基于气道压力时序特征的呼吸机相关性损伤预测方法

本发明公开了基于气道压力时序特征的呼吸机相关性损伤预测方法，涉及医疗人工智能与重症监护技术领域。本发明构建了包含12维病生理学关联力学特征的多尺度‑多维度特征体系，首次提出时空双注意力融合的深度学习模型，能够精准捕捉VILI发生前的早期微弱损伤信号；本发明采用经验模态分解与自适应阈值滤波相结合的多阶段预处理方法，能够有效消除非平稳噪声与基线漂移，呼吸周期分割准确率提升，为后续特征提取与模型预测提供了高质量的数据基础；本发明提取的12维力学特征涵盖了能量、力学、形态学与变异四大类，每个特征都与VILI的特定病生理机制直接相关，不仅提高了预测准确率，还为损伤机制的解释提供了依据。