[发明专利]一种长时生理信号时间序列的样本数据的扩充方法及系统

权利要求书

1.一种长时生理信号时间序列的样本数据的扩充方法，其特征是，包括：

获取第一长时生理信号时间序列及第二长时生理信号时间序列，并分别进行数据预处理，其中，第一长时生理信号时间序列及第二长时生理信号时间序列为取自不同的样本库的不同类信号数据；

选取第一长时生理信号时间序列和第二长时生理信号时间序列对应的与时间尺度无明显关联且有明显差异性的指标；

使用多时间尺度分析将第一长时生理信号时间序列和第二长时生理信号时间序列按时间尺度分段；

根据指标随时间尺度的变化初步筛选无关联性指标；

验证初步筛选指标与时间尺度无明显关联性及选取指标在不同时间尺度有差异性；

将不同时间尺度的指标作为不同样本的指标进行样本扩充，获得扩充样本集合。

2.如权利要求1所述的一种长时生理信号时间序列的样本数据的扩充方法，其特征是，所述第一长时生理信号时间序列及第二长时生理信号时间序列的样本据中采集方法相同，并对长时生理信号时间序列进行标记。

3.如权利要求1所述的一种长时生理信号时间序列的样本数据的扩充方法，其特征是，对预处理后的数据计算时间尺度下的长度，时间序列按时间尺度分段，计算每一段序列的指标。

4.如权利要求1所述的一种长时生理信号时间序列的样本数据的扩充方法，其特征是，针对所计算的指标分别在时域、频域和非线性域上选取关键指标。

5.如权利要求1所述的一种长时生理信号时间序列的样本数据的扩充方法，其特征是，应用多时间尺度分析方法将指标拓展到多个时间尺度上，得到两组样本的不同指标在多个时间尺度上的统计差异，分析中将同一指标在所有段中计算值的平均值作为该指标在该样本中的最终计算结果。

6.如权利要求5所述的一种长时生理信号时间序列的样本数据的扩充方法，其特征是，得到两组样本的不同指标在多个时间尺度上的统计差异后，应用student t检验来确定两组数据是否存在显著性差异，根据指标随时间的变化筛选对时间尺度无明显关联性的指标。

7.如权利要求6所述的一种长时生理信号时间序列的样本数据的扩充方法，其特征是，根据指标随时间的变化筛选对时间尺度无明显关联性的指标，利用pearson相关系数检验其关联性；

利用下述公式来证明筛选指标有一定的差异性：

其中，n表示第n个样本，t表示t时间尺度，S_intra表示某一样本一指标各时间尺度间最大差值的平均值，S_inter表示各样本一指标各时间尺度间最小差值的平均值，为组间距离，a_n(t)表示第n个样本t时间尺度下的值，t_min表示最短时间尺度，t_max表示最长时间尺度。

8.一种长时生理信号时间序列的样本数据的扩充系统，其特征是，包括：

指标获取模块，被配置为：获取第一长时生理信号时间序列及第二长时生理信号时间序列，并分别进行数据预处理，其中，第一长时生理信号时间序列及第二长时生理信号时间序列为取自不同的样本库的不同类信号数据；

选取第一长时生理信号时间序列和第二长时生理信号时间序列对应的与时间尺度无明显关联且有明显差异性的指标；

使用多时间尺度分析将第一长时生理信号时间序列和第二长时生理信号时间序列按时间尺度分段；

根据指标随时间尺度的变化初步筛选无关联性指标；

样本扩充模块，被配置为：验证初步筛选指标与时间尺度无明显关联性及选取指标在不同时间尺度有差异性；

将不同时间尺度的指标作为不同样本的指标进行样本扩充，获得扩充样本集合。

9.一种长时生理信号时间序列的诊断模型的建立方法，其特征是，包括：

利用权利要求1-9任一所述的一种长时生理信号时间序列的样本数据的扩充方法获得扩充样本量后的样本集，基于该样本集使用机器学习算法对样本集数据进行分类，建立诊断模型。

10.一种诊断模型，其特征是，采用权利要求9所述的长时生理信号时间序列的诊断模型的建立方法建立。