CN107157484A - 一种左右肺之间呼吸不对称性的检测方法 - Google Patents
一种左右肺之间呼吸不对称性的检测方法 Download PDFInfo
- Publication number
- CN107157484A CN107157484A CN201710178909.XA CN201710178909A CN107157484A CN 107157484 A CN107157484 A CN 107157484A CN 201710178909 A CN201710178909 A CN 201710178909A CN 107157484 A CN107157484 A CN 107157484A
- Authority
- CN
- China
- Prior art keywords
- pulmo
- signal
- asymmetry
- breathing
- breath signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/085—Measuring impedance of respiratory organs or lung elasticity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Pulmonology (AREA)
- Power Engineering (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种左右肺之间呼吸不对称性的检测方法,包括:采集受试者的左右侧胸部生物电阻抗信号,通过生物电阻抗技术提取左右肺呼吸信号;对信号进行预处理得到适合分析的呼吸信号;将预处理后的信号随机等分成训练组样本和测试组样本,并对每种呼吸不对称类型的信号进行分类后从中提取出三个特征参数;将训练组样本的三个特征参数进行统计分析,利用分析结果建立用于检测左右肺之间呼吸不对称性的检测模型;将测试组样本输入到检测模型中,获得左右肺之间呼吸不对称性的检测结果。本发明用简便无创的方法实现了对左右肺之间呼吸不对称性的检测,对于受试对象的状态不作严格的限制,在非剧烈运动状态下采集呼吸信号并进行分析,即可适用于本方法。
Description
技术领域
本发明涉及一种基于特征参数分析的左右肺之间呼吸不对称性的检测方法。
背景技术
呼吸不对称(Respiration Asymmetry)是一种目前较容易被忽略的临床现象。呼吸不对称主要是由于某些疾病,比如气胸、肺结核、肺气肿等呼吸系统疾病导致左右肺的大小明显不对称引起的。其中,呼吸不对称有三种类型,呼吸对称型:左右肺呼吸信号幅值近似相等、呼吸不对称I型:右肺呼吸信号幅值较大和呼吸不对称II型:左肺呼吸信号幅值较大。在目前临床诊断中,医学成像技术在呼吸系统疾病中的诊断具有关键作用,但是成像过程中的电离辐射对人体正常细胞具有一定的损害,且价格较为高昂,也难以提供实时的诊断信息。通过对呼吸信号的收集和分析,建立一个呼吸不对称性的检测模型,是一个简便无创、价格低廉的有效手段,可为临床上一些造成左右肺呼吸不对称的呼吸系统疾病诊断提供一定的参考依据。
目前,基于呼吸信号的特征参数分析的左右肺之间呼吸不对称性的检测方法尚未有相关专利对其进行描述,在实际应用上也主要是利用医学成像技术来诊断呼吸系统疾病。
发明内容
本发明的目的在于针对上述存在问题和不足,提供一种操作简单、价格低廉的基于特征参数分析的左右肺之间呼吸不对称性的检测方法,该方法基于正常日常生理生活状态(不限定静息状态,无剧烈运动)下采集左右肺呼吸信号,经信号滤波、标准化等步骤提取出适合分析的呼吸信号序列,提取其特征参数构成特征向量,然后将特征参数进行统计分析,利用分析结果建立左右肺之间呼吸不对称性的检测模型,并用此模型实现左右肺之间呼吸不对称性的检测。
本发明的技术方案是这样实现的:
本发明所述的左右肺之间呼吸不对称性的检测方法,其特点是包括以下步骤:
1)采集受试者的左右侧胸部的生物阻抗信号,并将生物阻抗信号进行模数转换后,从中提取得到左右肺呼吸信号;
2)对左右肺呼吸信号进行预处理,得到适合分析的左右肺呼吸信号;
3)将预处理后的左右肺呼吸信号随机等分成训练组样本和测试组样本,并对采集到的每种呼吸不对称类型的左右肺呼吸信号进行分类,其中左肺呼吸信号用{X(k)i,i=1,2,…N}(k=1,2,3)表示,右肺呼吸信号用{Y(k)i,i=1,2,…N}(k=1,2,3)表示,其中k=1表示呼吸对称型,k=2表示呼吸不对称I型,k=3表示呼吸不对称II型,并对训练组样本进行相关性、互信息和传递熵这三个特征参数的提取;
4)将训练组样本提取的三个特征参数进行统计分析,利用分析结果建立检测左右肺之间呼吸不对称性的检测模型;
5)将测试组样本输入检测模型,获得左右肺之间呼吸不对称性的检测结果。
其中,上述步骤1)的具体操作方法如下:
对受试者的左侧胸部施加一个微弱的激励电流IL和右侧胸部施加一个微弱的激励电流IR;
获取受试者左侧胸部的反应电压的幅值UL和右侧胸部的反应电压的幅值UR;
将激励电流与反应电压的幅值输入系统进行处理,得出左右侧胸部的生物阻抗信号,从中提出得到对应的左右肺呼吸信号。
上述步骤3)中对于相关性这个特征参数的提取,其具体方法如下:
将采集到的左肺呼吸信号{X(k)i,i=1,2,…N}(k=1,2,3)和右肺呼吸信号{Y(k)i,i=1,2,…N}(k=1,2,3)按时间等分为若干个片段,构成左肺呼吸信号矩阵{XX(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)和右肺呼吸信号矩阵{YY(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3);
计算左肺呼吸信号矩阵{XX(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)和右肺呼吸信号矩阵{YY(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)每行之间的相关性,从而构成一维左右肺之间呼吸信号的相关性{R_LR (k)i,i=1,2,…M}(k=1,2,3)。
上述步骤3)中对于互信息这个特征参数的提取,其具体方法如下:
将采集到的左肺呼吸信号{X(k)i,i=1,2,…N}(k=1,2,3)和右肺呼吸信号{Y(k)i,i=1,2,…N}(k=1,2,3)按时间等分为若干个片段,构成左肺呼吸信号矩阵{XX(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)和右肺呼吸信号矩阵{YY(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3);
计算左肺呼吸信号矩阵{XX(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)和右肺呼吸信号矩阵{YY(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)每行之间的互信息,从而构成一维左右肺之间呼吸信号的互信息{MI_LR(k)i,i=1,2,…M}(k=1,2,3)。
上述步骤3)中对于传递熵这个特征参数的提取,其具体方法如下:
将采集到的左肺呼吸信号{X(k)i,i=1,2,…N}(k=1,2,3)和右肺呼吸信号{Y(k)i,i=1,2,…N}(k=1,2,3)按时间等分为若干个片段,构成左肺呼吸信号矩阵{XX(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)和右肺呼吸信号矩阵{YY(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3);
计算左肺呼吸信号矩阵{XX(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)和右肺呼吸信号矩阵{YY(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)每行之间的传递熵,从而构成一维从左肺到右肺的呼吸信号的传递熵{TE_LR(k)i,i=1,2,…M}(k=1,2,3)以及从右肺到左肺的呼吸信号的传递熵{TE_RL(k)i,i=1,2,…M}(k=1,2,3)。
上述步骤4)中利用分析结果建立检测左右肺之间呼吸不对称性的检测模型,是利用各呼吸类型对应的特征的均值、方差建立检测左右肺之间呼吸不对称性的检测模型。
上述步骤5)中,可将获得的检测结果通过输出标签值“0,1,2”以代表呼吸类型:“0”表示呼吸对称型,“1”表示呼吸不对称I型,“2”表示呼吸不对称II型。
本发明由于采用了对特征参数进行数学统计分析的方法用于构建基于特征参数分析的左右肺之间呼吸不对称性的检测模型,对于每个样本提取的三个特征参数均构成一个三维的特征空间,用于描述该样本的呼吸类型,从而确定对应的呼吸不对称类型。由于检测模型是根据特征参数的统计分析获得的,因此可以构建一个具有显著性差异的模型来实现对于呼吸不对称类型的检测。同时,本发明中的三个特征参数的变化只与呼吸类型有关,因此本发明不限定数据采集过程中受试者状态,只要是非剧烈运动状态下采集的左右肺呼吸信号,即可应用本发明的方法。同时,由于本发明设计的运算较为简单,统计方法常见,因此在实现方面较为可行。
下面结合附图对本发明作进一步的说明。
附图说明
图1是本发明的原理框图。
图2是本发明的实验流程框图。
图3是本发明的分类算法流程图。
图4是本发明三种类型呼吸信号的波形图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
具体实施方式中出现的某些具体数字仅用于示例性说明,不能理解为对本专利的限制。基于本发明中的实施例,本领域普通技术人员在没有做出创造性改进的前提下的所有其他实施例,都属于本发明保护的范围;
对于本领域技术人员来说,附图中某些公知结构及说明可能省略是可以理解的。
实施例
如图1-图2所示,本发明所述的左右肺之间呼吸不对称性的检测方法,包括以下步骤:
1)利用信号采集系统采集受试者5分钟的左右肺呼吸信号,该呼吸信号是由左右侧胸部生物电阻抗变化进一步提取出来的。其具体过程为:在受试者的左右侧胸部贴上8个电极,其中4个为左右侧激励电流的输入电极IL和IR,4个为电压幅值的输出电极UL和UR;将8个电极接入信号处理系统,系统将电流电压值的变化转化为阻抗值的变化,再从中进一步提取左右肺呼吸信号;
2)对左右肺呼吸信号进行预处理,得到适合分析的左右肺呼吸信号;
3)将预处理后的左右肺呼吸信号随机等分成训练组样本和测试组样本,并对采集到的每种呼吸不对称类型的信号进行分类。其中,左肺呼吸信号用{X(k)i,i=1,2,…N}(k=1,2,3)表示,右肺呼吸信号用{Y(k)i,i=1,2,…N}(k=1,2,3)表示,其中k=1表示呼吸对称型,k=2表示呼吸不对称I型,k=3表示呼吸不对称II型,并把预处理后的左右肺呼吸信号按30秒一段等分成若干个片段对每个片段,提取训练组样本的第一个特征参数为左右肺呼吸信号之间的相关性R_LR;第二个特征参数为左右肺呼吸信号之间的互信息MI_LR;第三个特征参数为左右肺呼吸信号之间的传递熵,包括左肺到右肺的呼吸信号的传递熵TE_LR以及右肺到左肺的呼吸信号的传递熵TE_RL;最终构成左右肺呼吸信号相关性序列{R_LR (k)i,i=1,2,…M}(k=1,2,3)、左右肺呼吸信号互信息序列{MI_LR(k)i,i=1,2,…M}(k=1,2,3)以及左右肺呼吸信号传递熵序列,包括从左肺到右肺的呼吸信号的传递熵序列{TE_LR(k)i,i=1,2,…M}(k=1,2,3)以及从右肺到左肺的呼吸信号的传递熵序列{TE_RL(k)i,i=1,2,…M}(k=1,2,3);
4)对训练组样本提取的三个特征参数利用统计软件进行统计分析,由于各类型呼吸信号对应的均值、方差等数字指标具有显著性差异,故可以对数字指标进行总结,利用三个特征的数字指标作为分类的依据,从而利用分析得到的不同呼吸类型对应的特征参数的显著性,以及均值、方差等数字指标建立检测模型;
5)将测试组样本输入检测模型,获得左右肺之间呼吸不对称性的检测结果。
所述步骤2)中各特征参数的计算方法分别如下:
1.1)左右肺呼吸信号之间的相关性R_LR的计算:
设左右肺呼吸信号分别为X={x(n),n=1,K,N},Y={y(n),n=1,K,N};
则两信号之间的协方差为:
Cov(X,Y)=mean{[Zx-mean(Zx)][Zy-mean(Zy)]};
它们之间的相关性R_LR为:
1.2)左右肺呼吸信号之间的互信息MI_LR的计算:
设左右肺呼吸信号分别为X={x(n),n=1,K,N},Y={y(n),n=1,K,N};
计算两信号的边缘概率分布p(zx(i))和p(zy(j))以及它们的联合概率分布 p(zx(i),zy(j));
它们之间的互信息MI_LR为:
1.3)左肺到右肺的呼吸信号的传递熵TE_LR以及右肺到左肺的呼吸信号的传递 熵TE_RL的计算:
设左右肺呼吸信号分别为X={x(n),n=1,K,N},Y={y(n),n=1,K,N};
计算它们的联合概率分布p(zy(i),zy(i-1),zx(i-1)),p(zy(i-1),zx(i-1))和p(zy(i),zy(i-1));
左肺到右肺的呼吸信号的传递熵TE_LR为:
同理可得右肺到左肺的呼吸信号的传递熵TE_RL。
所述步骤4)中,将步骤3)中计算得到的三个特征参数利用统计分析,获得各类型呼吸信号所对三个特征参数的数值,构建左右肺之间呼吸不对称性的检测模型,其具体算法为:
使用统计分析方法对训练组各类型呼吸信号的三个特征参数进行分析,分析特征的显著性差异情况;
通过统计分析结果获得各类型呼吸信号对应的特征参数的均值、方差等一系列的数字指标,通过设定各类型对应的三个特征的数字指标的范围构建左右肺之间呼吸不对称性的检测模型。
所述步骤5)中,将步骤4)中利用训练组样本建立的检测模型作为检测依据,将测试组样本输入到检测模型中进行左右肺之间呼吸不对称性的检测,获得左右肺之间呼吸不对称性的检测结果,且输出标签值“0,1,2”以代表呼吸类型:“0”表示呼吸对称型,“1”表示呼吸不对称I型,“2”表示呼吸不对称II型。
本发明中,特征参数提取包括相关性R_LR,互信息MI_LR,传递熵TE_LR、TE_RL。检测受试者的呼吸类型,实际就是对某些呼吸系统疾病作出诊断。在研究呼吸系统时,不仅要关注其随时间的微小波动状况,同时也要注意其非线性的复杂度的特性。在本发明中,对数据作了分时段平均处理,加强了差异性。传统非线性的呼吸信号指标在区分呼吸类型具有较显著的区分度。因此,本发明中,将这三种指标组合在一起,能够利于构建更好的左右肺之间呼吸不对称性的检测模型。对于左右肺之间呼吸不对称性的检测结果,可以作为临床上呼吸系统疾病诊断的辅助指标,为提高临床上呼吸系统疾病的诊断提供一定的参考。
本发明中,不同类型的不对称性呼吸的三个特征参数具有较为明显的差异。因此,利用统计分析即可构建一个较为可靠的模型来实现对于左右肺之间呼吸不对称性的检测。
本发明中的三个特征参数不限定数据采集过程中受试者必须处于静息状态,只要是正常的日常生理生活状态(即无剧烈运动)下采集的左右肺呼吸信号信号,即可应用本发明的方法。同时,因为本发明的建模过程较为简单,所以在实现方面较为可行。
本发明旨在通过统计分析构建基于特征参数分析的左右肺之间呼吸不对称性的检测方法,但是并不限定于本发明。本发明所述技术领域具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动和润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (7)
1.一种左右肺之间呼吸不对称性的检测方法,其特征在于包括以下步骤:
1)采集受试者的左右侧胸部的生物阻抗信号,并将生物阻抗信号进行模数转换后,从中提取得到左右肺呼吸信号;
2)对左右肺呼吸信号进行预处理,得到适合分析的左右肺呼吸信号;
3)将预处理后的左右肺呼吸信号随机等分成训练组样本和测试组样本,并对采集到的每种呼吸不对称类型的左右肺呼吸信号进行分类,其中左肺呼吸信号用{X(k)i,i=1,2,…N}(k=1,2,3)表示,右肺呼吸信号用{Y(k)i,i=1,2,…N}(k=1,2,3)表示,其中k=1表示呼吸对称型,k=2表示呼吸不对称I型,k=3表示呼吸不对称II型,并对训练组样本进行相关性、互信息和传递熵这三个特征参数的提取;
4)将训练组样本提取的三个特征参数进行统计分析,利用分析结果建立检测左右肺之间呼吸不对称性的检测模型;
5)将测试组样本输入检测模型,获得左右肺之间呼吸不对称性的检测结果。
2.根据权利要求1所述左右肺之间呼吸不对称性的检测方法,其特征在于上述步骤1)的具体操作方法如下:
对受试者的左侧胸部施加一个微弱的激励电流IL和右侧胸部施加一个微弱的激励电流IR;
获取受试者左侧胸部的反应电压的幅值UL和右侧胸部的反应电压的幅值UR;
将激励电流与反应电压的幅值输入系统进行处理,得出左右侧胸部的生物阻抗信号,从中提出得到对应的左右肺呼吸信号。
3.根据权利要求1所述左右肺之间呼吸不对称性的检测方法,其特征在于上述步骤3)中对于相关性这个特征参数的提取,其具体方法如下:
将采集到的左肺呼吸信号{X(k)i,i=1,2,…N}(k=1,2,3)和右肺呼吸信号{Y(k)i,i=1,2,…N}(k=1,2,3)按时间等分为若干个片段,构成左肺呼吸信号矩阵{XX(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)和右肺呼吸信号矩阵{YY(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3);
计算左肺呼吸信号矩阵{XX(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)和右肺呼吸信号矩阵{YY(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)每行之间的相关性,从而构成一维左右肺之间呼吸信号的相关性{R_LR (k)i,i=1,2,…M}(k=1,2,3)。
4.根据权利要求1所述左右肺之间呼吸不对称性的检测方法,其特征在于上述步骤3)中对于互信息这个特征参数的提取,其具体方法如下:
将采集到的左肺呼吸信号{X(k)i,i=1,2,…N}(k=1,2,3)和右肺呼吸信号{Y(k)i,i=1,2,…N}(k=1,2,3)按时间等分为若干个片段,构成左肺呼吸信号矩阵{XX(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)和右肺呼吸信号矩阵{YY(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3);
计算左肺呼吸信号矩阵{XX(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)和右肺呼吸信号矩阵{YY(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)每行之间的互信息,从而构成一维左右肺之间呼吸信号的互信息{MI_LR(k)i,i=1,2,…M}(k=1,2,3)。
5.根据权利要求1所述左右肺之间呼吸不对称性的检测方法,其特征在于上述步骤3)中对于传递熵这个特征参数的提取,其具体方法如下:
将采集到的左肺呼吸信号{X(k)i,i=1,2,…N}(k=1,2,3)和右肺呼吸信号{Y(k)i,i=1,2,…N}(k=1,2,3)按时间等分为若干个片段,构成左肺呼吸信号矩阵{XX(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)和右肺呼吸信号矩阵{YY(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3);
计算左肺呼吸信号矩阵{XX(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)和右肺呼吸信号矩阵{YY(k)i,j,i=1,2,…M;j=1,2,…N}(k=1,2,3)每行之间的传递熵,从而构成一维从左肺到右肺的呼吸信号的传递熵{TE_LR(k)i,i=1,2,…M}(k=1,2,3)以及从右肺到左肺的呼吸信号的传递熵{TE_RL(k)i,i=1,2,…M}(k=1,2,3)。
6.根据权利要求1所述左右肺之间呼吸不对称性的检测方法,其特征在于上述步骤4)中利用分析结果建立检测左右肺之间呼吸不对称性的检测模型,是利用各呼吸类型对应的特征的均值、方差建立检测左右肺之间呼吸不对称性的检测模型。
7.根据权利要求1所述左右肺之间呼吸不对称性的检测方法,其特征在于上述步骤5)中,可将获得的检测结果通过输出标签值“0,1,2”以代表呼吸类型:“0”表示呼吸对称型,“1”表示呼吸不对称I型,“2”表示呼吸不对称II型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710178909.XA CN107157484A (zh) | 2017-03-23 | 2017-03-23 | 一种左右肺之间呼吸不对称性的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710178909.XA CN107157484A (zh) | 2017-03-23 | 2017-03-23 | 一种左右肺之间呼吸不对称性的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107157484A true CN107157484A (zh) | 2017-09-15 |
Family
ID=59849309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710178909.XA Pending CN107157484A (zh) | 2017-03-23 | 2017-03-23 | 一种左右肺之间呼吸不对称性的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107157484A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120016255A1 (en) * | 2010-07-15 | 2012-01-19 | Tanita Corporation | Respiration characteristic analysis apparatus and respiration characteristic analysis system |
CN103584866A (zh) * | 2013-11-13 | 2014-02-19 | 中山大学 | 一种基于双通道的生物电阻抗的潮气量监测方法及装置 |
CN103976737A (zh) * | 2014-05-28 | 2014-08-13 | 中山大学 | 一种左右肺呼吸阻抗相关性分析方法及系统 |
CN104545924A (zh) * | 2014-12-29 | 2015-04-29 | 中山大学 | 一种基于信息融合的阻抗肺容积测量方法 |
CN105916440A (zh) * | 2013-12-18 | 2016-08-31 | 圣米高医院 | 用于验证病人的吸气肌活动的方法和系统、以及使用该方法和系统的机械通气系统 |
-
2017
- 2017-03-23 CN CN201710178909.XA patent/CN107157484A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120016255A1 (en) * | 2010-07-15 | 2012-01-19 | Tanita Corporation | Respiration characteristic analysis apparatus and respiration characteristic analysis system |
CN103584866A (zh) * | 2013-11-13 | 2014-02-19 | 中山大学 | 一种基于双通道的生物电阻抗的潮气量监测方法及装置 |
CN105916440A (zh) * | 2013-12-18 | 2016-08-31 | 圣米高医院 | 用于验证病人的吸气肌活动的方法和系统、以及使用该方法和系统的机械通气系统 |
CN103976737A (zh) * | 2014-05-28 | 2014-08-13 | 中山大学 | 一种左右肺呼吸阻抗相关性分析方法及系统 |
CN104545924A (zh) * | 2014-12-29 | 2015-04-29 | 中山大学 | 一种基于信息融合的阻抗肺容积测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ravichandran et al. | RespNet: A deep learning model for extraction of respiration from photoplethysmogram | |
CN108095708A (zh) | 一种基于混合传感的生理监测及分析方法、系统 | |
CN106951719A (zh) | 临床诊断模型的构建方法及构建系统、临床诊断系统 | |
CN108836314A (zh) | 一种基于网络和人工智能的动态心电图分析方法及系统 | |
WO2019052063A1 (zh) | 基于人工智能的医学影像分类处理系统及方法 | |
CN107038343A (zh) | 临床诊断模型的构建方法及构建系统、临床诊断系统 | |
CN108024730A (zh) | 使用数学分析和机器学习来诊断疾病的方法和系统 | |
CN110731773B (zh) | 一种基于心电波形图全局与局部深度特征融合的异常心电图筛查方法 | |
CN110533658A (zh) | 智能肺气肿诊断信息处理系统及方法、信息数据处理终端 | |
Sobahi et al. | Attention-based 3D CNN with residual connections for efficient ECG-based COVID-19 detection | |
CN109508755B (zh) | 一种基于图像认知的心理测评方法 | |
CN109512423A (zh) | 一种基于确定学习与深度学习的心肌缺血危险分层方法 | |
CN110148466A (zh) | 一种基于迁移学习的心冲击信号房颤计算机辅助诊断方法 | |
CN106338597A (zh) | 呼吸气体测量的方法及系统 | |
CN111466878A (zh) | 基于表情识别的卧床病人疼痛症状实时监护方法及装置 | |
Chen et al. | A new deep learning framework based on blood pressure range constraint for continuous cuffless BP estimation | |
CN110277169A (zh) | 共享智能体检系统 | |
CN111887858A (zh) | 基于跨模态映射的心冲击图信号心率估计方法 | |
CN113095302A (zh) | 用于心律失常分类的深度模型、利用该模型的方法及装置 | |
CN114358194A (zh) | 基于姿态跟踪的孤独症谱系障碍异常肢体行为检测方法 | |
CN107049248A (zh) | 基于医疗云平台的乳腺筛查影像分析系统及方法 | |
CN103735247B (zh) | 用于健康状态辨识的掌色分析方法 | |
CN114041800B (zh) | 心电信号实时分类方法、装置及可读存储介质 | |
CN110811638A (zh) | 一种用于监测睡眠的svm分类器构建方法、系统及方法 | |
CN114550299A (zh) | 基于视频的老年人日常生活活动能力评估系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170915 |