困难气道声门特征智能识别方法及系统

本发明涉及医疗人工智能技术领域，尤其涉及困难气道声门特征智能识别方法及系统，通过内嵌于喉罩的微型麦克风采集患者呼吸音信号，经预处理得到时频图；采用三通道并行架构进行时频域特征自适应提取，并通过双路径噪声特征学习网络分离环状软骨压迫音与分泌物干扰音；应用多尺度声门特征金字塔融合技术捕捉从微观到宏观不同时间尺度的声门特征；通过BiGRU网络和时间注意力机制进行时序建模，识别声门状态序列；基于双分支决策网络和贝叶斯决策推理确定Cormack‑Lehane分级结果，并给出喉镜型号推荐,提高了困难气道预测准确率达91.7%，相比传统方法提升25%～30%，能有效减少麻醉相关并发症，提高首次插管成功率。