期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
二次检索
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
在结果中检索
在结果中去除
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种适用于微动敏感床垫的呼吸努力识别的新算法
被引量:
8
1
作者
曹征涛
俞梦孙
+3 位作者
杨军
张宏金
郭磊
刘娟
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2009年第3期652-657,共6页
本文提出了一种适用于微动敏感床垫的检测呼吸努力的新算法。该方法首先对胸冲击图进行预处理,突出其中呼吸努力的成分,然后利用基于呼吸努力的形态特征和幅度跨度相似性的算法,初步检测出呼吸努力,并在总结呼吸努力在床垫系统上动态响...
本文提出了一种适用于微动敏感床垫的检测呼吸努力的新算法。该方法首先对胸冲击图进行预处理,突出其中呼吸努力的成分,然后利用基于呼吸努力的形态特征和幅度跨度相似性的算法,初步检测出呼吸努力,并在总结呼吸努力在床垫系统上动态响应的特点的基础上,提出了基于胸冲击积分信号自相关变换功率谱分布的呼吸努力校正方法,对呼吸努力进行校正。本方法的检测结果与食道内压的检测结果对比表明,本算法可以识别出典型的呼吸努力,并与食道内压检测结果对应性良好。
展开更多
关键词
呼吸努力
无创辨识
信号处理算法
下载PDF
职称材料
基于无创参数辨识急性呼吸窘迫综合征患者疾病严重程度的算法研究
被引量:
3
2
作者
杨鹏程
陈锋
+5 位作者
张广
余明
吕蒙
王春晨
王春飞
吴太虎
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2019年第3期435-443,共9页
急性呼吸窘迫综合征(ARDS)是一种严重威胁人类生命健康的疾病,具有起病急、病死率高等特点。目前这种疾病的主要诊断和疾病严重程度分级标准依赖于血气分析结果,从而计算患者的氧合指数(PaO2/FiO2,P/F),但是血气分析是有创操作,且不能...
急性呼吸窘迫综合征(ARDS)是一种严重威胁人类生命健康的疾病,具有起病急、病死率高等特点。目前这种疾病的主要诊断和疾病严重程度分级标准依赖于血气分析结果,从而计算患者的氧合指数(PaO2/FiO2,P/F),但是血气分析是有创操作,且不能连续监测病情的发展。针对以上问题,我们提出了一种新的ARDS疾病严重程度的辨识算法。基于患者的多种无创生理参数,结合特征选择技术,对多种生理参数进行重要性排序。利用交叉验证技术评估辨识性能,比较不同特征子集下,使用神经网络、逻辑回归、AdaBoost、Bagging四种监督学习算法的分类结果。通过不同特征子集下不同算法的敏感性、特异性、准确率、曲线下面积(AUC)来综合选择最优的特征子集和分类算法。我们利用四种监督学习算法,对ARDS严重程度进行区分(P/F≤300)。根据AUC来评估算法性能,AdaBoost在使用20个特征时,AUC=0.8321,准确率为74.82%,取得了最优的AUC。根据特征个数来评估算法性能,Bagging在使用2个特征时,AUC=0.8194,准确率为73.01%。该方法相较于传统方法有较大的优势,能够连续监测ARDS患者的病情发展,为医务人员提供辅助诊断建议。
展开更多
关键词
急性呼吸窘迫综合征
集成学习
机器学习
无创辨识
原文传递
题名
一种适用于微动敏感床垫的呼吸努力识别的新算法
被引量:
8
1
作者
曹征涛
俞梦孙
杨军
张宏金
郭磊
刘娟
机构
空军航空医学研究所
南方医科大学
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2009年第3期652-657,共6页
文摘
本文提出了一种适用于微动敏感床垫的检测呼吸努力的新算法。该方法首先对胸冲击图进行预处理,突出其中呼吸努力的成分,然后利用基于呼吸努力的形态特征和幅度跨度相似性的算法,初步检测出呼吸努力,并在总结呼吸努力在床垫系统上动态响应的特点的基础上,提出了基于胸冲击积分信号自相关变换功率谱分布的呼吸努力校正方法,对呼吸努力进行校正。本方法的检测结果与食道内压的检测结果对比表明,本算法可以识别出典型的呼吸努力,并与食道内压检测结果对应性良好。
关键词
呼吸努力
无创辨识
信号处理算法
Keywords
respiratory effort
non-invasive recognition
signal processing algorithm
分类号
R318.6 [医药卫生—生物医学工程]
下载PDF
职称材料
题名
基于无创参数辨识急性呼吸窘迫综合征患者疾病严重程度的算法研究
被引量:
3
2
作者
杨鹏程
陈锋
张广
余明
吕蒙
王春晨
王春飞
吴太虎
机构
军事科学院系统工程研究院卫勤保障技术研究所
解放军第
解放军第
出处
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2019年第3期435-443,共9页
基金
国家重点研发计划(2017YFC0806402)
国家自然科学基金项目(81501551)
军事医学创新工程专项(16CXZ034)
文摘
急性呼吸窘迫综合征(ARDS)是一种严重威胁人类生命健康的疾病,具有起病急、病死率高等特点。目前这种疾病的主要诊断和疾病严重程度分级标准依赖于血气分析结果,从而计算患者的氧合指数(PaO2/FiO2,P/F),但是血气分析是有创操作,且不能连续监测病情的发展。针对以上问题,我们提出了一种新的ARDS疾病严重程度的辨识算法。基于患者的多种无创生理参数,结合特征选择技术,对多种生理参数进行重要性排序。利用交叉验证技术评估辨识性能,比较不同特征子集下,使用神经网络、逻辑回归、AdaBoost、Bagging四种监督学习算法的分类结果。通过不同特征子集下不同算法的敏感性、特异性、准确率、曲线下面积(AUC)来综合选择最优的特征子集和分类算法。我们利用四种监督学习算法,对ARDS严重程度进行区分(P/F≤300)。根据AUC来评估算法性能,AdaBoost在使用20个特征时,AUC=0.8321,准确率为74.82%,取得了最优的AUC。根据特征个数来评估算法性能,Bagging在使用2个特征时,AUC=0.8194,准确率为73.01%。该方法相较于传统方法有较大的优势,能够连续监测ARDS患者的病情发展,为医务人员提供辅助诊断建议。
关键词
急性呼吸窘迫综合征
集成学习
机器学习
无创辨识
Keywords
acute respiratory distress syndrome
integrated learning
machine learning
non-invasive identification
分类号
R563.8 [医药卫生—呼吸系统]
原文传递
题名
作者
出处
发文年
被引量
操作
1
一种适用于微动敏感床垫的呼吸努力识别的新算法
曹征涛
俞梦孙
杨军
张宏金
郭磊
刘娟
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2009
8
下载PDF
职称材料
2
基于无创参数辨识急性呼吸窘迫综合征患者疾病严重程度的算法研究
杨鹏程
陈锋
张广
余明
吕蒙
王春晨
王春飞
吴太虎
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2019
3
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部