[發明專利]一種可用于多變量醫療傳感數據流的分類方法

有效

• 申請號: 202011267085.1
• 申請日: 2020-11-13
• 公開（公告）號: CN112270996B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 孫樂;仲昭奕;瞿治國;寇振媛;路永平
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G16H50/70
• 分類號: G16H50/70;G06N3/0464;G06N3/0442;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 朱楨榮

本發明公開了一種可用于多變量醫療傳感數據流的分類方法，首先構造簽名矩陣，該簽名矩陣可以捕捉各個時間序列之間的相關性并可以代表這些時間序列，此外它還對噪聲具有魯棒性；隨后，針對個別不平衡的類別，我們采用輔助分類器生成對抗網絡ACGAN來生成足夠該類別所對應的簽名矩陣；最后我們構建了一個基于注意力Attention機制的雙向卷積長短期記憶BPCLSTM輕量級網絡分類模型，以實現對多變量醫療傳感數據流地準確分類，該分類模型不僅可以提高分類的準確率，而且還能夠降低原始分類模型的規模。

技術領域

本發明涉及計算機技術領域，特別是一種可用于多變量醫療傳感數據流的分類方法。

背景技術

醫用傳感器是應用于生物醫學領域的那一部分傳感器，是把人體的生理信息轉換成為與之有確定函數關系的電信息的變換裝置。它所拾取的信息是人體的生理信息，而它的輸出常以電信號來表現。醫用傳感器常用于檢測生物體信息、臨床監護、控制人體生理過程等。隨著醫用傳感器類別與性能的快速發展，其已經成為醫學不可或缺的一部分。通過使用醫用傳感器收集各種醫學數據，醫生可以第一時間獲取需要的病人人體信息，從而能夠更準確更方便地實現對病人身體狀況的監控，進一步提供更優質的治療。

但是，在傳統的治療過程中，醫用傳感器提供的信息往往只能提供給具有專業知識的專業醫生，不具備專業知識的從業者無法有效使用醫用傳感器提供的信息。因此，這就導致了專業醫生的工作負擔大、醫療資源分配不平衡、救治效率低等各方面的問題。

現有技術中還存在以下問題：

(1)數據存在噪聲影響分類效果。實際收集的醫療感應數據流中存在大量噪聲，且實際醫療異常診斷問題一般是多分類問題。如何區分噪聲和具有少量訓練樣本的類，消除噪聲，提升多分類的準確率是亟待解決的問題之一；

(2)現實數據較少。現實中已被準確標記的醫療樣本很少。如何基于少量標記樣本，設計有效的數據生成和分類模型，降低分類誤差，進一步提升分類的準確率和效率是亟待解決的問題之二；

(3)現有模型規模較大。邊緣計算要求輕量化分類模型的規模(即計算量和存儲量)。如何在保證分類準確率的前提下，降低分類模型的規模，使分類模型的分類準確率、效率和模型規模達到最優平衡是亟待解決的問題之三。

發明內容

本發明所要解決的技術問題是克服現有技術的不足而提供一種可用于多變量醫療傳感數據流的分類方法，本發明通過使用深度學習的方法，實現了對多變量醫療數據流分類，可以自動處理醫用傳感器提供的多變量信息，不僅可以大大降低專業醫生的工作負擔，還可以有效提供客觀的分類結果。

本發明為解決上述技術問題采用以下技術方案：

根據本發明提出的一種可用于多變量時間序列醫療傳感數據流的分類方法，包括以下步驟：

步驟1、采用輔助分類器生成對抗網絡ACGAN生成不平衡的傳感器醫療數據對應的簽名矩陣；具體如下：

先收集多變量時間序列醫療傳感數據，設收集到的數據中包括不平衡的多變量時間序列醫療傳感數據，該不平衡的多變量時間序列醫療傳感數據的類別一共有k種，這k個類別進行一位有效編碼，得到不平衡的多變量時間序列醫療傳感數據所對應的簽名矩陣的類別的一位有效編碼張量C；隨后將收集到的不同類別的不平衡的多變量時間序列醫療傳感數據轉換成簽名矩陣，從而得到不平衡的多變量時間序列醫療傳感數據對應的簽名矩陣的集合M＝{M₁,M₂,…,M_k},其中M_i是第i種類別的不平衡時間序列數據的簽名矩陣集合，是屬于第i種類別的第q個簽名矩陣，q＝1,2…j，j是第i種類別簽名矩陣的個數；