买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜吉林大学申请的专利基于生理信号的小儿呼吸异常检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119538119B 。

龙图腾网通过国家知识产权局官网在2025-05-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510096074.8，技术领域涉及：G06F18/243；该发明授权基于生理信号的小儿呼吸异常检测方法及系统是由曹凤桐;李德丽;林彦锋;窦逾常;李宏设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本基于生理信号的小儿呼吸异常检测方法及系统在说明书摘要公布了：本发明公开了基于生理信号的小儿呼吸异常检测方法及系统，涉及医疗信息处理技术领域，包括采集多模态生理信号，采用小波分解和软阈值函数消除噪声，结合形态学开闭运算输出预处理信号组；计算预处理信号组的时域特征、频域特征和非线性特征，并将特征组织为三层金字塔结构，采用注意力机制分析时序相似度，输出融合特征序列；对融合特征序列进行初步异常检测，并基于年龄分组阈值进行分类，提取异常点前后窗口的上下文特征向量，进行二次判别，实现对呼吸异常的精确识别和分级预警。本发明构建了一个具有高可靠性、强适应性和智能学习能力的呼吸监测系统，为儿童呼吸系统疾病的早期识别、实时预警和智能诊断提供了全面的技术支持。

本发明授权基于生理信号的小儿呼吸异常检测方法及系统在权利要求书中公布了：1.基于生理信号的小儿呼吸异常检测方法，其特征在于，包括：采集多模态生理信号，通过二阶巴特沃斯带通滤波器进行初步滤波，采用小波分解和软阈值函数消除噪声，结合形态学开闭运算去除基线漂移，输出预处理信号组；对所述预处理信号组采用滑动窗口分段，计算时域特征，通过小波包变换获取频域特征，利用相空间重构计算非线性特征，并将特征组织为三层金字塔结构，采用注意力机制实现特征加权融合，结合DTW算法分析时序相似度，输出融合特征序列；将所述融合特征序列输入随机森林分类器进行初步异常检测，基于年龄分组阈值进行分类，提取异常点前后窗口的上下文特征向量，采用SVM分类器进行二次判别，并通过梯度下降法持续优化模型参数，实现对呼吸异常的精确识别和分级预警；所述多模态生理信号包括呼吸运动信号、心电信号、血氧饱和度信号以及体动信号；将收集的初始生理信号组输入带通滤波器组滤除高频噪声，得到第一滤波信号；对所述第一滤波信号进行小波分解，变换公式表示为： ；其中，表示信号在尺度和平移量下的小波变换系数，为输入的原始时域信号，为小波基函数，表示能量归一化因子，表示小波基函数的伸缩平移项；对连续小波变换公式进行离散化，提取所述第一滤波信号的高频系数和低频系数，得到小波系数矩阵；基于所述小波系数矩阵，通过软阈值函数对高频系数进行收缩处理，所述软阈值函数表示为： ； ；其中，表示高频系数，是阈值参数，表示的符号函数，为噪声标准差，表示信号的长度，为软阈值函数的输出值，表示经过阈值处理后的小波系数；对降噪系数矩阵进行小波重构，重构公式表示为： ；其中，尺度函数；为小波函数；为最大分解层数，为重构后的时域信号，为低频近似系数，为细节系数，为平移参数；通过对降噪系数矩阵进行小波重构，得到第二滤波信号；采用形态学开运算和闭运算对所述第二滤波信号进行处理，输出预处理信号组，开运算表示为： ；闭运算表示为： ；其中，表示经过小波降噪后的呼吸信号，表示结构元素，表示腐蚀运算，表示膨胀运算；基于所述预处理信号组采用滑动窗口法进行分段，分段后的预处理信号表示为： ； ；其中，表示第个信号片段，表示信号总长度，表示窗口长度，表示滑动步长，表示窗口内的时间变量，表示总片段数；通过峰谷检测算法识别特征点，提取每个信号片段的峰值点集、谷值点集以及过零点集，表示为： ； ； ；其中，表示所有峰值点的集合，表示第个峰值点的时间位置，表示信号在点处的一阶导数，表示信号在点处的二阶导数，表示满足条件的所有点；表示所有谷值点的集合，表示第个谷值点的时间位置，表示信号在点处的一阶导数，表示信号在点处的二阶导数；表示所有过零点的集合，表示第个过零点的时间位置，表示信号在点处的值，表示信号在点处的一阶导数；根据峰值点集和谷值点集计算呼吸信号的时域特征向量，时域特征向量包括呼吸频率、呼吸深度、吸气时间以及呼气时间；所述呼吸频率表示为： ； ；其中，表示呼吸频率，表示相邻峰值点之间的时间间隔集合，表示第个峰值点的时间位置，表示第个峰值点的时间位置，表示峰值点的序号，从1到；表示总峰值点数；所述呼吸深度表示为： ；其中，表示第个峰值点的幅值，表示第个谷值点的幅值，表示峰值点或谷值点的总数；所述吸气时间表示为： ； ；所述呼气时间表示为： ； ；其中，表示平均吸气时间，表示平均呼气时间，表示从峰值点到谷值点的时间间隔集合，即吸气相，表示从谷值点到下一个峰值点的时间间隔集合，即呼气相，表示第个谷值点的时间位置，表示第个峰值点的时间位置，表示第个峰值点的时间位置；通过呼吸频率反映呼吸节律的快慢，判断呼吸异常；通过呼吸深度反映单次呼吸的通气量，评估呼吸效率，当出现异常值时表示呼吸功能障碍；吸气时间和呼气时间反映呼吸的时间结构，评估呼吸的协调性；采用小波包变换对信号片段进行多尺度分解获取不同频带的能量分布特征包括频带能量比和频带功率谱熵，所述小波包变换在每一层的分解都产生近似系数和细节系数，分别表示为： ； ；其中，表示第层第个节点的近似系数，表示分解层级，表示小波包树的深度；表示节点序号，表示第层中的第个节点，表示时间序列的离散点序号，表示滤波器系数的索引，表示低通滤波器系数，表示上一层父节点的系数，表示第层第个节点的细节系数，表示高通滤波器系数；所述频带能量比表示为： ； ；其中，表示第层第个频带的能量值，表示分解层级，表示频带索引，为小波包近似系数的平方，表示瞬时能量；表示第个频带的相对能量比，表示最大分解层数，表示频带计数索引，表示最后一层的频带总数；所述频带功率谱熵表示为： ；其中，表示第个频带的相对能量比，表示最大分解层数；采用相空间重构技术将信号片段映射到高维相空间，计算非线性特征向量，非线性特征向量包括最大李雅普诺夫指数、关联维数以及样本熵；采用时间延迟法构建维相空间，表示为： ； ； ；其中，表示重构的相空间向量，表示原始时间序列，表示时间延迟，表示嵌入维数，表示时间序列索引，表示自相关函数，表示延迟值，表示序列长度，表示序列均值，表示使自相关函数最小的值；所述最大李雅普诺夫指数，表示为： ； ； ；其中，表示最大李雅普诺夫指数，表示总演化时间，表示轨道数量，表示相空间轨道演化后的距离，表示相空间轨道初始距离，表示参考轨道点，表示最近邻点，表示演化时间步长；所述关联维数表示为： ；其中，表示关联维数，表示距离阈值，表示关联积分；进一步的，关联积分表示为： ；其中，表示相空间点的数量，表示阶跃函数，表示相空间中两点间的距离；所述样本熵表示为： ；其中，表示样本熵，表示模式长度，表示相似性容限，表示维数为时的匹配数，表示维数为时的匹配数；基于所述时域特征向量、频域特征向量和非线性特征向量，构建三层特征金字塔，表示为： ； ； ；其中，为底层，包含时域特征；表示时域特征的总数；为中层，包含频域特征；表示频域特征的总数；为顶层，包含非线性特征；表示非线性特征的总数；对每层特征，通过三个可学习的权重矩阵、、进行线性变换，分别得到查询矩阵、键矩阵和值矩阵，将原始特征映射到适合计算注意力权重的空间中，然后计算和的相似度并除以缩放因子避免梯度消失问题，并通过函数进行归一化，最后与值矩阵相乘得到注意力加权后的特征表示； ； ；其中，为最终融合后的特征向量，为特征层级索引，表示第层特征向量，表示第层特征的权重系数，表示第层特征的重要性得分；采用DTW算法分析多个信号片段间的时序关系，计算两段呼吸信号之间的累积距离矩阵，表示为： ；其中，表示从起点到点的最小累积距离，表示两个序列在位置和处的距离度量，表示向上方向的累积距离，表示向左方向的累积距离，表示对角线方向的累积距离，选择三个方向中的最小值；将距离转换为相似度度量，表示为： ；其中，为第个和第个信号片段的相似度，为尺度参数；将特征与相似度信息进行组合，得到包含时序关系的特征序列，表示为： ；其中，表示最终的特征序列，表示第个信号片段的特征向量，表示第个信号片段与其他片段的相似度向量，，表示信号片段的总数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。