本發(fā)明涉及自動(dòng)控制技術(shù)，尤其涉及基于生理參數(shù)監(jiān)測(cè)的野外智能注射泵自動(dòng)控制方法及系統(tǒng)。

背景技術(shù)：

1、野外環(huán)境中，智能注射泵系統(tǒng)在患者治療中發(fā)揮著重要作用。傳統(tǒng)的注射泵系統(tǒng)主要依靠醫(yī)護(hù)人員根據(jù)經(jīng)驗(yàn)和固定劑量進(jìn)行給藥，難以根據(jù)患者實(shí)時(shí)生理狀態(tài)進(jìn)行精準(zhǔn)調(diào)節(jié)。現(xiàn)有的野外智能注射泵系統(tǒng)仍存在一些不足。首先，多數(shù)系統(tǒng)缺乏對(duì)復(fù)雜野外環(huán)境的適應(yīng)能力，難以根據(jù)溫度、濕度等環(huán)境因素對(duì)注射參數(shù)進(jìn)行實(shí)時(shí)補(bǔ)償，影響給藥精度。其次，現(xiàn)有系統(tǒng)的能源管理較為簡(jiǎn)單，難以在野外環(huán)境中實(shí)現(xiàn)長(zhǎng)時(shí)間持續(xù)工作，限制了系統(tǒng)的實(shí)用性。最后，大多數(shù)系統(tǒng)缺乏對(duì)注射過(guò)程的動(dòng)態(tài)安全評(píng)估機(jī)制，無(wú)法及時(shí)發(fā)現(xiàn)和應(yīng)對(duì)輸液管路堵塞等潛在風(fēng)險(xiǎn)，存在安全隱患。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例提供基于生理參數(shù)監(jiān)測(cè)的野外智能注射泵自動(dòng)控制方法及系統(tǒng)，能夠解決現(xiàn)有技術(shù)中的問(wèn)題。

2、本發(fā)明實(shí)施例的第一方面，

3、提供基于生理參數(shù)監(jiān)測(cè)的野外智能注射泵自動(dòng)控制方法，包括：

4、通過(guò)柔性電子貼片采集患者心率、呼吸、血壓、血氧飽和度及體表電信號(hào)信息，所述柔性電子貼片內(nèi)置有信號(hào)處理芯片，對(duì)采集的信息進(jìn)行信號(hào)調(diào)理及降噪處理，得到生理參數(shù)信息；

5、將生理參數(shù)信息輸入至智能決策模塊，所述智能決策模塊包括生理參數(shù)分析單元及用藥優(yōu)化單元，通過(guò)所述生理參數(shù)分析單元對(duì)所述生理參數(shù)信息進(jìn)行多模態(tài)特征提取及趨勢(shì)預(yù)測(cè)，生成生理功能狀態(tài)報(bào)告；所述用藥優(yōu)化單元基于強(qiáng)化學(xué)習(xí)算法結(jié)合所述生理功能狀態(tài)報(bào)告及藥物作用機(jī)理知識(shí)庫(kù)生成個(gè)性化給藥方案，所述個(gè)性化給藥方案包括藥物配比、注射速率及注射時(shí)序；

6、將所述個(gè)性化給藥方案發(fā)送至智能注射模塊，所述智能注射模塊包括微型蠕動(dòng)泵機(jī)構(gòu)、多重傳感器陣列、控制處理器及能源管理單元；所述控制處理器基于所述多重傳感器陣列實(shí)時(shí)采集的環(huán)境溫度、濕度和氣壓參數(shù)對(duì)注射參數(shù)進(jìn)行自適應(yīng)補(bǔ)償，通過(guò)所述微型蠕動(dòng)泵機(jī)構(gòu)執(zhí)行補(bǔ)償后的注射參數(shù)；所述能源管理單元通過(guò)柔性光伏薄膜及相變儲(chǔ)能材料進(jìn)行能量采集與存儲(chǔ)，并基于藥物保存條件及環(huán)境參數(shù)建立多目標(biāo)優(yōu)化函數(shù)，對(duì)注射泵系統(tǒng)功耗進(jìn)行智能分配和自適應(yīng)調(diào)節(jié)；基于多模態(tài)傳感信息評(píng)估注射泵管路狀態(tài)，結(jié)合實(shí)時(shí)生理監(jiān)測(cè)進(jìn)行動(dòng)態(tài)安全評(píng)估，并觸發(fā)分級(jí)防護(hù)。

7、在一種可選的實(shí)施方式中，

8、通過(guò)所述生理參數(shù)分析單元對(duì)所述生理參數(shù)信息進(jìn)行多模態(tài)特征提取及趨勢(shì)預(yù)測(cè)，生成生理功能狀態(tài)報(bào)告的步驟包括：

9、對(duì)所述生理參數(shù)信息進(jìn)行多模態(tài)特征提取，利用深度卷積網(wǎng)絡(luò)提取時(shí)域形態(tài)特征，利用快速傅里葉變換及頻譜編碼器提取頻域特征，通過(guò)樣本熵及l(fā)yapunov指數(shù)計(jì)算提取非線性動(dòng)力學(xué)特征，所述深度卷積網(wǎng)絡(luò)采用批歸一化和relu激活函數(shù)，所述頻譜編碼器采用層歸一化；采用雙向注意力增強(qiáng)的長(zhǎng)短期記憶網(wǎng)絡(luò)對(duì)多模態(tài)特征進(jìn)行時(shí)序依賴建模，所述長(zhǎng)短期記憶網(wǎng)絡(luò)包括用于前向后向信息融合的雙向長(zhǎng)短期記憶層，用于建立時(shí)間關(guān)聯(lián)權(quán)重的多頭自注意力層，用于保留原始特征的殘差連接層；

10、基于時(shí)序依賴建模結(jié)果構(gòu)建多尺度趨勢(shì)預(yù)測(cè)框架，包括基于門控循環(huán)單元網(wǎng)絡(luò)的用于五分鐘尺度預(yù)測(cè)的短期預(yù)測(cè)器，基于transformer編碼器的用于三十分鐘尺度預(yù)測(cè)的中期預(yù)測(cè)器，基于時(shí)間卷積網(wǎng)絡(luò)的用于四小時(shí)尺度預(yù)測(cè)的長(zhǎng)期預(yù)測(cè)器；

11、將多尺度趨勢(shì)預(yù)測(cè)結(jié)果輸入基于門控注意力機(jī)制的心血管系統(tǒng)評(píng)分單元和呼吸系統(tǒng)評(píng)分單元進(jìn)行生理指標(biāo)評(píng)分，所述心血管系統(tǒng)評(píng)分單元基于心率變異性指標(biāo)、血壓波動(dòng)特征及體表電信號(hào)形態(tài)特征計(jì)算評(píng)分，所述呼吸系統(tǒng)評(píng)分單元基于呼吸頻率變化、血氧飽和度趨勢(shì)及呼吸節(jié)律特征計(jì)算評(píng)分；

12、對(duì)生理指標(biāo)評(píng)分結(jié)果進(jìn)行趨勢(shì)分析，所述趨勢(shì)分析采用集成學(xué)習(xí)策略融合自回歸移動(dòng)平均模型和prophet模型的預(yù)測(cè)結(jié)果，并通過(guò)蒙特卡洛采樣方法計(jì)算預(yù)測(cè)結(jié)果的置信區(qū)間；

13、基于所述生理指標(biāo)評(píng)分、趨勢(shì)分析及預(yù)測(cè)結(jié)果的置信區(qū)間生成生理功能狀態(tài)報(bào)告，所述生理功能狀態(tài)報(bào)告包括心血管系統(tǒng)穩(wěn)定性分析結(jié)果、呼吸系統(tǒng)動(dòng)態(tài)特征、自主神經(jīng)調(diào)節(jié)能力指標(biāo)、器官功能狀態(tài)量化結(jié)果和生理節(jié)律穩(wěn)態(tài)評(píng)價(jià)。

14、在一種可選的實(shí)施方式中，

15、所述用藥優(yōu)化單元基于強(qiáng)化學(xué)習(xí)算法結(jié)合所述生理功能狀態(tài)報(bào)告及藥物作用機(jī)理知識(shí)庫(kù)生成個(gè)性化給藥方案，所述個(gè)性化給藥方案包括藥物配比、注射速率及注射時(shí)序的步驟包括：

16、構(gòu)建藥物作用機(jī)理知識(shí)庫(kù)，通過(guò)注意力機(jī)制增強(qiáng)的圖神經(jīng)網(wǎng)絡(luò)對(duì)藥物分子結(jié)構(gòu)進(jìn)行編碼獲取藥物結(jié)構(gòu)化表征向量，利用轉(zhuǎn)導(dǎo)學(xué)習(xí)方法將已知藥物的作用機(jī)理知識(shí)遷移到新藥物，形成包含藥物分子結(jié)構(gòu)、作用靶點(diǎn)、代謝通路及藥物相互作用信息的實(shí)體關(guān)系網(wǎng)絡(luò)；對(duì)生理功能狀態(tài)報(bào)告中的指標(biāo)進(jìn)行標(biāo)準(zhǔn)化和降維預(yù)處理，結(jié)合歷史給藥記錄和生理指標(biāo)預(yù)測(cè)變化趨勢(shì)形成給藥環(huán)境狀態(tài)向量；設(shè)計(jì)動(dòng)作空間，所述動(dòng)作空間包括將藥物組合離散為標(biāo)準(zhǔn)配比方案形成藥物配比空間，將注射速率范圍離散為多個(gè)等級(jí)形成注射速率空間，將給藥時(shí)間劃分為時(shí)間片段形成注射時(shí)序空間；

17、結(jié)合藥物作用機(jī)理知識(shí)庫(kù)中和給藥環(huán)境狀態(tài)向量，構(gòu)建兩個(gè)結(jié)構(gòu)相同、參數(shù)獨(dú)立的雙重深度q網(wǎng)絡(luò)，其中一個(gè)網(wǎng)絡(luò)用于選擇給藥方案，另一個(gè)網(wǎng)絡(luò)用于評(píng)估所選給藥方案的q值；設(shè)計(jì)包括生理指標(biāo)改善獎(jiǎng)勵(lì)、藥物相互作用懲罰及給藥安全約束的綜合獎(jiǎng)勵(lì)函數(shù)，通過(guò)網(wǎng)格搜索優(yōu)化確定綜合獎(jiǎng)勵(lì)函數(shù)權(quán)重系數(shù)；基于訓(xùn)練后的深度q網(wǎng)絡(luò)生成初始給藥方案；構(gòu)建方案安全保障機(jī)制，采用shap值分析生理功能狀態(tài)報(bào)告中的指標(biāo)、歷史給藥記錄和生理指標(biāo)預(yù)測(cè)變化趨勢(shì)對(duì)q值的貢獻(xiàn)程度，基于蒙特卡洛方法對(duì)給初始藥方案進(jìn)行安全性驗(yàn)證，通過(guò)對(duì)狀態(tài)轉(zhuǎn)移概率采樣評(píng)估初始給藥方案風(fēng)險(xiǎn)，當(dāng)發(fā)現(xiàn)潛在風(fēng)險(xiǎn)時(shí)啟動(dòng)預(yù)警機(jī)制并自動(dòng)調(diào)整初始給藥方案參數(shù)；

18、采集生理響應(yīng)數(shù)據(jù)更新給藥環(huán)境狀態(tài)向量，計(jì)算實(shí)際綜合獎(jiǎng)勵(lì)函數(shù)值存入經(jīng)驗(yàn)回放池，從經(jīng)驗(yàn)回放池采樣數(shù)據(jù)更新策略網(wǎng)絡(luò)，當(dāng)檢測(cè)到生理狀態(tài)變化超過(guò)預(yù)設(shè)的變化閾值時(shí)，觸發(fā)給藥方案調(diào)整并重新執(zhí)行方案安全保障機(jī)制，生成最終的個(gè)性化給藥方案。

19、在一種可選的實(shí)施方式中，

20、結(jié)合藥物作用機(jī)理知識(shí)庫(kù)中和給藥環(huán)境狀態(tài)向量，構(gòu)建兩個(gè)結(jié)構(gòu)相同、參數(shù)獨(dú)立的雙重深度q網(wǎng)絡(luò)，其中一個(gè)網(wǎng)絡(luò)用于選擇給藥方案，另一個(gè)網(wǎng)絡(luò)用于評(píng)估所選方案的q值；設(shè)計(jì)包括生理指標(biāo)改善獎(jiǎng)勵(lì)、藥物相互作用懲罰及給藥安全約束的綜合獎(jiǎng)勵(lì)函數(shù)，通過(guò)網(wǎng)格搜索優(yōu)化確定綜合獎(jiǎng)勵(lì)函數(shù)權(quán)重系數(shù)；基于訓(xùn)練后的深度q網(wǎng)絡(luò)生成初始給藥方案的步驟包括：

21、構(gòu)建兩個(gè)結(jié)構(gòu)相同且參數(shù)獨(dú)立的雙重深度q網(wǎng)絡(luò)，所述雙重深度q網(wǎng)絡(luò)包括輸入層、三個(gè)全連接層、批歸一化層及隨機(jī)失活層，所述輸入層對(duì)應(yīng)狀態(tài)向量維度，輸出層對(duì)應(yīng)動(dòng)作空間維度；

22、第一個(gè)深度q網(wǎng)絡(luò)負(fù)責(zé)動(dòng)作選擇，生成具有最高q值的候選動(dòng)作集合，并計(jì)算每個(gè)候選動(dòng)作的q值置信區(qū)間，基于上限置信界策略選擇最終動(dòng)作；第二個(gè)深度q網(wǎng)絡(luò)負(fù)責(zé)對(duì)選定動(dòng)作進(jìn)行獨(dú)立評(píng)估，計(jì)算q值，兩個(gè)網(wǎng)絡(luò)的評(píng)估結(jié)果用于計(jì)算q值差異，當(dāng)q值差異超過(guò)預(yù)設(shè)閾值時(shí)觸發(fā)不確定性警告；最終的動(dòng)作評(píng)估值通過(guò)動(dòng)態(tài)加權(quán)平均兩個(gè)網(wǎng)絡(luò)的q值獲得，動(dòng)態(tài)加權(quán)系數(shù)基于各自網(wǎng)絡(luò)的歷史預(yù)測(cè)準(zhǔn)確率確定；

23、構(gòu)建包含生理指標(biāo)改善獎(jiǎng)勵(lì)、用于約束同時(shí)使用多種藥物時(shí)的不良反應(yīng)風(fēng)險(xiǎn)的藥物相互作用懲罰、用于確保給藥劑量在安全范圍內(nèi)的給藥安全約束、用于保證相鄰給藥時(shí)間間隔的合理性的時(shí)序合理性獎(jiǎng)勵(lì)和給藥劑量平滑性獎(jiǎng)勵(lì)的綜合獎(jiǎng)勵(lì)函數(shù)；采用貝葉斯優(yōu)化方法確定綜合獎(jiǎng)勵(lì)函數(shù)的權(quán)重系數(shù)，所述貝葉斯優(yōu)化方法包括建立高斯過(guò)程回歸模型預(yù)測(cè)權(quán)重系數(shù)組合的目標(biāo)函數(shù)值，基于最大化期望改進(jìn)準(zhǔn)則選擇下一組待評(píng)估的權(quán)重系數(shù)組合，并迭代優(yōu)化直至收斂，其中目標(biāo)函數(shù)綜合考慮給藥方案準(zhǔn)確率、不良反應(yīng)發(fā)生率及方案穩(wěn)定性指標(biāo)；

24、基于優(yōu)先級(jí)經(jīng)驗(yàn)回放機(jī)制訓(xùn)練所述雙重深度q網(wǎng)絡(luò)，并在訓(xùn)練過(guò)程中采用專家知識(shí)進(jìn)行監(jiān)督預(yù)訓(xùn)練，基于訓(xùn)練后的雙重深度q網(wǎng)絡(luò)生成初始給藥方案。

25、在一種可選的實(shí)施方式中，

26、所述能源管理單元通過(guò)柔性光伏薄膜及相變儲(chǔ)能材料進(jìn)行能量采集與存儲(chǔ)，并基于藥物保存條件及環(huán)境參數(shù)建立多目標(biāo)優(yōu)化函數(shù)，對(duì)注射泵系統(tǒng)功耗進(jìn)行智能分配和自適應(yīng)調(diào)節(jié)的步驟包括：

27、通過(guò)設(shè)置于野外智能注射泵表面的柔性光伏薄膜進(jìn)行能量采集，將所述柔性光伏薄膜采集的能量輸入至以十八烷基正構(gòu)烷烴為核心的微膠囊相變儲(chǔ)能材料中進(jìn)行存儲(chǔ)，所述微膠囊相變儲(chǔ)能材料具有交聯(lián)度可控的壁材料，用于相變儲(chǔ)能并為藥物保存提供恒溫環(huán)境；

28、基于所述柔性光伏薄膜的實(shí)時(shí)光伏采集功率、所述微膠囊相變儲(chǔ)能材料的儲(chǔ)能功率、藥物實(shí)時(shí)溫度及目標(biāo)溫度構(gòu)建多目標(biāo)優(yōu)化函數(shù)，所述多目標(biāo)優(yōu)化函數(shù)包括能量平衡目標(biāo)函數(shù)、溫度控制目標(biāo)函數(shù)及功耗分配目標(biāo)函數(shù)；

29、采用具有自適應(yīng)交叉算子的改進(jìn)nsga-iii算法對(duì)所述多目標(biāo)優(yōu)化函數(shù)進(jìn)行求解，其中所述自適應(yīng)交叉算子的交叉概率與當(dāng)前解的適應(yīng)度值相關(guān)，并引入?yún)⒖键c(diǎn)自適應(yīng)更新機(jī)制和局部搜索策略；

30、根據(jù)所述多目標(biāo)優(yōu)化函數(shù)的求解結(jié)果，按照核心功能層、輔助功能層及緊急備用層的優(yōu)先級(jí)順序?qū)ψ⑸浔孟到y(tǒng)功耗進(jìn)行分層式動(dòng)態(tài)分配，其中所述核心功能層包括微型蠕動(dòng)泵機(jī)構(gòu)、多重傳感器陣列及控制處理器，所述輔助功能層包括溫度控制模塊及通信模塊；

31、基于天氣情況預(yù)測(cè)未來(lái)時(shí)段的光照強(qiáng)度并計(jì)算可用功率，結(jié)合光照強(qiáng)度變化率、電池荷電狀態(tài)及藥物溫度偏差構(gòu)建模糊pid控制器，輸出各功能模塊的功率調(diào)節(jié)量，所述功能模塊包括微型蠕動(dòng)泵機(jī)構(gòu)、多重傳感器陣列、控制處理器、溫度控制模塊及通信模塊；將當(dāng)前目標(biāo)功率與歷史功率進(jìn)行加權(quán)平均得到過(guò)渡功率值，根據(jù)所述過(guò)渡功率值對(duì)各功能模塊進(jìn)行功率分配；實(shí)時(shí)監(jiān)測(cè)各功能模塊的功率利用率及實(shí)際功率值，當(dāng)功率利用率最大值與最小值的差值超過(guò)預(yù)設(shè)調(diào)整閾值，或?qū)嶋H功率值與目標(biāo)功率值的偏差超過(guò)預(yù)設(shè)范圍時(shí)，觸發(fā)功率重分配。

32、在一種可選的實(shí)施方式中，

33、采用具有自適應(yīng)交叉算子的改進(jìn)nsga-iii算法對(duì)所述多目標(biāo)優(yōu)化函數(shù)進(jìn)行求解，其中所述自適應(yīng)交叉算子的交叉概率與當(dāng)前解的適應(yīng)度值相關(guān)，并引入?yún)⒖键c(diǎn)自適應(yīng)更新機(jī)制和局部搜索策略的步驟包括：

34、對(duì)nsga-iii算法的改進(jìn)包括引入自適應(yīng)交叉算子、參考點(diǎn)自適應(yīng)更新機(jī)制及局部搜索策略；

35、構(gòu)建包含基準(zhǔn)交叉概率、當(dāng)前解歸一化適應(yīng)度值、種群最大適應(yīng)度值、當(dāng)前迭代代數(shù)及自適應(yīng)調(diào)節(jié)系數(shù)的自適應(yīng)交叉算子的計(jì)算公式，根據(jù)所述計(jì)算公式對(duì)交叉概率進(jìn)行動(dòng)態(tài)調(diào)整，所述交叉概率與當(dāng)前解的適應(yīng)度值成反比，與迭代代數(shù)成反比；

36、基于所述自適應(yīng)交叉算子的交叉操作結(jié)果，采用指數(shù)滑動(dòng)平均方式對(duì)參考點(diǎn)進(jìn)行動(dòng)態(tài)更新，將參考點(diǎn)的位置向量、非支配解集的質(zhì)心及學(xué)習(xí)率作為參數(shù)計(jì)算新的參考點(diǎn)位置；計(jì)算相鄰參考點(diǎn)之間的距離及平均距離，構(gòu)建基于距離的密度懲罰因子，當(dāng)所述密度懲罰因子大于參考點(diǎn)分裂閾值時(shí)，在高密度區(qū)域選擇相鄰參考點(diǎn)計(jì)算中點(diǎn)位置生成新的參考點(diǎn)；基于參考點(diǎn)更新結(jié)果，將初始搜索半徑、當(dāng)前代數(shù)、最大代數(shù)及適應(yīng)度值作為參數(shù)構(gòu)建搜索半徑動(dòng)態(tài)調(diào)整公式，并基于當(dāng)前解的梯度信息構(gòu)建搜索方向概率分布，得到局部搜索方向；

37、基于所述局部搜索方向計(jì)算種群多樣性指標(biāo)，將所述種群多樣性指標(biāo)與局部搜索觸發(fā)閾值進(jìn)行比較并結(jié)合迭代間隔確定局部搜索的觸發(fā)狀態(tài)，根據(jù)觸發(fā)狀態(tài)執(zhí)行局部搜索操作得到局部搜索結(jié)果；將局部搜索結(jié)果與種群優(yōu)質(zhì)解保留機(jī)制相結(jié)合，設(shè)計(jì)種群重初始化策略，通過(guò)保留優(yōu)質(zhì)解、隨機(jī)初始化及局部搜索得到優(yōu)化后的種群；

38、監(jiān)測(cè)注射泵系統(tǒng)穩(wěn)定性狀態(tài)，根據(jù)所述注射泵系統(tǒng)穩(wěn)定性狀態(tài)對(duì)優(yōu)化周期進(jìn)行自適應(yīng)調(diào)整，并基于調(diào)整后的優(yōu)化周期對(duì)所述優(yōu)化后的種群進(jìn)行更新。

39、在一種可選的實(shí)施方式中，

40、基于多模態(tài)傳感信息評(píng)估注射泵管路狀態(tài)，結(jié)合實(shí)時(shí)生理監(jiān)測(cè)進(jìn)行動(dòng)態(tài)安全評(píng)估，并觸發(fā)分級(jí)防護(hù)的步驟包括：

41、采集智能注射模塊中壓力傳感器、氣泡傳感器及溫度傳感器的實(shí)時(shí)數(shù)據(jù)，將所述實(shí)時(shí)數(shù)據(jù)輸入雙流注意力網(wǎng)絡(luò)進(jìn)行特征提取，利用小波變換對(duì)壓力數(shù)據(jù)進(jìn)行多尺度分解，采用目標(biāo)檢測(cè)網(wǎng)絡(luò)對(duì)氣泡數(shù)據(jù)進(jìn)行識(shí)別定位，通過(guò)自適應(yīng)分段擬合獲取溫度數(shù)據(jù)特征，得到多模態(tài)傳感特征；將所述多模態(tài)傳感特征輸入跨模態(tài)自注意力網(wǎng)絡(luò)計(jì)算特征間相關(guān)性權(quán)重并進(jìn)行特征融合，采用變分自編碼器學(xué)習(xí)樣本分布特征，結(jié)合孤立森林算法計(jì)算異常得分，生成注射泵管路狀態(tài)的異常預(yù)警信息；將實(shí)時(shí)生理參數(shù)構(gòu)建為圖結(jié)構(gòu)網(wǎng)絡(luò)，通過(guò)圖卷積運(yùn)算提取關(guān)聯(lián)特征，并引入多頭遞歸注意力機(jī)制獲取時(shí)序變化特征，將所述異常預(yù)警信息與所述時(shí)序變化特征進(jìn)行融合，生成層次化安全特征；

42、基于所述層次化安全特征，構(gòu)建自適應(yīng)模糊推理系統(tǒng)，采用粒子群算法對(duì)模糊規(guī)則進(jìn)行動(dòng)態(tài)優(yōu)化，并引入對(duì)抗訓(xùn)練策略，根據(jù)優(yōu)化后的模糊規(guī)則對(duì)當(dāng)前狀態(tài)進(jìn)行推理運(yùn)算，得到安全風(fēng)險(xiǎn)評(píng)分，并將所述安全風(fēng)險(xiǎn)評(píng)分劃分為多個(gè)安全風(fēng)險(xiǎn)等級(jí)；基于安全風(fēng)險(xiǎn)等級(jí)，采用分層強(qiáng)化學(xué)習(xí)框架進(jìn)行防護(hù)決策，其中高層網(wǎng)絡(luò)將不同風(fēng)險(xiǎn)等級(jí)映射為相應(yīng)級(jí)別的防護(hù)措施，低層網(wǎng)絡(luò)將所述防護(hù)措施轉(zhuǎn)化為執(zhí)行指令；根據(jù)所述執(zhí)行指令構(gòu)建自適應(yīng)pid控制器，采用模型預(yù)測(cè)控制算法實(shí)時(shí)調(diào)整pid參數(shù)，輸出相應(yīng)等級(jí)的防護(hù)控制指令。

43、本發(fā)明實(shí)施例的第二方面，

44、提供基于生理參數(shù)監(jiān)測(cè)的野外智能注射泵自動(dòng)控制系統(tǒng)，包括：

45、第一單元，用于通過(guò)柔性電子貼片采集患者心率、呼吸、血壓、血氧飽和度及體表電信號(hào)信息，所述柔性電子貼片內(nèi)置有信號(hào)處理芯片，對(duì)采集的信息進(jìn)行信號(hào)調(diào)理及降噪處理，得到生理參數(shù)信息；

46、第二單元，用于將生理參數(shù)信息輸入至智能決策模塊，所述智能決策模塊包括生理參數(shù)分析單元及用藥優(yōu)化單元，通過(guò)所述生理參數(shù)分析單元對(duì)所述生理參數(shù)信息進(jìn)行多模態(tài)特征提取及趨勢(shì)預(yù)測(cè)，生成生理功能狀態(tài)報(bào)告；所述用藥優(yōu)化單元基于強(qiáng)化學(xué)習(xí)算法結(jié)合所述生理功能狀態(tài)報(bào)告及藥物作用機(jī)理知識(shí)庫(kù)生成個(gè)性化給藥方案，所述個(gè)性化給藥方案包括藥物配比、注射速率及注射時(shí)序；

47、第三單元，用于將所述個(gè)性化給藥方案發(fā)送至智能注射模塊，所述智能注射模塊包括微型蠕動(dòng)泵機(jī)構(gòu)、多重傳感器陣列、控制處理器及能源管理單元；所述控制處理器基于所述多重傳感器陣列實(shí)時(shí)采集的環(huán)境溫度、濕度和氣壓參數(shù)對(duì)注射參數(shù)進(jìn)行自適應(yīng)補(bǔ)償，通過(guò)所述微型蠕動(dòng)泵機(jī)構(gòu)執(zhí)行補(bǔ)償后的注射參數(shù)；所述能源管理單元通過(guò)柔性光伏薄膜及相變儲(chǔ)能材料進(jìn)行能量采集與存儲(chǔ)，并基于藥物保存條件及環(huán)境參數(shù)建立多目標(biāo)優(yōu)化函數(shù)，對(duì)注射泵系統(tǒng)功耗進(jìn)行智能分配和自適應(yīng)調(diào)節(jié)；基于多模態(tài)傳感信息評(píng)估注射泵管路狀態(tài)，結(jié)合實(shí)時(shí)生理監(jiān)測(cè)進(jìn)行動(dòng)態(tài)安全評(píng)估，并觸發(fā)分級(jí)防護(hù)。

48、本發(fā)明實(shí)施例的第三方面，

49、提供一種電子設(shè)備，包括：

50、處理器；

51、用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器；

52、其中，所述處理器被配置為調(diào)用所述存儲(chǔ)器存儲(chǔ)的指令，以執(zhí)行前述所述的方法。

53、本發(fā)明實(shí)施例的第四方面，

54、提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序指令，所述計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)前述所述的方法。

55、本發(fā)明通過(guò)柔性電子貼片實(shí)時(shí)采集多種生理參數(shù)，并利用內(nèi)置信號(hào)處理芯片進(jìn)行信號(hào)調(diào)理和降噪，可以準(zhǔn)確獲取患者的生理狀態(tài)信息，為智能決策提供可靠的數(shù)據(jù)基礎(chǔ)，有效提高了生理參數(shù)監(jiān)測(cè)的準(zhǔn)確性和可靠性。

56、本發(fā)明采用智能決策模塊對(duì)生理參數(shù)進(jìn)行多模態(tài)特征提取和趨勢(shì)預(yù)測(cè)，結(jié)合強(qiáng)化學(xué)習(xí)算法和藥物作用機(jī)理知識(shí)庫(kù)生成個(gè)性化給藥方案，實(shí)現(xiàn)了給藥過(guò)程的智能化和個(gè)性化，可以根據(jù)患者的實(shí)際生理狀態(tài)動(dòng)態(tài)調(diào)整給藥策略，提高了治療效果和用藥安全性。

57、本發(fā)明的智能注射模塊通過(guò)多重傳感器陣列實(shí)時(shí)監(jiān)測(cè)環(huán)境參數(shù)，對(duì)注射參數(shù)進(jìn)行自適應(yīng)補(bǔ)償，并采用柔性光伏薄膜和相變儲(chǔ)能材料進(jìn)行能量管理，實(shí)現(xiàn)了系統(tǒng)的自供能和智能節(jié)能。同時(shí)，基于多模態(tài)傳感信息對(duì)注射泵管路狀態(tài)進(jìn)行評(píng)估，結(jié)合實(shí)時(shí)生理監(jiān)測(cè)實(shí)現(xiàn)動(dòng)態(tài)安全評(píng)估和分級(jí)防護(hù)，顯著提高了野外使用環(huán)境下注射泵系統(tǒng)的可靠性和安全性。