[发明专利]肺功能指标预测装置及确定方法

说明书

本发明公开了一种肺功能指标预测装置及确定方法，其中，该装置包括：一肺功能仪，采集非完整的呼气信号；一处理系统，根据呼气信号，且依据预测模型，确定肺功能指标预测参数。该处理系统内置一预测模型，该模型为一种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。确定方法包括：肺功能仪采集非完整的呼气信号，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；外部数据输入预测模型并经运算输出肺功能指标。本发明提出的肺功能指标预测装置及确定方法，基于超限学习机网络结构实现，能够利用非完整呼气信号准确预测肺功能指标参数值。

技术领域

本发明涉及医疗设备及生理信号检测领域，具体涉及一种肺功能指标预测装置及确定方法。

背景技术

慢性阻塞性肺疾病(COPD)是常见的肺部疾病。据统计，COPD致死居全球死亡原因第四位。研究表明COPD的提早诊断和治疗是降低死亡率的重要手段，用力肺活量测试已成为评估和诊断COPD的重要方式，其中的关键指标包括用力肺活量(FVC)、第一秒用力肺活量(FEV1)以及一秒率(FEV1/FVC)。如果FEV1/FVC偏小，通常情况下FEV1/FVC＜0.7，而FVC正常，判定为阻塞性通气功能障碍。可见，FVC是评估肺通气功能中一个非常关键的指标。为了获取准确的FVC，ATS/ERS用力肺活量测试质量控制和接收标准建议测试者必须先慢慢的吸足气，然后用力、快速的呼出气体，并且呼出足够长的时间以达到容量时间曲线上出现平台，可认为测试者已达到用力肺活量测试呼气结束的标准，该测试的关键就在于需要测试者呼气时间足够长从而保证能够呼出所有气体，但这对于很多人来极其困难，比如一些上年纪的老人或患有严重肺部受损的患者，尤其是严重慢阻肺病人是无法完成整个肺功能测试的，另外对于一些没有经过训练的测试者，由于用力肺活量测试方式与平常呼气方式不同，很多测试者都难以做到符合测试标准。上述原因导致测试结果无法反应真实病况，容易造成肺病的误诊，漏诊。因此利用非完整数据准确预测FVC值，对于慢阻肺等相关疾病的诊断筛查至关重要。

目前，还没有基于便携式涡轮肺功能仪而开发的肺功能参数预测方法，涡轮式肺功能仪，通过呼气推动涡轮旋转，不同呼气阶段涡轮的转速不同，因此，呼气信号具有很强的时序性。

发明内容

本发明提供了一种基于便携式涡轮肺功能仪，利用非完整测量数据的FVC的预测模型及方法，尤其是提出了一种肺功能指标预测装置及确定方法，以解决非完整呼气流量测量数据不准确的问题。

为达到上述目的，本发明提供了一种肺功能指标预测装置及确定方法。

其中，该预测装置包括：

一肺功能仪，采集非完整的呼气信号；

一处理系统，根据该呼气信号，且依据预测模型，确定肺功能指标预测参数。

进一步的，处理系统预存一预测模型，该预测模型为一种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。

进一步的，n个前置子网络是n个独立的超限学习机网络并列工作，一个后置输出网络为一个超限学习机网络。

进一步的，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该数据量相关的函数而定。

进一步的，前置子网络的输出作为后置输出网络的输入特征，该后置输出网络输出肺功能预测参数。

本发明还提供了一种肺功能指标确定方法，包括：

肺功能仪采集非完整的呼气信号，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；