發(fā)布時間：2023-04-30 05:33

　　目的:利用呼吸音檢測呼吸暫停已經被用在諸多場合,如麻醉后恢復室、阻塞性睡眠暫停等,呼吸暫停如不能及時處理可能導致組織缺氧,甚至心臟驟停等,因此對呼吸暫停的監(jiān)測十分重要。在采集呼吸音期間,醫(yī)護人員的說話聲,機器聲等,如果發(fā)生在呼吸暫停期間,則可能被當作呼吸音,從而漏掉該次呼吸暫停。原有的閾值法檢測呼吸暫停時,當多個呼吸周期連在一起,患者的呼吸聲和呻吟聲和連續(xù)說話等,會導致呼吸暫停的誤診。本文的目的是研究自適應濾波算法對提高呼吸暫停檢測性能的可行性以及隱馬爾可夫模型應用于呼吸音檢測呼吸暫停的準確性。研究方法:1.受試者在安靜環(huán)境和噪聲環(huán)境下分別采集頸部呼吸音和周圍環(huán)境噪聲,PSG采集的鼻氣流壓力信號作為受試者呼吸狀況的參考標準信號,受試者呼吸暫停采用自主式憋氣。使用自適應濾波算法處理(噪聲環(huán)境中還采用小波域自適應濾波算法)采集到的呼吸音,對濾波前后的呼吸音使用閾值法進行呼吸暫停檢測,并對檢測結果進行比較。2.實驗室健康受試者數據和PACU中采集的患者的呼吸音(含噪聲,鼻氣流壓力信號)作為數據源,所有數據先進行自適應濾波,安靜環(huán)境中的呼吸音先使用隱馬爾可夫算法進行訓練和測試,得到的模型在實驗...

【文章頁數】：49 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
英文縮略語
第一章 緒論
    1.1 研究背景
    1.2 國內外研究現狀
        1.2.1 自適應濾波算法在生理信號中的應用
        1.2.2 隱馬爾可夫模型
    1.3 本文的研究內容
第二章 自適應濾波優(yōu)化呼吸音檢測呼吸暫停算法性能
    2.1 數據采集過程
    2.2 自適應濾波原理和小波變換原理概述
    2.3 自適應濾波算法評價
        2.3.1 計算信噪比
        2.3.2 自適應濾波前后的呼吸暫停檢測算法性能比較
    2.4 結果分析
    2.5 本章小結
第三章 隱馬爾可夫模型應用于呼吸音檢測呼吸暫停
    3.1 數據采集方法
    3.2 隱馬爾可夫模型算法原理
        3.2.1 基本隱馬爾可夫模型
        3.2.2 HMM識別呼吸暫停過程
    3.3 結果分析
    3.4 本章小結
第四章 本論文創(chuàng)新性的自我評價
參考文獻
綜述
    參考文獻
致謝
個人簡歷



本文編號：3806527