R - 在血压曲线中找出异常值/假象的方法

Question

你们有没有想过如何解决血压曲线中发现人工制品/异常值的问题？我的目标是编写一个程序，找出每个人工制品的起点和终点。以下是不同人工制品的一些例子，绿色区域是正确的血压曲线，红色区域是人工制品，需要检测：

这是全血压曲线的一个例子：

我的第一个想法是从整条曲线计算平均值，并在曲线的短间隔内计算许多均值，然后找出它的不同之处。但血压变化很大，以至于我认为这不会起作用，因为它会发现太多不存在的＆＃34;人工制品＆＃34;。

感谢您的投入！

编辑：以下是两个示例人工制品的一些数据：

Artefact1

Artefact2

Answer 1

没有任何数据，只有指向不同方法的选项。

首先（不知道您的数据，这总是一个巨大的缺点），我会指向Markov switching models，可以使用HiddenMarkov - 包或HMM进行分析-包。 （不幸的是，不再保留第一个链接描述的RHmm - 包）

您可能会发现值得研究推特outlier detection。

此外，有许多博客文章涉及变更点检测或政权更改。我发现this R-bloggers blog帖子对一开始非常有帮助。它指的是CPM - 包，它代表＆＃34;顺序和批量变化检测使用参数和非参数方法＆＃34;，BCP - 包（＆＃34;贝叶斯变换分析）点问题＆＃34;）和ECP - 包（＆＃34;多变量数据的非参数多变点分析＆＃34;）。您可能希望查看前两个，因为您没有多变量数据。

这有助于您入门吗？

Answer 2

我可以提供不使用任何统计算法的图形答案。根据您的数据，我观察到＆＃34;异常＆＃34;序列似乎呈现恒定部分，或相反，非常高的变化。处理衍生工具，并对此衍生工具设置限制可能有效。这是一个解决方法：

require(forecast)
test=c(df2$BP)
test=ma(test, order=50)
test=test[complete.cases(test)]
which <- ma(0+abs(diff(test))>1, order=10)>0.1
abnormal=test; abnormal[!which]<-NA
plot(x=1:NROW(test), y=test, type='l')
lines(x=1:NROW(test), y=abnormal, col='red')

它的作用：第一次＆＃34;平滑＆＃34;具有移动平均值的数据可防止检测到微观变化。然后它应用＆＃34;差异＆＃34;函数（导数）并测试它是否大于1（此值将根据舒缓幅度手动调整）。然后，为了得到一个完整的＆＃34;块＆＃34;在没有微小间隙的异常序列中，我们再次对布尔值应用平滑并测试它优于0.1以更好地掌握区域的边界。最后，我用红色过度绘制了斑点部分。

这适用于一种异常。对于另一种类型，您可以在导数上反向构成一个低阈值，并使用平滑的调整参数。