CN119538119A 基于生理信号的小儿呼吸异常检测方法及系统 (吉林大学)_第1页
CN119538119A 基于生理信号的小儿呼吸异常检测方法及系统 (吉林大学)_第2页
CN119538119A 基于生理信号的小儿呼吸异常检测方法及系统 (吉林大学)_第3页
CN119538119A 基于生理信号的小儿呼吸异常检测方法及系统 (吉林大学)_第4页
CN119538119A 基于生理信号的小儿呼吸异常检测方法及系统 (吉林大学)_第5页
已阅读5页,还剩54页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

号基于生理信号的小儿呼吸异常检测方法及本发明公开了基于生理信号的小儿呼吸异常检测方法及系统,涉及医疗信息处理技术领2采集多模态生理信号,通过二阶巴特沃斯带通滤波器进行初步滤波,对所述预处理信号组采用滑动窗口分段,计算时域特征,通过小将所述融合特征序列输入随机森林分类器进行初步异常检测,基;表示信号f;o在尺度a和平移量b下的小波变换系数,f(t)为输对连续小波变换公式进行离散化,提取所述第一滤波信;;J为最大分解层数,fo为重构后3采用形态学开运算和闭运算对所述第二滤波信号进行处理,输出;;f;;;其中,p表示所有峰值点的集合,表示第k个峰值点在表示信号r在pr点处的二阶导数,示满足条件的所有v表示所有谷值点的集合,v表示第k个谷值点的时间位置,表示信号r在根据峰值点集P和谷值点集V计算呼吸信号的时域特征向量FT,时域特征向量FT4所述呼吸频率RF表示为:;;个峰值点的时间位置,表示第k个峰值点的时间位置,k表示峰值点的序号,从1到K-1K表示总峰值点数;所述呼吸深度RD表示为:;;;所述呼气时间Te表示为:;;包变换对信号片段进行多尺度分解获取不同频带的能量分布特征包括频带能量比ER和5;;其中,表示第j层第r个节点的近似系数,j示分解层级,表示小波包树的深度;r表示节点序号,表示第j层中的第r个节点,n表示时间序列的离散点序号,m表示滤波器系数的索引,表示低通滤波器系数,表示上一层;;其中,表示第j层第p个频带的能量值,j表示分解层级,p表示频带索引,所述频带功率谱熵SE表示为:;p个频带的相对能量比,s表示最大分解层数。间重构技术将信号片段映射到高维相空间,计算非线性特征向量FN,非线性特征向量;6;;i;;;相空间轨道演化后的距离,表示相空间轨道初始距离,X(r)表示参考轨道点,所述关联维数D2表示为:;;所述样本熵sampEn:表示为:;7,后计算Q和k的相似度并除以缩放因子避免梯度消失问题,并通过sofimax函数进行;;ii采用DTW算法分析多个信号片段间的时序关系,计算两段呼吸信号之间的累积距离矩;B)表示从起点到点(a,p)的最小累积距离,表示两个D(C,B-1)表示向左方向的累积距离,D(a-1,F-1)表示对角线方向的累积距离,8minf}选择三个方向中的最小值;;a个和第p个信号片段的相似度,θ为尺度参数;;FS表示最终的特征序列,表示第i个信号片段的特征向量,s;表示第i个;根据异常概率值及年龄分组阈值表进行初步筛选,其中年龄分组阈值的计算公;u表示年龄组索引;a为第u组正常呼吸指标的均值,o.为第u组正常呼吸根据异常概率值及年龄分组阈值表进行初步筛选,当异常概率值超出对应年异常标记序列L,;;9;c:若连续多个时间窗口都被判定为异常,则表示存在持续性呼预警模块,用于将融合特征序列输入随机森林分类器进行初步异常检测[0004]现有系统普遍缺乏自适应学习能力,无法根据累积的监测数据持续优化检测模[0005]鉴于现有的基于生理信号的小儿呼吸异常检测方法中存在的问题,提出了本发[0008]作为本发明所述基于生理信号的小儿呼吸异常检测方法;[0009]作为本发明所述基于生理信号的小儿呼吸异常检测方法;其中,x表示高频系数,d是阈值参数,sign(x)表示x的符号函数,o为噪声;s为最大分解层数,f(t)为重构;其中,f表示经过小波降噪后的呼吸信号,8表示结构元素,o表示腐蚀运算,[0010]作为本发明所述基于生理信号的小儿呼吸异常检测方法;;其中,r(t)表示第i:个信号片段,L表示信号总长度,T表示窗口长度,r表示;;示信号在点处的一阶导数,r"(p)表示信号在点处的二阶导数,表示满足信号在点处的一阶导数,r"(z)表示信号在点处的二阶导数;z表示所有过表示信号r在z点处的一阶导数;根据峰值点集p:和谷值点集v计算呼吸信号的时域特;;;;;所述呼气时间Te表示为:;;t表示第[0011]作为本发明所述基于生理信号的小儿呼吸异常检测方法采用小波包变换对信号片段进行多尺度分解获取不同频带的能量分布特征包括频带能量其中,C,n)表示第j层第r个节点的近似系数,j表示分解层级,表示小波包树的深度;r表示节点序号,表示第j层中的第r个节点,n表示时间序列的离散点序号,表示第j层第r个节点的细节系数,表示高通滤波器系数;所述频带;[0012]作为本发明所述基于生理信号的小儿呼吸异常检测方法;;i;;;表示相空间轨道演化后的距离,表示相空间轨道初始距离,X(t)表示参考轨道点,;积分co)表示为:;;v表示相似性容限,4(v)表示[0013]作为本发明所述基于生理信号的小儿呼吸异常检测方法e和的相似度并除以缩放因子避免梯度消失问题;;其中,F为最终融合后的特征向量,i为特征层级索引,F表示第i层特征向量,表示第i层特征的权重系数,表示第i层特征的重要性得分;采用DTW算法分析;;;个信号片段与其他片段的相似度向量表示信号片段的[0014]作为本发明所述基于生理信号的小儿呼吸异常检测方法;I;吸指标的标准差;根据异常概率值及年龄分组阈值表进行初步筛选,当异常概率值;;[0015]作为本发明所述基于生理信号的小儿呼吸异常检测方法;n=2。fff=0.4Hz。;;j;;表示x的符号函数,o为噪声;重构信号的高频分量;s为最大分解层数且s=5,为重;f;;i个信号片段,L表示信号总长度,r表示窗口长度,r表示滑;示信号在点处的一阶导数,r"(p)表示信号在点处的二阶导数,表示满足信号在点处的一阶导数,r"(z)表示信号在点处的二阶导数;z表示所有过[0041]根据峰值点集和谷值点集V计算呼吸信号的时域特征向量FT,时域特征向;;;;t表示第可能为气道阻塞。[0045]采用小波包变换对信号片段进行多尺度分解获取不同频带的能量分布特征包括频带能量比ER和频带功率谱熵SE,小波包变换相比传统傅里叶变换具有更好的时频局其中,C,n)表示第j层第r个节点的近似系数,j表示分解层级,表示小波包树的深度;r表示节点序号,表示第j层中的第r个节点,n表示时间序列的离散点序号,j层第r个节点的细节系数,表示高通滤波器系数。;;[0050]利用相空间重构技术将信号片段映射到高维相空间,计算非线性特征向量FN,;;i;;:表示相空间轨道演化后的距离,表示相空间轨道初始距离,X(t)表示参考轨道点,;;;v表示相似性容限,4(v)表示域、非线性特征层F表示第i层特征向量,表示第i层特征的权重系数,s表示第层特征的重要性得分。[0061]采用动态时间规整算法计算预处理信号组中多个信号片段的融合特征向量之[0062]采用DTW算法分析多个信号片段间的时序关系,计算两段呼吸信号之间的累积距;;;个信号片段与其他片段的相似度向量表示信号片段的;[0068]根据异常概率值及年龄分组阈值表进行初步筛;[0069]根据异常概率值R及年龄分组阈值表r进行初步筛选,当异常概率值R超出对后的异常标记序列L,。[0070]对筛选后的异常标记序列L,中的每个异常点,提取其前后10个时间窗口的特征;表示同一时间范围内特征序列FS的标准差,A:表示特征序列的平均[0071]根据上下文特征向量c;训练支持向量机分类器,采用径向基核函数进行二次判;[0084]本实施例提出的存储介质与上述

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论