買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜吉林大學申請的專利基于生理信號的小兒呼吸異常檢測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119538119B 。

龍圖騰網通過國家知識產權局官網在2025-05-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510096074.8，技術領域涉及：G06F18/243；該發明授權基于生理信號的小兒呼吸異常檢測方法及系統是由曹鳳桐;李德麗;林彥鋒;竇逾常;李宏設計研發完成，并于2025-01-22向國家知識產權局提交的專利申請。

本基于生理信號的小兒呼吸異常檢測方法及系統在說明書摘要公布了：本發明公開了基于生理信號的小兒呼吸異常檢測方法及系統，涉及醫療信息處理技術領域，包括采集多模態生理信號，采用小波分解和軟閾值函數消除噪聲，結合形態學開閉運算輸出預處理信號組；計算預處理信號組的時域特征、頻域特征和非線性特征，并將特征組織為三層金字塔結構，采用注意力機制分析時序相似度，輸出融合特征序列；對融合特征序列進行初步異常檢測，并基于年齡分組閾值進行分類，提取異常點前后窗口的上下文特征向量，進行二次判別，實現對呼吸異常的精確識別和分級預警。本發明構建了一個具有高可靠性、強適應性和智能學習能力的呼吸監測系統，為兒童呼吸系統疾病的早期識別、實時預警和智能診斷提供了全面的技術支持。

本發明授權基于生理信號的小兒呼吸異常檢測方法及系統在權利要求書中公布了：1.基于生理信號的小兒呼吸異常檢測方法，其特征在于，包括：采集多模態生理信號，通過二階巴特沃斯帶通濾波器進行初步濾波，采用小波分解和軟閾值函數消除噪聲，結合形態學開閉運算去除基線漂移，輸出預處理信號組；對所述預處理信號組采用滑動窗口分段，計算時域特征，通過小波包變換獲取頻域特征，利用相空間重構計算非線性特征，并將特征組織為三層金字塔結構，采用注意力機制實現特征加權融合，結合DTW算法分析時序相似度，輸出融合特征序列；將所述融合特征序列輸入隨機森林分類器進行初步異常檢測，基于年齡分組閾值進行分類，提取異常點前后窗口的上下文特征向量，采用SVM分類器進行二次判別，并通過梯度下降法持續優化模型參數，實現對呼吸異常的精確識別和分級預警；所述多模態生理信號包括呼吸運動信號、心電信號、血氧飽和度信號以及體動信號；將收集的初始生理信號組輸入帶通濾波器組濾除高頻噪聲，得到第一濾波信號；對所述第一濾波信號進行小波分解，變換公式表示為： ；其中，表示信號在尺度和平移量下的小波變換系數，為輸入的原始時域信號，為小波基函數，表示能量歸一化因子，表示小波基函數的伸縮平移項；對連續小波變換公式進行離散化，提取所述第一濾波信號的高頻系數和低頻系數，得到小波系數矩陣；基于所述小波系數矩陣，通過軟閾值函數對高頻系數進行收縮處理，所述軟閾值函數表示為： ； ；其中，表示高頻系數，是閾值參數，表示的符號函數，為噪聲標準差，表示信號的長度，為軟閾值函數的輸出值，表示經過閾值處理后的小波系數；對降噪系數矩陣進行小波重構，重構公式表示為： ；其中，尺度函數；為小波函數；為最大分解層數，為重構后的時域信號，為低頻近似系數，為細節系數，為平移參數；通過對降噪系數矩陣進行小波重構，得到第二濾波信號；采用形態學開運算和閉運算對所述第二濾波信號進行處理，輸出預處理信號組，開運算表示為： ；閉運算表示為： ；其中，表示經過小波降噪后的呼吸信號，表示結構元素，表示腐蝕運算，表示膨脹運算；基于所述預處理信號組采用滑動窗口法進行分段，分段后的預處理信號表示為： ； ；其中，表示第個信號片段，表示信號總長度，表示窗口長度，表示滑動步長，表示窗口內的時間變量，表示總片段數；通過峰谷檢測算法識別特征點，提取每個信號片段的峰值點集、谷值點集以及過零點集，表示為： ； ； ；其中，表示所有峰值點的集合，表示第個峰值點的時間位置，表示信號在點處的一階導數，表示信號在點處的二階導數，表示滿足條件的所有點；表示所有谷值點的集合，表示第個谷值點的時間位置，表示信號在點處的一階導數，表示信號在點處的二階導數；表示所有過零點的集合，表示第個過零點的時間位置，表示信號在點處的值，表示信號在點處的一階導數；根據峰值點集和谷值點集計算呼吸信號的時域特征向量，時域特征向量包括呼吸頻率、呼吸深度、吸氣時間以及呼氣時間；所述呼吸頻率表示為： ； ；其中，表示呼吸頻率，表示相鄰峰值點之間的時間間隔集合，表示第個峰值點的時間位置，表示第個峰值點的時間位置，表示峰值點的序號，從1到；表示總峰值點數；所述呼吸深度表示為： ；其中，表示第個峰值點的幅值，表示第個谷值點的幅值，表示峰值點或谷值點的總數；所述吸氣時間表示為： ； ；所述呼氣時間表示為： ； ；其中，表示平均吸氣時間，表示平均呼氣時間，表示從峰值點到谷值點的時間間隔集合，即吸氣相，表示從谷值點到下一個峰值點的時間間隔集合，即呼氣相，表示第個谷值點的時間位置，表示第個峰值點的時間位置，表示第個峰值點的時間位置；通過呼吸頻率反映呼吸節律的快慢，判斷呼吸異常；通過呼吸深度反映單次呼吸的通氣量，評估呼吸效率，當出現異常值時表示呼吸功能障礙；吸氣時間和呼氣時間反映呼吸的時間結構，評估呼吸的協調性；采用小波包變換對信號片段進行多尺度分解獲取不同頻帶的能量分布特征包括頻帶能量比和頻帶功率譜熵，所述小波包變換在每一層的分解都產生近似系數和細節系數，分別表示為： ； ；其中，表示第層第個節點的近似系數，表示分解層級，表示小波包樹的深度；表示節點序號，表示第層中的第個節點，表示時間序列的離散點序號，表示濾波器系數的索引，表示低通濾波器系數，表示上一層父節點的系數，表示第層第個節點的細節系數，表示高通濾波器系數；所述頻帶能量比表示為： ； ；其中，表示第層第個頻帶的能量值，表示分解層級，表示頻帶索引，為小波包近似系數的平方，表示瞬時能量；表示第個頻帶的相對能量比，表示最大分解層數，表示頻帶計數索引，表示最后一層的頻帶總數；所述頻帶功率譜熵表示為： ；其中，表示第個頻帶的相對能量比，表示最大分解層數；采用相空間重構技術將信號片段映射到高維相空間，計算非線性特征向量，非線性特征向量包括最大李雅普諾夫指數、關聯維數以及樣本熵；采用時間延遲法構建維相空間，表示為： ； ； ；其中，表示重構的相空間向量，表示原始時間序列，表示時間延遲，表示嵌入維數，表示時間序列索引，表示自相關函數，表示延遲值，表示序列長度，表示序列均值，表示使自相關函數最小的值；所述最大李雅普諾夫指數，表示為： ； ； ；其中，表示最大李雅普諾夫指數，表示總演化時間，表示軌道數量，表示相空間軌道演化后的距離，表示相空間軌道初始距離，表示參考軌道點，表示最近鄰點，表示演化時間步長；所述關聯維數表示為： ；其中，表示關聯維數，表示距離閾值，表示關聯積分；進一步的，關聯積分表示為： ；其中，表示相空間點的數量，表示階躍函數，表示相空間中兩點間的距離；所述樣本熵表示為： ；其中，表示樣本熵，表示模式長度，表示相似性容限，表示維數為時的匹配數，表示維數為時的匹配數；基于所述時域特征向量、頻域特征向量和非線性特征向量，構建三層特征金字塔，表示為： ； ； ；其中，為底層，包含時域特征；表示時域特征的總數；為中層，包含頻域特征；表示頻域特征的總數；為頂層，包含非線性特征；表示非線性特征的總數；對每層特征，通過三個可學習的權重矩陣、、進行線性變換，分別得到查詢矩陣、鍵矩陣和值矩陣，將原始特征映射到適合計算注意力權重的空間中，然后計算和的相似度并除以縮放因子避免梯度消失問題，并通過函數進行歸一化，最后與值矩陣相乘得到注意力加權后的特征表示； ； ；其中，為最終融合后的特征向量，為特征層級索引，表示第層特征向量，表示第層特征的權重系數，表示第層特征的重要性得分；采用DTW算法分析多個信號片段間的時序關系，計算兩段呼吸信號之間的累積距離矩陣，表示為： ；其中，表示從起點到點的最小累積距離，表示兩個序列在位置和處的距離度量，表示向上方向的累積距離，表示向左方向的累積距離，表示對角線方向的累積距離，選擇三個方向中的最小值；將距離轉換為相似度度量，表示為： ；其中，為第個和第個信號片段的相似度，為尺度參數；將特征與相似度信息進行組合，得到包含時序關系的特征序列，表示為： ；其中，表示最終的特征序列，表示第個信號片段的特征向量，表示第個信號片段與其他片段的相似度向量，，表示信號片段的總數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人吉林大學，其通訊地址為：130012 吉林省長春市前進大街2699號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。