【技術實現步驟摘要】
本專利技術涉及疾病診斷，具體涉及一種區域性肺部通氣障礙疾病的識別及等級評估系統。
技術介紹
1、呼吸系統疾病是一種常見的多發性疾病，嚴重影響著人們生命健康。肺功能狀態評估有助于掌握人體肺部的健康程度，肺功能參數可用于評估個體是否患有呼吸系統性疾病。肺功能狀態評估對氣道受阻類型和程度、氣道高反應性以及氣道受阻可逆性有著重要的參考價值。
2、在肺部疾病的診斷中，區域性肺部通氣障礙是一類常見的病理表現，其準確識別與評估對于疾病的早期診斷、治療方案的制定以及患者預后的評估具有重要意義。目前的診斷與評估方法存在諸多不足，傳統的醫學影像學檢查，如x光、ct等，雖然能夠提供肺部結構的整體信息，但是費用高昂，便利性、實時性、普及性差。其他診斷技術如分子生物學標記物的檢測、遺傳分析等雖然具有一定的特異性，但在臨床應用中仍存在諸多限制。
3、其次，肺功能測試技術，如肺活量測試、氣道阻力測試等，雖然能夠評估肺部通氣功能，但在區域性通氣障礙的評估方面同樣存在不足。這些技術主要關注整體肺功能的變化，難以準確反映特定區域的通氣狀況。同時，肺功能測試操作復雜，需要患者配合度高，交叉感染風險大，且評估結果通常是醫生人為對測試結果觀察并做出結論，易受主觀因素影響，很有可能造成診斷及評估結果不準確。
技術實現思路
1、本專利技術的目的是提供一種區域性肺部通氣障礙疾病的識別及等級評估系統，包括多通道人體阻抗采集模塊、信號處理模塊、肺功能評估模塊、評估結果輸出模塊。
2、所述多通道人體
3、所述信號處理模塊用于對多通道人體阻抗采集模塊采集的肺部區域阻抗變化數據進行預處理。
4、所述肺功能評估模塊存儲有肺功能評估模型。
5、所述肺功能評估模型用于對預處理后的肺部區域阻抗變化數據進行特征提取、特征分析、特征整合和分類，評估得到肺部疾病種類，以及對應的嚴重程度。
6、所述評估結果輸出模塊用于輸出評估得到的肺部疾病種類，以及對應的嚴重程度。
7、進一步，所述多通道人體阻抗采集模塊包括恒流源、生物傳感模擬前端芯片、若干激勵電極。
8、所述生物傳感模擬前端芯片內置有恒流源。
9、所述恒流源用于提供恒定的電流信號。
10、所述生物傳感模擬前端芯片通過激勵電極將恒流源輸出的電流信號注入人體胸腔，然后采集不同肺部區域阻抗變化數據。
11、所述激勵電極的放置點通過以下步驟確定：
12、將待測對象鎖骨中線上第一根肋骨中心標記為8號位置，第八根肋骨中心標記為5號位置，在8號和5號之間的線上等距標記出7號和6號位置，在5號到8號水平位置與右腋窩中線的交點處標記1號到4號，在5號到8號水平位置與左腋窩中線的交點處標記9號到12號，選擇1號、2號、3號、6號、7號、8號、9號、10號作為電極放置點。
13、進一步，所述預處理包括小波濾波處理、小波分解處理、軟閾值處理、逆小波變換處理。
14、所述小波濾波處理用于對肺部區域阻抗變化數據進行濾波處理，得到濾波后的阻抗數據。
15、所述小波分解處理使用多層軟閾值方法設定每一層級的閾值，并利用每一層級的閾值對濾波后的阻抗數據進行分解，得到細節系數。
16、所述軟閾值處理將低于閾值的細節系數置零，將大于閾值的細節系數進行收縮，去除噪聲。
17、所述逆小波變換處理對軟閾值處理后的細節系數進行逆小波變換，得到預處理后的肺部區域阻抗變化數據。
18、進一步，所述小波濾波處理的計算公式如下所示：
19、z＝sign(x)×max(0,x-x0)?(1)
20、式中，z是濾波后的阻抗模值，x是輸入阻抗模值，x0是閾值，sign(x)表示x的符號函數，max(0,x-x0)表示如果x大于x0，則輸出為x，如果x小于等于x0，則輸出為0。
21、進一步，所述肺功能評估模型對預處理后的肺部區域阻抗變化數據進行特征提取的方法包括卷積神經網絡，步驟如下：
22、s11構建三個卷積神經網絡模塊，并令s＝1。
23、第一個卷積神經網絡模塊的卷積層卷積核尺寸為a，步幅為b，填充為c，輸入通道數為d，輸出通道數為e，其中，a、b、c、d、e均為正整數。
24、第二個卷積神經網絡模塊的卷積層卷積核尺寸為a，步幅為b，填充為c，輸入通道數為e，輸出通道數為2e。
25、第三個卷積神經網絡模塊的卷積層卷積核尺寸為a，步幅為b，填充為c，輸入通道數為2e，輸出通道數為4e。
26、s12將不同輸入通道的數據與第s個卷積神經網絡模塊相應通道進行卷積，并將不同輸入通道卷積后的數據相加，得到輸出特征圖的元素。
27、所述卷積的計算公式如下所示：
28、zst＝ws·xt:t+1+bs?(2)
29、式中，t為時間步長。zst為第s個卷積層在時間步長t的輸出特征向量。ws為第s個卷積層的權重矩陣。xt:t+1為輸入數據x在時間步長t到t+1的局部區域。bs為偏置項。
30、s13將輸出特征圖的元素經過relu函數進行激活，激活后的特征向量如下所示：
31、ast＝max(0,zst)?(3)
32、式中，ast為激活后的特征向量。
33、s14將激活后的特征向量進行歸一化處理，得到第s個卷積神經網絡模塊卷積層輸出的特征向量如下所示：
34、
35、式中，γst為縮放參數。βst為偏移參數。ε為常數。
36、其中，當前迭代批次的均值μ和方差σ2如下所示：
37、
38、式中，i為迭代樣本序號，n0為迭代樣本數量。
39、s15將第s個卷積神經網絡模塊卷積層輸出的特征向量輸入匯聚層，得到第s個卷積神經網絡模塊輸出的特征向量，如下所示：
40、
41、式中，j為時間步長位置。j為時間步長。為第s個卷積神經網絡模塊卷積層在時間步長j處輸出的特征向量。pst[j]為第s個卷積神經網絡模塊在時間步長j處輸出的特征向量。
42、s16判斷s＝3是否成立，若否，則令第s個卷積神經網絡模塊輸出的特征向量作為輸入數據，s＝s+1，并返回步驟s12。若是，則提取得到輸入數據的局部特征。
43、進一步，所述肺功能評估模型進行特征分析的步驟如下：
44、s21構建兩個雙向lstm層，并令u＝1，令輸入數據的局部特征作為輸入特征。
45、第一個雙向lstm層的輸入通道數為4e，隱藏狀態維度為2e。
46、第二個雙向lstm層的輸入通道數為4e，隱藏狀態維度為e。
47、s22將輸入特征輸入第u個雙向lstm層的正向輸入門，本文檔來自技高網...
【技術保護點】
1.一種區域性肺部通氣障礙疾病的識別及等級評估系統，其特征在于，包括多通道人體阻抗采集模塊、信號處理模塊、肺功能評估模塊、評估結果輸出模塊；
2.根據權利要求1所述的一種區域性肺部通氣障礙疾病的識別及等級評估系統，其特征在于，所述多通道人體阻抗采集模塊包括恒流源、生物傳感模擬前端芯片、若干激勵電極；
3.根據權利要求1所述的一種區域性肺部通氣障礙疾病的識別及等級評估系統，其特征在于，所述預處理包括小波濾波處理、小波分解處理、軟閾值處理、逆小波變換處理；
4.根據權利要求3所述的一種區域性肺部通氣障礙疾病的識別及等級評估系統，其特征在于，所述小波濾波處理的計算公式如下所示：
5.根據權利要求1所述的一種區域性肺部通氣障礙疾病的識別及等級評估系統，其特征在于，所述肺功能評估模型對預處理后的肺部區域阻抗變化數據進行特征提取的方法包括卷積神經網絡，步驟如下：
6.根據權利要求5所述的一種區域性肺部通氣障礙疾病的識別及等級評估系統，其特征在于，所述肺功能評估模型進行特征分析的步驟如下：
7.根據權利要求6所述的一種區域
8.根據權利要求7所述的一種區域性肺部通氣障礙疾病的識別及等級評估系統，其特征在于，所述肺功能評估模型進行分類的步驟如下：
9.根據權利要求8所述的一種區域性肺部通氣障礙疾病的識別及等級評估系統，其特征在于，所述Softmax激活函數如下所示：
10.根據權利要求1所述的一種區域性肺部通氣障礙疾病的識別及等級評估系統，其特征在于，所述肺功能評估模型的構建步驟包括：
...【技術特征摘要】
1.一種區域性肺部通氣障礙疾病的識別及等級評估系統，其特征在于，包括多通道人體阻抗采集模塊、信號處理模塊、肺功能評估模塊、評估結果輸出模塊；
2.根據權利要求1所述的一種區域性肺部通氣障礙疾病的識別及等級評估系統，其特征在于，所述多通道人體阻抗采集模塊包括恒流源、生物傳感模擬前端芯片、若干激勵電極；
3.根據權利要求1所述的一種區域性肺部通氣障礙疾病的識別及等級評估系統，其特征在于，所述預處理包括小波濾波處理、小波分解處理、軟閾值處理、逆小波變換處理；
4.根據權利要求3所述的一種區域性肺部通氣障礙疾病的識別及等級評估系統，其特征在于，所述小波濾波處理的計算公式如下所示：
5.根據權利要求1所述的一種區域性肺部通氣障礙疾病的識別及等級評估系統，其特征在于，所述肺功能評估模型對預處理后的肺部...
【專利技術屬性】
技術研發人員：賀俊文，陳澤軒，陳龍武，文銘，張亞鵬，汪金剛，何為，余傳祥，
申請(專利權)人：重慶大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。