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！

申请/专利权人：山东大学齐鲁医院

摘要：本发明公开一种分娩智能镇痛系统及控制方法，属于智能医疗器械的技术领域。本发明通过整合肌肉和穴位镇痛技术，实现了全面、个性化的疼痛缓解效果，通过智能调节刺激，确保在不同产妇需求下的有效应对能够及时输出应用。其次，本发明还通过智能化控制，用户根据个人需求调整刺激参数，支持个性化用户配置，而机器学习算法的应用则提高了系统的智能适应性，进一步增强了疼痛缓解效果。为了提升用户体验，还集成了反馈机制，实时提供生理参数、设备状态和感官体验的反馈，以增强用户对设备工作情况的了解，并建立更强的信任感。

主权项：1.一种分娩智能镇痛系统，其特征在于，包括：信号采集模块、智能控制模块、集成反馈模块和二合一镇痛模块；所述信号采集模块用于采集产妇的生理数据及面部视觉数据；所述智能控制模块中加载有异态监测模型和疼痛识别模型：将信号采集模块采集到的生理数据和视觉数据，首先输入到所述异态监测模型中，然后将异态监测模型的预测结果输入给所述疼痛识别模型，最终疼痛识别模型推理出产妇的疼痛分数；所述异态监测模型，包括：①特征提取：从产妇生理数据和面部视觉数据中提取有关生理活动的特征，至少包括生理活动平均值、变异性；②数据预处理：对所述原始生理数据和面部视觉数据进行预处理：去除噪声、填充缺失值，以提高模型的鲁棒性；③模型选择：选择机器学习分类器；④标签定义：标记异常及正常的异态数据，形成标注数据集；生理数据和面部视觉数据；⑤模型训练和评估：使用所述标注数据集对步骤③的模型进行训练，并使用独立的测试集进行评估，评估指标包括准确性、灵敏度或特异性，最终得到训练好的异态监测模型；⑥实时监测：最后将实时采集到的生理数据和面部视觉数据，发送给训练好的异态监测模型进行分类预测，输出异态生理数据和面部视觉数据的概率值；所述疼痛识别模型为基于决策树的疼痛识别模型，包括：⑪数据收集和标注：收集包含异态生理数据和视觉图像数据的概率值的数据，并由医疗专业人员根据产妇状态和产妇的实际感受进行疼痛分数的标注；⑫数据预处理：对所述异态概率值数据进行标准化、缺失值处理；⑬特征工程：对收集到的异态概率值数据进行统计分析，提取统计特征，包括均值、标准差、中位数、最大值、最小值、峰度和偏度，然后采用主成分分析法；⑭训练模型：使用决策树作为基础模型，将提取的特征来训练决策树模型，然后使用准确率、召回率或F1分数指标来评估模型的性能；⑮实时识别：将所述异态监测模型实时输出的异常概率值输入所述疼痛识别模型，推理出疼痛程度分数；所述集成反馈模块用于图形、声音等形式实时显示产妇的生理数据、疼痛分数以及设备工作状态，通过集成反馈机制，以直观方式显示刺激状态和定时剩余时间。

全文数据：

权利要求：

百度查询： 山东大学齐鲁医院 一种分娩智能镇痛系统及控制方法