[發(fā)明專利]基于阻抗譜信號(hào)的智能骨骼及關(guān)節(jié)信息處理系統(tǒng)及方法有效
| 申請(qǐng)?zhí)枺?/td> | 201910955112.5 | 申請(qǐng)日: | 2019-10-09 |
| 公開(公告)號(hào): | CN110755073B | 公開(公告)日: | 2020-11-17 |
| 發(fā)明(設(shè)計(jì))人: | 陸晨;石富坤;熊紫蘭 | 申請(qǐng)(專利權(quán))人: | 華中科技大學(xué) |
| 主分類號(hào): | A61B5/053 | 分類號(hào): | A61B5/053 |
| 代理公司: | 北京金智普華知識(shí)產(chǎn)權(quán)代理有限公司 11401 | 代理人: | 楊采良 |
| 地址: | 430074 *** | 國省代碼: | 湖北;42 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 阻抗 信號(hào) 智能 骨骼 關(guān)節(jié) 信息處理 系統(tǒng) 方法 | ||
1.一種基于阻抗譜信號(hào)的智能骨骼及關(guān)節(jié)信息處理方法,其特征在于,所述基于阻抗譜信號(hào)的智能骨骼及關(guān)節(jié)信息處理方法包括以下步驟:
步驟一,收集骨骼及關(guān)節(jié)不同部位的歷史阻抗譜數(shù)據(jù);
步驟二,對(duì)歷史阻抗譜數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,并將標(biāo)準(zhǔn)化后的歷史阻抗譜數(shù)據(jù)隨機(jī)劃分成不同的數(shù)據(jù)集;
步驟三,構(gòu)建Softmax分類模型、K-Nearest Neighbor分類模型、隨機(jī)森林分類模型,將獲得的標(biāo)準(zhǔn)化歷史阻抗譜數(shù)據(jù)分別輸入到各分類模型中進(jìn)行訓(xùn)練,并根據(jù)訓(xùn)練結(jié)果,構(gòu)建最優(yōu)組合分類模型;
步驟四,收集骨骼及關(guān)節(jié)不同部位的實(shí)時(shí)阻抗譜數(shù)據(jù);
步驟五,對(duì)實(shí)時(shí)阻抗譜數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理;
步驟六,將獲得的標(biāo)準(zhǔn)化實(shí)時(shí)阻抗譜數(shù)據(jù)輸入到最優(yōu)組合分類模型中進(jìn)行識(shí)別,得到最終識(shí)別結(jié)果;
所述步驟一具體包括以下步驟:
步驟1-1:收集骨骼及關(guān)節(jié)不同部位的歷史阻抗譜數(shù)據(jù);
步驟1-2:對(duì)收集的歷史阻抗譜數(shù)據(jù)進(jìn)行預(yù)處理,包括異常數(shù)據(jù)去除和缺失數(shù)據(jù)處理;
步驟1-3:對(duì)預(yù)處理后的歷史阻抗譜數(shù)據(jù)進(jìn)行特征提取,包括電壓、電流、電阻、電容、時(shí)延信號(hào)、電導(dǎo)率、介電常數(shù)、弛豫時(shí)間分布和FFT時(shí)域譜特征;
所述步驟二具體包括以下步驟:
步驟2-1:計(jì)算歷史阻抗譜數(shù)據(jù)的平均值和方差,并做標(biāo)準(zhǔn)化處理;
步驟2-2:將步驟2-1中獲得的標(biāo)準(zhǔn)化歷史阻抗譜數(shù)據(jù)隨機(jī)分成60%的訓(xùn)練集、20%的驗(yàn)證集和20%的測(cè)試集;
所述步驟三具體包括以下步驟:
步驟3-1:建立Softmax分類模型,將步驟2-2中獲得的訓(xùn)練集數(shù)據(jù)輸入Softmax分類模型中進(jìn)行訓(xùn)練;
步驟3-2:建立K-Nearest Neighbor分類模型,將步驟2-2中獲得的訓(xùn)練集數(shù)據(jù)輸入K-Nearest Neighbor分類模型中進(jìn)行訓(xùn)練;K-Nearest Neighbor分類模型通過計(jì)算待分類樣品與訓(xùn)練集中所有樣品之間的距離,篩選出與待分類樣品距離最近的K個(gè)訓(xùn)練集樣例,統(tǒng)計(jì)獲得的K個(gè)訓(xùn)練集樣例中對(duì)應(yīng)各類別的樣例個(gè)數(shù),哪個(gè)類別的訓(xùn)練樣例個(gè)數(shù)最多,則將待分類樣品劃分為該類別;
步驟3-3:建立隨機(jī)森林分類模型,將步驟2-2中獲得的訓(xùn)練集數(shù)據(jù)輸入隨機(jī)森林分類模型中進(jìn)行訓(xùn)練;隨機(jī)森林分類模型通過將多個(gè)決策樹分類模型進(jìn)行隨機(jī)組合,并將各決策樹的分類結(jié)果進(jìn)行投票,最終獲得待分類樣品的類別;
步驟3-4:將步驟2-2中獲得的驗(yàn)證集數(shù)據(jù)分別輸入到步驟3-1、步驟3-2和步驟3-3中構(gòu)建的Softmax分類模型、K-Nearest Neighbor分類模型、隨機(jī)森林分類模型中進(jìn)行識(shí)別,同時(shí)綜合評(píng)估各分類模型的性能;
步驟3-5:評(píng)估各分類模型性能的指標(biāo)包括精度、準(zhǔn)確率、召回率和F1值,以實(shí)現(xiàn)對(duì)分類模型性能的綜合評(píng)估;
步驟3-6:根據(jù)步驟3-4中獲得的Softmax分類模型、K-Nearest Neighbor分類模型、隨機(jī)森林分類模型的綜合評(píng)估結(jié)果,對(duì)各模型的分類量化概率結(jié)果分別設(shè)置權(quán)重系數(shù),權(quán)重系數(shù)之和為1,并將各分類模型輸出的分類量化概率結(jié)果進(jìn)行加權(quán)平均,將輸出概率最高的分類結(jié)果作為系統(tǒng)的最終識(shí)別結(jié)果,以此獲得組合分類模型;
步驟3-7:將步驟2-2中獲得的測(cè)試集數(shù)據(jù)輸入到根據(jù)步驟3-6獲得的組合分類模型進(jìn)行識(shí)別,同時(shí)評(píng)估組合分類模型的識(shí)別性能;
步驟3-8:根據(jù)步驟3-7獲得的組合分類模型的識(shí)別性能,重復(fù)步驟3-1至步驟3-8,進(jìn)一步優(yōu)化各分類模型的參數(shù)和權(quán)重系數(shù),直至獲得識(shí)別性能最優(yōu)的組合分類模型。
2.如權(quán)利要求1所述的基于阻抗譜信號(hào)的智能骨骼及關(guān)節(jié)信息處理方法,其特征在于,所述步驟四具體包括以下步驟:
步驟4-1:收集骨骼及關(guān)節(jié)不同部位的實(shí)時(shí)阻抗譜數(shù)據(jù);
步驟4-2:對(duì)收集的實(shí)時(shí)阻抗譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,包括異常數(shù)據(jù)去除和缺失數(shù)據(jù)處理;
步驟4-3:對(duì)預(yù)處理后的實(shí)時(shí)阻抗譜數(shù)據(jù)進(jìn)行特征提取,包括電壓、電流、電阻、電容、時(shí)延信號(hào)、電導(dǎo)率、介電常數(shù)、弛豫時(shí)間分布和FFT時(shí)域譜特征。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于華中科技大學(xué),未經(jīng)華中科技大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910955112.5/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
A61B 診斷;外科;鑒定
A61B5-00 用于診斷目的的測(cè)量
A61B5-01 .測(cè)量一些身體部位的溫度
A61B5-02 .測(cè)量脈搏、心率、血壓或血流;綜合的脈搏/心率/血壓的測(cè)定;其他不是用于測(cè)定心血管狀況的,如使用本小組技術(shù)與心電圖術(shù)結(jié)合的;測(cè)量血壓的心導(dǎo)管
A61B5-03 .測(cè)量體內(nèi)除血壓以外的流體壓力,例如腦壓
A61B5-04 .測(cè)量人體或人體各部分的生物電信號(hào)
A61B5-05 .用電流或磁場(chǎng)的診斷測(cè)量
- 信號(hào)調(diào)制方法、信號(hào)調(diào)制裝置、信號(hào)解調(diào)方法和信號(hào)解調(diào)裝置
- 亮度信號(hào)/色信號(hào)分離裝置和亮度信號(hào)/色信號(hào)分離方法
- 信號(hào)調(diào)制方法、信號(hào)調(diào)制裝置、信號(hào)解調(diào)方法和信號(hào)解調(diào)裝置
- 信號(hào)調(diào)制方法、信號(hào)調(diào)制裝置、信號(hào)解調(diào)方法和信號(hào)解調(diào)裝置
- 雙耳信號(hào)的信號(hào)生成
- 雙耳信號(hào)的信號(hào)生成
- 信號(hào)處理裝置、信號(hào)處理方法、信號(hào)處理程序
- USBTYPEC信號(hào)轉(zhuǎn)HDMI信號(hào)的信號(hào)轉(zhuǎn)換線
- 信號(hào)盒(信號(hào)轉(zhuǎn)換)
- 信號(hào)調(diào)制方法、信號(hào)調(diào)制裝置、信號(hào)解調(diào)方法和信號(hào)解調(diào)裝置





