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！

龙图腾网获悉北京航空航天大学申请的专利一种呼吸机-患者通气异步现象智能识别分类方法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：CN115068760B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202210666276.8，技术领域涉及：A61M16/00；该发明授权一种呼吸机-患者通气异步现象智能识别分类方法是由石岩;郝黎明;许少峰;王一轩;王娜;孙治博;牛燕霞设计研发完成，并于2022-06-13向国家知识产权局提交的专利申请。

本一种呼吸机-患者通气异步现象智能识别分类方法在说明书摘要公布了：本发明公开了一种呼吸机‑患者通气异步现象智能识别分类方法，针对现有临床中呼吸机的人机异步现象自动化检测程度不高，检测准确度不足的问题，提供一套高精度、高准确率的识别及分类方法。本发明基于对呼吸机波形数据的特征提取和智能识别，深度挖掘了呼吸机波形数据，可行性和普适性较高，且无需对患者进行有创的食道电极导管技术等数据采集方式，不会影响正在进行的患者治疗进程。同时能够智能识别患者在通气过程中的吸气和呼气的起始时间，可发掘出更多有效信息，且基于临床诊断标准对不同的人机异步现象进行准确定义，实现呼吸机‑患者通气异步现象的高精度识别及准确分类。

本发明授权一种呼吸机-患者通气异步现象智能识别分类方法在权利要求书中公布了：1.一种呼吸机‑患者通气异步现象智能识别分类方法，其特征在于，具体步骤如下： 步骤1：获取呼吸机在机械通气过程中的波形数据，并对所述波形数据进行标定，标定每周期吸气开始时间和呼气开始时间；基于主动呼吸患者的机械通气模型获取不同患者参数下的机械通气模拟数据；利用所述波形数据和所述机械通气模拟数据构建数据库； 步骤2：根据设定采样频率对所述数据库进行重采样，然后对采样数据依次经过标准化和批量化处理； 步骤3：根据处理后的采样数据采用UNet神经网络的深度学习算法建立患者自主呼吸识别模型；所述患者自主呼吸识别模型包括下采样部分、拼接部分和上采样部分，基于卷积神经网络搭建UNet模型结构，构建患者自主呼吸识别模型；其中，下采样部分提取浅层特征信息，通过卷积层，对数据信息进行压缩，采用了4层压缩；上采样部分提取深层特征信息，通过反卷积层对数据信息进行扩张，采用了4层扩张；每一卷积层的激活函数为线性整流函数，输出层的卷积层为1，激活函数为归一化指数函数，在卷积层中间，加入Dropout层进行正则化；拼接部分融合深层特征信息和浅层特征信息； 步骤4：采集待识别呼吸机的待识别波形数据及控制参数，根据所述控制参数获得待识别呼吸机每周期的呼吸支持触发时间和吸‑呼气切换时间； 步骤5：将待识别波形数据输入所述患者自主呼吸识别模型中，计算获得待识别呼吸机对应的患者的自主呼吸起始点时间戳；自主呼吸起始点时间戳包括患者生理上自主吸气起始时间和自主呼气起始时间；计算患者自主呼吸起始点时间戳分别与呼吸支持触发时间、吸‑呼气切换时间的时间差； 步骤6：根据预设的人机异步现象分类标准，与时间差、待识别波形数据进行对比判别，获得智能分类结果。

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北京航空航天大学，其通讯地址为：100089 北京市海淀区学院路37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”。

以上内容由龙图腾AI智能生成。