一种基于单口呼吸波形的人机失调检测方法及其系统与流程

1.本发明涉及呼吸监测领域，更具体地，涉及一种基于单口呼吸波形的人机失调检测方法及其系统。


背景技术：

2.机械通气是指当呼吸器官不能维持正常的气体交换，即发生呼吸衰竭时，以呼吸机代替或辅助呼吸肌的工作。机械通气为临床上各种原因所致呼吸衰竭，以及其它各类需要呼吸功能支持的疾病争取治疗时间和创造条件。
3.有创机械通气治疗是呼吸功能衰竭的重症患者重要的治疗手段，然而不恰当的有创机械通气有可能会造成气压伤、容积伤等呼吸机相关肺损伤，在机械通气期间进行恰当的监测有助于避免机械通气的不良反应。实施有创机械通气监测期间，采集到的流速及压力波形通常是连续的波形，然而大多数监测参数，如气道峰压、气道平台压、呼气末正压等都是基于单口呼吸进行测量的，因此在连续的呼吸机波形数据中准确的识别切分出每一口呼吸至关重要，其切分结果直接影响有创机械通气期间监测参数的获取。
4.有创机械通气治疗期间，呼吸机主要依靠吸气阀、呼气阀的开闭以及流量传感器监测到的数据进行吸气及呼气的判定，一次完整的吸气过程加上一次完整的呼吸过程会被判定为一次完整的呼吸，吸气相的开始定义为呼吸的开始，呼气相的结束(即下一口呼吸吸气相的开始)定义为呼吸的结束时刻。目前，尚无基于流速波形实现呼吸自动切分的技术；对于离线数据的分析，呼吸切分的方法主要有人工切分和基于流速或气道压力波形周期性变化规律和特征进行呼吸的切分。上述方式主要有以下缺陷：1、呼吸机自带的算法和监测系统可以进行呼吸的自动拆分，但是不同呼吸机厂家的算法不同且不公开，导致不同品牌呼吸机间呼吸自动切分的结果不同，不具有可比较性，此外，自动切分的结果难以导出为后续离线分析和处理数据带来困难；2、人工切分的方法准确率最高，但费时费力，床旁产生的海量呼吸监测数据难以实现逐一的切分；3、基于流速或气道压力周期性变化规律和特征的规则进行呼吸的切分可以实现一定程度的自动化，但是对于存在波形扰动，尤其是存在pva现象时，准确率不足。
5.机械通气期间患者需求与呼吸机提供的帮助在幅度或时相上不匹配而导致的人机不同步(patient-ventilator asynchrony，pva)现象会对患者造成危害，准确的切分呼吸有助于pva的识别与分类，从而提高pva自动识别算法的准确性并为针对不同pva类型给出辅助治疗决策提供可能。而准确识别、检测人机不同步或者人机失调的类型，对于患者的治疗至关重要。


技术实现要素：

6.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提供一种基于单口呼吸波形的人机失调检测方法，能够基于实时或离线流速波形实现呼吸的自动切分，并有效保证呼吸切分的准确性；同时还基于单口呼吸波形对人机不同步或者人机失调
做出有效识别与分类。
7.本技术公开一种基于单口呼吸波形的人机失调检测方法，包括：
8.获取待测者的单口呼吸波形数据；所述单口呼吸波形数据包括流速波形数据和气道压波形数据；
9.将所述待测者的单口呼吸波形数据输入到机器学习检测模型中，得到所述待测者的单口呼吸波形数据的人机失调类型；
10.输出所述待测者的单口呼吸波形数据的人机失调类型。
11.所述检测方法还包括：对所述待测者的单口呼吸波形数据进行预处理，得到预处理过的所述单口呼吸波形数据；
12.可选的，所述机器学习检测模型的确定方式包括：输入预标注的单口呼吸波形数据，对所述预标注的单口呼吸波形数据进行特征提取，得到特征提取后的特征数据，并利用特征提取后的特征数据构建机器学习检测模型，得到机器学习检测模型。
13.所述检测方法还包括：根据所述预处理过的所述单口呼吸波形数据得到或绘制出fv环和/或pv环波形图像数据，输出所述fv环和/或pv环波形图像数据；所述单口呼吸波形数据还包括基于流速数据得到的容积数据；
14.对所述fv环和/或pv环波形图像数据进行特征提取，得到特征提取后的fv环和/或pv环波形图像数据作为特征数据；将所述特征提取后的fv环和/或pv环波形图像数据输入到机器学习检测模型中，得到所述待测者的单口呼吸波形数据的人机失调类型；
15.可选的，所述fv环波形图像数据基于流速数据和容积数据获得，所述fv环波形图像数据的横坐标为容积数据v，纵坐标为流速数据f；所述pv环波形图像数据基于气道压数据和容积数据获得，所述pv环波形图像数据的横坐标为容积数据v，纵坐标为气道压数据p；
16.可选的，所述流速波形数据为基于呼吸打点时间的流速波形数据；所述呼吸打点时间为time，time根据呼吸机的采样频率hz和数据的序列号number设置，计算公式为：time＝(number-1)/hz。
17.可选的，所述流速波形数据为横坐标为time，纵坐标为流速数据的流速波形数据；
18.可选的，所述气道压波形数据为横坐标为time，纵坐标为气道压数据的气道压波形数据；
19.可选的，所述容积波形数据为横坐标为time，纵坐标为容积数据的容积波形数据；所述容积数据的计算公式为：
20.所述待测者的单口呼吸波形数据的人机失调类型包括：正常/异常或正常/异常亚型。
21.所述待测者的单口呼吸波形数据包括：经基于流速波形切分过的单口呼吸波形数据；
22.所述经基于流速波形切分过的单口呼吸波形数据的获取方法或步骤包括：
23.获取待测者的呼吸波形数据；
24.对所述待测者的呼吸波形数据进行标准化处理，得到标准化处理过的所述呼吸波形数据；所述标准化处理过的所述呼吸波形数据包括：从所述基于呼吸打点时间的流速波形数据中，寻找流速过零点且导数大于零的点，并分别记录所述点的时间索引，得到的所述
标准化处理过的所述呼吸波形数据；可选的，所述预处理为对所述呼吸波形数据按照顺序进行遍历，至少遍历一次；
25.将所述标准化处理过的所述呼吸波形数据切分为具有多个呼吸周期的呼吸数据，得到标准化处理过的且具有多个呼吸周期的呼吸数据；所述切分为寻找所有流速过零点且导数大于零的点；对所述标准化处理过的且具有多个呼吸周期的呼吸数据进行特征提取，得到特征提取后的具有多个呼吸周期的呼吸数据作为特征数据；待测者的所述特征数据输入到分类模型中，得到所述特征数据的分类结果。
26.所述标准化处理过的且具有多个呼吸周期的呼吸数据包括：对相邻所述点分别进行切分，切分形成对应每一口呼吸的波形，得到的所述多个呼吸周期的呼吸数据；
27.可选的，分别取第n和n+1所述相邻所述点，将第n和n+1所述点之间定义为单个呼吸周期；其中，1≤n＜n-1,n为所有所述点的时间索引总个数。
28.所述特征提取后的具有多个呼吸周期的呼吸数据作为特征数据的特征数据包括：单口呼吸的呼吸时间间隔，单口呼吸的流速变化，单口呼吸的呼气时长与单口呼吸总呼吸时间的占比，单口呼吸的呼气波形上升斜率；
29.可选的，所述单口呼吸的呼吸时间间隔为：所述相邻所述点分别对应的时间索引之间的时间间隔a；所述a的取值范围为0s《a《1s；
30.可选的，所述单口呼吸的流速变化为：所述相邻所述点分别对应的时间索引之间的流速变化b；所述b的取值范围为0l/min《b《20l/min；
31.可选的，所述单口呼吸的呼气时长与单口呼吸总呼吸时间的占比为：所述相邻所述点分别对应的时间索引之间的呼气时长占所述相邻所述点分别对应的时间索引之间总呼吸时间的比例c％；所述c％的取值范围为20％-80％；
32.可选的，所述单口呼吸的呼气波形上升斜率为：所述相邻所述点分别对应的时间索引之间的呼气波形上升斜率d；在吸气初100ms内，所述d的取值范围为10-50l/min/s。
33.所述将待测者的所述特征数据输入到分类模型中，得到所述待测者的所述特征数据的分类结果的方法或步骤包括：
34.将所述待测者的所述单个呼吸周期的呼吸时间间隔输入到分类模型中，判断所述待测者的所述单个呼吸周期的呼吸时间间隔是否落入a范围内；在所述待测者的所述单个呼吸周期的呼吸时间间隔落入a范围内的情况下，输出是，并进入将所述待测者的所述单个呼吸周期的流速变化输入到分类模型的阶段；否则输出否，运行终止；
35.将所述待测者的所述单个呼吸周期的流速变化输入到分类模型，判断所述待测者的所述单个呼吸周期的流速变化是否落入b范围内；在所述待测者的所述单个呼吸周期的流速变化落入b范围内的情况下，输出是，并进入将所述待测者的所述单个呼吸周期的呼气时长与单个呼吸周期总呼吸时间的占比输入到分类模型的阶段；否则输出否，运行终止；
36.将所述待测者的所述单个呼吸周期的呼气时长与单个呼吸周期总呼吸时间的占比输入到分类模型，判断所述待测者的所述单个呼吸周期的呼气时长与单个呼吸周期总呼吸时间的占比是否落入c范围内；在所述待测者的所述单个呼吸周期的呼气时长与单个呼吸周期总呼吸时间的占比落入c范围内的情况下，输出是，并进入将所述待测者的所述单个呼吸周期的呼气波形上升斜率到分类模型的阶段；否则输出否，运行终止；
37.将所述待测者的所述单个呼吸周期的呼气波形上升斜率输入到分类模型，判断所
述待测者的所述单个呼吸周期的呼气波形上升斜率是否落入d范围内；在所述待测者的所述单个呼吸周期的呼气波形上升斜率落入d范围内的情况下，输出是，并输出待测者的呼吸波形数据的分类结果；否则输出否，运行终止。
38.一种基于单口呼吸波形的人机失调检测设备，所述设备包括：存储器和处理器；
39.所述存储器用于存储程序指令；
40.所述处理器用于调用程序指令，当程序指令被执行时，用于执行上述的基于单口呼吸波形的人机失调检测方法。
41.一种基于单口呼吸波形的人机失调检测系统，包括：
42.获取单元，用于获取待测者的单口呼吸波形数据；所述单口呼吸波形数据包括流速波形数据和气道压波形数据；
43.处理单元，用于将所述待测者的单口呼吸波形数据输入到机器学习检测模型中，得到所述待测者的单口呼吸波形数据的人机失调类型；
44.分类单元，用于输出所述待测者的单口呼吸波形数据的人机失调类型。
45.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于单口呼吸波形的人机失调检测方法。
46.上述的设备在呼吸参数提取中的应用；可选的，基于实时或离线流速波形切分出每一口呼吸之后，每一口呼吸的气道压，食道压，容积的变化可以提取出很多特征的参数，用作呼吸治疗的监测。
47.本技术具有以下有益效果：
48.1、本技术创新性的公开一种基于单口呼吸波形的人机失调检测方法，有效保证单口呼吸切分的准确性，标准化呼吸切分结果，具有可比较性；并且基于切分结果准确性高的单口呼吸结果对人机不同步或人机失调进行有效识别与分类，为针对不同pva类型给出辅助治疗决策提供可能；
49.2、本技术提出的呼吸自动切分方法克服了采用人工切分时费时费力、采用基于流速或气道压力周期性变化规律和特征的规则进行呼吸切分时准确率不足的缺陷；
50.3、本技术创新性的公开一种基于实时或离线流速波形的呼吸自动切分方法自动切分呼吸波形为单口的呼吸，方便医生快速识别患者呼吸是否正常，大大缩短医生的诊断时间，为icu患者争取宝贵的救治时间；另外参照此切分规则，可以使用计算机程序实现呼吸波形的自动切分，方便后续进行呼吸波形异常的识别和监控。
附图说明
51.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他的附图。
52.图1是本发明实施例提供的基于单口呼吸波形的人机失调检测方法的示意流程图；
53.图2是本发明实施例提供的基于单口呼吸波形的人机失调检测设备的示意图；
54.图3是本发明实施例提供的基于单口呼吸波形的人机失调检测系统的示意流程
图；
55.图4是本发明实施例提供的基于单口呼吸波形的人机失调检测方法的分类流程图；
56.图5是本发明实施例提供的基于单口呼吸波形的人机失调检测方法的流速过零且导数大于零的点的示意图；
57.图6是本发明实施例提供的基于单口呼吸波形的人机失调检测方法的时间间隔a的示意图；
58.图7是本发明实施例提供的基于单口呼吸波形的人机失调检测方法的流速变化b的示意图；
59.图8是本发明实施例提供的基于单口呼吸波形的人机失调检测方法的呼气波形上升斜率d的示意图。
具体实施方式
60.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
61.在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
62.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获取的所有其他实施例，都属于本发明保护的范围。
63.图1是本发明实施例提供的基于单口呼吸波形的人机失调检测方法的示意流程图，具体地，所述方法包括如下步骤：
64.101：获取待测者的单口呼吸波形数据；所述单口呼吸波形数据包括流速波形数据和气道压波形数据；
65.在一个实施例中，所述单口呼吸波形数据至少是流速波形数据和气道压力波形数据，具体使用时可能会添加呼吸机设置参数，患者疾病状态等信息；
66.在一个实施例中，所述检测方法还包括：对所述待测者的单口呼吸波形数据进行预处理，得到预处理过的所述单口呼吸波形数据；所述预处理的方法为机器学习/深度学习训练数据的常规预处理，包括数据的清洗、数据填充、数据标准化等过程，并统一数据格式。
67.在一个实施例中，所述待测者的单口呼吸波形数据包括：经基于流速波形切分过的单口呼吸波形数据；
68.所述经基于流速波形切分过的单口呼吸波形数据的获取方法或步骤包括：
69.获取待测者的呼吸波形数据；所述呼吸波形数据包括：基于呼吸打点时间的呼吸流速数据；所述基于呼吸打点时间的呼吸流速数据为横坐标为time(s)，纵坐标为flow(l/
min)的流速波形数据；所述呼吸打点时间为time(s)，time根据呼吸机的采样频率hz和数据的序列号number设置，计算公式为：time＝(number-1)/hz；number为采样点的序列号。
70.对所述待测者的呼吸波形数据进行标准化处理，得到标准化处理过的所述呼吸波形数据；所述标准化处理过的所述呼吸波形数据包括：从所述基于呼吸打点时间的流速波形数据中，寻找流速过零点且导数大于零的点，并分别记录所述点的时间索引，得到的所述标准化处理过的所述呼吸波形数据；可选的，所述预处理为对所述呼吸波形数据按照顺序进行遍历，至少遍历一次；
71.将所述标准化处理过的所述呼吸波形数据切分为具有多个呼吸周期的呼吸数据，得到标准化处理过的且具有多个呼吸周期的呼吸数据；所述切分为寻找所有流速过零点(一个点小于等于0，另一个点大于等于0)且导数大于零的点；此点如图5圆圈所示；对所述标准化处理过的且具有多个呼吸周期的呼吸数据进行特征提取，得到特征提取后的具有多个呼吸周期的呼吸数据作为特征数据；待测者的所述特征数据输入到分类模型中，得到所述特征数据的分类结果。
72.所述标准化处理过的且具有多个呼吸周期的呼吸数据包括：对相邻所述点分别进行切分，切分形成对应每一口呼吸的波形，得到的所述多个呼吸周期的呼吸数据；
73.每一口呼吸即为单口呼吸，单口呼吸的定义：一个完整的吸气相加一个完整的呼气相；吸气流速(flow)由负变为正记为一口呼吸的开始；呼吸的终止为下一口呼吸开始的前一个采样点。
74.可选的，分别取第n和n+1所述相邻所述点，将第n和n+1所述点之间定义为单个呼吸周期；其中，1≤n＜n-1,n为所有所述点的时间索引总个数。
75.所述特征提取后的具有多个呼吸周期的呼吸数据作为特征数据的特征数据包括：单口呼吸的呼吸时间间隔，单口呼吸的流速变化，单口呼吸的呼气时长与单口呼吸总呼吸时间的占比，单口呼吸的呼气波形上升斜率；
76.可选的，所述单口呼吸的呼吸时间间隔为：所述相邻所述点分别对应的时间索引之间的时间间隔a，即相邻两个圆圈之间的时间间隔，如图6中箭头所示；所述a的取值范围为0s《a《1s；所述a优选为0s《a《0.6s；正常人呼吸频率约8-20次/分，在病理情况下患者的呼吸可达30-60次/分，因此呼吸时间a的取值范围为0s《a《1s,呼吸频率》100次的极端情况极为罕见，因此a的优选取值范围为0s《a《0.6s。
77.可选的，所述单口呼吸的流速变化为：所述相邻所述点分别对应的时间索引之间的流速变化b；如图7中箭头所示；所述b的取值范围为0l/min《b《20l/min；所述b优选为0l/min《b《10l/min；正常人吸气流速为40-60l/min，小儿为5-10l/min，因此一次呼吸间的流速变化b的取值范围0l/min《b《20l/min,考虑到部分患者存在吸气力量不足，b的优选取值范围为0l/min《b《10l/min。
78.可选的，所述单口呼吸的呼气时长(流速为负的时间)与单口呼吸总呼吸时间(相邻2个圆圈之间的时间)的占比为：所述相邻所述点分别对应的时间索引之间的呼气时长占所述相邻所述点分别对应的时间索引之间总呼吸时间的比例c％；所述c％的取值范围为20％-80％；所述c优选为30％-50％；根据双重触发的定义，两个吸气周期之间的呼气时间小于平均吸气时间的一半，c的取值范围为20％-80％，其中c的优选取值范围为30％-50％。此种设置能够很好地规避双重或多重触发的情况对结果的影响；临床呼吸急促呼吸，呼吸
异常时，短时间呼吸2次呼吸，本切分方法计算单次呼吸的准确性更好；中间做一次判断，出现异常情况时本参考至有效辅助如何处理。
79.可选的，所述单口呼吸的呼气波形上升斜率为：所述相邻所述点分别对应的时间索引之间的呼气波形上升斜率d；如图8中方框所示；在吸气初100ms内，所述d的取值范围为10-50l/min/s；所述d优选为5-25l/min/s；流速触发设置值约为1-5l/min，在吸气初100ms内，d的取值范围约为10-50l/min/s，考虑到部分触发延迟，d优选范围为5-25l/min/s。
80.所述将待测者的所述特征数据输入到分类模型中，得到所述待测者的所述特征数据的分类结果的方法或步骤包括：
81.将所述待测者的所述单个呼吸周期的呼吸时间间隔输入到分类模型中，判断所述待测者的所述单个呼吸周期的呼吸时间间隔是否落入a范围内；在所述待测者的所述单个呼吸周期的呼吸时间间隔落入a范围内的情况下，输出是，并进入将所述待测者的所述单个呼吸周期的流速变化输入到分类模型的阶段；否则输出否，运行终止；此步骤中的a在附图4中记做1；
82.将所述待测者的所述单个呼吸周期的流速变化输入到分类模型，判断所述待测者的所述单个呼吸周期的流速变化是否落入b范围内；在所述待测者的所述单个呼吸周期的流速变化落入b范围内的情况下，输出是，并进入将所述待测者的所述单个呼吸周期的呼气时长与单个呼吸周期总呼吸时间的占比输入到分类模型的阶段；否则输出否，运行终止；此步骤中的b在附图4中记做2；
83.将所述待测者的所述单个呼吸周期的呼气时长与单个呼吸周期总呼吸时间的占比输入到分类模型，判断所述待测者的所述单个呼吸周期的呼气时长与单个呼吸周期总呼吸时间的占比是否落入c范围内；在所述待测者的所述单个呼吸周期的呼气时长与单个呼吸周期总呼吸时间的占比落入c范围内的情况下，输出是，并进入将所述待测者的所述单个呼吸周期的呼气波形上升斜率到分类模型的阶段；否则输出否，运行终止；此步骤中的c在附图4中记做3；
84.将所述待测者的所述单个呼吸周期的呼气波形上升斜率输入到分类模型，判断所述待测者的所述单个呼吸周期的呼气波形上升斜率是否落入d范围内；在所述待测者的所述单个呼吸周期的呼气波形上升斜率落入d范围内的情况下，输出是，并输出待测者的呼吸波形数据的分类结果；否则输出否，运行终止。此步骤中的d在附图4中记做4；
85.在一个实施例中，所述呼吸波形数据为具有连续波形信号的呼吸波形数据。
86.在一个实施例中，所述呼吸波形数据还包括：基于呼吸打点时间的食道压波形数据；所述食道压波形数据为横坐标为time，纵坐标为食道压数据pes(cmh2o)的食道压波形数据；
87.102：将所述待测者的单口呼吸波形数据输入到机器学习检测模型中，得到所述待测者的单口呼吸波形数据的人机失调类型；
88.可选的，所述机器学习检测模型的确定方式包括：输入预标注的单口呼吸波形数据，对所述预标注的单口呼吸波形数据进行特征提取，得到特征提取后的特征数据，并利用特征提取后的特征数据构建机器学习检测模型，得到机器学习检测模型。所述预标注的单口呼吸波形数据为带有人工标注结果的单口呼吸波形数据。
89.所述检测方法还包括：根据所述预处理过的所述单口呼吸波形数据得到或绘制出
fv环和/或pv环波形图像数据，输出所述fv环和/或pv环波形图像数据；所述单口呼吸波形数据还包括基于流速数据得到的容积数据；
90.对所述fv环和/或pv环波形图像数据进行特征提取，得到特征提取后的fv环和/或pv环波形图像数据作为特征数据；将所述特征提取后的fv环和/或pv环波形图像数据输入到机器学习检测模型(深度学习检测模型)中，得到所述待测者的单口呼吸波形数据的人机失调类型；
91.可选的，所述fv环波形图像数据基于流速数据和容积数据获得，所述fv环波形图像数据的横坐标为容积数据v，纵坐标为流速数据f；所述pv环波形图像数据基于气道压数据和容积数据获得，所述pv环波形图像数据的横坐标为容积数据v，纵坐标为气道压数据p；
92.可选的，所述流速波形数据为基于呼吸打点时间的流速波形数据；所述呼吸打点时间为time，time根据呼吸机的采样频率hz和数据的序列号number设置，计算公式为：time＝(number-1)/hz。
93.可选的，所述流速波形数据为横坐标为time，纵坐标为流速数据的流速波形数据；
94.可选的，所述气道压波形数据为横坐标为time，纵坐标为气道压数据的气道压波形数据；
95.可选的，所述容积波形数据为横坐标为time，纵坐标为容积数据的容积波形数据；所述容积数据的计算公式为：
96.在一个实施例中，所述呼吸波形数据为具有连续波形信号的呼吸波形数据。
97.所述分类模型的确定方式包括：
98.获取正常人的呼吸波形数据；
99.对所述呼吸波形数据进行标准化处理，得到标准化处理过的所述呼吸波形数据；将所述标准化处理过的所述呼吸波形数据切分为具有多个呼吸周期的呼吸数据，得到标准化处理过的且具有多个呼吸周期的呼吸数据；
100.对所述标准化处理过的且具有多个呼吸周期的呼吸数据进行特征选择或特征提取，得到特征选择或特征提取后的具有多个呼吸周期的呼吸数据作为特征数据；
101.采用机器学习的方法对所述特征数据进行特征提取，得到特征提取后的特征数据，利用特征提取后的特征数据构建分类模型，得到构建好的分类模型。
102.103：输出所述待测者的单口呼吸波形数据的人机失调类型。
103.所述待测者的单口呼吸波形数据的人机失调类型包括：正常/异常或正常/异常亚型。
104.所述检测方法还包括基于所述人机失调类型的输出确定呼吸异常检测结果。
105.图2是本发明实施例提供的基于单口呼吸波形的人机失调检测设备的示意图，所述设备包括：存储器和处理器；
106.所述存储器用于存储程序指令；
107.所述处理器用于调用程序指令，当程序指令被执行时，用于执行上述的基于单口呼吸波形的人机失调检测方法。
108.图3是本发明实施例提供的基于单口呼吸波形的人机失调检测系统的示意流程图，包括：
109.获取单元301，用于获取待测者的单口呼吸波形数据；所述单口呼吸波形数据包括流速波形数据和气道压波形数据；
110.第一处理单元302，用于将所述待测者的单口呼吸波形数据输入到机器学习检测模型中，得到所述待测者的单口呼吸波形数据的人机失调类型；
111.分类单元303，用于输出所述待测者的单口呼吸波形数据的人机失调类型。
112.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于单口呼吸波形的人机失调检测方法。
113.本验证实施例的验证结果表明，为适应症分配固有权重相对于默认设置来说可以适度改善本方法的性能。
114.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
115.在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
116.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
117.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
118.本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(rom，read only memory)、随机存取存储器(ram，random access memory)、磁盘或光盘等。
119.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
120.以上对本发明所提供的一种计算机设备进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。