[發明專利]一種異常體溫序列檢測方法

有效

• 申請號: 202010769307.3
• 申請日: 2020-08-03
• 公開（公告）號: CN112071434B
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 趙志誠;蘇菲;白楊
• 申請（專利權）人: 北京郵電大學;北京微芯邊緣計算研究院
• 主分類號: G16H50/80
• 分類號: G16H50/80;G16H50/70;G16H50/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京永創新實專利事務所 11121
• 代理人: 冀學軍

本發明公開了一種異常體溫序列檢測新方法，屬于智能醫療領域。針對每個用戶，首先以30分鐘作為間隔進行采樣，選取30分鐘內的體溫數據的均值作為采樣結果。然后將每個用戶在采樣時間段內測量的所有采樣溫度值，構成各用戶的體溫序列，并對體溫數據進行預處理，濾除無效值并用插值算法填充數據缺失位置，得到完整體溫序列。將完整體溫序列根據醫院檢測結果進行標記，得到各用戶的標簽。最后按照十折交叉驗證的方式將帶有標簽的用戶數據劃分為訓練集和驗證集，利用訓練集訓練全連接神經網絡，并利用驗證集進行驗證。利用訓練好的全連接神經網絡預測待檢測用戶的體溫序列對應的感染情況。本發明判斷更加精準，操作簡便，靈活性較強。

技術領域

本發明屬于智能醫療領域，涉及基于深度學習的序列分類技術，尤其是一種異常體溫序列檢測新方法。

背景技術

新冠病毒具有極強的傳染性，并且在感染初期不會表現出非常明顯的癥狀，這使得新冠病毒感染者的排查非常困難。

但是，家庭環境缺乏必要的檢測手段，通常只能通過測量體溫來判斷自己的健康狀態，而導致發熱的原因有很多，發熱患者中只有很少一部分是新冠病毒感染者。所以，設計一種簡易的新冠感染者早期檢測技術十分有必要性。

目前，對新冠感染者的第一道篩查標準是：體溫是否超過37.3攝氏度。這一方案過于簡單，沒有利用到體溫序列中每個數據點之間的相關性；而且它還有非常明顯的缺陷：容易與季節性感冒或者與其他原因導致的發熱相混淆；并且無癥狀感染者的出現使得這一方法在安全性上也存在風險，可能導致有感染者被遺漏。

判斷連續體溫序列是否存在異常情況的關鍵在于：如何充分利用同一序列中不同時間體溫數據之間的相關性。人體的體溫在一天中會隨著時間而變化，當人處于不同的健康條件下時，體溫的變化會表現出特定模式，因此，通過體溫序列來判斷發熱是否由特定病毒引起或是否為無癥狀感染者具有一定可行性。

目前采用的常規方法是：使用傳統統計特征(極差、方差等)來對體溫序列進行描述，這樣做需要耗費大量精力進行模型設計，并且泛用性較差，難以同時識別異常發熱患者和無癥狀感染者。

發明內容

針對目前方法無法同時識別異常發熱患者和無癥狀感染者的問題，本發明提出了一種異常體溫序列檢測新方法，泛用性較強。

所述的異常體溫序列檢測方法，包括以下步驟：

步驟一、針對每個用戶，以30分鐘作為間隔進行采樣，選取30分鐘內的體溫數據的均值作為采樣結果。

步驟二、將每個用戶在采樣時間段內測量的所有采樣溫度值，構成各用戶的體溫序列。

步驟三、對采樣后的體溫數據進行預處理，濾除無效值并用插值算法填充數據缺失位置，得到完整體溫序列；

預處理是指：針對無效值濾除，針對缺失值進行填充；

填充的方法為：為每一個缺失位置，根據其相鄰的最近有效數值，設定一個有特定均值和方差的高斯分布，使用這一分布中隨機采樣的數值作為填充值。

步驟四、將每個用戶的完整體溫序列根據醫院檢測結果進行標記，得到各用戶的標簽；

標簽分為四類：無異常、普通發熱、異常發熱和無癥狀感染。

步驟五、按照十折交叉驗證的方式將帶有標簽的用戶數據劃分為訓練集和驗證集；

步驟六、利用訓練集訓練全連接神經網絡，并利用驗證集進行驗證；

具體步驟如下：

步驟601、構建全連接神經網絡；

所述的全連接神經網絡包括三層全連接層和兩層BatchNorm歸一化層，以及 Log-Softmax層，其中每個全連接層后連接一個BatchNorm歸一化層，最后的全連接層連接Log-Softmax層；