检测人机通气不同步的呼吸波形分类模型训练方法及装置制造方法及图纸

本发明专利技术涉及呼吸设备分析领域，具体涉及一种检测人机通气不同步的呼吸波形分类模型训练方法及装置，本发明专利技术方法通过对各类波形的观察，对每个呼吸周期的气道压数据进行升序排列后，不同呼吸类型的数据分布特点有明显的差异；所以将气道压数据进行升序排列后再提取特征就会非常有效，可以非常有效的将根据波形呼吸类型的区分；并且可以应用最基本的机器学习分类算法进行快速分类训练，本申请方法训练的呼吸波形分类模型训练检测呼吸类型的效果甚优。优。优。

【技术实现步骤摘要】
检测人机通气不同步的呼吸波形分类模型训练方法及装置


[0001]本专利技术涉及呼吸设备分析领域，具体而言，涉及一种检测人机通气不同步的呼吸波形分类模型训练方法及装置。

技术介绍

[0002]在现代临床医学中，呼吸机作为一项能人工替代自主通气功能的有效手段，已普遍用于各种原因所致的呼吸衰竭、大手术期间的麻醉呼吸管理、呼吸支持治疗和急救复苏中，在现代医学领域内占有十分重要的位置。
[0003]呼吸机是一种能够起到预防和治疗呼吸衰竭，减少并发症，挽救及延长病人生命的至关重要的医疗设备；然而，在用呼吸机给患者进行机械通气的过程中，往往会出现通气异常导致的人机不同步现象。人机不同步现象会对患者造成很多负面的影响，需要医生及时调整呼吸机参数；但从医生观察到不同步现象，直到医生做出判断和调整参数，是需要一定的时间；所以人机不同步现象的自动检测与分类，对患者有很大的益处，是非常有意义的研究方向。人机不同步的类型有很多，最常见的是无效吸气努力和双触发吸气；无效吸气努力被定义为吸气肌用力后未达到呼吸机的触发阈值，没有产生呼吸机呼吸；双触发吸气是由于过短的呼本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测人机通气不同步的呼吸波形分类模型训练方法，其特征在于，包括以下步骤：采集连续呼吸周期的呼吸数据，所述呼吸数据包括气道压数据；将所述气道压数据分割为若干信号段，其中每个所述信号段对应一次完整的呼吸周期；根据所述气道压数据的波形特征进行多个不同类型的呼吸类型标注，所述呼吸类型标注包括正常呼吸波形、双触发吸气波形及无效吸气努力波形；读取各个所述呼吸周期的所述气道压数据，将各个所述呼吸周期的所述气道压数据进行升序排列；提取各个所述气道压数据的特征数据，将各个所述特征数据作为各个所述呼吸周期对应的特征值；将所有所述特征值存储到数据表，得到所有呼吸周期的特征值数据集，并将所述呼吸类型标注依照所述特征值存储到所述数据表中的顺序存储到所述数据表，得到与所述特征值数据集对应的标注列表；将所述特征值数据集分为训练集及测试集；基于机器学习分类算法，应用所述训练集及测试集进行模型训练，以获得呼吸波形分类模型。2.根据权利要求1所述的检测人机通气不同步的呼吸波形分类模型训练方法，其特征在于，所述采集连续呼吸周期的呼吸数据具体为：采用Test模拟肺和迈瑞SV300呼吸机搭建实验平台进行数据数据采集。3.根据权利要求1所述的检测人机通气不同步的呼吸波形分类模型训练方法，其特征在于，所述将所述气道压数据分割为若干信号段，其中每个所述信号段对应一次完整的呼吸具体为：每两个波谷间划分为一个完整的呼吸周期。4.根据权利要求3所述的检测人机通气不同步的呼吸波形分类模型训练方法，其特征在于，所述将所述气道压数据分割为若干信号段，其中每个所述信号段对应一次完整的呼吸之后包括：分割所述气道压数据后，需将每段所述呼吸周期的所述气道压数据单独存为表格文件。5.根据权利要求1所述的检测人机通气不同步的呼吸波形分类模型训练方法，其特征在于，所述提取各个所述气道压数据的特征数据，将各个所述特征数据作为各个所述呼吸周期对应的特征值具体为：根据所述特征计算法则提取所述特征数据；所述特征计算法则为：把每个经升序排列后的所述呼吸周期分割成数量相等的10份的特征数据点；第1个特征数据点取排序后的整组数据的最小值，另取10个特征点，并依次取每份数据点中的最大值，共加起来共11个特征点；用计算得到的11个所述特征数据结合作为各个对应呼吸周期的特征值。6.根据权利要求1所述的检测人机通气不同步的呼吸波形分类模型训练方法，其特征
在于，所述基于机器学习分类算法，应用所述训练集及测试集，进行模型训练，获得呼吸波形分类模型具体为：支持向量机算法、最邻近节点算法、逻辑回归算法、决策树算法、随...

【专利技术属性】
技术研发人员：仲为，李慧慧，马良，熊富海，颜延，王磊，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：