[發(fā)明專利]基于殘差網絡的呼吸模式分類方法、系統(tǒng)、設備和介質在審
| 申請?zhí)枺?/td> | 202210745677.2 | 申請日: | 2022-06-28 |
| 公開(公告)號: | CN115067929A | 公開(公告)日: | 2022-09-20 |
| 發(fā)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(huán)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(tǒng) 設備 介質 | ||
本發(fā)明提供了基于殘差網絡的呼吸模式分類方法、系統(tǒng)、設備和介質,所述方法包括: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(jù)各個呼吸模式的UWB回波信號,建立呼吸信號數(shù)據(jù)集,并將所述呼吸信號數(shù)據(jù)集按照預設比例劃分為訓練集和測試集;根據(jù)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。本發(fā)明能夠基于UWB技術和深度學習的優(yōu)勢,對非接觸式呼吸模式進行簡單高效的預測分類的同時,有效提高小數(shù)據(jù)量應用場景的預測精準性和穩(wěn)定性,以提供更加精準有效的呼吸異常監(jiān)測,進而提升呼吸異常監(jiān)測的應用價值。
技術領域
本發(fā)明涉及生物醫(yī)學技術領域,特別是涉及一種基于殘差網絡的呼吸模式分類方法、系統(tǒng)、計算機設備和存儲介質。
背景技術
呼吸作為人體最重要的參數(shù)之一,往往能夠表明人體的生理狀態(tài)是否正常和健康。呼吸運動是在肺牽引反射和呼吸中樞的作用下,保持呼吸肌有節(jié)律性的活動,造成胸廓的擴大或者縮小的運動,其通過吸入氧氣、呼出二氧化碳來保持體內含氧量的穩(wěn)定,這是一種自動的、節(jié)律性的運動。通過觀察人體不同狀態(tài)下的呼吸情況,可以察覺人體呼吸異樣,提取人體身體生理信息。因此,呼吸研究在睡眠分層、臨床監(jiān)測、心血管系統(tǒng)的反饋調節(jié)和很多其他領域都具有十分重大的意義。
現(xiàn)有常見呼吸形態(tài)的監(jiān)測方法包括:壓力傳感器法、電阻抗式呼吸測量法、溫度傳感器法和呼吸感應體積描記儀法等,但是這些方法都是接觸式的監(jiān)測,它有很大的局限性,對于一些特殊人群,比如,對于一些發(fā)燒、有傳染病、皮膚病、大面積燒傷的病人,接觸式設備將無法穿戴。為了克服接觸式呼吸監(jiān)測的局限性,科研人員也有提出非接觸的呼吸形態(tài)監(jiān)測方法,但目前基于超寬帶雷達(UWB)技術的非接觸式呼吸形態(tài)監(jiān)測分類中不僅手動特征提取需要相關專業(yè)知識且勞動強度比較大,而且因臨床監(jiān)測異常呼吸數(shù)據(jù)較少,影響深度學習效果,導致呼吸分類預測的精準性和穩(wěn)定性不足,實用性不高;
因此,亟需提供一種能夠基于UWB技術和深度學習的優(yōu)勢,提高小數(shù)據(jù)量應用場景的預測精準性和穩(wěn)定性的非接觸式呼吸模式分類方法。
發(fā)明內容
本發(fā)明的目的是提供一種基于殘差網絡的呼吸模式分類方法,通過對采用UWB技術獲取的回波信號轉換為可用于深度學習的張量數(shù)據(jù)后,分成預設批次訓練改進的殘差網絡得到穩(wěn)定的呼吸分類模型,用以對非接觸式呼吸數(shù)據(jù)進行簡單高效的呼吸模式識別,能夠有效提高小數(shù)據(jù)量應用場景的預測精準性和穩(wěn)定性,提供更加精準有效的呼吸異常監(jiān)測,進而提升呼吸異常監(jiān)測的應用價值。
為了實現(xiàn)上述目的,有必要針對上述技術問題,提供了一種基于殘差網絡的呼吸模式分類方法、系統(tǒng)、計算機設備和存儲介質。
第一方面,本發(fā)明實施例提供了一種基于殘差網絡的呼吸模式分類方法,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(jù)各個呼吸模式的UWB回波信號,建立呼吸信號數(shù)據(jù)集,并將所述呼吸信號數(shù)據(jù)集按照預設比例劃分為訓練集和測試集;所述呼吸信號數(shù)據(jù)集包括各個呼吸模式的UWB回波信號對應的回波張量數(shù)據(jù)和模式標簽;
根據(jù)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。
進一步地,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;
進一步地,所述根據(jù)各個呼吸模式的UWB回波信號,建立呼吸信號數(shù)據(jù)集的步驟包括:
將各個UWB回波信號進行數(shù)據(jù)預處理,得到對應的回波張量數(shù)據(jù);
將各個回波張量數(shù)據(jù)添加對應的模式標簽,得到所述呼吸信號數(shù)據(jù)集。
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(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210745677.2/2.html,轉載請聲明來源鉆瓜專利網。





