[發明專利]基于殘差網絡的呼吸模式分類方法、系統、設備和介質在審
| 申請號: | 202210745677.2 | 申請日: | 2022-06-28 |
| 公開(公告)號: | CN115067929A | 公開(公告)日: | 2022-09-20 |
| 發明(設計)人: | 袁雪林;李媛;朱祥維;戴志強;蔡佳煒;徐奕禹;李永龍 | 申請(專利權)人: | 中山大學 |
| 主分類號: | A61B5/08 | 分類號: | A61B5/08 |
| 代理公司: | 廣州三環專利商標代理有限公司 44202 | 代理人: | 吳松濱 |
| 地址: | 510275 廣東*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 網絡 呼吸 模式 分類 方法 系統 設備 介質 | ||
1.一種基于殘差網絡的呼吸模式分類方法,其特征在于,所述方法包括以下步驟:
預設多種呼吸模式,并分別采集各個呼吸模式對應的UWB回波信號;
根據各個呼吸模式的UWB回波信號,建立呼吸信號數據集,并將所述呼吸信號數據集按照預設比例劃分為訓練集和測試集;所述呼吸信號數據集包括各個呼吸模式的UWB回波信號對應的回波張量數據和模式標簽;
根據所述訓練集,對改進的殘差網絡進行訓練,得到呼吸分類模型;
將所述測試集輸入所述呼吸分類模型進行分類預測,得到呼吸模式識別結果。
2.如權利要求1所述的基于殘差網絡的呼吸模式分類方法,其特征在于,所述呼吸模式包括憋氣模式、胸式呼吸模式、腹部呼吸模式和混合呼吸模式。
3.如權利要求1所述的基于殘差網絡的呼吸模式分類方法,其特征在于,所述根據各個呼吸模式的UWB回波信號,建立呼吸信號數據集的步驟包括:
將各個UWB回波信號進行數據預處理,得到對應的回波張量數據;
將各個回波張量數據添加對應的模式標簽,得到所述呼吸信號數據集。
4.如權利要求3所述的基于殘差網絡的呼吸模式分類方法,其特征在于,所述將各個UWB回波信號進行數據預處理,得到對應的回波張量數據的步驟包括:
將各個UWB回波信號按照預設間距進行等距分割,得到回波分割數據;
將所述回波分割數據進行標準化處理,得到回波標準化數據;
將所述回波標準化數據轉換為對應的張量數據,并對所述張量數據進行維度擴展,得到所述回波張量數據。
5.如權利要求4所述的基于殘差網絡的呼吸模式分類方法,其特征在于,所述將所述回波分割數據進行標準化處理,得到回波標準化數據的步驟包括:
選取所述回波分割數據的實部,得到對應的待標準化數據;
對所述待標準化數據進行標準化處理,得到所述回波標準化數據。
6.如權利要求1所述的基于殘差網絡的呼吸模式分類方法,其特征在于,所述改進的殘差網絡包括依次連接的輸入層、4個殘差塊和輸出層;
所述輸入層包括依次連接的1個二維卷積層、1個歸一化層、激活函數和1個最大池化層;
所述殘差塊包括依次連接的第一卷積層塊和第二卷積層塊;所述第一卷積層塊包括依次連接的第一預設數目個不同尺寸的二維卷積層,以及對應的多個歸一化層;所述第二卷積層塊包括依次連接的第二預設數目個不同尺寸的二維卷積層,以及對應的多個歸一化層;
所述輸出層包括依次連接的1個全局最大池化層、1個展平層和1個線性層。
7.如權利要求1所述的基于殘差網絡的呼吸模式分類方法,其特征在于,所述根據所述訓練集,對改進的殘差網絡進行訓練,得到呼吸分類模型的步驟包括:
將所述訓練集隨機分成預設批次,采用Adam優化器對改進的殘差網絡進行反向傳播監督訓練,得到所述呼吸分類模型。
8.一種基于殘差網絡的呼吸模式分類系統,其特征在于,所述系統包括:
數據獲取模塊,用于預設多種呼吸模式,并分別采集各個呼吸模式對應的UWB回波信號;
數據處理模塊,用于根據各個呼吸模式的UWB回波信號,建立呼吸信號數據集,并將所述呼吸信號數據集按照預設比例劃分為訓練集和測試集;所述呼吸信號數據集包括各個呼吸模式的UWB回波信號對應的回波張量數據和模式標簽;
模型訓練模塊,用于根據所述訓練集,對改進的殘差網絡進行訓練,得到呼吸分類模型;
模式識別模塊,用于將所述測試集輸入所述呼吸分類模型進行分類預測,得到呼吸模式識別結果。
9.一種計算機設備,包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序,其特征在于,所述處理器執行所述計算機程序時實現權利要求1至7中任一所述方法的步驟。
10.一種計算機可讀存儲介質,其上存儲有計算機程序,其特征在于,所述計算機程序被處理器執行時實現權利要求1至7中任一所述方法的步驟。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中山大學,未經中山大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210745677.2/1.html,轉載請聲明來源鉆瓜專利網。





