面向呼吸腰带数据的病症正常异常分类

作者：徐正丽; 蒋盟珂; 谢梅英; 蔡翔

来源：广西科学, 2022, 29(02): 241-248.

DOI：10.13656/j.cnki.gxkx.20220526.003

• 呼吸腰带
• 吸呼比
• 特征分析
• 长短期记忆网络
• 支持向量机

人体的呼吸信号包含了很多指示呼吸健康的信息，虽然有多种测量呼吸的仪器和手段，但是呼吸腰带仍然是经济、没有辐射伤害、能长时程日常佩戴的呼吸数据获取手段。然而，目前呼吸腰带数据的分析方法还不成熟，为了明确哪些呼吸数据特征可以对病理进行有效分类，本研究分别使用长短期记忆网络(Long Short-Term Memory, LSTM)、吸呼比结合LSTM、吸呼比结合支持向量机(Support Vector Machine, SVM)3种方法，对287个正常呼吸和55个异常呼吸的24 h观测数据进行病理类别分类准确度对比实验。结果表明，吸呼比特征结合LSTM法具有更高的分类准确度。

• 单位
  桂林电子科技大学; 南京信息工程大学