[发明专利]混合机械通气模式下人机不同步波形识别方法及相关设备

权利要求书

1.一种混合机械通气模式下人机不同步波形识别方法，其特征在于，所述混合机械通气模式下人机不同步波形识别方法包括：

采集定压型通气模式和定容型通气模式下包含人机不同步的机械通气波形，所述机械通气波形选取气道压力、流量和潮气量三个通道；

将所述机械通气波形进行数据分割、数据标注和数据变换后得到呼吸周期波形；

构建相空间重建-卷积神经网络模型，基于所述相空间重建-卷积神经网络模型根据输入的所述呼吸周期波形识别定压型与定容量型通气模式混合下的人机不同步现象。

2.根据权利要求1所述的混合机械通气模式下人机不同步波形识别方法，其特征在于，所述数据分割具体为：

将采集到的所述机械通气波形按呼吸周期分割，对每个呼吸周期提取特征或将一个呼吸周期的数据视作样本输入到深度模型。

3.根据权利要求2所述的混合机械通气模式下人机不同步波形识别方法，其特征在于，所述数据标注具体为：

将每个呼吸周期的机械通气波形进行标签标注。

4.根据权利要求3所述的混合机械通气模式下人机不同步波形识别方法，其特征在于，所述数据变换具体为：

将不同通道的所述机械通气波形进行数据变换，所述数据变换使用z变换：

；

其中，是时间序列的均值，是的标准差，表示第个数据。

5.根据权利要求4所述的混合机械通气模式下人机不同步波形识别方法，其特征在于，所述构建相空间重建-卷积神经网络模型具体为：

若一维时间序列的长度为N，根据确定的时延参量和嵌入维度，得到对应用延时嵌入技术后的延时向量：

；

为维相空间中的一个点，表示延时向量， 为相空间中轨迹点的个数，，指一维时间序列的长度，指嵌入维度；

最终得到相空间轨迹矩阵：

；

其中，指的是第L个轨迹点的第个维度的数值。

6.根据权利要求5所述的混合机械通气模式下人机不同步波形识别方法，其特征在于，根据平均互信息确定时延参量：

将一维时间序列和时延版本的平均互信息作为量化两序列独立性的指标，如下公式所示，根据互信息的第一个最小点选取确定最优时延参量：

；

其中，t是时间变量，指和中对应各信息的联合分布概率，和指当前信息的概率；

根据伪近邻确定嵌入维度：若一维时间序列点之间的距离小于第一预设距离则称为近邻，若将时间序列在一定时延下进行维嵌入，则计算维相空间的点的距离，如果距离发生的变化大于第二预设距离，则称为伪近邻，继续改变嵌入维度直到距离变化小于第三预设距离，则将此时视为嵌入维度的估计；

构建相空间重建-卷积神经网络模型：

在每个通道的末尾补上足够数量的0使得输入到卷积神经网络的数据大小相同，补0之后的大小为；经过相空间重建后的输入数据大小为，指相空间重建后点的个数；

呼吸周期波形经过重构后得到的相空间输入卷积结构中；卷积神经网络共设置两个卷积层用于提取特征，第一个卷积层包括一个二维卷积、非线性变换和最大池化；第二个卷积层包括一维卷积和非线性变换；两个卷积层使用的激活函数均为整流线性单元；卷积层提取完特征后，经由一个全连接层输出分类标签。