一种呼吸数据处理方法技术

本发明专利技术公开了一种呼吸数据处理方法，包括：获取患者呼吸数据；遍历患者呼吸数据识别得到潜在波峰和波谷；对比相邻波峰、波谷的间隔和幅值剔除伪波峰和伪波谷，得到患者呼吸数据的真实的波峰波谷；在真实波谷处识别呼气末停留阶段。本发明专利技术通过对呼吸数据的滤波降噪、消除线性趋势归零、峰谷搜索识别及呼气末短暂暂停点识别得到有效的信号特征，可以找到相对准确的呼吸周期内的呼吸曲线，为穿刺手术提供指导。指导。指导。

【技术实现步骤摘要】
一种呼吸数据处理方法


[0001]本专利技术涉及数据处理
，尤其涉及一种呼吸数据处理方法。

技术介绍

[0002]人体呼吸波形作为一种重要的生理信号，在众多医疗器械或解决方案中使用，如肺部结节穿刺、肺部及其周围脏器的肿瘤放疗、肺部4D CT重建、肺部MRI成像等领域。对于患者类周期性、不稳定呼吸曲线的准确显示或特征提取，为上述领域更高端发展提供契机。
[0003]从传感器直接采集的呼吸数据存在零点基准漂移、杂波干扰以及呼吸幅值和周期不稳定情况，无法直接供后续处理使用。

技术实现思路

[0004]专利技术目的：针对上述不足，本专利技术提供一种呼吸数据处理方法，处理过的数据能够对肺部穿刺手术提供呼吸引导功能，可以找到相对准确的呼吸周期内的呼吸曲线，为医生提供穿刺指导。
[0005]技术方案：
[0006]一种呼吸数据处理方法，包括：
[0007]获取患者呼吸数据；
[0008]遍历患者呼吸数据识别得到潜在波峰和波谷；
[0009]对比相邻波峰、波谷的间隔和幅值剔除伪波峰和伪波谷，得到患者呼吸数据的真实的波峰波谷；
[0010]在真实波谷处识别呼气末停留阶段。
[0011]在识别潜在波峰和波谷之前包括异常值检测替换步骤：
[0012]检测的异常值X
out
范围如下：
[0013]x
i
＞Q3+c*(IQR)∪x
i
＜Q1
‑
c*(IQR)
[0014]其中，x
i
表示采集的患者呼吸数据中第i个采样点的呼吸数据，i＝1,2,
…
,n；n表示采集的患者呼吸数据总的采样点数量；Q1、Q3分别表示患者呼吸数据中的幅值通过四分位差得到的第一和第三个四分位数；c为阈值因数，c>0，IQR＝Q3
‑
Q1；
[0015]对异常值进行插值替换，异常值范围的两端点以近邻点替换，异常值范围内的点以线性插值替换，如下式：
[0016][0017]其中，k表示第k个采样点，m代表中间异常点个数。
[0018]在所述异常值检测替换步骤之前包括滤波步骤。
[0019]在识别潜在波峰和波谷之前还包括基准校准步骤：
[0020]通过下式拟合一阶多项式；
[0021][0022][0023]得到线性趋势：
[0024]f(i)＝w*i+b
[0025]其中，w、b分别表示一阶多项式的系数；
[0026]对呼吸数据进行基准校准：x
i
′
＝x
i
‑
f(i)。
[0027]遍历患者呼吸数据识别得到潜在波峰和波谷具体为：
[0028]根据呼吸数据采样点数设置若干滑窗和滑窗起始位置，采用每个滑窗依次遍历患者呼吸数据，若其中某一采样点的呼吸数据中的呼吸幅值满足波峰和波谷的接受阈值，则认为其为波峰或波谷，从而得到每个滑窗遍历完呼吸数据之后的波峰数目和波谷数目；
[0029]依次计算每个滑窗相对于上一个滑窗遍历完呼吸数据得到波峰数目和波谷数目的增量，并计算得到增量对应的多个波峰和多个波谷对应的呼吸幅值的平均值，并以两平均值的均值作为分割阈值；
[0030]以呼吸数据中呼吸幅值大于该分割阈值的波峰作为潜在波峰，以呼吸数据中呼吸幅值小于该分割阈值的波谷作为潜在波谷。
[0031]所述接受阈值计算如下：
[0032]计算呼吸数据的均值M和均方差S，设置波峰接受阈值为T1>M+S/2、波谷接受阈值为T2<M
‑
S/2。
[0033]按照斐波那契数列设置各个滑窗尺寸，且至少存在一个尺寸大于呼吸周期的滑窗。
[0034]还包括对呼吸数据进行镜像扩展的步骤：
[0035]镜像扩展的尺寸为呼吸数据的采样尺寸和该滑窗遍历至呼吸数据末端时用于补足该滑窗尺寸所需要的尺寸中的较小值。
[0036]剔除伪波峰和伪波谷具体为：
[0037]计算相邻波峰和波谷之间的间隔和相邻波峰和波峰之间的间隔，若后者大于前者，则认为当前波峰为真波峰，否则认为存在伪波峰；若当前波峰对应的呼吸幅值小于下一波峰对应的呼吸幅值，则认为当前波峰为伪波峰；否则认为下一波峰为伪波峰；将伪波峰直接删除；
[0038]计算相邻波谷和波峰之间的间隔和相邻波谷和波谷之间的间隔，若后者大于前者，则认为当前对应的波谷为真波谷，否则认为存在伪波谷；若当前波谷对应的呼吸幅值大于下一波谷对应的呼吸幅值，则认为当前波谷为伪波谷；否则认为下一波谷为伪波谷；将伪波谷直接删除。
[0039]所述在真实波谷处识别呼气末停留阶段具体为：
[0040]截取相邻两波峰中间部分区段的呼吸数据，以呼吸幅值为纵坐标，以采样点频数为横坐标进行直方图统计；
[0041]某一直方图每个数组bin的范围内的采样点频数为N
bin
和其呼吸幅值的中心值为V
bin
，计算直方图内采样点频数最大的数组的采样点频数max(N
bin
)和其呼吸幅值的中心值V
maxbin
，以V
maxbin
＜fac
mag
*range(V
bin
)+min(V
bin
)及max(N
bin
)＞fac
bin1
*T(N
bin
)作为存在呼气末停留阶段的筛选条件；其中，range(V
bin
)表示所有截取的部分呼吸数据的幅值范围，fac
mag
表示直方图中幅值的缩放因子；min(V
bin
)表示直方图所有数组的中心值的最小值；T
(N
bin
)为根据采样频率设置的阈值；fac
bin1
表示直方图数组bin数量的缩放因子；
[0042]若不满足以上条件，则认为不存在所需要识别的呼气末停留阶段；
[0043]若满足以上条件，则对某一数组bin的采样点数量N
bin
在直方图中向上检索，得到满足N
bin
＞fac
bin2
*N
maxbin
所在数组bin对应的中心值T
bin
作为对呼吸数据分割的阈值，fac
bin2
表示直方图数组bin数量的缩放因子；凡是呼吸幅值小于T
bin
的呼吸数据认定为呼气末所在阶段点，从而得到呼气末停留阶段。
[0044]有益效果：本专利技术通过对原始1维数据的滤波降噪、消除线性趋势归零、峰谷搜索识别及呼气末短暂暂停点识别得到有效信号特征，并据此得到一个相对准确的呼吸周期内的呼吸曲线，以此供医生进行肺部穿刺手术指导，提高手术精准度。
附图说明
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种呼吸数据处理方法，其特征在于：包括：获取患者呼吸数据；遍历患者呼吸数据识别得到潜在波峰和波谷；对比相邻波峰、波谷的间隔和幅值剔除伪波峰和伪波谷，得到患者呼吸数据的真实的波峰波谷；在真实波谷处识别呼气末停留阶段。2.根据权利要求1所述的呼吸数据处理方法，其特征在于：在识别潜在波峰和波谷之前包括异常值检测替换步骤：检测的异常值X
out
范围如下：x
i
＞Q3+c*(IQR)∪x
i
＜Q1
‑
c*(IQR)其中，x
i
表示采集的患者呼吸数据中第i个采样点的呼吸数据，i＝1,2,
…
,n；n表示采集的患者呼吸数据总的采样点数量；Q1、Q3分别表示患者呼吸数据中的幅值通过四分位差得到的第一和第三个四分位数；c为阈值因数，c>0，IQR＝Q3
‑
Q1；对异常值进行插值替换，异常值范围的两端点以近邻点替换，异常值范围内的点以线性插值替换，如下式：其中，k表示第k个采样点，m代表中间异常点个数。3.根据权利要求2所述的呼吸数据处理方法，其特征在于：在所述异常值检测替换步骤之前包括滤波步骤。4.根据权利要求1～3任一所述的呼吸数据处理方法，其特征在于：在识别潜在波峰和波谷之前还包括基准校准步骤：通过下式拟合一阶多项式；下式拟合一阶多项式；得到线性趋势：f(i)＝w*i+b其中，w、b分别表示一阶多项式的系数；对呼吸数据进行基准校准：x
i
′
＝x
i
‑
f(i)。5.根据权利要求4所述的呼吸数据处理方法，其特征在于：遍历患者呼吸数据识别得到潜在波峰和波谷具体为：根据呼吸数据采样点数设置若干滑窗和滑窗起始位置，采用每个滑窗依次遍历患者呼吸数据，若其中某一采样点的呼吸数据中的呼吸幅值满足波峰和波谷的接受阈值，则认为其为波峰或波谷，从而得到每个滑窗遍历完呼吸数据之后的波峰数目和波谷数目；依次计算每个滑窗相对于上一个滑窗遍历完呼吸数据得到波峰数目和波谷数目的增量，并计算得到增量对应的多个波峰和多个波谷对应的呼吸幅值的平均值，并以两平均值的均值作为分割阈值；以呼吸数据中呼吸幅值大于该分割阈值的波峰作为潜在波峰，以呼吸数据中呼吸幅值
小于该分割阈值的波谷作为潜在波谷。6.根据权利要求5所述的呼吸数据处理方法，其特征在于：所述接受阈值计算如下：计算呼吸数据的均值M和均方差S，设置波峰接受阈值为T1>M+S/2、波谷接受阈值为T2<M
‑
S/2。7.根据权利要求5所述的呼吸数据处理方法，其特征在于：按照斐波那契数列设置各个滑窗尺寸，且至少存在一个尺寸大于呼吸周期的滑窗。8.根据权利要求5所述的呼吸数据处理方法，其特征在于：还包括对呼吸数据...

【专利技术属性】
技术研发人员：刘孝波，朱辉球，贾秀成，
申请(专利权)人：南京佗道医疗科技有限公司，
类型：发明
国别省市：