利用同步压缩变换与局部平稳高斯过程回归从胸腹运动恢复气流
机器学习
2020-08-12 v1 机器学习
信号处理
摘要
气流信号编码了关于呼吸系统的丰富信息。测量气流的金标准是使用带密闭密封的肺活量计，但这对于患者的动态监测并不实用。传感器技术的进步使得利用小型廉价设备测量胸廓与腹部运动成为可能，但从这些时间序列估计气流具有挑战性。我们提议使用非线性型时频分析工具——同步压缩变换（synchrosqueezing transform）将胸廓与腹部运动信号恰当表示为特征，并利用局部平稳高斯过程由这些特征恢复气流。我们表明，在一个包含正常睡眠条件下呼吸信号的数据集上，通过在特征空间中拟合所提模型，可在被试内与被试间的设定下均实现准确预测。我们还将方法应用于更具挑战性的情形：受试者在全身麻醉下经历从压力支持到无辅助通气的转换，以进一步展示所提方法的效用。
引用
@article{arxiv.2008.04473,
title = {Airflow recovery from thoracic and abdominal movements using Synchrosqueezing Transform and Locally Stationary Gaussian Process Regression},
author = {Whitney K. Huang and Yu-Min Chung and Yu-Bo Wang and Jeff E. Mandel and Hau-Tieng Wu},
journal= {arXiv preprint arXiv:2008.04473},
year = {2020}
}