[發(fā)明專利]CGAN和多尺度卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)呼吸檢測的方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202111331440.1
• 申請日: 2021-11-11
• 公開（公告）號: CN113907743B
• 公開（公告）日: 2022-06-17
• 發(fā)明（設(shè)計）人: 魏驍勇;吳柳繁;張栩祿;楊震群
• 申請（專利權(quán)）人: 四川大學(xué)
• 主分類號: A61B5/08
• 分類號: A61B5/08;A61B5/00;G06N3/04;G06N3/08
• 代理公司: 成都正煜知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51312
• 代理人: 徐金瓊

本發(fā)明公開了一種CGAN和多尺度卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)呼吸檢測的方法及系統(tǒng)，屬于醫(yī)療健康領(lǐng)域和深度學(xué)習(xí)領(lǐng)域，解決現(xiàn)有檢測受環(huán)境噪聲干擾大，從而使得檢測精度低的問題。本發(fā)明包括：1)帶有呼吸沖擊的CSI數(shù)據(jù)獲取；2)生成無噪聲功率譜圖；3)信道CSI數(shù)據(jù)降噪處理；4)建立人體呼吸CSI模型；5)多尺度神經(jīng)網(wǎng)絡(luò)提取CSI周期變化角速度；6)根據(jù)周期變化角速度估計呼吸速率。本發(fā)明用于人體呼吸檢測。

技術(shù)領(lǐng)域

一種CGAN和多尺度卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)呼吸檢測的方法及系統(tǒng)，用于人體呼吸檢測，屬 于醫(yī)療健康領(lǐng)域和深度學(xué)習(xí)領(lǐng)域。

背景技術(shù)

呼吸是人類最重要的生命活動之一，呼吸頻率是一項評判人體健康的重要指標(biāo)和生理惡 化的早期表現(xiàn)，對呼吸頻率進(jìn)行實時檢測能及時有效地反饋人體的健康狀況，預(yù)防疾病的 發(fā)生，特別是對于一些患有呼吸疾病的人來說，實時檢測呼吸狀況是必要的。獲取人體的呼 吸信息以預(yù)防危險情況的發(fā)生往往需要專業(yè)的呼吸檢測設(shè)備。在過去，呼吸檢測設(shè)備一般應(yīng) 用于對患者進(jìn)行實時呼吸監(jiān)測，例如，醫(yī)院對重癥病人的呼吸情況進(jìn)行實時監(jiān)測了解他們的 生命體征，提供給醫(yī)生一定的病情判斷，確保治療方案更有效的開展。因此，人體呼吸檢測 一直是社會發(fā)展的重要研究課題。

隨著時代的發(fā)展與進(jìn)步，人民生活水平日益提高，人們的自我防范意識也逐漸加強(qiáng)，呼 吸檢測不在僅僅局限于醫(yī)院、療養(yǎng)所這些地方，更多的人希望能在家庭等環(huán)境中對呼吸等生 理參數(shù)進(jìn)行實時監(jiān)測。但是，由于存在專用呼吸機(jī)一般價格昂貴、體積龐大、操作不易等問 題，導(dǎo)致家庭等公共環(huán)境實時呼吸檢測依然是一個挑戰(zhàn)。

傳統(tǒng)的呼吸檢測主要是以佩戴傳感器為主的接觸式方法。檢測器監(jiān)測由于人體呼吸運(yùn)動 引起的胸腹部壓力、呼吸音、氣流、溫度、胸部阻抗等各種生理參數(shù)的變化。該種方式雖能 提供較好的檢測效果，但是需要將傳感器直接連接身體而影響人體的正常活動，而且可能在 檢測過程中由于人體的隨機(jī)活動導(dǎo)致傳感器接觸不良或出現(xiàn)脫落等現(xiàn)象，所以接觸式檢測法 使用場景具有局限性。非接觸式檢測方法按照檢測方法的特性可分為電磁波檢測法、渦流檢 測法、諧振電路調(diào)頻法、紅外熱成像檢測法和機(jī)器視覺檢測法等幾類。其中電磁波檢測方法 在呼吸信號檢測方面具有獨特的優(yōu)勢，既不會受到周圍環(huán)境溫度、光照條件的影響，又有一 定的穿透能力。同時它又是一種非接觸式檢測法，被測者的舒適度較高。

很多現(xiàn)有的呼吸檢測大多是基于模型的方式，該種方法對于適用環(huán)境有很大的限制，而 且受到噪聲的干擾較大。也有少量基于神經(jīng)網(wǎng)絡(luò)的識別方法，但都采用了傳統(tǒng)的濾波方法比 如小波分析等進(jìn)行數(shù)據(jù)預(yù)處理，這樣無法完全濾除環(huán)境噪聲，不能保證神經(jīng)網(wǎng)絡(luò)的輸入信息 是純呼吸信號，檢測精度得不到保證。在提取信號周期時，現(xiàn)有方法主要使用數(shù)學(xué)計算、機(jī) 器學(xué)習(xí)或普通神經(jīng)網(wǎng)絡(luò)來，其中數(shù)學(xué)計算法過程復(fù)雜且往往無法解釋看不見的信號路徑；機(jī) 器學(xué)習(xí)方法需要手工提取信號特征，很難適用于實時呼吸監(jiān)測；普通神經(jīng)網(wǎng)絡(luò)的方法很難設(shè) 置合適的網(wǎng)絡(luò)參數(shù)來獲得足夠的信號信息。在本發(fā)明中，使用條件生成對抗網(wǎng)絡(luò)對CSI信號 進(jìn)行去噪，可以最大程度除去環(huán)境噪聲，再通過多尺度卷積神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行呼吸檢測， 可以提取到不同尺度下的信號信息，在擴(kuò)大檢測方法適用范圍的同時也提高了檢測的精度。

發(fā)明內(nèi)容

針對上述研究的問題，本發(fā)明的目的在于提供一種CGAN和多尺度卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)呼 吸檢測的方法及系統(tǒng)，解決現(xiàn)有檢測受環(huán)境噪聲干擾大，從而使得檢測精度低的問題。

為了達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：

一種CGAN和多尺度卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)呼吸檢測的方法，包括：

步驟1：獲取一定量級的成年人不同頻率呼吸的信道CSI數(shù)據(jù)，其中，信道CSI數(shù)據(jù)包 括正常的呼吸頻率和異常呼吸頻率；

步驟2：基于信道CSI數(shù)據(jù)生成干凈不帶噪聲的信號，并用于訓(xùn)練條件訓(xùn)練對抗網(wǎng)絡(luò) CGAN，得到訓(xùn)練好的CGAN模型；

步驟3：基于訓(xùn)練好的CGAN模型對信道CSI數(shù)據(jù)進(jìn)行去噪處理；