基于夜间呼吸模式的心衰患者肺水肿识别模型、装置以及存储介质的制作方法

本申请涉及人工智能以及肺水肿识别技术。

背景技术：

1、肺水肿(pulmonary edema，pe)是急性失代偿性心力衰竭的关键病理生理学特征，心力衰竭(heart failure，hf)患者因左室充盈压升高，导致肺内液体重新分布，表现为肺循环压力增加引起的肺部淤血或水肿。研究发现多达40％的心衰患者在出院时存在亚临床肺水肿，肺水肿已成为心衰患者发生再入院的主要原因之一。

2、肺部超声(lung ultrasonography，lus)是一种定量、简单、快速的肺充血评估方法。相关研究发现肺部超声在重症左心衰竭患者的诊断中得到广泛应用，对心源性肺水肿具有高敏感性和特异性。但该技术使用场景有限，需要经验丰富的临床医生进行操作，且不能日常居家连续监测。如何在真实环境下尽早识别肺水肿，降低居家患者再入院率和死亡率、提高心衰管理效率，仍是当前研究重点难点。

3、可穿戴生理监测系统具有操作简便、可长程连续动态监测、可客观量化等优势。肺部液体分布不平衡，首要会影响呼吸，造成呼吸困难。如何挖掘呼吸等连续动态生理信号中隐含信息，一直是临床医生和科研人员关注的重点、热点、难点。专利cn 202311219684.x公开了一种24小时呼吸模式的定量分析方法及其装置，为量化呼吸提供了客观指标，为24小时呼吸模式研究提供了有效的坐标和尺度。但该方法仅对健康人群呼吸模式进行了量化分析，如何识别心衰合并肺水肿的患者仍存在挑战。首先，肺水肿心衰患者均为急性期发作，病情重且发展快，对数据收集工作带来很大困难；其次，呼吸运动具有自主性和随意性，呼吸信号中存在大量噪声和干扰，易受到体位变化、咳嗽等因素的干扰；然后，大部分研究监测、分析的呼吸指标单一，监测时间短，多在特定的试验环境下进行；最后，没有成熟可靠的方法为临床医生和心衰患者提供识别工具。

4、急性期住院心衰患者呼吸模式与是否肺水肿之间的关系还有待挖掘。探究基于可穿戴连续动态呼吸数据实现心衰患者病情评估的可行性，对后续将可穿戴设备拓展至心衰患者病情远程居家监测具有重要意义。

技术实现思路

1、鉴于上述问题，本申请旨在提出一种基于穿戴设备获得的连续呼吸信号对心衰患者进行肺水肿识别的方法、装置、及其存储介质。

2、本申请的基于夜间呼吸模式的心衰患者肺水肿识别模型，该识别模型为经过训练的多变量logistic回归模型，该识别模型的输入参数包括：舒张压、lognt-probnp、nyha iv级、ti_ratio_mean、ra_area_1_5、ra_area_6_20；其中，舒张压、lognt-probnp、nyha iv级为临床检查数据；ti_ratio_mean、ra_area_1_5、ra_area_6_20为通过受试者的夜间呼吸模式的连续呼吸信号中获得的；该识别模型的输出结果为是否肺水肿。

3、本申请的基于夜间呼吸模式的心衰患者肺水肿识别装置，其包括识别单元；该识别单元包括权利要求1所述的基于夜间呼吸模式的心衰患者肺水肿识别模型；通过将受试者的参数输入到识别单元的所述识别模型，该识别模型经过计算后得到受试者是否为肺水肿；其中所述受试者的参数包括：舒张压、lognt-probnp、nyha iv级、ti_ratio_mean、ra_area_1_5、ra_area_6_20。

4、优选地，进一步包括：数据采集单元；该数据采集单元24小时连续实时监测，获得连续生理数据，并将该连续生理数据与临床数据进行匹配。

5、优选地，进一步包括：数据处理单元；该数据处理单元对所述连续生理数据中的呼吸信号进行夜间时段选择、剔除体位变换影响、去除基线漂移和滤波、以及质量评估；

6、在剔除体位变换影响中，通过所述连续生理信号中的三轴加速度信号识别受试者的体位姿态，基于三轴加速度传感器获得的每个轴的加速度信息，建立每个轴的基于阈值的决策树分类器，将体位分为坐立以及不同方向的卧位的多个姿态；然后将各姿态变换时间段以及前后1个呼吸周期的呼吸信号剔除掉；

7、在去除基线漂移和滤波中，所述连续生理信号中的呼吸信号先经过线性去趋势去除缓慢的基线漂移或波动，使呼吸信号幅值以零点为中心；然后利用五阶2hz低通无限脉冲响应巴特沃斯滤波器进行滤波处理，消除高频噪声获得干净的呼吸信号；

8、将所述干净的呼吸信号以30s长的窗口进行非重叠的切分，通过阈值设定对该窗口内呼吸信号进行质量评估，评估结果为高质量的信号用于后续分析；所述阈值包括：第一阈值、第二阈值、第三阈值；其中第一阈值为呼吸周期的变异系数；第二阈值为窗口内完整呼吸周期时长的比例；第三阈值为呼吸周期之间的pearson相关系数；满足所述三个阈值的干净的呼吸信号为高质量信号。

9、优选地，进一步包括：呼吸模式量化单元；该呼吸模式量化单元自所述高质量信号中获得所述ti_ratio_mean、ra_area_1_5、ra_area_6_20。

10、优选地，呼吸模式量化单元对自所述高质量信号中获得的呼吸幅度时间序列进行多尺度熵分析，得到ra_area_1_5、ra_area_6_20；

11、呼吸模式量化单元根据自所述高质量信号中获得的呼吸率时间序列得到吸气时间分数，ti_ratio_mean为对应呼吸段吸气时间分数的平均值。

12、本申请的存储介质，其存储有权利要求1所述的基于夜间呼吸模式的心衰患者肺水肿识别模型的计算机程序。

13、本申请通过提出基于夜间呼吸模式的心衰患者肺水肿识别模型，其通过可穿戴设备获取心衰患者夜间呼吸信号，对该呼吸信号进行处理和分析，获取呼吸模式表征参数；通过呼吸参数建立肺水肿识别模型，为早期发现心衰患者合并肺水肿提供补充手段和方法。

技术特征：

1.一种基于夜间呼吸模式的心衰患者肺水肿识别模型，该识别模型为经过训练的多变量logistic回归模型，该识别模型的输入参数包括：舒张压、lognt-probnp、nyha iv级、ti_ratio_mean、ra_area_1_5、ra_area_6_20；其中，舒张压、lognt-probnp、nyha iv级为临床检查数据；ti_ratio_mean、ra_area_1_5、ra_area_6_20为通过受试者的夜间呼吸模式的连续呼吸信号中获得的；该识别模型的输出结果为是否肺水肿。

2.一种基于夜间呼吸模式的心衰患者肺水肿识别装置，其包括识别单元；该识别单元包括权利要求1所述的基于夜间呼吸模式的心衰患者肺水肿识别模型；通过将受试者的参数输入到识别单元的所述识别模型，该识别模型经过计算后得到受试者是否为肺水肿；其中所述受试者的参数包括：舒张压、lognt-probnp、nyha iv级、ti_ratio_mean、ra_area_1_5、ra_area_6_20。

3.根据权利要求2所述的基于夜间呼吸模式的心衰患者肺水肿识别装置，其特征在于进一步包括：数据采集单元；该数据采集单元24小时连续实时监测，获得连续生理数据，并将该连续生理数据与临床数据进行匹配。

4.根据权利要求3所述的基于夜间呼吸模式的心衰患者肺水肿识别装置，其特征在于进一步包括：数据处理单元；该数据处理单元对所述连续生理数据中的呼吸信号进行夜间时段选择、剔除体位变换影响、去除基线漂移和滤波、以及质量评估；

5.根据权利要求4所述的基于夜间呼吸模式的心衰患者肺水肿识别装置，其特征在于进一步包括：呼吸模式量化单元；该呼吸模式量化单元自所述高质量信号中获得所述ti_ratio_mean、ra_area_1_5、ra_area_6_20。

6.根据权利要求5所述的基于夜间呼吸模式的心衰患者肺水肿识别装置，其特征在于：

7.一种存储介质，其存储有权利要求1所述的基于夜间呼吸模式的心衰患者肺水肿识别模型的计算机程序。

技术总结
本申请提出一种心衰患者呼吸模式量化和并发肺水肿识别模型建立方法及其装置。本申请采用可穿戴设备获取心衰患者呼吸信号，通过构建呼吸模式量化指标体系，定量反映心衰肺水肿患者的夜间呼吸模式，结合呼吸指标和临床参数构建肺水肿识别模型。本方法包括四个模块：(1)数据采集模块；(2)数据处理模块；(3)呼吸模式量化模块；(4)模型构建模块，实现对心衰患者的呼吸模式量化和肺水肿的识别预警。

技术研发人员：李梦伟,范勇,张政波,李丽轩,时颖,梁洪,彭宇盟,袁田
受保护的技术使用者：中国人民解放军总医院
技术研发日：
技术公布日：2024/10/28