【技术实现步骤摘要】
一种基于DBA-DTW-KNN的机械通气人机不同步快速识别方法
本专利技术涉及一种机械通气人机不同步快速识别方法，首先使用基于DBA和DTW实现数据集压缩，再基于KNN的分类思想对机械通气中病人的无效吸气努力进行识别，进而可以评估呼吸机参数设置的合理性，为调整呼吸机参数设置相关领域提供辅助教学。
技术介绍
在重症监护室(IntensiveCareUnit,ICU)中，机械通气(MechanicalVentilation,MV)是急性呼吸衰竭患者的重要生命支持手段。但是当患者的呼吸需求与呼吸机设置参数不匹配时，就会造成人机不同步，将会导致一系列不良的临床结果。常见的人机不同步类型包括无效吸气努力、双触发、周期过短、周期过长等。本专利技术主要针对无效吸气努力(IneffectiveInspiratoryEffortduringExpiration,IEE)这一类型进行识别。无效吸气努力指的是患者在吸气努力后未触发呼吸机进行送气，在呼吸波形上主要表现为呼气相流速中有突起的同时伴随压力波形有凹陷。早期最常用的人机不同步识别方...
【技术保护点】
1.一种基于DBA-DTW-KNN的机械通气人机不同步快速识别方法，其特征在于，该方法为：实时读取呼吸波形数据组成测试序列Q
【技术特征摘要】
1.一种基于DBA-DTW-KNN的机械通气人机不同步快速识别方法，其特征在于，该方法为：实时读取呼吸波形数据组成测试序列Ql＝(q1,q2,...,qp)，并对呼吸波形数据进行标准化处理；然后计算测试序列Ql与训练集C＝(C1,C2,...,CE)中所有序列的DTW距离。采用DTW计算相似性距离，再结合KNN分类思想，根据设定的K值对测试序列样本Ql进行分类，K为正整数。其中，训练集C＝(C1,C2,...,CE)的构建包括以下步骤：
a获取预标注的呼吸波形数据作为原始训练数据集S＝(S1,S2,...,SM)，其中，M表示原始训练数据集的大小。
b对原始训练数据集中所有序列样本进行预处理。先对所有标注的呼吸序列样本分别做Z-score标准化，将序列Sm＝(s1,s2,...,sn)，m∈(1,2,...,M)标准化变换成公式如下式所示：
其中，μ为序列平均值，σ为序列标准差，m表示序列的序号，i表示采样点的序号。
c将经过预处理之后的原始训练数据集数据进行压缩。压缩步骤如下所示：
c1首先构建模板库初始模板集T1，然后从经过预处理之后的原始训练数据集中随机挑选一条序列当作初始模板序列，并将其置入模板集T1；
c2从经过预处理之后的原始训练数据集中选取一条非初始模板序列将其与模板库中的各个模板集里面的每一个模板序列进行DTW距离计算，并获取与各个模板集的平均DTW距离；
c3将步骤c2计算得到的最小的平均DTW距离mean_Dm与设置的阈值ε比较，当mean_Dm≤ε时，将序列加入Dm所对应的模板集中，然后判断模板集内模板序列的总数是否达到设定阈值λ，如果满足条件，则使用DBA算法求取该模板集的平均模板序列，然后清空该模板集内的所有序列，并将平均模板序列添加至该模板集；如果mean_Dm＞ε，则创建新的模板集Tl，l表示模板集的序号，并将添加至Tl。其中，ε为实数，λ为正整数。
c4重复执行步骤c2-c3直至原始训练数据集遍历完毕。
c5对模板库中的各个模板集再次使用DBA算法进行压缩，最后获...
【专利技术属性】
技术研发人员：葛慧青，段开亮，潘清，龚强，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。