困难气道声门特征智能识别方法及系统技术方案

本发明专利技术涉及医疗人工智能技术领域，尤其涉及困难气道声门特征智能识别方法及系统，通过内嵌于喉罩的微型麦克风采集患者呼吸音信号，经预处理得到时频图；采用三通道并行架构进行时频域特征自适应提取，并通过双路径噪声特征学习网络分离环状软骨压迫音与分泌物干扰音；应用多尺度声门特征金字塔融合技术捕捉从微观到宏观不同时间尺度的声门特征；通过BiGRU网络和时间注意力机制进行时序建模，识别声门状态序列；基于双分支决策网络和贝叶斯决策推理确定Cormack‑Lehane分级结果，并给出喉镜型号推荐,提高了困难气道预测准确率达91.7%，相比传统方法提升25%～30%，能有效减少麻醉相关并发症，提高首次插管成功率。

【技术实现步骤摘要】

本专利技术涉及医疗人工智能，尤其涉及困难气道声门特征智能识别方法及系统，适用于麻醉科临床工作中困难气道的预测评估和处理。

技术介绍

1、在麻醉临床工作中，困难气道是一种常见且危险的状况，可能导致严重的患者伤害甚至死亡。目前，困难气道的评估主要依赖麻醉医师的经验判断和一些简单的预测指标，如mallampati分级、甲颏距离等。这些评估方法存在主观性强、准确率有限的问题。虽然直接喉镜检查可以准确评估cormack-lehane（c-l）分级，但该检查仅能在麻醉诱导后进行，此时若发现困难气道，则可能面临无法通气、无法插管的危险情况。

2、现有技术中，一些研究尝试利用超声、ct等影像学手段预测困难气道，但这些方法成本高、操作复杂，难以广泛应用。近年来，基于声学信号的分析方法受到关注，但现有声学分析技术面临信号采集不精准、特征提取不全面、噪声干扰严重等问题，无法准确识别与困难气道相关的声门特征。

3、因此，亟需一种能够在麻醉前准确、客观、无创地预测困难气道的方法和系统，以提高麻醉安全性和患者预后。

<b>技术实现思路...

【技术保护点】

1.困难气道声门特征智能识别方法，其特征在于，包括：

2.根据权利要求1所述的困难气道声门特征智能识别方法，其特征在于，所述微型麦克风设置在喉罩的第二曲线位置，并且所述微型麦克风的灵敏度为-42dBV/Pa，频率响应为20Hz-20kHz，信噪比不低于65dB。

3.根据权利要求1所述的困难气道声门特征智能识别方法，其特征在于，所述预处理包括：

4.根据权利要求3所述的困难气道声门特征智能识别方法，其特征在于，所述小波变换处理包括：

5.根据权利要求1所述的困难气道声门特征智能识别方法，其特征在于，所述时频域特征自适应提取包括：

...

【技术特征摘要】

1.困难气道声门特征智能识别方法，其特征在于，包括：

2.根据权利要求1所述的困难气道声门特征智能识别方法，其特征在于，所述微型麦克风设置在喉罩的第二曲线位置，并且所述微型麦克风的灵敏度为-42dbv/pa，频率响应为20hz-20khz，信噪比不低于65db。

3.根据权利要求1所述的困难气道声门特征智能识别方法，其特征在于，所述预处理包括：

4.根据权利要求3所述的困难气道声门特征智能识别方法，其特征在于，所述小波变换处理包括：

5.根据权利要求1所述的困难气道声门特征智能识别方法，其特征...

【专利技术属性】
技术研发人员：曹晨，
申请(专利权)人：首都医科大学附属北京口腔医院，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人