《表1 提取特征及描述：应用小波多尺度特征检测机械通气人机不同步》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《应用小波多尺度特征检测机械通气人机不同步》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于IEE产生是由于患者在进行吸气努力后未触发呼吸机进行送气，所以在流速波形上会存在一个快速突起然后又下降的情况（如图1所示）．我们认为两类波形在信号复杂度和变异性方面有明显的差异．因此，我们选取了一组反映序列信号复杂度和变异程度的特征，包括对每一层小波系数计算非线性熵值特征以及形态特征．其中熵值特征包括近似熵（Approximate Entropy，Ap En）[14，15]和模糊熵（Fuzzy Entropy，FE）[16，17]．形态特征包括方差（Variance，Var）、四分位差（Interquartile，IQR）、平均绝对偏差（M ean Absolute Deviation，M AD）、庞加莱图中的短时标准偏差（SD1）和长时标准偏差（SD2）．近似熵Ap En和模糊熵FE都是可以用于评价给定时间序列复杂度的方法；方差Var、四分位差IQR和平均绝对偏差MAD都可以用于衡量一组数据的离散程度；庞加莱图的SD1和SD2主要用于衡量一组数据短时程和长时程的变异程度．本研究主要提取特征的物理意义描述如表1所示．