一种半导体激光氧疗仪及呼吸状态检测方法与流

本发明涉及数据处理，具体涉及一种半导体激光氧疗仪及呼吸状态检测方法。背景技术：1、激光照射氧疗仪在医疗和康复领域有着广泛的应用，可以用于治疗各种疾病和症状，帮助患者加速康复和提高生活质量。在使用半导体激光氧疗仪进行治疗的过程中，有两种异常状态是需要被监测的，一是患者的呼吸频率；二是氧疗仪通过呼吸频率制取的氧气量。通过两者结合可以监测到患者在使用半导体激光氧疗仪后所产生的呼吸变化情况，以使氧疗仪能自适应的控制氧气输出量及激光功率来达到更好的血氧代谢平衡；同时也可以通过呼吸检测来发现患者经激光照射后是否产生生理不适，能及时发出警报或停止机器，让患者在治疗的过程中更安全，所以在治疗过程中对氧气浓度和呼吸频率进行异常监测具有重要意义。2、通常是通过氧疗仪内的氧气浓度与使用者的呼吸频率结合进行呼吸状态检测。现有常通过聚类算法对采集到的呼吸频率和氧气浓度进行聚类，以剔除聚类结果中离散的噪声数据，对氧疗仪使用过程中的呼吸状态进行检测。但是该方法常根据经验设置聚类的停止条件，并且并未考虑呼吸频率和氧气浓度处于不同的变化趋势下数据分布，使得聚类结果准确性低下，进而导致氧疗仪运行状态的呼吸状态检测结果较不准确。技术实现思路1、为了解决现有聚类方法准确度低，导致氧疗仪运行状态的呼吸状态检测结果较不准确的技术问题，本发明的目的在于提供一种半导体激光氧疗仪及呼吸状态检测方法，所采用的技术方案具体如下：2、第一方面，本发明提供了一种半导体激光氧疗仪的呼吸状态检测方法，所述氧疗仪包括制氧模块、激光模块以及呼吸状态检测模块；所述呼吸状态检测模块包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令以实现如下检测过程：3、获取氧疗仪运行过程中每个时刻氧气浓度数据和相同时刻患者的呼吸频率数据；根据每个时刻与相邻时刻的呼吸频率数据之间的变化趋势，对所有时刻进行划分，得到不同的呼吸状态时间段；4、在对每个呼吸状态时间段进行层次聚类的过程中，根据每个呼吸状态时间段内每两个不同的时刻之间所有时刻的呼吸频率数据的趋势分布情况以及氧气浓度数据的趋势分布情况，确定每两个不同的时刻之间的相似度表征值；根据每层聚类结果中所述相似度表征值的分布情况确定聚类终止条件，获得层次聚类的聚类结果；5、根据聚类结果确定氧疗仪呼吸状态检测结果。6、优选地，所述根据每个时刻与相邻时刻的呼吸频率数据之间的变化趋势，对所有时刻进行划分，得到不同的呼吸状态时间段，具体包括：7、将相邻两个时刻的呼吸频率数据之间的分布情况满足划分条件的对应时刻划分到同一个呼吸状态时间段内；所述呼吸状态时间段包括上升状态时间段、下降状态时间段和平稳状态时间段。8、优选地，所述将相邻两个时刻的呼吸频率数据之间的分布情况满足划分条件的对应时刻划分到同一个呼吸状态时间段内，具体包括：9、将任意一个时刻记为第一时刻，将与第一时刻相邻的下一个时刻记为第二时刻；10、计算第一时刻与第二时刻的呼吸频率数据的差异得到差异系数，所述差异系数为归一化的数值；当所述差异系数小于预设的差异阈值时，将第一时刻与第二时刻分至平稳状态时间段；当所述差异系数大于或等于预设的差异阈值时，若所述第一时刻的呼吸频率数据大于第二时刻的呼吸频率数据，则将第一时刻和第二时刻划分至下降状态时间段；若所述第一时刻的呼吸频率小于或等于第二时刻的呼吸频率数据，则将第一时刻和第二时刻划分至上升状态时间段。11、优选地，所述根据每个呼吸状态时间段内每两个不同的时刻之间所有时刻的呼吸频率数据的趋势分布情况以及氧气浓度数据的趋势分布情况，确定每两个不同的时刻之间的相似度表征值，具体包括：12、对于任意一个平稳状态时间段，根据每任意两个时刻之间所有时刻的呼吸频率数据和对应的直线拟合数据之间的差异情况，以及氧气浓度数据和对应的直线拟合数据之间的差异情况，得到平稳状态时间段内每任意两个时刻之间的相似度表征值；13、将上升状态时间段和下降状态时间段均记为变化状态时间段，对于任意一个变化状态时间段，根据每任意两个时刻之间所有时刻的呼吸频率数据和呼吸频率数据的第一趋势函数拟合值之间的差异，以及氧气浓度数据和氧气浓度数据的第二趋势函数拟合值之间的差异，得到变化状态时间段内每任意两个时刻之间的相似度表征值。14、优选地，所述平稳状态时间段内每任意两个时刻之间的相似度表征值的获取方法具体为：15、将任意一个平稳状态时间段内任意两个时刻分别记为第一特征时刻和第二特征时刻，基于第一特征时刻和第二特征时刻的呼吸频率数据进行直线拟合得到第一拟合直线数据；基于第一特征时刻和第二特征时刻之间的每个时刻的呼吸频率数据和相同时刻的第一拟合直线数据之间的差异的均值，得到第一特征系数；16、基于第一特征时刻和第二特征时刻的氧气浓度数据进行直线拟合得到第二拟合直线数据，基于第一特征时刻和第二特征时刻之间的每个时刻的氧气浓度数据和相同时刻的第二拟合直线数据之间的差异的均值，得到第二特征系数；17、根据所述第一特征系数和所述第二特征系数得到第一特征时刻和第二特征时刻之间的相似度表征值；所述第一特征系数和所述第二特征系数均与相似度表征值呈负相关关系。18、优选地，所述变化状态时间段内每任意两个时刻之间的相似度表征值的获取方法具体为：19、将任意一个变化状态时间段内任意两个时刻记为第三特征时刻和第四特征时刻，基于第三特征时刻和第四特征时刻之间所有时刻的呼吸频率数据进行正弦函数的拟合得到第一趋势函数拟合值；基于第三特征时刻和第四特征时刻之间每个时刻的呼吸频率数据与相同时刻的第一趋势函数拟合值之间的差异的均值，得到第三特征系数；20、将第三特征时刻和第四特征时刻之间的每个时刻均作为初始分段时刻；基于每个初始分段时刻，对第三特征时刻和第四特征时刻之间所有时刻的氧气浓度数据进行分段函数的拟合得到每个初始分段时刻对应的第二趋势函数拟合值；21、对于任意一个初始分段时刻，基于第三特征时刻和第四特征时刻之间每个时刻的氧气浓度数据与相同时刻的第二趋势函数拟合值之间的差异的均值，得到所述初始分段时刻的数据特征因子；将所有初始分段时刻的数据特征因子的最小值作为第四特征系数；22、根据所述第三特征系数和第四特征系数得到第三特征时刻和第四特征时刻之间的相似度表征值，所述第三特征系数和第四特征系数均与该相似度表征值呈负相关关系。23、优选地，所述第二趋势函数的构建方法具体为：24、25、其中，y为因变量，x为自变量，表示变化状态时间段内第u个时刻的氧气浓度数据，表示变化状态时间段内第v个时刻的氧气浓度数据，表示变化状态时间段内第u个时刻和第v个时刻之间的第n个时刻对应的时序，exp( )表示以自然常数e为底的指数函数，为预设的调节系数。26、优选地，所述层次聚类的过程具体为：27、对于任意一个呼吸状态时间段，将呼吸状态时间段内每个时刻均作为特征时刻，基于每任意两个特征时刻之间的相似度表征值，进行第一次迭代获得第一层的层次聚类结果，其中，在第一层的层次聚类结果中将聚类簇的中心点作为聚类簇对应的特征时刻；基于第一层的层次聚类结果中每任意两个特征时刻之间的相似度表征值，进行第二次迭代，以此类推，直至满足聚类终止条件时停止层次聚类的迭代操作。28、优选地，所述根据每层聚类结果中所述相似度表征值的分布情况确定聚类终止条件具体为：29、对于任意一层的层次聚类结果，将该层以及该层之前所有层的层次聚类结果中计算获得的相似度表征值的均值作为特征均值，将该层的层次聚类结果中相似度表征值的最大值与特征均值之间的差异的归一化数值作为所述任意一层的聚类判断系数；30、若所述聚类判断系数大于预设的差异阈值，则层次聚类的迭代终止。31、第二方面，本发明提供了一种半导体激光氧疗仪，所述氧疗仪基于所述一种半导体激光氧疗仪的呼吸状态检测方法进行检测，所述氧疗仪包括：制氧模块，激光模块以及呼吸状态检测模块；32、所述制氧模块内包括若干传感器，用于采集呼吸频率和氧气浓度；33、所述激光模块包括内侧面的激光照射头和外侧的鼻管，所述激光照射头用于对颈部血管进行照射；所述鼻管一端通过气路连接至制氧模块的出氧口，另一端进行激光照射和氧气输出；34、制氧模块与激光模块通过气路及电路进行连接；35、所述呼吸状态检测模块同时与所述制氧模块和所述激光模块连接，用于呼吸状态检测。36、本发明实施例至少具有如下有益效果：37、本发明首先采集氧疗仪运行过程中的呼吸频率和氧气浓度数据，对患者的呼吸状态进行联合分析，并且通过相邻时刻的数据变化趋势，对时间进行划分，量化了具有不同数据变化趋势以及不同呼吸状态的呼吸状态时间段，为后续数据分析通过数据基础。然后，针对不同状态的呼吸状态时间段内数据的变化趋势分布情况，自适应的获得相似度表征值，并设置终止条件，充分考虑了不同呼吸状态下不同的数据变化趋势分布情况，可以有效避免趋势变化的干扰，获得更加准确的聚类结果，使得噪声去除效果更好。最终利用更加准确的聚类结果获得的氧疗仪运行状态的呼吸状态检测结果也更加准确。