本发明涉及呼吸监测，具体涉及一种患者的呼吸信号监测方法、装置及系统。
背景技术：
1、患者的呼吸信号监测是医疗领域中的一个重要环节，不仅能够提供患者健康状态的实时评估，还能通过早期预警、指导治疗等方式改善患者的治疗效果；但在对患者的呼吸信号进行采集过程中，由于周围环境中的声音和医疗器械设备的噪声干扰，使得采集到患者的呼吸信号存在精确性不高，则对患者的呼吸信号进行异常监测时存在误差，导致对患者的异常呼吸情况监测的准确性降低。
2、现有技术中，采用滤波算法对呼吸信号进行去噪处理，但由于不同情况下患者的呼吸气量的变化是不同的，传统的滤波算法下基于固定的参数设置往往无法适应不同情况下的信号处理需求，无法有效去除噪声，呼吸信号的监测效果较差。
技术实现思路
1、为了解决传统的滤波算法下基于固定的参数设置往往无法适应不同情况下的信号处理需求，呼吸信号的监测效果较差的技术问题，本发明的目的在于提供一种患者的呼吸信号监测方法、装置及系统，所采用的技术方案具体如下：
2、本发明提出了一种患者的呼吸信号监测方法，所述方法包括：
3、获取患者在每个时刻的呼吸气量，构成呼吸信号曲线的数据点；
4、根据呼吸信号曲线上每个极值点的邻域范围内呼吸气量的分布特征，获得每个极值点的呼吸异常波动因子，以及相邻极值点之间的初始呼吸异常因子；根据不同相邻极值点之间的时间变化特征，以及相邻时刻之间数据点的变化趋势，获得相邻极值点之间的噪声影响程度；根据相邻极值点之间的所述初始呼吸异常因子以及所述噪声影响程度，获得相邻极值点之间的修正呼吸异常因子；
5、对于同类极值点，根据相邻同类极值点之间的变化趋势，以及对应呼吸异常波动因子，获得每个同类极值点的情绪突变可能性；根据同类极值点的情绪突变可能性分布，以及同类极值点之间的波动特征，获得每个同类极值点的趋势特征因子；根据相邻极值点之间趋势特征因子的差异，以及修正呼吸异常因子，获得相邻极值点之间的数据可信度；
6、根据呼吸信号曲线上每个数据点所在相邻极值点之间的数据可信度，对对应的呼吸气量进行滤波，获得滤波呼吸气量，获得滤波呼吸曲线。
7、进一步地，所述获得每个极值点的呼吸异常波动因子，以及相邻极值点之间的初始呼吸异常因子，包括：
8、获得每个极值点的邻域范围内呼吸气量的均值，作为平均呼吸气量；获得每个极值点的邻域范围内呼吸气量的标准差；
9、计算对应极值点的呼吸气量和平均呼吸气量的差异，若差异结果大于三倍的标准差，将差异结果进行归一化，作为每个极值点的呼吸异常波动因子；若差异结果小于或者等于三倍的标准差，每个极值点的呼吸异常波动因子为0；
10、获得相邻极值点之间的呼吸异常波动因子的均值，并进行归一化，作为相邻极值点之间的初始呼吸异常因子。
11、进一步地，所述噪声影响程度的获取方法包括：
12、获取相邻极值点之间的单调曲线段，获得每个单调曲线段的时间长度，获得每个单调曲线段的前后相邻单调曲线段之间时间长度的均值，作为比较时间长度；获得每个单调曲线段上所有相邻时刻之间数据点的斜率均值，作为第一斜率；获得每个单调曲线段的前后相邻单调曲线段之间第一斜率的均值，作为第二斜率；
13、若相邻极值点之间的单调曲线段为单调递增，获得预设倍数的时间长度和比较时间长度的长度差异，获得第一斜率和预设倍数的第二斜率之间的斜率差异，若相邻极值点之间的单调曲线段为单调递减，获得时间长度和预设倍数的比较时间长度的长度差异，获得预设倍数的第一斜率和第二斜率之间的斜率差异；
14、计算长度差异和斜率差异的乘积，并进行归一化，获得相邻极值点之间的噪声影响程度。
15、进一步地，所述修正呼吸异常因子的获取方法包括：
16、获得相邻极值点之间的所述初始呼吸异常因子以及所述噪声影响程度的乘积，作为相邻极值点之间的修正呼吸异常因子。
17、进一步地，所述情绪突变可能性的获取方法包括：
18、对于同类极值点，获得每个同类极值点与相邻前后的同类极值点之间斜率的差异，作为第一斜率差异；
19、计算第一斜率差异与对应呼吸异常波动因子的乘积，作为每个同类极值点的情绪突变可能性。
20、进一步地，所述趋势特征因子的获取方法包括：
21、根据同类极值点的情绪突变可能性，对所有同类极值点进行聚类，获得多个同类簇；
22、获得每个同类簇中所有同类极值点的情绪突变可能性的均值，作为整体情绪突变可能性；选取所有同类簇中整体情绪突变可能性数值最大的，将对应同类簇内的极值点作为情绪突变点；
23、获取相邻情绪突变点之间斜率的绝对值，若斜率绝对值大于或者等于预设斜率阈值，获得相邻情绪突变点之间所有相邻同类极值点之间的斜率累加值的绝对值，并进行归一化，获得相邻情绪突变点之间每个同类极值点的趋势特征因子；
24、若斜率绝对值小于预设斜率阈值，获得相邻情绪突变点之间所有同类极值点的呼吸异常波动因子的均值，并进行负相关映射，获得相邻情绪突变点之间每个同类极值点的趋势特征因子。
25、进一步地，所述数据可信度的获取方法包括：
26、获得相邻极值点之间趋势特征因子的差异，作为因子差异；计算因子差异与修正呼吸异常因子的乘积，并进行负相关归一化映射，获得相邻极值点之间的数据可信度。
27、进一步地，所述滤波呼吸气量的获取方法包括：
28、以每个数据点为中心构建滑动窗口，获得滑动窗口内每个数据点与中心点之间的时间长度，并进行负相关映射，作为每个数据点相对于中心点的权重因子；计算权重因子和对应数据可信度的乘积，并进行归一化，作为每个数据点相对于中心点的权重值；
29、基于每个数据点相对于中心点的权重值，通过加权滤波算法对中心点的呼吸气量进行滤波，获得滤波呼吸气量。
30、本发明还提出了一种患者的呼吸信号监测装置，包括数据获取模块、呼吸异常因子修正模块、数据可信度确定模块、呼吸曲线优化模块：
31、数据获取模块：获取患者在每个时刻的呼吸气量，构成呼吸信号曲线的数据点；
32、呼吸异常因子修正模块：根据呼吸信号曲线上每个极值点的邻域范围内呼吸气量的分布特征，获得每个极值点的呼吸异常波动因子，以及相邻极值点之间的初始呼吸异常因子；根据不同相邻极值点之间的时间变化特征，以及相邻时刻之间数据点的变化趋势，获得相邻极值点之间的噪声影响程度；根据相邻极值点之间的所述初始呼吸异常因子以及所述噪声影响程度，获得相邻极值点之间的修正呼吸异常因子；
33、数据可信度确定模块：对于同类极值点，根据相邻同类极值点之间的变化趋势，以及对应呼吸异常波动因子，获得每个同类极值点的情绪突变可能性；根据同类极值点的情绪突变可能性分布，以及同类极值点之间的波动特征，获得每个同类极值点的趋势特征因子；根据相邻极值点之间趋势特征因子的差异，以及修正呼吸异常因子，获得相邻极值点之间的数据可信度；
34、呼吸曲线优化模块：根据呼吸信号曲线上每个数据点所在相邻极值点之间的数据可信度，对对应的呼吸气量进行滤波，获得滤波呼吸气量，获得滤波呼吸曲线。
35、本发明还提出了一种患者的呼吸信号监测系统，所述系统上存储程序或指令，所述程序或指令被处理器执行时实现如上所述的一种患者的呼吸信号监测方法的步骤。
36、本发明具有如下有益效果：
37、本发明根据呼吸信号曲线上每个极值点的邻域范围内呼吸气量的分布特征，获得每个极值点的呼吸异常波动因子，以及相邻极值点之间的初始呼吸异常因子，反映了相邻极值点之间呼吸信号的变化程度，有助于了解呼吸异常情况；根据不同相邻极值点之间的时间变化特征，以及相邻时刻之间数据点的变化趋势，获得相邻极值点之间的噪声影响程度，进一步分析由噪声引起的变化情况，获得相邻极值点之间的修正呼吸异常因子，更加准确地反映了呼吸信号的真实变化情况；对于同类极值点，根据相邻同类极值点之间的变化趋势，以及对应呼吸异常波动因子，获得每个同类极值点的趋势特征因子，有助于识别呼吸信号中的长期或周期性变化规律；根据相邻极值点之间趋势特征因子的差异，以及修正呼吸异常因子，获得相邻极值点之间的数据可信度，更加准确地评估相邻极值点之间数据的可靠性，有助于减少因噪声干扰产生的影响；根据呼吸信号曲线上每个数据点所在相邻极值点之间的数据可信度，对对应的呼吸气量进行滤波，获得滤波呼吸气量，获得滤波呼吸曲线，减少了噪声和异常值的干扰，更加真实地反映了呼吸状况的变化。本发明考虑到噪声干扰，通过获得患者相对精确的呼吸信号数据，提高呼吸监测的准确性。
1.一种患者的呼吸信号监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种患者的呼吸信号监测方法，其特征在于，所述噪声影响程度的获取方法包括：
3.根据权利要求1所述的一种患者的呼吸信号监测方法，其特征在于，所述修正呼吸异常因子的获取方法包括：
4.根据权利要求1所述的一种患者的呼吸信号监测方法，其特征在于，所述情绪突变可能性的获取方法包括：
5.根据权利要求4所述的一种患者的呼吸信号监测方法，其特征在于，所述趋势特征因子的获取方法包括：
6.根据权利要求1所述的一种患者的呼吸信号监测方法，其特征在于，所述数据可信度的获取方法包括：
7.根据权利要求1所述的一种患者的呼吸信号监测方法，其特征在于，所述滤波呼吸气量的获取方法包括：
8.一种患者的呼吸信号监测装置，其特征在于，包括数据获取模块、呼吸异常因子修正模块、数据可信度确定模块、呼吸曲线优化模块：
9.一种患者的呼吸信号监测系统，其特征在于，所述系统上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1~7任意一项所述一种患者的呼吸信号监测方法的步骤。
