[發明專利]基于生命體征大數據的健康趨勢估計方法和預測系統

有效

• 申請號: 202110633034.4
• 申請日: 2021-06-07
• 公開（公告）號: CN113393934B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 陳靜;王德;陳教托;葛東飛;謝尚托
• 申請（專利權）人: 義金（杭州）健康科技有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/80;G06N3/04;G06K9/62;A61B5/00
• 代理公司: 無錫市匯誠永信專利代理事務所(普通合伙) 32260
• 代理人: 倪楊

1.一種基于生命體征大數據的健康趨勢估計方法，其特征在于，包括：

訓練階段，包括：

獲得多個時間段的沿時間序列排布的多個方面的生命體征數據并將各個時間段的所述多個方面的生命體征數據構造為多個數據矩陣；以及

使用相鄰時間段的數據矩陣分別作為訓練用輸入矩陣和真實值來對卷積神經網絡進行訓練直到所述卷積神經網絡的參數收斂；以及

預測階段：

獲得沿時間序列排列的多個方面的生命體征數據并將所述多個方面的生命體征數據構造為輸入矩陣；

將所述輸入矩陣輸入經訓練階段訓練完成的所述卷積神經網絡以獲得第一特征圖，其中，所述第一特征圖的尺度為t*s*c，t為時間維度，s為樣本維度，c為所述卷積神經網絡的通道數；

計算所述第一特征圖在時間維度上的各個特征矩陣相對于所述第一特征圖的類Softmax分類函數值作為第一加權值，以獲得第一加權向量，其中，所述類Softmax分類函數值為取所述特征矩陣中各個位置的特征值的負值為冪的自然指數函數值的加權和除以取所述第一特征圖中各個位置的特征值的負值為冪的自然指數函數值的加權和；

計算所述第一特征圖在樣本維度上的各個特征矩陣相對于所述第一特征圖的類Softmax函數值的倒數作為第二加權值，以獲得第二加權向量，其中，所述類Softmax函數值為取所述特征矩陣中各個位置的特征值的負值為冪的自然指數函數值的加權和除以取所述第一特征圖中各個位置的特征值的負值為冪的自然指數函數值的加權和；

分別以所述第一加權向量和所述第二加權向量從時間維度上和樣本維度上對所述第一特征圖進行加權以獲得第二特征圖；以及

將所述第二特征圖通過分類器以獲得分類結果，所述分類結果用于表示健康趨勢估計結果；

其中，分別以所述第一加權向量和所述第二加權向量從時間維度上和樣本維度上對所述第一特征圖進行加權以獲得第二特征圖，包括：以所述第一加權向量計算所述第一特征圖在時間維度上的各個特征矩陣的加權；以及以所述第二加權向量計算經第一加權向量加權后的所述第一特征圖矩陣在樣本維度上的各個特征矩陣的加權，以獲得所述第二特征圖。

2.根據權利要求1所述的基于生命體征大數據的健康趨勢估計方法，其中，使用相鄰時間段的數據矩陣分別作為訓練用輸入矩陣和真實值來對卷積神經網絡進行訓練直到所述卷積神經網絡的參數收斂，包括：

將所述訓練用輸入矩陣輸入卷積神經網絡以獲得訓練特征圖；以及

基于所述訓練特征圖與所述真實值之間的均方誤差損失函數值，來訓練所述卷積神經網絡直到所述卷積神經網絡的參數收斂。

3.根據權利要求1所述的基于生命體征大數據的健康趨勢估計方法，其中，計算所述第一特征圖在時間維度上的各個特征矩陣相對于所述第一特征圖的類Softmax分類函數值作為第一加權值，以獲得第一加權向量，包括：

以如下公式計算所述第一特征圖在時間維度上的各個特征矩陣相對于所述第一特征圖的類Softmax分類函數值作為第一加權值，以獲得第一加權向量，所述公式為：p_a,a∈t=∑_xi∈Rs*cexp(-xi)/ ∑_yi∈Rt*s*cexp(-yi)，其中，xi表示所述特征矩陣中各個位置的特征值，yi表示所述第一特征圖中各個位置的特征值。

4.根據權利要求3所述的基于生命體征大數據的健康趨勢估計方法，其中，計算所述第一特征圖在樣本維度上的各個特征矩陣相對于所述第一特征圖的類Softmax函數值的倒數作為第二加權值，以獲得第二加權向量，包括：

以如下公式計算所述第一特征圖在樣本維度上的各個特征矩陣相對于所述第一特征圖的類Softmax函數值的倒數作為第二加權值，以獲得第二加權向量，其中，所述公式為：p_b,b∈s=α*1/[∑_xi∈Rt*cexp(-xi)/ ∑_yi∈Rt*s*cexp(-yi)]，這里，α為用于將p_b,b∈s調整到[0,1]的區間范圍內的最大值歸一化系數，xi表示所述特征矩陣中各個位置的特征值，yi表示所述第一特征圖中各個位置的特征值。