CN118675693B 一种基于呼吸肌电信号反馈的肺康复训练方法 （上海市肺科医院（上海市职业病防治院））

一种基于呼吸肌电信号反馈的肺康复训练通过肌电信号采集系统实时捕捉呼吸相关肌肉着根据肌电信号的分类结果，建立实时反馈系和呼吸质量，并调整呼吸训练的难度和持续时2首先通过肌电信号采集系统实时捕捉呼吸相关肌肉的电活动接着根据肌电信号的分类结果，建立实时反馈系统，该系统通过最后根据用户的肌电信号特性和历史数据分析，利用人工智能所述生成个性化的肺康复训练方案，包括通过多维度特征提取方接着利用深度强化学习算法基于用户的肌电信号特性和历史数据生成个性化的肺康32.根据权利要求1所述的一种基于呼吸肌电信号反馈的肺康复训练方法，其特征在于其中x(t)是预处理后的肌电信号，k(t)是基于信号特性3.根据权利要求1所述的一种基于呼吸肌电信号反馈的肺康复训练方法，其特征在于定制开发的深度学习模型，特别是针对肌电信号特性优化的卷积神经网络进行训练和分4.根据权利要求3所述的一种基于呼吸肌电信号反馈的肺康复训练方法，其特征在于首先采用可变窗口大小的多尺度波形变换来捕获肌电信号在不同时间尺度上的动态45.根据权利要求3所述的一种基于呼吸肌电信号反馈的肺康复训练方法，其特征在于S2、利用为肌电信号特性优化的定制开发的卷积神经n是第n个卷积层的卷积核，用于从输入信号中i习模型的输出的卷积神经网络；σi是针对每个模态i的激活函数，用于处理不同模态的输6.根据权利要求3所述的一种基于呼吸肌电信号反馈的肺康复训练方法，其特征在于567[0014]其中x(t)是预处理后的肌电信号，k(t)是基于信号特性[0023]首先采用可变窗口大小的多尺度波形变换来捕获肌电信号在不同时间尺度上的[0029]最后应用经验模态分解与希尔伯特_黄变换结合技术进行高级信号处理，通过公8[0036]S2、利用为肌电信号特性优化的定制开发的卷积神经网9[0065]接着利用深度强化学习算法基于用户的肌电信号特性和历史数据生成个性化的发肌电传感器控制模块并使用特定的公式捕捉与间肌周围，以实时监测与呼吸相关的肌肉活动。肌电信号x(t)将代表时间t的肌电活动强馈机制可以动态调整训练的难度和持续时间，确保训练既有效又符合患者的当前身体状[0103]设定在某个特定的时间窗口T，权重函数k(t)根据肌电信号的变异性自适应地调[0106]将这个结果代入分类函数这个值显示，根据肌电信号的分[0131]代入公式进行计算：T(r,2s,0.5s)=J0.03[0136]其中T(x,τ,f(τ))是在时间偏移τ和动态调整的分析频率f(τ)下的多尺度波形变[0137]设定肌电信号x(t)在进行多尺度波形变换处理后，在特定时间偏移τ的实测数据显示，信号在不同的频率尺度下表现出不同的强度。设定f(τ)动态调整范围为0.1Hz到2的值[0141]这个结果表明，在5Hz的调整频率下分析信号比在标准时间尺度上分析得到的能[0145]经验模态分解(EMD)是一种适用于非线性和非平稳时间序列数据的分析方法，它[0152]将这些IMFs代入希尔伯特一黄变换公式中，可以计算出每个时刻的信号重构值H[0159]特征融合技术用于整合来自肌电信号的多维数据。通过结合时间域(T)的肌电活动强度、频率域(F)的信号频率分布和时频域(H[0168]利用专门为肌电信号特性优化的定制开发的卷积神经网络(CNN)进行信号的训练针对其具体呼吸状况的定制化训练计划。过逐点卷积(1x1卷积)来组合这些通道的输出。这种分步处理极大地减少了参数数量和计[0211]如3个输入通道和每个通道2个深度卷积核(M＝2,N＝3)，每个卷积核的尺寸设定[0218]进一步采用自适应池化层优化特征提取。通过动态调整[0222]设定网络设计中包含5个池化区域I＝5，并且每个区域的参数根据信号内容动态据这些活动的中心位置和变化速度动态调整池化窗口。设定每个区域的μi分别为1s,2s,[0226]最后采用动态全连接层，使用公式来调整网络的参数以应对肌电信号的复杂j[0272]其中T(x(t))表示时间域特征，F(x(f))代表征。这些特征是从肌电信号中提取的，能够反映信号的基本和复杂属性。动态权重函数α[0276]设定在某个时刻t的肌电信号x(t)在时间域表现为尖峰，频率域显示为主频率在[0288]γ通常设置在0.9至0.99之间，这样可以确保