[發(fā)明專利]一種異常體溫序列檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010769307.3
• 申請(qǐng)日: 2020-08-03
• 公開（公告）號(hào): CN112071434B
• 公開（公告）日: 2022-11-29
• 發(fā)明（設(shè)計(jì)）人: 趙志誠(chéng);蘇菲;白楊
• 申請(qǐng)（專利權(quán)）人: 北京郵電大學(xué);北京微芯邊緣計(jì)算研究院
• 主分類號(hào): G16H50/80
• 分類號(hào): G16H50/80;G16H50/70;G16H50/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京永創(chuàng)新實(shí)專利事務(wù)所 11121
• 代理人: 冀學(xué)軍

1.一種異常體溫序列檢測(cè)方法，其特征在于，包括以下步驟：

步驟一、針對(duì)每個(gè)用戶，以30分鐘作為間隔進(jìn)行采樣，選取30分鐘內(nèi)的體溫?cái)?shù)據(jù)的均值作為采樣結(jié)果；

步驟二、將每個(gè)用戶在采樣時(shí)間段內(nèi)測(cè)量的所有采樣溫度值，構(gòu)成各用戶的體溫序列；

步驟三、對(duì)采樣后的體溫?cái)?shù)據(jù)進(jìn)行預(yù)處理，濾除無(wú)效值并用插值算法填充數(shù)據(jù)缺失位置，得到完整體溫序列；

步驟四、將每個(gè)用戶的完整體溫序列根據(jù)醫(yī)院檢測(cè)結(jié)果進(jìn)行標(biāo)記，得到各用戶的標(biāo)簽；

步驟五、按照十折交叉驗(yàn)證的方式將帶有標(biāo)簽的用戶數(shù)據(jù)劃分為訓(xùn)練集和驗(yàn)證集；

步驟六、利用訓(xùn)練集訓(xùn)練全連接神經(jīng)網(wǎng)絡(luò)，并利用驗(yàn)證集進(jìn)行驗(yàn)證；

具體步驟如下：

步驟601、構(gòu)建全連接神經(jīng)網(wǎng)絡(luò)；

所述的全連接神經(jīng)網(wǎng)絡(luò)包括三層全連接層和兩層BatchNorm歸一化層，以及Log-Softmax層，其中每個(gè)全連接層后連接一個(gè)BatchNorm歸一化層，最后的全連接層連接Log-Softmax層；

步驟602、首先確定一組全局超參數(shù)，對(duì)神經(jīng)網(wǎng)絡(luò)中的所有權(quán)重進(jìn)行隨機(jī)初始化；

步驟603、將訓(xùn)練集數(shù)據(jù)輸入到全連接神經(jīng)網(wǎng)絡(luò)中，使用全連接神經(jīng)網(wǎng)絡(luò)的當(dāng)前權(quán)重，計(jì)算每個(gè)訓(xùn)練集的分類概率；

步驟604、使用交叉熵?fù)p失函數(shù)計(jì)算每個(gè)訓(xùn)練集的分類概率和各訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的標(biāo)簽之間的誤差；

步驟605、利用反向傳播算法將誤差傳播到每個(gè)權(quán)重上，計(jì)算出權(quán)重更新的梯度，并使用隨機(jī)梯度下降算法將梯度再次更新到各權(quán)重上；

步驟606、返回步驟603，利用更新的權(quán)重再次計(jì)算訓(xùn)練集的分類概率和與標(biāo)簽的差值，進(jìn)行權(quán)重的更新，直至全連接神經(jīng)網(wǎng)絡(luò)的輸出達(dá)到穩(wěn)定狀態(tài)；

步驟607、將驗(yàn)證集數(shù)據(jù)輸入全連接神經(jīng)網(wǎng)絡(luò)，計(jì)算輸出結(jié)果并計(jì)算與驗(yàn)證集標(biāo)簽的正確率；

步驟608、對(duì)驗(yàn)證集的正確率取平均，作為當(dāng)前超參數(shù)的性能評(píng)估指標(biāo)；

步驟609、返回步驟602，不斷調(diào)整全局超參數(shù)，尋找能獲得最高正確率的超參數(shù)，全連接神經(jīng)網(wǎng)絡(luò)訓(xùn)練完畢；

步驟七、利用訓(xùn)練好的全連接神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)待檢測(cè)用戶的體溫序列對(duì)應(yīng)的感染情況。

2.如權(quán)利要求1所述的一種異常體溫序列檢測(cè)方法，其特征在于，步驟三中所述的預(yù)處理是指：針對(duì)無(wú)效值濾除，針對(duì)缺失值進(jìn)行填充；

填充的方法為：為每一個(gè)缺失位置，根據(jù)其相鄰的最近有效數(shù)值，設(shè)定一個(gè)有特定均值和方差的高斯分布，使用這一分布中隨機(jī)采樣的數(shù)值作為填充值。

3.如權(quán)利要求1所述的一種異常體溫序列檢測(cè)方法，其特征在于，步驟四中所述的標(biāo)簽分為四類：無(wú)異常、普通發(fā)熱、異常發(fā)熱和無(wú)癥狀感染。

4.如權(quán)利要求1所述的一種異常體溫序列檢測(cè)方法，其特征在于，所述的步驟七具體為：

首先，將全連接神經(jīng)網(wǎng)絡(luò)的最后一層去除，并加載最高正確率的超參數(shù)對(duì)應(yīng)的網(wǎng)絡(luò)權(quán)重；

然后，對(duì)待檢測(cè)新用戶進(jìn)行連續(xù)體溫采樣和預(yù)處理；

將預(yù)處理后的待檢測(cè)數(shù)據(jù)輸入到加載后的全連接神經(jīng)網(wǎng)絡(luò)中，得到一個(gè)長(zhǎng)度為4的浮點(diǎn)數(shù)向量，分別對(duì)應(yīng)無(wú)異常、普通發(fā)熱、異常發(fā)熱以及無(wú)癥狀感染；

輸出向量中數(shù)值最大位置所對(duì)應(yīng)的類別即為該待檢測(cè)用戶的分類結(jié)果。