CN119517440B 基于ai的呼吸异常识别方法及系统 （山东中医药大学附属医院）

振幅变化值进行对比，获取呼吸节律特征参数2基于呼吸频率监测数据和呼吸深度分析数据，提取每组数据中的时间序列分析趋势基于所述呼吸节律初步分区结果，提取每个分区内的趋势值、波基于所述呼吸节律波动特征矩阵，分析时间段内频率变化与基于所述呼吸节律偏移匹配结果，提取偏移值异常的区间索引，分基于所述呼吸节律初步分区结果，分析每个时间从所述趋势和波动特征数据中提取每个分区的关键参数，分析归一化波动幅度;计算每个分区的差异值，获取差异值特征数据，其中，D;代表第i个分区的差异值，基于呼吸频率监测数据和呼吸深度分析数据，通过高斯滤波技术根据所述时间序列趋势斜率，对呼吸深度分析数据应用峰值检测;3从所述呼吸节律特征参数集中提取呼吸节律数据，包括每次呼吸的起始与结束时间从所述呼吸周期性分析表中提取分类数据，对比每类数据，确定分类中基于所述呼吸节律动态变化结果，逐个时间点测定呼吸波动基于所述呼吸波动幅度区间矩阵，统计每个波动区间的出现频率，并按时间基于所述波动趋势变化速率矩阵，对时间节点的波动幅度区间和变根据所述呼吸节律波动特征矩阵，捕捉时间序列数据中的呼吸频通过所述时间段内的呼吸特性矩阵，分析每个时间点对应;确定时间点的呼吸变化，生成时间点的偏移值，其中，ΔE表示时间点的偏移值，WP和WD是对频率和深度偏移敏感度的权重系数，Ft为当前时间点的呼吸频率，使用所述时间点的偏移值，对相邻时间段的偏移值进4针对所述异常区间索引，计算对应时间点的呼吸频率与深度差异;从所述索引的累积差异值列表中筛选累积值超过设定阈值的索引点，并数据分析启动模块基于呼吸频率监测数据和呼吸深度分析数据节律分析模块利用所述基础节律参数集，分析差异化时间点的数特征整合模块基于所述分区特征划分结果，汇总每个区域的趋势偏移分析模块基于所述动态节律矩阵，分析时间段内异常检测模块使用所述偏移分析结果，检查异常偏移的时间567β和为调整波动幅度和平均变化率的权重参数；WP和WD是对频率和深度偏移敏感度的权重系数，Ft为当前时间点的呼吸频率，;89[0065]在呼吸频率监测数据的处理中，首先利用高斯滤波技术对原始信号进行噪声削率T和平滑后的局部振幅变化值A对最终结果R的影响，使结果更贴近实际的生理状规呼吸中的细微变化预示着潜在的生理变化。结合患者的历史健康记录和实时监控数据，组成了趋势和波动特征数据，数据通过详细分析呼吸模式在不同时间段的统计特征获取，β和为调整波动幅度和平均变化率的权重参数；法进行排序，排序操作通过比较每个分区的D;值来执行，排序后的数据WP和WD是对频率和深度偏移敏感度的权重系数，Ft为当前时间点的呼吸频率，[0107]设定在某个时间点的实际呼wp为0.7，wp为0.3；[0111]=VI丽下两；;是索引点k的累积差异值，Ft和D:分别是在考虑时间段k内所有点的累积偏差值，Ft和Dt分别指在时间点t的观索引点k，观察到的频率Ft=18次/分钟和深度D:=550ml，相较于平均频率[0125]=Z1(4+50)；;[0128]这表明索引点在所考虑的十分钟内的累积偏差值为540，这指出在该时间段内[0131]基于AI的呼吸异常识别系统用于执行上述基于AI的呼吸异常识别方法，系统包本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施