A Principal Component Analysis Based Data Fusion Method for Estimation of Respiratory Volume
A Principal Component Analysis Based Data Fusion Method for Estimation of Respiratory Volume
复制标题
基于主成分分析的数据融合方法估计呼吸量
DOI：
10.1109/jsen.2015.2411288
复制
发表时间：
2015-03
影响因子：
4.3
通讯作者：
Jiang Qing
中科院分区：
文献类型：
--
作者：
Liu Guanzheng;Zhou Guangmin;Chen Wenhui;Jiang Qing
近年来，阻抗体积描记术(IP)在肺容量测量中得到了广泛的应用。以往的研究主要集中在通过改善滤器性能、电极配置等方面来提高呼吸量测量的精度，而忽略了睡眠姿势变化的影响。为了解决这一问题，我们提出了一种基于主成分分析(PCA)的数据融合算法，以最小化睡眠姿势变化对双通道IP系统测量肺容量的影响。对10个受试者的现场实验表明，基于主成分分析的数据融合方法改善了性能，平均绝对误差降低了25%。因此，这种新的方法潜在地实现了对睡眠呼吸功能诊断的更高灵敏度。
Impedance plethysmography (IP) is widely used in pulmonary volume measurement in recent years. Previous researches mainly focused on improving respiratory volume measurement accuracy by improving filter performance, electrode configuration, and so on, ignoring the influence of sleep posture changes. To solve this problem, we presented a principal component analysis (PCA)-based data fusion algorithm to minimize the effects of sleep posture changes on pulmonary volume measurement using a new dual-channel IP system. In situ experiments with ten subjects indicated that the PCA-based data fusion method improved the performance with the mean absolute error decreased ~25%. Thus, the novel method potentially achieves a higher sensitivity of the sleep respiratory function diagnosis.
登录
查看更多内容
DOI：
10.1088/0143-0815/6/2/002
发表时间：
1985-01-01
期刊：
CLINICAL PHYSICS AND PHYSIOLOGICAL MEASUREMENT
影响因子：
--
作者：
BROWN, BH;BARBER, DC;SEAGAR, AD
通讯作者：
SEAGAR, AD
影响因子：
--
作者：
A. Eberhard;P. Calabrese;P. Baconnier;G. Benchetrit
通讯作者：
A. Eberhard;P. Calabrese;P. Baconnier;G. Benchetrit
DOI：
10.1007/978-3-540-89208-3_417
发表时间：
2009
期刊：
--
影响因子：
--
作者：
O. Lahtinen;Ville-Pekka Seppä;Juho Väisänen;J. Hyttinen
通讯作者：
O. Lahtinen;Ville-Pekka Seppä;Juho Väisänen;J. Hyttinen
影响因子：
4.6
作者：
Seppa, Ville-Pekka;Viik, Jari;Hyttinen, Jari
通讯作者：
Hyttinen, Jari
基于广义身体传感器网络的可穿戴呼吸生物反馈系统
影响因子：
4.7
作者：
Liu, Guan-Zheng;Huang, Bang-Yu;Wang, Lei
通讯作者：
Wang, Lei