麻醉狀態(tài)下的呼吸音信號特征提取和分類識別.pdf

1、呼吸音是人體呼吸系統(tǒng)與外部在換氣過程中產(chǎn)生的聲音的統(tǒng)稱，蘊涵著豐富的病理和生理信息。在手術(shù)過程中對患者麻醉狀態(tài)下的呼吸音進行監(jiān)測，能夠早于其他監(jiān)控手段預知患者的情況。本文根據(jù)麻醉狀態(tài)呼吸音信號的特點，選擇數(shù)字信號處理方法試圖從不同的角度對麻醉狀態(tài)呼吸音信號的特征提取方法進行研究，為建立麻醉狀態(tài)呼吸音信號分析與識別系統(tǒng)打下良好的理論和方法基礎，這些研究有助建立一種可被用在術(shù)中呼吸檢測儀上的軟件，從而為醫(yī)生在手術(shù)過程中判斷患者情況避免呼吸衰

2、竭提供新的依據(jù)。
　　 首先，本課題中將希爾伯特-黃變換分析技術(shù)、小波變換分析技術(shù)和神經(jīng)網(wǎng)絡方法綜合運用于麻醉狀態(tài)呼吸音的模式識別，因此先綜合介紹了有關(guān)希爾伯特-黃變換、小波和神經(jīng)網(wǎng)絡等基礎知識。
　　 其次，針對潮氣量的提取，本文提出一種基于希爾伯特-黃變換的麻醉狀態(tài)呼吸音信號包絡提取方法，該方法提取到的包絡較為光滑且具有自適應性，將潮氣量同信號包絡相聯(lián)系后得知二者呈正比關(guān)系。研究中選擇肺部有病變和無病變兩種不同的信號

3、作為樣本比對，在有效的提取了信號包絡后，選用信號包絡的能量和統(tǒng)計量作為神經(jīng)網(wǎng)絡的輸入特征量，識別率達到93.3％，驗證了方法的有效性。
　　 最后，為解決單一特征對麻醉狀態(tài)呼吸音信號進行分析的局限性，采用小波包分析方法來提取麻醉狀態(tài)呼吸音信號能量特征。本方法首先分析了小波包和麻醉狀態(tài)呼吸音信號的特點，利用小波包變換將麻醉狀態(tài)呼吸音信號的進氣相和出氣相進行了四層分解，選擇最優(yōu)基之后，建立小波包系數(shù)和麻醉狀態(tài)呼吸音信號能量之間的等價