[发明专利]肺功能指标预测装置及确定方法

权利要求书

1.一种肺功能指标预测装置，其特征在于，包括：

一便携式涡轮肺功能仪，采集非完整的呼气信号，所述非完整的呼气信号包括涡轮的旋转频率信息；

一处理系统，根据所述呼气信号计算获得气道阻力，且依据预测模型确定符合测试标准的用力肺活量的肺功能指标预测参数，包括：

其中𝑎₀，μ，σ为常数模型参数，V(i)表示所述非完整呼气信号采集过程中i时刻涡轮旋转频率，R(i)表示气道阻力；

P(i)＝E(FVC-kV(i))；

其中，E表示驱动常数，k表示转换常数，通过标定得到，FVC表示非完整的用力肺活量，P(i)表示驱动压力；

f(i)＝E(FVC-kV(i))/R(i)；

其中，f(i)表示输入特征，所述输入特征具有时序特性，所述输入特征用于建立输入特征矩阵，所述预测模型用于根据所述输入特征矩阵预测肺功能指标。

2.根据权利要求1所述的肺功能指标预测装置，其特征在于，所述处理系统预存一预测模型，所述预测模型为集成式的超限学习机网络结构，包括n个前置子网络和一个后置输出网络，实现非完整呼气信号的预测。

3.根据权利要求2所述的肺功能指标预测装置，其特征在于，所述n个前置子网络是n个独立的超限学习机网络并列工作，所述后置输出网络为超限学习机网络。

4.根据权利要求2或3所述的肺功能指标预测装置，其特征在于，所述前置子网络的数量n根据每次测试获得的数据量并结合与所述数据量相关的函数而定。

5.根据权利要求2所述的肺功能指标预测装置，其特征在于，所述前置子网络的输出作为所述后置输出网络的输入特征，所述后置输出网络输出肺功能指标预测参数。

6.一种肺功能指标确定方法，其特征在于，包括：

利用便携式涡轮肺功能仪采集非完整的呼气信号，所述非完整的呼气信号包括涡轮的旋转频率信息，所述呼气信号作为原始信号输入处理系统；

对原始信号特征转化形成新的数据特征作为输入特征值；

建立输入特征矩阵；

训练并建立预测模型，所述预测模型用于根据所述输入特征矩阵预测肺功能指标；

外部数据输入预测模型并经运算输出包括符合测试标准的用力肺活量的肺功能指标；

所述对原始信号特征转化形成新的数据特征包括：

提出一种基于高斯概率分布的气道阻力函数：其中𝑎₀，μ，σ为常数模型参数，V(i)表示所述非完整呼气信号采集过程中i时刻涡轮旋转频率；

驱动压力：P(i)＝E(FVC-kV(i))，其中，E表示驱动常数，k表示转换常数，通过标定得到，FVC表示非完整的用力肺活量；

利用f(i)＝E(FVC-kV(i))/R(i)求得f(i)作为输入特征值，所述输入特征具有时序特性，所述输入特征值用于建立输入特征矩阵。

7.根据权利要求6所述的肺功能指标确定方法，其特征在于，所述建立输入特征矩阵为：

其中，n表示特征数，m代表样本数，每个样本是一个具有两个元素的二维数组(f_m(n),n)。

8.根据权利要求6所述的肺功能指标确定方法，其特征在于，所述训练并建立预测模型包括：

提取矩阵F_mn中的每一列构建所述预测模型每个前置子网络的输入特征矩阵，输入值为f_m(i)和i，其中，1≤i≤n，m＝1,2,…,m，利用超限学习机原理求得每个前置子网络的输出矩阵，相关系数由计算机随机生成；

将前置子网络的输出作为后置输出网络的输入特征，并结合肺功能指标，再次以超限学习机原理求得后置输出网络的输出权重，以此输出权重建立预测模型。

9.根据权利要求6或8所述的肺功能指标确定方法，其特征在于，所述训练并建立预测模型包括：

通过调整所述预测模型中单个超限学习机网络隐层节点的个数获得不同性能的模型。