1.一种儿童哮喘发作风险评估与预测方法,其特征在于:包括:采集儿童的呼吸频率数据、心率数据、体温数据及环境湿度数据,将所述呼吸频率数据、所述心率数据、所述体温数据及所述环境湿度数据输入至预设的数据处理模块;
基于所述数据处理模块对所述呼吸频率数据进行波动分析,得到呼吸波动指数,同时将所述心率数据与所述体温数据进行关联分析,获取身体状态参数;
将所述呼吸波动指数、所述身体状态参数与所述环境湿度数据进行多维度交叉计算,生成哮喘风险初始评分;
从预设的历史数据库调取与所述儿童年龄相匹配的参考数据组,将所述哮喘风险初始评分与所述参考数据组进行对比分析,得到修正系数;
将所述哮喘风险初始评分与所述修正系数相乘,生成最终风险预测值,并根据所述最终风险预测值的数值区间判定哮喘发作风险等级;
所述呼吸波动指数的计算如下式所示:
;
其中,
;
其中,为单个时间窗口的呼吸频率的标准差,为呼吸频率的指数移动平均值,为变化率影响系数,为均值的变化率,为昼夜节律调节系数,为时间序列索引,为第个时间点的呼吸波动率,为模拟24小时周期的生理节律波动;
所述关联分析得到身体状态参数如下式所示:;
其中,为心率权重系数0.4,为温差权重系数0.3,为交互项系数0.2,为综合影响系数;
其中,得到所述心率标准分值如下式所示:;
其中,为实测心率,为基础心率,为年龄系数,为动态调节系数,为心率变化速率;
其中,得到所述温差值如下式所示:
;
其中,为温度加速度影响系数0.3,为温度的二阶导数,为体温波动的峰值温度,为体温波动的谷值温度;
所述哮喘风险初始评分通过多项式组合计算,如下式所示:;
其中,为优化算法中的学习率参数,权重系数至采用自适应优化算法动态调整:;
其中,为各项指标的历史预测误差,为优化算法中的学习率参数,为自适应动态权重;
其中,为身体状态参数的动态权重函数,如下式所示:;
其中,为陡度系数,随年龄递增;为参考状态值,为变化率影响系数;
其中,动态敏感度指数,基于湿度影响模型计算,如下式所示:;
其中,为观测时间周期,为湿度影响模型,为加速度影响因子0.25;
其中,所述湿度影响模型如下式所示:
;
其中,为基准湿度值,为湿度波动幅值,为当前时间点,为特征时间点的总数,为特征时间点,为时间尺度参数;
所述动态敏感度指数每30分钟更新一次,并与历史数据进行滑动平均:;
其中,为当前时间点的平滑后的动态敏感度指数,为上一个时间点的平滑后的动态敏感度指数,为当前时间点的原始动态敏感度指数,为平滑系数;
其中,所述为呼吸波动指数映射参数,如下式所示:;
其中,为调制系数,为波动阈值,为尺度参数。
2.如权利要求1所述的儿童哮喘发作风险评估与预测方法,其特征在于:所述修正系数的确定包括:根据儿童的年龄特征、校准后的风险评分及其动态变化特征,通过非线性权重分配确定最相关的历史数据;
基于筛选出的历史数据,根据当前风险评分的变化动态调整基准值;
将校准后的风险评分与动态基准进行比对,计算出最终的修正系数;
所述修正系数包括静态修正量和动态调节量;
所述静态修正量的计算包括:
获取校准后的呼吸信号与基准函数的差值;将所述差值除以预设参考标准差,得到归一化偏差;将所述归一化偏差输入双曲正切函数,得到[-1,1]区间内的静态修正值;将所述静态修正值与预设主修正系数相乘,得到最终静态修正量;
所述动态调节量的计算包括:
计算校准后呼吸信号关于时间的导数;获取所述导数的绝对值;将所述绝对值除以所述绝对值与1的和,得到[0,1]区间内的归一化变化率;对所述归一化变化率进行平方根运算;将运算结果与预设动态调节系数相乘后与1相加,得到动态调节量;
将所述静态修正量与所述动态调节量相乘后与1相加,得到所述修正系数。
3.如权利要求2所述的儿童哮喘发作风险评估与预测方法,其特征在于:所述基准值的动态调整方法包括:建立静态基准项,包括:将预设参考均值作为基础基准值;
建立周期调制项,包括:将当前时间转换为以24小时为周期的相位角;将所述相位角输入正弦函数;将正弦函数的计算结果与预设参考标准差和预设周期调制系数的乘积相乘,得到周期性调制量;
建立动态补偿项,包括:获取当前时刻的校准后呼吸信号;获取前一时刻的校准后呼吸信号;计算所述当前时刻与前一时刻校准后呼吸信号的差值;将所述差值与预设变化率影响系数相乘,得到动态补偿量;
将所述基础基准值、所述周期性调制量和所述动态补偿量相加,得到动态调整后的基准值。
4.一种儿童哮喘发作风险评估与预测系统,基于权利要求1~3任一所述的儿童哮喘发作风险评估与预测方法,其特征在于:包括:采集模块,用于采集儿童的呼吸频率数据、心率数据、体温数据及环境湿度数据,将所述呼吸频率数据、所述心率数据、所述体温数据及所述环境湿度数据输入至预设的数据处理模块;
数据处理模块,用于基于所述数据处理模块对所述呼吸频率数据进行波动分析,得到呼吸波动指数,同时将所述心率数据与所述体温数据进行关联分析,获取身体状态参数;
初始评分模块,用于将所述呼吸波动指数、所述身体状态参数与所述环境湿度数据进行多维度交叉计算,生成哮喘风险初始评分;
修正模块,用于从预设的历史数据库调取与所述儿童年龄相匹配的参考数据组,将所述哮喘风险初始评分与所述参考数据组进行对比分析,得到修正系数;
预测模块,用于将所述哮喘风险初始评分与所述修正系数相乘,生成最终风险预测值,并根据所述最终风险预测值的数值区间判定哮喘发作风险等级。