咳嗽过期体积和咳嗽峰值流量估计基于GA-BP方法

文摘

咳嗽是呼吸道防护行为清理分泌物。咳嗽过程可表现为三个功能咳嗽峰流量,速度峰值时间,咳嗽过期的体积。咳嗽过期卷(CEV)和咳嗽峰流量(CPFR)是重要的医学诊断和咳嗽效果评估。在这项研究中,CEV CPFR的700名健康受试者测量值和使用便携式肺功能装置收集的。性别、年龄、身高、体重、吸烟状态信息的700名参与者也收集。同时,反向传播神经网络和遗传算法的集成(GA-BP)方法被开发来估计CEV和CPFR值。结果表明,GA-BP方法的估计精度超过90%,这表明GA-BP方法可以有效地用于CEV和CPFR价值评估。此外,本文提出的方法可以用于医学诊断和医疗设备的发展。

1。介绍

咳嗽是一种呼吸道反射行为。当呼吸道炎症刺激,灰尘,或者一些颗粒物质、咳嗽行为执行清除呼吸道分泌物,保持呼吸道的清洁和畅通无阻的1- - - - - -5]。因为压差高的内部和外部之间的胸腔,生成高气流速度对表面剪切力的分泌物和推动他们嘴6]。

根据先前的研究,咳嗽过程持续约0.4∼0.6年代和可以由三个参数特征咳嗽峰流量(CPFR)、峰值速度(PVT),和咳嗽过期体积(CEV) [7- - - - - -10]。CEV精疲力竭和CPFR的总风量和最大气流速率测量大气正常引用整个咳嗽过程中,分别。

咳嗽过期卷(CEV)和咳嗽峰流量(CPFR)是重要的医学诊断,咳嗽效果评估,和拔管决策(11- - - - - -13]。然而,随着机械通气患者,神经肌肉疾病,或其他疾病损害咳嗽能力,CEV和CPFR值不能获得并用于医学诊断。因此,CEV之间建立一个关系,CPFR的价值观和人力物理信息可以用于医学诊断为这些病人。如果物理信息,CEV和CPFR值估计。

先前的研究已经发展了CEV和CPFR值之间的关系和人的性别、身高和体重。lein等人发现,CPFR的身高和年龄有关人类[14]。Mahajan等人,辛格等人涉及性别作为一个影响因素和发展关系CPFR, CEV和PVT8,9]。他们的研究涉及了100名健康不吸烟的志愿者(50女性和50名男性)和显示CPFR和CEV值之间的直接关系8]。结果表明,CEV的最大值达到5 L平均3 L。朱等人测量了CEV值三个健康受试者,发现变化范围从0.8到2.2 L平均为1.4 L (15]。古普塔等人研究了25名健康受试者雄性雌性(12和13),开发了一种一阶CEV关系,CPFR价值观和性别,身高,体重,通过线性回归分析方法(7]。执行结果如下:

Brandimore等人建立了CEV值之间的线性关系,气流速度,和咳嗽的数量测量数据通过分析25岁以上的参与者(女性和11个男性平均14日23岁)。结果表明重大到期量之间的线性关系,总咳嗽,咳嗽气流率(6]。粒子测速(PIV)方法也用来估计速度范围的咳嗽。曹国伟等人收集的平均速度50咳嗽从11名健康志愿者(3男8女)。男性和女性的咳嗽估计最大速度是13.2米/秒,10.2 m / s,分别为(16]。VanSciver等人进行了29个不吸烟的健康志愿者(10男19女志愿者)获得和分析咳嗽速度。结果表明,没有咳嗽速度和性之间的相关性和重量(10]。

在这项研究中,700名健康受试者参与。CEV值、CPFR值、性别、身高、体重、年龄、吸烟状态测量和记录。同时,反向传播神经网络和遗传算法的集成,叫做GA-BP方法被开发来估计CEV和CPFR值。

2。材料和方法

2.1。实验设置

CEV和CPFR值通过使用便携式肺功能测量设备(该有限公司),是呈现在图1。CEV和CPFR值收购范围从0到10 L和0∼16 L / s,分别。收购错误在±0.05 L和0.2 L / s,分别。一次性连接器安装在设备中收集的前面。人类受试者用嘴把连接器和剧烈咳嗽。后一个咳嗽,CEV和CPFR值将在设备屏幕上显示和存储设备。

所有的参与者接受培训如何使用这个设备的测量。坐的姿势测量时采用。

2.2。道德的声明

CEV、CPFR值和物理信息获得的700个人类受试者医生在朝阳医院。所有的人类受试者同意进行这些测量和签署了知情的内容。朝阳医院伦理委员会和人类受试者已经批准这些数据收集(批准号:20175241)。

2.3。反向传播神经网络

BP神经网络是一个多层前馈神经网络的信号传输和反向误差传播和可以用来估计任何非线性关系通过培训(17- - - - - -20.]。通常,BP神经网络由输入层、隐层和输出层。一层一层地处理输入信号从输入层经隐层到输出层。如果没有达到预期的输出,信号传输反向传播。根据预测误差,神经网络权值和阈值的调整来获得预期的输出值(21- - - - - -24]。

在这项研究中,5个输入,它代表的性别、身高、体重、年龄、吸烟状态,两个输出代表CEV和CPFR在BP神经网络建立价值。提出了BP神经网络的结构如图2。隐藏层的神经元数量设置为11基于Hecht-Nelson方法。

2.4。BP神经网络提高了遗传算法

尽管BP神经网络可以获得一个良好的估计结果通过训练过程中,训练时间太长,结果可能收敛到局部最优值。并行遗传算法(GA)是一种随机搜索优化方法,模仿自然遗传机制和达尔文的生物进化原理(25- - - - - -27]。因此,提高BP神经网络的遗传算法(GA)来解决这个问题,叫做GA-BP [28- - - - - -30.]。GA-BP算法用于搜索最合适的神经网络权值和阈值。整个操作过程包括初始化、计算适应度值,选择、交叉和变异。重复这个过程,直到满足结束条件。

数据集由神经网络的连接权值和阈值被认为是一个独立的个体。如图3,实数编码被用来创建初始值为每个单独的由ω_ij,一个,ω_jk,b。的ω_ij和ω_jk代表输入层和隐层之间的权值和隐藏层和输出层之间的权值,分别。的一个和b代表隐藏层和输出层的阈值,分别。在这项研究中个体的数量是十。

之间的绝对误差预测和BP神经网络的期望输出作为本研究的个人健身价值。适应度函数如下: 在哪里E个人健身价值,米在输出层神经元的个数,然后呢Y_我和O_我是网络的预测输出和预期输出,分别。

选择较低的是,个人健身的目标更有机会继承给下一代。选择操作的轮盘赌法在这项研究中,如以下公式所示: 在哪里p每个个体的选择概率,k是系数,N是个体的数量。

交叉概率是0.5。个体的交叉操作一个_k和一个_l在j位置在方程(4)。图所示图4。在哪里α是[0 1∼]之间的随机数。

变异概率是0.4和图如图5。新的染色体通过方程计算(5)。一个_马克斯和一个_最小值上界和下界的基因吗一个_ij,分别。的r₂是一个随机数,是当前迭代数,G_马克斯是进化的最大数量,r是[0 1∼]之间的随机数。

迭代是40。GA-BP呈现在图的操作过程6。

3所示。结果

收集物理信息的统计结果(性别、年龄、身高、体重、吸烟状态),CEV, CPFR的值700人类受试者展示在表1。


参数	价值

数量的男性	430年
数量的女性	270年
吸烟者的数量	106年
不吸烟者的数量	594年
的平均年龄	23.71
标准偏差的年龄	8.36
平均身高(厘米)	171.01
标准偏差的身高(厘米)	7.68
平均重量(公斤)	66.60
标准差的重量(公斤)	13.41
平均CEV(左)	1.54
标准差CEV(左)	0.77
平均的CPFR (L / s)	6.25
标准偏差的CPFR (L / s)	1.72

为了证明GA-BP方法,采用十倍十倍交叉验证方法。700组数据被随机分为十倍,每个折叠包含70组数据。九倍的数据被用来训练GA-BP网络。剩下的单一数据用于验证。通过十个不同的随机分组和交换训练和测试数据,我们进行了十倍十倍交叉验证。数据的统计结果为从测试1到十倍十倍交叉验证测试10给出了表2和3。


参数	测试1		测试2		测试3		测试4		测试5
参数	培训组	验证组	培训组	验证组	培训组	验证组	培训组	验证组	培训组	验证组

数量的男性	390年	40	391年	39	384年	46	391年	39	389年	41
数量的女性	240年	30.	239年	31日	246年	24	239年	31日	241年	29日
吸烟者的数量	95年	11	97年	9	96年	10	93年	13	94年	12
不吸烟者的数量	535年	59	533年	61年	534年	60	537年	57	536年	58
的平均年龄	23.87	22.30	23.73	23.50	23.70	23.86	23.72	23.67	23.53	25.33
标准偏差的年龄	8.41	7.70	8.48	7.15	8.43	7.64	8.34	8.52	8.29	8.74
平均身高(厘米)	171.02	170.89	171.00	171.07	171.07	170.47	171.03	170.74	171.00	171.01
标准偏差的身高(厘米)	7.62	8.25	7.64	8.07	7.86	5.84	7.70	7.56	7.67	7.84
平均重量(公斤)	66.76	65.09	66.66	65.99	66.60	66.56	66.62	66.39	66.70	65.71
标准差的重量(公斤)	13.08	15.99	13.50	12.53	13.42	13.30	13.39	13.54	13.61	11.33
平均CEV(左)	1.55	1.46	1.54	1.61	1.54	1.58	1.55	1.51	1.54	1.57
标准差CEV(左)	0.76	0.82	0.77	0.76	0.78	0.65	0.77	0.80	0.77	0.75
平均的CPFR (L / s)	6.26	6.08	6.23	6.37	6.25	6.24	6.26	6.15	6.24	6.29
标准偏差的CPFR (L / s)	1.71	1.85	1.72	1.70	1.76	1.37	1.71	1.79	1.71	1.78


参数	测试1		测试2		测试3		测试4		测试5
参数	培训组	验证组	培训组	验证组	培训组	验证组	培训组	验证组	培训组	验证组

数量的男性	385年	45	382年	48	382年	48	388年	42	388年	42
数量的女性	245年	25	248年	22	248年	22	242年	28	242年	28
吸烟者的数量	99年	7	95年	11	94年	12	One hundred.	6	91年	15
不吸烟者的数量	531年	63年	535年	59	536年	58	530年	64年	539年	55
的平均年龄	23.62	24.53	23.63	24.47	23.73	23.50	23.73	23.57	23.86	22.39
标准偏差的年龄	8.21	9.51	8.21	9.58	8.49	7.00	8.27	9.10	8.42	7.67
平均身高(厘米)	171.02	170.87	170.83	172.60	170.93	171.64	171.12	169.97	171.03	170.79
标准偏差的身高(厘米)	7.68	7.68	7.67	7.63	7.63	8.09	7.67	7.71	7.69	7.62
平均重量(公斤)	66.66	66.04	66.21	70.08	66.42	68.15	66.61	66.52	66.73	65.43
标准差的重量(公斤)	13.50	12.57	13.26	14.19	13.48	12.62	13.39	13.58	13.43	13.18
平均CEV(左)	1.55	1.46	1.52	1.73	1.53	1.67	1.56	1.44	1.56	1.43
标准差CEV(左)	0.77	0.75	0.76	0.81	0.77	0.77	0.77	0.78	0.77	0.73
平均的CPFR (L / s)	6.26	6.10	6.20	6.65	6.21	6.54	6.27	6.03	6.27	6.01
标准偏差的CPFR (L / s)	1.73	1.65	1.70	1.86	1.71	1.83	1.73	1.64	1.74	1.56

CEV估计和测试值之间的相对误差和CPFR十倍十倍交叉验证计算,提出了数字7和8,分别。

4所示。讨论

有700名参与者(430男性和270女性)参与本研究。有106烟民,约占总数的15%。年龄、身高、体重、CEV和CPFR的价值观进行了收集和分析。CEV和CPFR的平均值分别为1.54 L和6.25 L / s,分别。它是适应物理信息的参与者的统计结果提出了一个年轻的国家。

采用十倍十倍交叉验证方法验证GA-BP方法。从表2和3,我们发现的平均值和标准偏差值的年龄,身高,体重,CEV和CPFR的价值观培训组近似与验证组十次验证。它表示,所有的培训和验证组随机选择和估计的结果是可靠的。

认为估计的值是可以接受的和相对准确的绝对误差在10%以内时在这项研究中。十次验证结果的数据7和8,我们发现大量的测试样品的相对误差都在10% CEV和CPFR值。十次验证的准确性和CEV的平均值和CPFR估计计算表4。从表4,我们发现CEV的准确性和CPFR价值估计超过90%在所有十次验证。CEV和CPFR估计精度的平均值分别为95%和94.57%,分别。结果表明,GA-BP方法具有很高的精度,可以有效地用于CEV值和CPFR值估计。


测试组	CEV估计精度(%)	CEV估计精度的平均值(%)	CPFR估计精度(%)	CPFR的平均值估计精度(%)

测试(1)	91.43	95.00	91.43	94.57
测试(2)	95.71		92.86
测试(3)	94.29		94.29
测试(4)	92.86		98.57
测试(5)	97.14		94.29
测试(6)	91.43		92.86
测试(7)	95.71		91.43
测试(8)	95.71		97.14
测试(9)	98.57		97.14
测试(10)	97.14		95.71

考虑低采样频率的便携式肺功能设备,PVT值估计不是在这项研究完成。即使当前条件下估计精度高和更多的数据特别是大跨度的年龄,身高,体重,和其他物理信息应该参与其中,用于提高泛化能力。

5。结论

的身高、体重、年龄、吸烟状况、CEV, CPFR的700名参与者进行了收集和分析值。GA-BP方法于一体的反向传播神经网络和遗传算法来估计CEV, CPFR的价值观。另外,十倍十倍交叉验证方法采用作证GA-BP方法。结果表明,用于CEV GA-BP方法的估计精度和CPFR值均超过90%。CEV和CPFR估计的平均精度达到95%和94.57%,分别。估计结果的准确性验证GA-BP方法。

在未来的研究中,PVT值估计将完成。遵从性和耐药性等更多信息将被测量和用于GA-BP方法提高泛化能力。

数据可用性

生成的数据集和分析在当前的研究中可在百度云磁盘存储库(https://pan.baidu.com/s/1NLTUx8lPO8l7LocGWpzJ1A&shfl=sharepset;代码:0 qv1)。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由中国国家自然科学基金(批准51575020)和中国博士后科学基金会(批准2019 m660391)。也是由开放基金会资助的流体动力和机械电子系统国家重点实验室(批准号。gzkf - 201920和gzkf - 201804)。

引用

j·b·芬克:“用力呼气技术、定向咳嗽和自发的排水、”呼吸道护理,52卷,不。9日,第1223 - 1210页,2007年。视图:谷歌学术搜索
c . De Boeck和r . Zinman咳嗽和胸部物理治疗:急性的比较对囊性纤维化患者肺功能的影响,“美国的呼吸道疾病,卷129,不。1,第184 - 182页,1984。视图:谷歌学术搜索
k·A·哈代“回顾气道间隙:新技术、适应症,和建议,“呼吸道护理,39卷,不。5,440 - 455年,1994页。视图:谷歌学术搜索
m . Chatwin e·罗斯:哈特,a . h . Nickol Polkey,和a·k·西蒙茨“咳嗽增加机械吹气/呼出患者的神经肌肉软弱,”欧洲呼吸杂志,21卷,不。3、502 - 508年,2003页。视图:出版商的网站|谷歌学术搜索
a . Szeinberg e . Tabachnik n·拉希德et al .,“肌肉萎缩症患者咳嗽的能力,”胸部,卷94,不。6,1232 - 1235年,1988页。视图:出版商的网站|谷歌学术搜索
a . e . Brandimore m . s .片剂,j·e·胡贝尔和k . w . Hegland“呼吸运动和气流之间的差异反射和自愿咳嗽健康的年轻成年人,”前沿生理学》第六卷,284页,2015年。视图:出版商的网站|谷歌学术搜索
j·k·古普塔,学术界。林、陈问:“流动动力学和表征咳嗽。”室内空气,19卷,不。6,517 - 525年,2009页。视图:出版商的网站|谷歌学术搜索
r·p·马哈·辛格·g·e·Murty和a . r . Aitkenhead“过期的肺容量之间的关系,峰值流量和峰值速度时间自愿咳嗽策略,”英国麻醉学杂志,卷72,不。3、298 - 301年,1994页。视图:出版商的网站|谷歌学术搜索
p·辛格,r·p·Mahajan g . e . Murty和a . r . Aitkenhead“峰值流量和峰值速度时间关系voluntarv couzhinc,”英国麻醉学杂志,卷74,不。6,714 - 716年,1995页。视图:出版商的网站|谷歌学术搜索
和j·m·VanSciver s Miller Hertzberg,“人类咳嗽的粒子图像测速技术显现的,”气溶胶科学和技术,45卷,不。3、415 - 422年,2011页。视图:出版商的网站|谷歌学术搜索
m .王、g·布洛克和c . Lundell粘液的间隙模拟咳嗽,“应用生理学杂志,卷。58岁的没有。6,1776 - 1782年,1985页。视图:出版商的网站|谷歌学术搜索
n . Srour c·勒布朗,j·王,d·a·麦金“肺容积招聘在多发性硬化症,”《公共科学图书馆•综合》,8卷,不。1,文章ID e56676, 2013。视图:出版商的网站|谷歌学术搜索
j . m .羊肉,g . e . Murty r·m·斯莱特和a . r . Aitkenhead“tussometry术后喉功能评估,”英国麻醉学杂志,卷70,不。4、478 - 479年,1993页。视图:谷歌学术搜索
g . c . lein阿布拉莫维茨,m . j .小v . b . Stenby,“咳嗽洪峰讨厌,”美国医学科学杂志》上,卷251,不。2、211 - 214年,1966页。视图:出版商的网站|谷歌学术搜索
朱,s .加藤,黄永发。杨”,研究运输特点,咳嗽产生的唾液滴在平静的室内环境中,“建筑与环境第41卷。。12日,第1702 - 1691页,2006年。视图:出版商的网站|谷歌学术搜索
c . y . h .曹国伟m . p . Wan l . Morawska et al .,“过期空气喷射和液滴大小分布的表征口中立即开口,“气溶胶科学杂志》,40卷,不。2、122 - 133年,2009页。视图:出版商的网站|谷歌学术搜索
h·肖,m . Butlin Tan, a . Qasem和a·p·阿沃利奥正,“估计径向压力波形的脉冲渡越时间仅通过人工神经网络,”IEEE生物医学和卫生信息学杂志》上,22卷,不。4、1140 - 1147年,2017页。视图:出版商的网站|谷歌学术搜索
y, y . Wang h . Liu m . Cai和w·徐”理论和应用以听力评估咳嗽,“杂志上的传感器卷,2018篇文章ID 9845321, 10页,2018。视图:出版商的网站|谷歌学术搜索
r . j . Oweis e . w . Abdulhay a . Khayal和a·阿瓦德”另一种呼吸声音分类系统利用人工神经网络,”生物医学期刊,38卷,不。2,p。153年,2015年。视图:出版商的网站|谷歌学术搜索
j . y Shi, g . Wang妞妞et al .,“痰声音分类使用人工神经网络和小波变换,“国际生物科学杂志》上,14卷,不。8,938 - 945年,2018页。视图:出版商的网站|谷歌学术搜索
t . j . Cheng x Wang Si et al .,“最大燃烧速率和混合动力煤的固定碳倦怠效率与bp神经网络预测模型,”燃料卷,172年,第177 - 170页,2016年。视图:出版商的网站|谷歌学术搜索
X.-L。谢,楼高,X.-Y。黄、黄c和j·李,“流噪声的数值优化消声器改进的BP神经网络的基础上,“Vibroengineering杂志,18卷,不。4、2626 - 2640年,2016页。视图:出版商的网站|谷歌学术搜索
d .粉丝,j .杨j . Zhang et al。”有效地测量呼吸流量与便携式压力数据使用反向传播神经网络,”IEEE平移工程在健康和医学杂志》上》第六卷,1 - 12,2018页。视图:出版商的网站|谷歌学术搜索
j . Cheng x, t . Si f .周j .周k .岑,“点火温度和混合动力煤的活化能与bp神经网络预测模型,”燃料卷,173年,第238 - 230页,2016年。视图:出版商的网站|谷歌学术搜索
m . w .梁,张平,x Chen Cai, d·杨,“基于遗传算法(GA)的测斜仪布局优化,“传感器,15卷,不。4、9136 - 9155年,2015页。视图:出版商的网站|谷歌学术搜索
l . Wang a . Kolios t . Nishino p.l.。Delafin, t .鸟,“结构优化种风力发电机复合叶片有限元分析和遗传算法的基础上,“复合结构卷,153年,第138 - 123页,2016年。视图:出版商的网站|谷歌学术搜索
j·s·雷诺兹,w·t·戈德史密斯,j·b·天et al .,“自愿咳嗽气流模式分类预测异常肺量测定法,“IEEE生物医学和卫生信息学杂志》上,20卷,不。3、963 - 969年,2016页。视图:出版商的网站|谷歌学术搜索
d·j·蒙大拿和l·戴维斯,“使用遗传算法训练前馈神经网络,”人工智能的联合会议(IJCAI)展出美国小姐,1卷,底特律,1989年8月。视图:谷歌学术搜索
g .朱张平,t . Tshukudu j .阴g .风扇和x郑”预测汽车废气中氮氧化物街道峡谷通过结合遗传algorithm-back传播人工神经网络和参数模型,”大气污染研究》第六卷,没有。6,1087 - 1097年,2015页。视图:出版商的网站|谷歌学术搜索
D.-Z。黄,R.-X。锣,s .锣”预测风力发电的混乱和基于遗传算法的BP人工神经网络方法,”电气工程与技术》杂志上,10卷,不。1,41-46,2015页。视图:出版商的网站|谷歌学术搜索

复杂性

文摘