麻醉恢复期基于呼吸音的呼吸暂停检测方法优化研究

发布时间：2023-04-30 05:33

　　目的:利用呼吸音检测呼吸暂停已经被用在诸多场合,如麻醉后恢复室、阻塞性睡眠暂停等,呼吸暂停如不能及时处理可能导致组织缺氧,甚至心脏骤停等,因此对呼吸暂停的监测十分重要。在采集呼吸音期间,医护人员的说话声,机器声等,如果发生在呼吸暂停期间,则可能被当作呼吸音,从而漏掉该次呼吸暂停。原有的阈值法检测呼吸暂停时,当多个呼吸周期连在一起,患者的呼吸声和呻吟声和连续说话等,会导致呼吸暂停的误诊。本文的目的是研究自适应滤波算法对提高呼吸暂停检测性能的可行性以及隐马尔可夫模型应用于呼吸音检测呼吸暂停的准确性。研究方法:1.受试者在安静环境和噪声环境下分别采集颈部呼吸音和周围环境噪声,PSG采集的鼻气流压力信号作为受试者呼吸状况的参考标准信号,受试者呼吸暂停采用自主式憋气。使用自适应滤波算法处理(噪声环境中还采用小波域自适应滤波算法)采集到的呼吸音,对滤波前后的呼吸音使用阈值法进行呼吸暂停检测,并对检测结果进行比较。2.实验室健康受试者数据和PACU中采集的患者的呼吸音(含噪声,鼻气流压力信号)作为数据源,所有数据先进行自适应滤波,安静环境中的呼吸音先使用隐马尔可夫算法进行训练和测试,得到的模型在实验...

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
英文缩略语
第一章 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 自适应滤波算法在生理信号中的应用
        1.2.2 隐马尔可夫模型
    1.3 本文的研究内容
第二章 自适应滤波优化呼吸音检测呼吸暂停算法性能
    2.1 数据采集过程
    2.2 自适应滤波原理和小波变换原理概述
    2.3 自适应滤波算法评价
        2.3.1 计算信噪比
        2.3.2 自适应滤波前后的呼吸暂停检测算法性能比较
    2.4 结果分析
    2.5 本章小结
第三章 隐马尔可夫模型应用于呼吸音检测呼吸暂停
    3.1 数据采集方法
    3.2 隐马尔可夫模型算法原理
        3.2.1 基本隐马尔可夫模型
        3.2.2 HMM识别呼吸暂停过程
    3.3 结果分析
    3.4 本章小结
第四章 本论文创新性的自我评价
参考文献
综述
    参考文献
致谢
个人简历



本文编号：3806527