【技术实现步骤摘要】
本专利技术涉及数字医疗，尤其涉及一种aecopd肺音数字生物标志物解析方法、装置、介质和系统。
技术介绍
1、慢性阻塞性肺疾病(chronic obstructive pulmonary disease，copd)是一种常见的肺部疾病，其特征是持续的呼吸道症状和气流受制，可进一步发展为肺心病和呼吸衰竭。copd与有害气体及有害颗粒的异常炎症反应有关，致残率和病死率很高，全球40岁以上人群发病率已高达9％～10％，是全球范围内发病率和死亡率最高的疾病之一。
2、慢性阻塞性肺疾病急性加重期(acute exacerbation of chronic obstructivepulmonary disease，aecopd)是copd临床过程中的重要事件，copd患者每年发生约0.5～3.5次的急性加重，频繁的慢性阻塞性肺疾病急性加重会导致肺功能出现恶化，因此aecopd是copd患者死亡的重要因素。aecopd的治疗方法主要是延缓疾病进展、缓解症状，因此早诊断、早治疗对于aecopd十分重要。
3、针对aecopd的诊断，现有技术通常着眼于与aecopd相关的生物标志物的研究，例如：
4、cn116223818a公开了dr3蛋白检测试剂在制备筛查aecopd的试剂盒的用途及筛查aecopd的试剂盒，属于体外诊断试剂领域。该专利技术首次发现aecopd患者血清中dr3蛋白表达水平显著高于普通copd患者以及健康人群。
5、cn114822827a公开了一种慢性阻塞性肺疾病急性加重(aeco
6、但无创的且可随时随地检测的数字生物标志物势必是未来研究发展的方向，在对aecopd肺音数字生物标志物进行解析时，由于其特征数据的高维性以及特征数据与相应症状之间的复杂相关关系，一个特征数据可能影响多个症状，一个症状有可能对应多个特征数据。在这种情况下，直接使用原始数据进行分析可能会带来一些挑战。例如，计算复杂性可能会增加，模型可能会出现过拟合的问题，或者无法捕捉到数据中最重要的变化模式。此外，特征数据之间可能存在相关性，导致多重共线性问题，进而使模型变得不稳定或解释性较差。
7、此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于申请人做出本专利技术时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本专利技术不具备这些现有技术的特征，相反本专利技术已经具备现有技术的所有特征，而且申请人保留在
技术介绍
中增加相关现有技术之权利。
技术实现思路
1、针对现有技术之不足，本专利技术提供了一种aecopd肺音数字生物标志物解析方法、装置、介质和系统，以解决上述至少部分技术问题。
2、数字生物标志物(digital biomarker)是用户在使用例如手机、电脑、平板以及智能穿戴设备时，通过物联网等方式采集用户的生理指标、运动状态等各类数据，并经过人工智能分析整理得到的客观的特征数据。特征数据可以用于预测和评估用户生理状态或健康状态。一方面，数字生物标志物现阶段的发展目标是传统生物标志物的有效补充，而不是取代后者；另一方面，数字生物标志物可有力推动健康医疗模式从被动应对向主动预防的转变。数字生物标志物有望成为深入了解人类自身健康和疾病的有效手段。然而当前数字生物标志物通常用于帕金森、心血管疾病恶化、脊柱侧弯、骨质疏松与跌倒预测等影响面较广的慢性病上，并没有用在aecopd的先例。本专利技术创新性地针对aecopd肺音数字生物标志物进行采集，以通过低成本、随时随地的无创检测来保证患者能够及时掌握自身病情和/或相关医护人员能够进行远程诊断，其中，aecopd肺音数字生物标志物即为能够表征aecopd的肺音数字信号。
3、aecopd肺音数字生物标志物的特征数据可包括时间域特征、频谱特征、频率域特征、振幅特征、脉冲特征、频率变化特征、持续时间特征、深度网络特征等。相对应地，aecopd的症状可包括呼吸困难、咳嗽和痰液变化、胸闷或压迫感、喘息音、疲劳、心悸或心慌、血氧饱和度低等。
4、由于特征数据的高维性以及特征数据与症状之间的复杂相关关系，一个特征数据可能影响多个症状，一个症状有可能对应多个特征数据。在这种情况下，直接使用原始数据进行分析可能会带来一些挑战。例如，计算复杂性可能会增加，模型可能会出现过拟合的问题，或者无法捕捉到数据中最重要的变化模式。此外，特征数据之间可能存在相关性，导致多重共线性问题，进而使模型变得不稳定或解释性较差。因此，本专利技术所提供的一种aecopd肺音数字生物标志物解析方法、装置、介质和系统旨在解决这些技术问题。
5、本专利技术公开了一种aecopd肺音数字生物标志物解析方法，其包括如下步骤：
6、获取待解析的aecopd肺音数字生物标志物，其中，待解析的aecopd肺音数字生物标志物为经过预处理后的肺音数字信号；
7、对待解析的aecopd肺音数字生物标志物的特征数据进行主成分分析，以分解为若干正交的特征分量；
8、分析aecopd肺音数字生物标志物的特征分量与aecopd症状之间的相关关系。
9、分析aecopd肺音数字生物标志物的特征数据与aecopd症状之间的相关关系具有重要的意义，其可以在诊断和早期预警、病情评估和监测、治疗响应评估、深入理解疾病机制以及个性化医疗和精准治疗方面取得重要进展。
10、根据一种优选实施方式，对从特征数据中提取的特征向量进行标准化处理，通过正交变换的方式将由线性相关变量表示的特征数据转换为由线性无关变量表示的数据，并将相对高维度的特征向量转化为相对低维度的在主成分上投影的特征分量，用以对待解析的aecopd肺音数字生物标志物的特征进行主成分分析。
11、为了解决现有的技术问题，本专利技术可以对待解析的aecopd肺音数字生物标志物的特征数据进行主成分分析，以通过正交变换的方式将由线性相关变量表示的特征数据转换为由线性无关变量表示的数据。主成分分析能够将高维特征向量转化为较低维度的主成分，实现数据的降维和维度压缩，从而减少计算复杂性和存储需求。此外，主成分分析还能评估每个主成分对总方差的贡献程度，以便于选择保留最重要的特征数据，减少冗余信息的影响。同时，主成分分析还能消除特征数据之间的相关性，解决多重共线性问题，从而更好地理解和分析aecopd肺音数字生物标志物的特征数据与aecopd症状之间的关系，并构建更可靠和更具解释性的模型。主成分分析可以从复杂的高维特征数据空间中提取出与数据最相关和最具代表性的特征数据，进而更好地处理数据并进本文档来自技高网...
【技术保护点】
1.一种AECOPD肺音数字生物标志物解析方法，其特征在于，其包括如下步骤：
2.根据权利要求1所述的解析方法，其特征在于，对从特征数据中提取的特征向量进行标准化处理，通过正交变换的方式将由线性相关变量表示的特征数据转换为由线性无关变量表示的数据，并将相对高维度的特征向量转化为相对低维度的在主成分上投影的特征分量，用以对待解析的AECOPD肺音数字生物标志物的特征进行主成分分析。
3.根据权利要求1或2所述的解析方法，其特征在于，使用皮尔逊相关系数分别计算特征分量和症状数据之间的相关性，并通过设定显著性水平的方式来验证该皮尔逊相关系数是否显著，其中，皮尔逊相关系数为两个变量之间的协方差和标准差的商。
4.根据权利要求1～3任一项所述的解析方法，其特征在于，根据计算得到的皮尔逊相关系数的相关性和显著性判断所选取特征数据与相应症状之间是否存在显著相关性，并通过建立的回归模型进行统计验证和分析，以了解特征数据对AECOPD症状的预测能力和影响程度。
5.根据权利要求1～4任一项所述的解析方法，其特征在于，待解析的AECOPD肺音数字生物标
6.根据权利要求1～5任一项所述的解析方法，其特征在于，在获取患者的肺音模拟信号时按照特定排布规则确定各声音传感单元(500)的布设位置，以针对性地获取患者不同部位的肺音模拟信号，其中，根据特定排布规则将若干声音传感单元(500)按照其布设位置或对应部位划分至不同的采集组中。
7.一种AECOPD肺音数字生物标志物解析系统，其特征在于，其包括：
8.根据权利要求7所述的解析系统，其特征在于，所述采集模块包括按照特征排布规则布设的用于在连续时间段内采集患者肺部气流摩擦产生的肺音的若干声音传感单元(500)，以采集患者不同部位的肺音信号，其中，所述采集模块配置的预处理单元能够对采集的肺音信号进行预处理，以得到待解析的AECOPD肺音数字生物标志物。
9.一种存储介质，其储存有计算机程序，其特征在于，该计算机程序被处理器执行时能够实施如权利要求1～6任一项所述的解析方法。
10.一种解析装置，其包括处理器、存储器和存储在所述存储器上的能够被所述处理器运行的计算机程序，其特征在于，所述处理器执行该计算机程序时能够实施如权利要求1～6任一项所述的解析方法。
...【技术特征摘要】
1.一种aecopd肺音数字生物标志物解析方法，其特征在于，其包括如下步骤：
2.根据权利要求1所述的解析方法，其特征在于，对从特征数据中提取的特征向量进行标准化处理，通过正交变换的方式将由线性相关变量表示的特征数据转换为由线性无关变量表示的数据，并将相对高维度的特征向量转化为相对低维度的在主成分上投影的特征分量，用以对待解析的aecopd肺音数字生物标志物的特征进行主成分分析。
3.根据权利要求1或2所述的解析方法，其特征在于，使用皮尔逊相关系数分别计算特征分量和症状数据之间的相关性，并通过设定显著性水平的方式来验证该皮尔逊相关系数是否显著，其中，皮尔逊相关系数为两个变量之间的协方差和标准差的商。
4.根据权利要求1～3任一项所述的解析方法，其特征在于，根据计算得到的皮尔逊相关系数的相关性和显著性判断所选取特征数据与相应症状之间是否存在显著相关性，并通过建立的回归模型进行统计验证和分析，以了解特征数据对aecopd症状的预测能力和影响程度。
5.根据权利要求1～4任一项所述的解析方法，其特征在于，待解析的aecopd肺音数字生物标志物通过配置采集模块的方式来获取，其中，通过采集模块配置的声音传感单元(500)获取患者的一个或多个部...
【专利技术属性】
技术研发人员：刘丹，李丹，赵爽，高云龙，甘佳娣，杨蕊媛，梁书凡，刘江，马文越，明鸣，杨矫云，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：
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。