咳嗽識別在臨床上具有重要的診斷指導意義。針對咳嗽頻譜能量的分布特點,本文提出了一種新的梅爾(Mel)頻率倒譜系數(MFCC)提取方法。將咳嗽頻譜劃分為若干個頻段,采用主元分析方法計算各頻段的能量強度系數,根據強度系數的插值曲線分配濾波器個數,設計Mel刻度上非均勻分布的濾波器組進行MFCC特征提取。基于隱馬爾可夫模型(HMM)的咳嗽識別實驗表明,該方法可以有效改善咳嗽識別的效果。
為解決當前臨床上缺乏對高血壓疾病亞型及并發癥發病模式分析的技術體系問題，本文提出了一種集成主元分析（PCA）、K-means 聚類、Apriori 頻繁項挖掘等理論，對高血壓患者群體差異因素下的并發癥模式分析方法。首先，針對患者指標的多樣性所帶來的冗余干擾問題，利用 PCA 理論對指標數據進行降維及去冗余處理；其次，在獲取指標數據主元成分的基礎上，利用 K-means 算法實現患者的群體分析；最后，基于不同患者群體的并發癥數據，利用 Apriori 算法實現并發癥頻繁模式分析。本文同時采用實際案例驗證上述方法的有效性，以期為當前醫療大數據的分析與應用提供有效的解決思路與方案。