机，该多个参考输注阶段共享输注阶段的一个或多个参数。
32.根据本公开的第十九方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，训练支持向量机还包括：针对多个参考输注阶段中的每个参考输注阶段，接收一个或多个参考特征向量，该一个或多个参考特征向量对应于相应输注阶段期间的一个或多个时间，其中，给定参考特征向量包括在相应参考输注阶段开始处的物理力的参考初始测量结果、在参考输注阶段期间的一个或多个时间中的给定时间处的物理力的参考当前测量结果、物理力的测量结果的参考长期变化和物理力的测量结果的参考短期变化。还接收在相应输注阶段期间的一个或多个时间处存在或不存在闭塞的指示。训练支持向量机还包括：针对多个参考输注阶段中的每个参考输注阶段，将一个或多个特征向量与闭塞存在的指示或闭塞不存在的指示相关联，基于优化裕度来确定训练数据集的决策边界，其中，决策边界将与闭塞的存在的指示相关联的参考特征向量从与闭塞的不存在的指示相关联的的参考特征向量划分开，并且基于决策边界来生成训练后的支持向量机。
33.根据本公开的第二十方面，除非另有规定，否则可以与本文列出的任何其他方面组合使用，一种用于检测闭塞的输注泵方法包括：在输注设备的处理器中，在输注阶段开始期间从力传感器接收由通过iv导管的流体运动引起的物理力的初始测量结果，iv导管具有被流体耦合至患者的第一端和被流体耦合至容器的第二端，并且经由处理器基于与输注阶段相关联的一个或多个参数来标识用于闭塞检测的训练后的支持向量机。方法还包括在输注阶段期间以预定间隔经由处理器生成特征向量，该特征向量包括由力传感器测量的物理力的初始测量结果、由力传感器测量的物理力的当前测量结果、物理力的测量结果的长期变化以及物理力的测量结果的短期变化。方法还包括在输注阶段期间以预定间隔经由处理器将特征向量输入到训练后的支持向量机中，以输出对iv导管中存在或不存在闭塞的检测，并且当闭塞的存在被检测到时，经由处理器暂停或终止输注阶段。
34.根据本公开的第二十一方面，结合图1至9中的任何一个或多个公开的任何结构、功能性和替代方案可以与结合图1至9中的任何其他一个或多个公开的任何其他结构、功能性或替代方案组合。
35.鉴于本公开和以上方面，因此，本公开的优点是提供一种输注系统，该输注系统被配置为检测闭塞，同时补偿iv导管或输注系统内的长期和短期变更。
36.本公开的另一优点是训练和使用支持向量机来检测iv导管中的闭塞。
37.附加特征和优点在以下详细描述和附图中进行了描述，并且将从中显而易见。本文描述的特征和优点并非包罗万象，并且具体地，鉴于附图和描述，许多附加特征和优点对于本领域的普通技术人员来说将是显而易见的。而且，任何特定的实施例不必具有本文列出的所有优点，并且明确设想单独地要求保护各个有利实施例。而且，应该注意，选择说明书中使用的语言主要是为了可读性和指导目的，而不是为了限制本发明主题的范围。
附图说明
38.图1是图示了根据本公开的实施例的用于闭塞检测的示例两类分类的曲线图。
39.图2是图示了根据本公开的实施例的最大裕度分类器的曲线图。
40.图3是示出了根据本公开的实施例的示例闭塞训练数据集的矩阵。
41.图4是示出了根据本公开的示例实施例的示例闭塞训练数据集的示例目标值的向量。
42.图5是图示了根据本公开的实施例的用于训练用于闭塞检测的模型的方法的流程图。
43.图6是图示了根据本公开的实施例的用于使用训练模型的输注系统中的闭塞检测的方法的流程图。
44.图7和8是根据本公开的示例实施例的输注设备的图，该输注设备被配置为使用训练后的支持向量机来执行图6的方法。
45.图9是根据本公开的示例实施例的被配置为执行结合图5描述的操作的输注系统的图。
具体实施方式
46.在线闭塞检测对于输注系统的安全且有效的操作至关重要。用于闭塞检测的最常见的方法采用力传感器来检测在线压力(例如由被耦合至输注设备的iv导管内的流体引起的压力)。基于检测到的在线压力是否达到或超过预设阈值，检测到的在线压力可以间接指示闭塞状态(例如闭塞的存在或不存在)。然而，闭塞的假警报可能由于多种因素而发生，包括但不限于输注系统的变更和与患者相关的变更。本公开提供了用于输注系统中的闭塞检测的更稳健、准确和/或可靠的系统和方法。此外，本公开包括用于预处理数据并且使用特定人工智能模型(例如支持向量机)的新颖且非显而易见的系统和方法，该人工智能模型特别适合于检测在输注系统中发生的上游和下游闭塞。
47.用于输注系统中的闭塞检测的一些实施例可以包括各种部分，即，预处理输入数据，训练用于闭塞检测的机器学习模型以及应用机器学习模型。在以下段落中，这些部分将被更详细地讨论。
48.用于预处理输入数据的方法可以通过从力传感器接收数据开始。如先前讨论的，力传感器可以被耦合至输注设备的iv导管，以测量由导管内的流体引起的物理力。流体由输注设备输送，用于输注到患者中。在一些实施例中，来自力传感器的物理力的测量结果可以被周期性地采样(例如测量结果可以预定时间间隔获得)。这些采样的测量读数可以被馈送到本文进一步描述的闭塞检测模型中。此外，这些样本可以被缓冲、平均、累积和/或计数(例如预处理)，以确定物理力的基线测量结果和物理力的阈值。例如，从力传感器接收的数据可以被预处理以表示：
49.(a)周期性间隔的物理力的当前测量结果；
50.(b)输注开始处的初始参考—目的是为算法提供输注治疗的泵对泵、设置对设置参考；
51.(c)物理力的长期变化的指示符(例如为机器学习模型提供物理力在足够长的周期内的标记，以使物理力的显著上升或下降变得明显)；以及
52.(d)物理力的短期变化的指示符(例如为机器学习模型提供物理力的当前进展的标记(例如物理力上升或下降的速度))。
[0053]“(a)”的输入可以是物理力的测量结果，作为实时周期性采样的一部分。
[0054]“(b)”的输入可以是输注阶段开始处的物理力的测量结果。
[0055]“(c)”和“(d)”的输入可以包括物理力的当前测量结果和过去某个时候物理力的测量结果的斜率。例如，斜率可以被用于提供容易计算的值，这使得需要被存储在输注系统和/或输注设备中(例如在微控制器、存储器和/或电子存储设备处)的信息量最小化。
[0056]
针对“(c)”的输入，过去1至2分钟的物理力的测量结果可以被保持，并且被用于用物理力的当前测量结果计算斜率。在其他实施例中，(c)的输入可以使用在过去30秒至10分钟之间的物理力的测量结果。在示例中，输入(c)可以被计算为：
[0057]
slope
1min
＝(x
current-x
1minref
)/12000，
[0058]
其中x
current
是物理力的当前测量结果，并且x
1minref
是过去1至2分钟的物理力的测量结果。差异可以除以一个值(例如12000)，以表示在力传感器的5毫秒(“ms”)采样率(例如间隔率)下在1分钟内采集的样本数量。
[0059]
针对“(d)”，过去50至100ms的物理力的样本测量结果可以被保持，并且被用于用物理力的当前样本测量结果计算斜率。因此，输入(d)可以被计算为：
[0060]
slope
50ms
＝(x
current-x
50msref
)/10，
[0061]
其中x
current
是当前adc样本，并且x
50msref
是过去50至100毫秒的参考adc样本。10值可以表示在力传感器的5ms采样率下在50ms内采集的样本数量。在其他实施例中，(d)的输入可以使用在过去1ms至5秒之间的物理力的测量结果。
[0062]
表示物理力的长期和短期变化的预处理输入(例如经由斜率信息)提供了机器学习模型信息，这可以帮助区分缓慢变化的力(诸如管道沉降)和快速变化的力(诸如闭塞)。尽管要理解，并非所有的闭塞压力变化都发生得很快，但是向机器学习模型提供捕获物理力变化的至少两个这种上述输入可以允许机器学习模型发现表示闭塞场景与非闭塞场景的统计显著差异。此外，捕获物理力变化的两个上述输入也可以被用于检测iv导管(例如输注通路)可能在开始输注阶段或治疗之前被阻塞的场景。
[0063]
图1是图示了根据本公开的实施例的用于闭塞检测的示例两类分类的曲线图。鉴于输注系统中的闭塞检测的性质，支持向量机(“svm”)是一种可以被定制并且应用于闭塞检测的机器学习工具的示例。如图1中可以看到的，决策边界100被选择为裕度被最大化的一个决策边界。决策边界的线性模型形式可以被表达为以下方程：
[0064]
f(x)＝ω
t
x+b＝0,
[0065]
其中x是包括n个输入向量x1、...、xn的训练闭塞数据集，具有对应的目标值y1、...、yn，其中yn∈{-1,1}。闭塞和非闭塞在yn中分别由1和-1表示。参数ω和b被选择，使得针对具有yn＝1的点，公式1满足f(xn)》0，并且针对具有yn＝-1的点满足f(xn)《0。支持向量是距离图1中的决策边界100最近的向量。
[0066]
图2是图示了最大裕度分类器的曲线图。如图2所示，为了优化被闭塞和未被闭塞数据之间的裕度并且进一步导出ω，支持向量x和决策边界之间的距离被最大化。优化问题可能涉及
║
ω
║
的最小化，这可以经由以下方程来实现：
[0067][0068]
其中γ是支持向量x和决策边界之间的距离。
[0069]
变换后的优化问题可以被表示为以下方程：
[0070][0071]
为了解决这个约束优化问题，下面所示的拉格朗日对偶方法可以被采用：
[0072][0073]
其中αn包括满足αn≥0的拉格朗日乘子。进一步地，通过将l(ω,b,α)相对于ω和b的偏导数设置为等于零，ω和b可以从l(ω,b,α)中消除，从而给出最大裕度问题的对偶表示，其中最大化的α可以被表达为：
[0074]
并且
[0075][0076]
将以上公式合并到拉格朗日对偶方法的公式中可以得到：
[0077][0078]
s.t.，αi≥0，i＝1，...，n
[0079][0080]
上述方法可以被用于解决线性分类问题。为了构建稳健的闭塞算法，可以假设存在非线性闭塞数据集。然后，内核函数可以被引入本文中，以将当前闭塞数据映射到更高维度，以便确定决策边界。以下公式可以被用于引入内核函数κ来代替上述方法中的
[0081][0082]
其中内核函数可以是多项式、线性和高斯函数，如下面表达的：
[0083]
多项式：κ(x1，x2)＝(《x1，x2》+r)d，r和d是映射参数
[0084]
线性：κ(x1，x2)＝《x1，x2》
[0085]
高斯：σ是衰减参数。
[0086]
为了便于解释，在先前章节中采用了线性内核函数来演示本文描述的各种实施例。
[0087]
图3是示出了根据本公开的实施例的示例闭塞检测训练数据集的矩阵。如先前讨
论的，支持向量机(“svm”)可以被采用于构建用于闭塞检测的定制模型。闭塞检测训练数据集x是包括n个输入向量x1、...、xn的矩阵，并且可以表示闭塞相关参数，诸如adc计数、斜率、流率、电流消耗、温度等。如图3中可以看到的，为了演示的目的，已经为向量x选择了五个参数：adc计数的当前测量结果、负载adc计数、流率、物理力的测量结果的长期变化(例如一分钟斜率)以及物理力的测量结果的长期变化(例如50ms斜率)。在图3所示的示例闭塞检测训练数据集中，选择五维数据集进行训练。五维数据集也可以被用于训练模型的应用。如先前讨论的，参数还可以或备选地包括例如周期性间隔的物理力的当前测量结果、物理力的初始测量结果(例如在输注阶段开始处)、物理力的测量结果的长期变化的指示符、物理力的测量结果的短期变化的指示符等。因此，基于所使用的参数数量，数据集的维度可以相应地对应。
[0088]
图4是示出了根据本公开的示例实施例的图3的示例闭塞训练数据集的示例目标值的向量。为了便于监督机器学习，训练数据集可以具有指示是否存在闭塞的已知目标值。因此，图4所示的向量中的每个目标值对应于图3中的五维特征向量。
[0089]
图5是图示了根据本公开的实施例的用于训练用于闭塞检测的模型的方法的流程图。方法可以由与输注系统相关联的一个或多个处理器来执行。方法可以在预处理从与输入系统相关联的力传感器接收的输入数据之后执行。训练可以涉及从多个参考样本获得的闭塞检测训练数据集(例如如图3和4所示)。参考样本可以来自各种患者、过去的数据、外部库或数据库等。
[0090]
在步骤502中，输注系统可以为多个参考样本(例如n个参考样本)中的每个参考样本创建具有m个特征的预处理输入数据的参考特征向量。正如图3中描述的输入特征向量由于存在五个参数而是五维的一样，参考特征向量也可以由于m个特征而是m维的。作为示例，m个特征可以包括但不限于参考输注阶段开始处的物理力的初始测量结果、参考输注阶段的周期性间隔期间的物理力的当前测量结果、物理力的长期变化、物理力的短期变化等，如标注503所示。
[0091]
在步骤504中，输注系统可以针对n个参考样本中的每个参考样本接收对应的目标值y，指示闭塞的存在或不存在。正如图4中的目标值指示图3中的训练数据集的闭塞的存在或不存在一样，步骤504中的目标值y可以指示在步骤502中接收的每个样本是否指示闭塞的存在或者不存在。目标值y可以包括与n个参考样本相对应的n个值。给定指示的二进制性质(例如存在或不存在闭塞)，目标值可以包括例如-1指示不存在闭塞，或者包括1指示存在闭塞。
[0092]
在步骤506中，输注系统可以初始化和/或再生决策边界(例如图1的决策边界100)。当训练数据集被映射时，输注系统可以使用图5中描述的训练方法来学习如何将与具有闭塞指示的数据点相对应的数据点从具有无闭塞指示的数据点划分开(例如经由决策边界100)。在学习过程中，输注系统最初可能会创建决策边界，该决策边界可能不一定是最优的。在步骤508中，基于决策边界100，输注系统可以确定参考样本n中的每个参考样本的支持向量xi←
xj。
[0093]
在步骤510中，内核函数k(x1,x2)可以被计算。在一些实施例中，输注系统可以优化拉格朗日乘子，例如以确定最优决策边界。
[0094]
在步骤514中，输注系统可以确定为数据集生成的决策边界是否是最优的(例如决
策边界是否具有来自二进制分类数据点的最大裕度)。如果发现决策边界不是最优的，则步骤506至514可以被重复。
[0095]
否则，训练后的支持向量机及其学习的参数可以在步骤516中被存储，例如被存储在与输注系统相关联的电子存储介质中。例如，先前讨论的决策边界向量ω和b可以通过图5所示的训练方法来计算。如图6所示，训练后的支持向量机的存储参数ω和b然后可以在新的输注阶段期间在应用训练后的支持向量机期间被采用于实时闭塞检测。
[0096]
图6是图示了根据本公开的实施例的用于使用训练模型的输注系统中的闭塞检测的方法的流程图。
[0097]
在步骤602中，输注系统可以在输注阶段期间以预定间隔生成具有m个特征的预处理输入数据的特征向量。m个特征可以包括例如在参考输注阶段开始处的物理力的初始测量结果、在参考输注阶段的周期性间隔期间物理力的当前测量结果、物理力的长期变化、物理力的短期变化等，如标注603所示。
[0098]
在步骤604中，输注系统可以接收训练后的支持向量机(例如训练后的参数ω和b)。在一些实施例中，可以存在外部存储的多个训练后的支持向量机，每个训练后的支持向量机对应于输注系统特有的具体参数。适当的训练后的支持向量机可以使用输注系统特有的参数来标识并且检索其训练参数。在步骤606中，输注系统可以使用在从步骤602开始的具体时间间隔期间形成的特征向量来运行具有其训练参数ω和b的支持向量机。
[0099]
因此，在步骤608中，支持向量机可以实时检测是否存在闭塞。如果没有闭塞的指示，则步骤602至608可以例如基于在输注阶段的下一时间间隔的预处理输入数据来重复。否则，在步骤610中，输注系统可以报告闭塞。例如，输注系统可以在显示设备上显示闭塞的指示。而且或备选地，输注系统可以在检测到闭塞时终止输注阶段。
[0100]
示例输注系统和输注设备
[0101]
图7是根据本公开的示例实施例的输注设备700的图，该输注设备700被配置为使用训练后的支持向量机702来执行图6的方法。输注设备700是输注泵，诸如注射泵、流动泵或蠕动泵。输注设备700被连接至用于支撑的支架704。
[0102]
输注设备700被配置为接收iv导管706。在示例中，输注设备700的盖子708开启，使得iv导管706能够被插入。iv导管706a的第一端被流体地耦合至流体容器，该流体容器容纳用于输注治疗的药品、药物或其他流体。iv导管706b的第二端经由静脉内连接被流体地耦合至患者。
[0103]
输注设备700包括用户界面710，用于接收操作员输入(例如流率)，诸如上面讨论的一个或多个参数。用户界面710还显示包括输注治疗的状态和指示闭塞的警报/警告的信息。用户界面710包括触摸屏和小键盘。在其他实施例中，用户界面710可以仅包括触摸屏或小键盘。
[0104]
图7的输注设备700还包括处理器712、存储器714和通信模块716。虽然一个处理器712被示出，但是输注设备700可以包括多个处理器。处理器712包括控制器、逻辑设备等，它被配置为执行存储在存储器714中的训练后的支持向量机702(例如算法)。处理器712还被配置为执行存储在存储器714中的一个或多个指令，当由处理器712执行时，该指令使处理器712执行本文描述的操作以提供输注治疗。存储器714包括任何存储器设备，包括只读存储器、闪存、随机存取存储器、硬盘驱动器、固态驱动器等。
[0105]
通信模块716被配置用于与网络(诸如互联网、蜂窝网络和/或本地医院网络)进行无线和/或有线通信。通信模块716可以被配置例如用于wi-fi或以太网通信。在所图示的示例中，通信模块716被配置为经由网络从服务器或临床医生计算机接收训练后的支持向量机702(包括训练参数ω和b)。在其他示例中，处理器712可以执行图5的方法来训练支持向量机702。通信模块716还可以接收指定要执行的输注治疗的一个或多个参数。进一步地，当闭塞被检测到时，通信模块716可以向服务器发送警告或警报消息。
[0106]
图7的输注设备700还包括驱动机构718、电动机720、电池/电力调节器722和传感器724。驱动机构718和电动机720一起包括泵送机构。处理器712被配置为向电动机720发送信号或命令，该信号或命令使电动机720以特定方向和速度旋转或以其他方式操作。电动机720的驱动轴的移动或旋转使驱动机构718致动或以其他方式在iv导管706(或在替代实施例中的流体容器，其中流体容器被放置在输注设备内部)上提供力。驱动机构718可以包括手指致动器或旋转致动器，它在iv导管706上施加压力以将流体从流体容器输送到患者用于输注治疗。驱动机构718和电动机720被共同配置为提供0.1毫升/小时至1000毫升/小时之间的流体输送的精确控制。
[0107]
针对注射泵，驱动机构718可以包括推动注射器柱塞的活塞或其他致动器。在一些实施例中，电动机720可以旋转驱动螺杆，这使驱动机构718在柱塞上施加力。
[0108]
电池/电力调节器722被配置为为输注设备700提供电力。电力调节器将基于插座的ac电力转换为dc电力。电池提供恒定的dc电力。
[0109]
力传感器724被配置为测量由iv导管706施加的压力。力传感器724可以包括压阻传感器、基于电容的力传感器、膜传感器、应变计等。在所图示的示例中，力传感器724位于输注设备700内。图8示出了替代实施例，其中力传感器724位于输注设备700的外部。在这些替代实施例中，力传感器724可以经由导线(例如通用串行总线或串行连接)被连接至输注设备700。备选地，力传感器724可以经由或其他无线连接被连接至输注设备700。在一些实施例中，力传感器724可以包括与iv导管集成的压力舱。
[0110]
在一些实施例中，图7和8的处理器712被配置为执行结合图6描述的方法。在这些实施例中，处理器712从力传感器724接收由iv导管706施加的物理力的测量结果，该物理力是由从流体容器泵送的流体引起的。处理器712基于编程的输注治疗来选择训练后的支持向量机702。处理器712然后记录来自力传感器724的采样的力或压力测量结果，并且计算iv导管706内物理力的长期和短期变化的斜率(例如上面讨论的(a)、(b)、(c)和(d))。处理器712使用(a)、(b)、(c)和(d)来创建被输入到所选择的训练后的支持向量机702中的特征向量。处理器712然后接收来自训练后的支持向量机702的输出，以指示是否检测到闭塞。当闭塞被检测到时，处理器712可以使警告和/或警报被显示在用户界面710上。进一步地，处理器712还可以使指示闭塞的消息经由通信模块716发送到网络。处理器712可以针对每个新的力测量结果执行结合图6描述的方法。备选地，处理器712可以编程的周期性间隔执行该方法，诸如每50毫秒、100毫秒、500毫秒、1秒、2秒等。
[0111]
图9是根据本公开的示例实施例的被配置为执行结合图5描述的操作的输注系统900的图。输注系统900包括图7和8的输注设备700。输注系统900还包括经由网络904被连接至输注设备700的服务器902，网络904可以包括任何蜂窝、广域网和/或局域网。服务器902可以是健康信息系统的一部分并且包括临床医生计算机。
[0112]
在所图示的示例中，服务器902接收训练数据906，诸如上面讨论的n个参考样本。训练数据906可以从手动获得的数据输入到服务器902中。附加地或备选地，训练数据906可以从包括输注设备700的一个或多个输注设备接收。
[0113]
如上面讨论的，服务器902被配置为使用训练数据906为输注治疗的具体参数创建一个或多个训练后的支持向量机702。服务器902可以经由网络904将训练后的支持向量机702发送到输注设备700。备选地，服务器902可以在开始治疗之前从输注设备700接收一个或多个参数(例如流率)。服务器902选择与接收到的输注参数匹配或对应的训练后的支持向量机702，并且将所选择的训练后的支持向量机702发送到输注设备700用于闭塞检测。
[0114]
结论
[0115]
应该理解，对本文描述的当前优选实施例的各种变化和修改对本领域技术人员来说是显而易见的。在不偏离本主题的精神和范围以及不削弱其预期优点的情况下，可以进行这种变化和修改。因此，这种变化和修改被所附权利要求覆盖。

技术特征：
1.一种用于检测闭塞的输注泵装置，所述装置包括：静脉内(“iv”)导管，所述iv导管具有被流体耦合至患者的第一端和被流体耦合至容器的第二端；泵送机构，所述泵送机构能由所述iv导管的一部分操作，以提供流体从所述容器到所述患者的受控输送；力传感器，所述力传感器被耦合至所述iv导管，以测量由所述流体引起的物理力；一个或多个处理器；以及存储器，所述存储器存储指令，所述指令当由所述一个或多个处理器执行时使所述一个或多个处理器：经由所述力传感器并且在输注阶段的开始期间，接收由通过所述iv导管的流体运动引起的物理力的初始测量结果，基于与所述输注阶段相关联的一个或多个参数，标识用于闭塞检测的训练后的支持向量机；在所述输注阶段期间以预定间隔生成特征向量，所述特征向量包括：由所述力传感器测量的所述物理力的所述初始测量结果，由所述力传感器测量的所述物理力的当前测量结果，所述物理力的所述测量结果的长期变化，以及所述物理力的所述测量结果的短期变化；在所述输注阶段期间以所述预定间隔将所述特征向量输入到所述训练后的支持向量机中，以输出对所述iv导管中存在或不存在闭塞的检测；以及当所述阻塞的所述存在被检测到时，暂停或终止所述输注阶段。2.根据权利要求1所述的装置，其中，生成所述特征向量还包括：经由所述力传感器，接收所述物理力的当前测量结果；基于所述物理力的第一先前测量结果，确定所述物理力的所述测量结果的长期变化；以及基于所述物理力的第二先前测量结果，确定所述物理力的所述测量结果的短期变化。3.根据权利要求1或2所述的装置，其中，所述指令当被执行时还使所述一个或多个处理器：使用来自多个参考输注阶段的训练数据集来训练所述支持向量机，所述多个参考输注阶段共享所述输注阶段的所述一个或多个参数。4.根据权利要求3所述的装置，其中，训练所述支持向量机还包括：针对所述多个参考输注阶段中的每个参考输注阶段，接收：一个或多个参考特征向量，所述一个或多个参考特征向量对应于在相应输注阶段期间的一个或多个时间，其中，给定参考特征向量包括：在所述相应参考输注阶段的开始处的所述物理力的参考初始测量结果，在所述参考输注阶段期间的所述一个或多个时间中的给定时间处的所述物理力的参考当前测量结果，所述物理力的所述测量结果的参考长期变化，以及所述物理力的所述测量结果的参考短期变化，以及
在所述相应输注阶段期间的所述一个或多个时间存在或不存在闭塞的指示；针对所述多个参考输注阶段中的每个参考输注阶段，将所述一个或多个特征向量与所述闭塞的所述存在的所述指示或所述闭塞的所述不存在的所述指示相关联；基于优化的裕度，来确定所述训练数据集的决策边界，其中，所述决策边界将与所述闭塞的所述存在的所述指示相关联的所述参考特征向量和与所述闭塞的所述不存在的所述指示相关联的所述参考特征向量划分开；以及基于所述决策边界，来生成所述训练后的支持向量机。5.根据权利要求1、2或4所述的装置，其中，所述物理力的所述测量结果的所述长期变化包括：由所述物理力的所述当前测量结果相对于在从前的所述物理力的测量结果所表示出的斜率值。6.根据权利要求5所述的装置，其中，所述从前包括：在先前一至两分钟所记录的所述物理力的一个或多个测量结果。7.根据权利要求1、2或4所述的装置，其中，所述物理力的所述测量结果的所述长期变化包括斜率值，所述斜率值等于所述物理力的所述当前测量结果减去在从前的所述物理力的测量结果，除以在所述物理力的所述当前测量结果和所述从前的所述物理力的所述测量结果之间记录的测量结果的数量。8.根据权利要求7所述的装置，其中，所述从前包括在先前一至两分钟所记录的所述物理力的一个或多个测量结果。9.根据权利要求1、2、4或5所述的装置，其中，所述物理力的所述测量结果的所述短期变化包括由所述物理力的所述当前测量结果相对于不久前的所述物理力的测量结果表示的斜率值。10.根据权利要求9所述的装置，其中，所述不久前包括在先前50毫秒至100毫秒所记录的所述物理力的一个或多个测量结果。11.根据权利要求1、2、4或7所述的装置，其中，所述物理力的所述测量结果的所述短期变化包括斜率值，所述斜率值等于所述物理力的所述当前测量结果减去在不久前的所述物理力的测量结果，除以在所述物理力的所述当前测量结果和所述不久前的所述物理力的所述测量结果之间记录的测量结果的数量。12.根据权利要求11所述的装置，其中，所述不久前包括在先前50毫秒至100毫秒所记录的所述物理力的一个或多个测量结果。13.根据权利要求1、2或4所述的装置，其中，所述一个或多个处理器被配置为：当所述闭塞的所述存在被检测到时，使警告或警报被显示在用户界面上。14.一种用于检测闭塞的输注系统，所述系统包括：力传感器，所述力传感器被耦合至iv导管，以测量由所述iv导管内的流体引起的物理力，所述iv导管具有被流体耦合至患者的第一端和被流体耦合至容器的第二端；以及输注设备，所述输注设备被通信地耦合至所述力传感器，所述输注设备包括：泵送机构，所述泵送机构能由所述iv导管的一部分操作以提供流体从所述容器到所述
患者的受控输送；用户界面，一个或多个处理器；以及存储器，所述存储器存储多个训练后的支持向量机以及指令，所述指令当由所述一个或多个处理器执行时使所述一个或多个处理器：经由所述力传感器并且在输注阶段的开始期间接收由通过所述iv导管的流体运动引起的物理力的初始测量结果，基于与所述输注阶段相关联的一个或多个参数，在所述多个所述训练后的支持向量机当中标识用于闭塞检测的训练后的支持向量机；在所述输注阶段期间以预定间隔生成特征向量，所述特征向量包括：由所述力传感器测量的所述物理力的所述初始测量结果，由所述力传感器测量的所述物理力的当前测量结果，所述物理力的所述测量结果的长期变化，以及所述物理力的所述测量结果的短期变化；在所述输注阶段期间以所述预定间隔将所述特征向量输入到所述训练后的支持向量机中，以输出对所述iv导管中存在或不存在闭塞的检测；以及当所述闭塞的所述存在被检测到时，使指示出所述闭塞的警告或警报被显示在所述用户界面上。15.根据权利要求14所述的系统，其中，所述一个或多个处理器被配置为：当所述闭塞的所述存在被检测到时，暂停或终止所述输注阶段。16.根据权利要求14或15所述的系统，其中，所述力传感器被整体形成于或流体连接于所述iv导管。17.根据权利要求14、15或16所述的系统，其中，生成所述特征向量还包括：经由所述力传感器，接收所述物理力的当前测量结果；基于所述物理力的第一先前测量结果，确定所述物理力的所述测量结果的长期变化；以及基于所述物理力的第二先前测量结果，确定所述物理力的所述测量结果的短期变化。18.根据权利要求14、15、16或17所述的系统，其中，所述指令当被执行时还使所述一个或多个处理器：使用来自多个参考输注阶段的训练数据集来训练所述支持向量机，所述多个参考输注阶段共享所述输注阶段的所述一个或多个参数。19.根据权利要求18所述的系统，其中，训练所述支持向量机还包括：针对所述多个参考输注阶段中的每个参考输注阶段，接收：一个或多个参考特征向量，所述一个或多个参考特征向量对应于在相应输注阶段期间的一个或多个时间，其中，给定参考特征向量包括：在所述相应参考输注阶段的开始处的所述物理力的参考初始测量结果，在所述参考输注阶段期间的所述一个或多个时间中的给定时间的所述物理力的参考当前测量结果，
所述物理力的所述测量结果的参考长期变化，以及所述物理力的所述测量结果的参考短期变化，以及在所述相应输注阶段期间的所述一个或多个时间存在或不存在闭塞的指示；针对所述多个参考输注阶段中的每个参考输注阶段，将所述一个或多个特征向量与所述闭塞的所述存在的所述指示或所述闭塞的所述不存在的所述指示相关联；基于优化的裕度，来确定所述训练数据集的决策边界，其中，所述决策边界将与所述闭塞的所述存在的所述指示相关联的所述参考特征向量和与所述闭塞的所述不存在的所述指示相关联的所述参考特征向量划分开；以及基于所述决策边界，来生成所述训练后的支持向量机。20.一种用于检测闭塞的输注泵方法，所述方法包括：在输注设备的处理器中，在输注阶段的开始期间并且从力传感器接收由通过iv导管的流体运动引起的物理力的初始测量结果，所述iv导管具有被流体耦合至患者的第一端和被流体耦合至容器的第二端；经由所述处理器，基于与所述输注阶段相关联的一个或多个参数，标识用于闭塞检测的训练后的支持向量机；经由所述处理器，在所述输注阶段期间以预定间隔生成特征向量，所述特征向量包括：由所述力传感器测量的所述物理力的所述初始测量结果，由所述力传感器测量的所述物理力的当前测量结果，所述物理力的所述测量结果的长期变化，以及所述物理力的所述测量结果的短期变化；经由所述处理器，在所述输注阶段期间以所述预定间隔将所述特征向量输入到所述训练后的支持向量机中，以输出对所述iv导管中存在或不存在闭塞的检测；以及当所述阻塞的所述存在被检测到时，经由所述处理器暂停或终止所述输注阶段。

技术总结
公开了用于检测输注设备中的闭塞的系统和方法。一种方法包括在输注阶段期间以预定间隔生成特征向量，特征向量包括由在输注阶段的开始处通过输注设备的流体运动引起的物理力的初始测量结果、物理力的当前测量结果、物理力的测量结果的长期变化以及物理力的测量结果的短期变化。在预定间隔期间，特征向量被输入到支持向量机(“SVM”)中，以输出输注设备中存在或不存在闭塞的指示。SVM可以使用来自参考输注阶段的参考数据来训练，参考输注阶段具有关于在参考输注阶段期间的不同时间处闭塞的存在或不存在的已知后果。的存在或不存在的已知后果。的存在或不存在的已知后果。


技术研发人员：史蒂文
受保护的技术使用者：巴克斯特医疗保健股份有限公司
技术研发日：2021.12.30
技术公布日：2023/8/31