一种基于时序数据挖掘的呼吸模式异常识别方法及系统

本发明涉及呼吸模式异常检测领域，提出了一种基于时序数据挖掘的呼吸模式异常识别方法及系统，包括：采集原始呼吸信号并进行预处理，得到呼吸时序数据；采用多尺度特征提取网络对呼吸时序数据进行处理，得到多尺度呼吸特征向量；通过生成对抗网络对多尺度呼吸特征向量和标记样本进行样本扩增，得到扩增训练样本集；通过决策系统对扩增训练样本集进行模型训练，并对待检测的呼吸特征向量进行异常检测，得到异常检测结果和不确定性评估结果；基于异常检测结果和不确定性评估，结合临床风险评估，输出分级预警信息。本发明在确保特征提取过程与个体呼吸周期差异性高度匹配的同时，实现了呼吸模式异常的高精度检测、动态风险评估和分级预警。