申请/专利权人：大连云间来客科技有限公司

申请日：2024-03-26

公开（公告）日：2024-04-30

公开（公告）号：CN117951630A

主分类号：G06F18/2433

分类号：G06F18/2433;A61B5/08;A61B5/00;G06F18/231;G06F18/213;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明涉及数据处理技术领域，具体涉及一种呼吸重症患者异常呼吸模式识别方法，包括：获取呼吸频率数据时序序列，将其分解得到分量数据序列；获取端点数据序列；根据端点数据序列得到端点变化程度；根据端点变化程度、呼吸频率数据时序序列及端点数据序列，得到端点数据序列的异常程度；获取若干个聚类簇；筛选参考聚类簇以及目标聚类簇；根据参考聚类簇以及目标聚类簇，得到沿拓系数；根据呼吸频率数据时序序列以及异常程度以及沿拓系数，得到结果序列；利用结果序列得到识别结果。本发明通过获得更加有利于经验模态分解的结果序列，提高了呼吸重症患者异常呼吸模式识别的准确性。

主权项：1.一种呼吸重症患者异常呼吸模式识别方法，其特征在于，该方法包括以下步骤：获取呼吸频率数据时序序列；对呼吸频率数据时序序列分解得到若干个分量数据序列；在呼吸频率数据时序序列以及分量数据序列中分别获取端点数据序列；根据分量数据序列的端点数据序列得到分量数据序列的端点变化程度；根据分量数据序列的端点变化程度、呼吸频率数据时序序列及呼吸频率数据时序序列的端点数据序列，得到呼吸频率数据时序序列的端点数据序列的异常程度；在呼吸频率数据时序序列中获取若干个聚类簇；在所有聚类簇中筛选出参考聚类簇以及目标聚类簇；根据参考聚类簇以及目标聚类簇，得到呼吸频率数据时序序列的端点数据序列的沿拓系数；根据呼吸频率数据时序序列以及呼吸频率数据时序序列的端点数据序列的异常程度以及沿拓系数，对呼吸频率数据时序序列进行处理，得到结果序列；利用结果序列得到异常呼吸模式的识别结果；所述在呼吸频率数据时序序列以及分量数据序列中分别获取端点数据序列，包括的具体步骤如下：利用一阶导数法获取呼吸频率数据时序序列中的极值，将呼吸频率数据时序序列中的第一个序列值到第一个极值的数据段，以及呼吸频率数据时序序列中的最后一个极值到原始数据中的最后一个序列值的数据段，记为呼吸频率数据时序序列的初始端点数据序列；根据呼吸频率数据时序序列的初始端点数据序列的获取方法，得到每个分量数据序列的两个初始端点数据序列；将呼吸频率数据时序序列的左侧初始端点数据序列作为呼吸频率数据时序序列的端点数据序列，将分量数据序列的左侧初始端点数据序列作为分量数据序列的端点数据序列；所述在呼吸频率数据时序序列中获取若干个聚类簇，包括的具体步骤如下：在呼吸频率数据时序序列中，将两个连续的极值之间的区间记为一个数据区间；利用DTW算法获得呼吸频率数据时序序列的端点数据序列与每一个数据区间之间的DTW匹配值，利用层次聚类算法对DTW匹配值进行聚类，得到若干个聚类簇；所述根据参考聚类簇以及目标聚类簇，得到呼吸频率数据时序序列的端点数据序列的沿拓系数，包括的具体计算方式如下： 式中，表示呼吸频率数据时序序列的端点数据序列的沿拓系数，表示参考聚类簇的平均DTW匹配值的最大值，表示目标聚类簇的平均DTW匹配值，表示呼吸频率数据时序序列的端点数据序列内所有序列值的方差，表示第个参考聚类簇内所有序列值的方差，表示参考聚类簇的数量，表示线性归一化函数，为绝对值函数。

全文数据：

权利要求：

百度查询： 大连云间来客科技有限公司 一种呼吸重症患者异常呼吸模式识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD