基于特征聚合的轻量化机械通气人机异步检测算法

摘要

当患者呼吸频率与呼吸机设定不一致，就会出现人机异步，这可能会造成严重的预后问题，因此有必要开发一种可靠的自动识别算法.目前诸多算法受困于小数据集，识别效率低，且参数量庞大，难以在边缘端进行部署.本文提出一种基于特征聚合的多尺度轻量级人机异步识别算法.该算法采用轻量级并行架构，结合卷积与注意力机制的优点，在提取波形图像局部信息的同时，动态学习全局依赖关系.同时，本算法采用相对位置编码以构建空间关联，并针对模型冗余结构设计个性化修剪方案，在提高识别精度的同时降低存储消耗，以提升计算效率.在测试集中，本文算法的识别准确率、灵敏度、特异度分别为0.985、0.982和0.986,优于当前算法且效率更高，展现出很高的应用潜力.

关键词

机械通气 / 人机异步 / 轻量化 / 聚合模型 / 特征融合