本發(fā)明涉及數(shù)據(jù)處理，具體是指基于人體生命體征特征提取的信號(hào)監(jiān)測(cè)系統(tǒng)。

背景技術(shù)：

1、生命體征監(jiān)測(cè)系統(tǒng)是一個(gè)用于實(shí)時(shí)采集、處理和分析人體關(guān)鍵生理參數(shù)的系統(tǒng)。它通過(guò)采集并分析人體的生命體征數(shù)據(jù)來(lái)評(píng)估人體的健康狀態(tài)。但是一般生命體征監(jiān)測(cè)系統(tǒng)存在類(lèi)別不平衡和異常樣本難分類(lèi)導(dǎo)致生命體征狀態(tài)監(jiān)測(cè)精度低，不同類(lèi)別之間的區(qū)分效果差的問(wèn)題；一般生命體征監(jiān)測(cè)系統(tǒng)存在系統(tǒng)設(shè)置動(dòng)態(tài)性不足，調(diào)整過(guò)程靈活差，進(jìn)而導(dǎo)致最終的生命體征狀態(tài)監(jiān)測(cè)效果差的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述情況，為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了基于人體生命體征特征提取的信號(hào)監(jiān)測(cè)系統(tǒng)，針對(duì)一般生命體征監(jiān)測(cè)系統(tǒng)存在類(lèi)別不平衡和異常樣本難分類(lèi)導(dǎo)致生命體征狀態(tài)監(jiān)測(cè)精度低，不同類(lèi)別之間的區(qū)分效果差的問(wèn)題，本方案通過(guò)引入特征響應(yīng)函數(shù)設(shè)計(jì)自適應(yīng)損失函數(shù)，引入自適應(yīng)類(lèi)內(nèi)距離和動(dòng)態(tài)類(lèi)間距離提高對(duì)輕度異常和嚴(yán)重異常的區(qū)分能力，使同類(lèi)樣本聚集、異類(lèi)樣本區(qū)分，進(jìn)而提高對(duì)信號(hào)監(jiān)測(cè)生命體征狀態(tài)的監(jiān)測(cè)準(zhǔn)確性；針對(duì)一般生命體征監(jiān)測(cè)系統(tǒng)存在系統(tǒng)設(shè)置動(dòng)態(tài)性不足，調(diào)整過(guò)程靈活差，進(jìn)而導(dǎo)致最終的生命體征狀態(tài)監(jiān)測(cè)效果差的問(wèn)題，本方案通過(guò)多層映射增強(qiáng)初始種群多樣性，基于層次劃分進(jìn)行參數(shù)搜索，使得構(gòu)建的生命體征監(jiān)測(cè)模型收斂速度快，進(jìn)而提高生命體征監(jiān)測(cè)精度，實(shí)現(xiàn)更穩(wěn)定的監(jiān)測(cè)結(jié)果。

2、本發(fā)明采取的技術(shù)方案如下：本發(fā)明提供的基于人體生命體征特征提取的信號(hào)監(jiān)測(cè)系統(tǒng)，包括生命體征數(shù)據(jù)采集模塊、預(yù)處理模塊、生命體征監(jiān)測(cè)模型建立模塊和生命體征監(jiān)測(cè)模塊；

3、所述生命體征數(shù)據(jù)采集模塊采集歷史信號(hào)監(jiān)測(cè)數(shù)據(jù)；

4、所述預(yù)處理模塊對(duì)采集的信號(hào)監(jiān)測(cè)數(shù)據(jù)進(jìn)行去噪處理、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)集劃分；

5、所述生命體征監(jiān)測(cè)模型建立模塊通過(guò)引入特征響應(yīng)函數(shù)設(shè)計(jì)自適應(yīng)損失函數(shù)，引入自適應(yīng)類(lèi)內(nèi)距離和動(dòng)態(tài)類(lèi)間距離，構(gòu)建最終損失函數(shù)，通過(guò)多層映射初始化種群，基于層次劃分進(jìn)行參數(shù)搜索，進(jìn)而完成參數(shù)調(diào)整，最終實(shí)現(xiàn)生命體征監(jiān)測(cè)模型的建立；

6、所述生命體征監(jiān)測(cè)模塊基于建立完成的生命體征監(jiān)測(cè)模型對(duì)實(shí)時(shí)生命體征數(shù)據(jù)實(shí)現(xiàn)狀態(tài)監(jiān)測(cè)。

7、進(jìn)一步地，在生命體征數(shù)據(jù)采集模塊中，所述歷史信號(hào)監(jiān)測(cè)數(shù)據(jù)包括心率、呼吸頻率、血氧飽和度、體溫、血壓、心率變異性、運(yùn)動(dòng)狀態(tài)、時(shí)間和狀態(tài)監(jiān)測(cè)結(jié)果；所述狀態(tài)監(jiān)測(cè)結(jié)果包括正常、輕度異常和嚴(yán)重異常；將狀態(tài)監(jiān)測(cè)結(jié)果作為數(shù)據(jù)標(biāo)簽。

8、進(jìn)一步地，在預(yù)處理模塊中，所述數(shù)據(jù)轉(zhuǎn)換是將信號(hào)監(jiān)測(cè)數(shù)據(jù)轉(zhuǎn)換為向量形式并進(jìn)行歸一化處理，得到時(shí)間序列數(shù)據(jù)集；所述數(shù)據(jù)集劃分是將時(shí)間序列數(shù)據(jù)集劃分為測(cè)試集和訓(xùn)練集。

9、進(jìn)一步地，所述生命體征監(jiān)測(cè)模型建立模塊包括系統(tǒng)框架概述單元、自適應(yīng)損失函數(shù)設(shè)計(jì)單元、模型判定單元和初始參數(shù)調(diào)整單元，具體包括以下內(nèi)容：

10、系統(tǒng)框架概述單元；所建立的生命體征監(jiān)測(cè)模型采用堆疊的多層lstm網(wǎng)絡(luò)，第一層lstm用于捕捉初步時(shí)間序列特征，第二層lstm用于進(jìn)一步抽象時(shí)間依賴(lài)特征，最后通過(guò)全連接層將lstm輸出的時(shí)間序列特征映射到分類(lèi)結(jié)果，采用softmax層輸出生命體征狀態(tài)的分類(lèi)結(jié)果，類(lèi)別為正常、輕度異常和嚴(yán)重異常；

11、自適應(yīng)損失函數(shù)設(shè)計(jì)單元；具體包括：

12、定義分類(lèi)損失；所用公式如下：

13、；

14、；

15、；

16、式中，lx是分類(lèi)損失；n是樣本總數(shù)；c是健康狀態(tài)類(lèi)別總數(shù)；s是溫度縮放系數(shù)；是第i個(gè)樣本對(duì)應(yīng)類(lèi)別的特征函數(shù)，即信號(hào)監(jiān)測(cè)數(shù)據(jù)輸入模型后得到的特征表示；α是平衡因子；是第i個(gè)樣本對(duì)應(yīng)類(lèi)別的權(quán)重；是第i個(gè)樣本對(duì)應(yīng)類(lèi)別的預(yù)測(cè)概率分布；是特征響應(yīng)函數(shù)，表示模型在類(lèi)別上的激活值；a是平衡系數(shù)，h是模型輸出的隱藏狀態(tài)；k是常數(shù)項(xiàng)，用于調(diào)整模型的輸出范圍；是模型的所有可訓(xùn)練參數(shù)；是第j個(gè)類(lèi)別的特征參數(shù)向量；

17、定義度量損失；引入自適應(yīng)類(lèi)內(nèi)距離icd，自適應(yīng)類(lèi)內(nèi)距離越小表示同類(lèi)樣本聚集越緊密，表示為：；引入動(dòng)態(tài)類(lèi)間距離cd，動(dòng)態(tài)類(lèi)間距離越大表示不同類(lèi)別之間的區(qū)分度越高，表示為：；其中，zi是第i個(gè)樣本的特征向量；是第i個(gè)樣本對(duì)應(yīng)類(lèi)別的均值向量；是第i個(gè)樣本對(duì)應(yīng)類(lèi)別的標(biāo)準(zhǔn)差；是調(diào)節(jié)因子；和分別是第j1個(gè)和第j個(gè)類(lèi)別的均值向量；和分別是第j1個(gè)和第j個(gè)類(lèi)別的類(lèi)間協(xié)方差矩陣；是第j1個(gè)類(lèi)別和第j個(gè)類(lèi)別j的分布之間的kullback-leibler散度；β和γ是調(diào)節(jié)權(quán)重系數(shù)；tr(·)是矩陣的跡；

18、總損失函數(shù)設(shè)計(jì)；訓(xùn)練時(shí)的總損失函數(shù)由分類(lèi)損失和度量損失共同構(gòu)成，總損失函數(shù)定義為：

19、；

20、式中，ltt是總損失函數(shù)；和是損失權(quán)重系數(shù)；

21、模型判定單元；當(dāng)生命體征監(jiān)測(cè)模型對(duì)訓(xùn)練集損失收斂時(shí)，生命體征監(jiān)測(cè)模型訓(xùn)練完成；預(yù)先設(shè)有預(yù)測(cè)閾值，當(dāng)訓(xùn)練完成的生命體征監(jiān)測(cè)模型對(duì)測(cè)試集的預(yù)測(cè)正確率高于預(yù)測(cè)閾值時(shí)，生命體征監(jiān)測(cè)模型建立完成；否則轉(zhuǎn)至初始參數(shù)調(diào)整單元；

22、初始參數(shù)調(diào)整單元；具體包括：

23、構(gòu)造參數(shù)調(diào)整空間；基于溫度縮放系數(shù)、平衡因子、特征參數(shù)向量、調(diào)節(jié)因子、調(diào)節(jié)權(quán)重系數(shù)、損失權(quán)重系數(shù)、平衡系數(shù)和常數(shù)項(xiàng)構(gòu)建參數(shù)調(diào)整空間；

24、初始化參數(shù)搜索種群；初始化參數(shù)搜索種群中個(gè)體位置，所用公式如下：

25、；

26、；

27、式中，zi1+1,j2和zi1,j2分別是第i1+1個(gè)個(gè)體和第i1個(gè)個(gè)體第j2維度的映射系數(shù)；α1是映射參數(shù)；是第i1個(gè)個(gè)體第j2維度的位置；0表示第0次搜索即初始化；和分別是第j2維度參數(shù)調(diào)整空間的上限和下限；是映射系數(shù)；rr是屬于0-1的隨機(jī)數(shù)；

28、層次劃分；將基于個(gè)體位置訓(xùn)練完成的生命體征監(jiān)測(cè)模型的預(yù)測(cè)正確率作為個(gè)體適應(yīng)度值；層次劃分根據(jù)個(gè)體適應(yīng)度值的排名進(jìn)行動(dòng)態(tài)調(diào)整，所用公式如下：

29、；

30、式中，lli1是個(gè)體層次；t是當(dāng)前搜索次數(shù)；t是最大搜索次數(shù)；bf和wf分別是種群最大適應(yīng)度值和最小適應(yīng)度值；fi1是個(gè)體適應(yīng)度值；是向下取整；

31、參數(shù)搜索；基于個(gè)體層次進(jìn)行參數(shù)搜索選擇；所用公式如下：

32、；

33、；

34、；

35、式中，r、r1、r2、r3、r4和r5都是0到1的隨機(jī)數(shù)且相互獨(dú)立；是適應(yīng)度值最高的個(gè)體位置；是調(diào)節(jié)參數(shù)；是個(gè)體歷史適應(yīng)度值最高時(shí)的位置；f是搜索方向標(biāo)志；是獲取強(qiáng)度；α2是控制縮放系數(shù)；是個(gè)體和最優(yōu)個(gè)體的距離；

36、調(diào)整判定；當(dāng)存在個(gè)體適應(yīng)度值高于預(yù)測(cè)閾值時(shí)，調(diào)整結(jié)束，個(gè)體位置即生命體征監(jiān)測(cè)模型調(diào)整后的參數(shù)設(shè)置；若達(dá)到最大迭代次數(shù)，則轉(zhuǎn)至初始化參數(shù)搜索種群；否則轉(zhuǎn)至層次劃分。

37、進(jìn)一步地，所述生命體征監(jiān)測(cè)模塊是基于建立完成的生命體征監(jiān)測(cè)模型，實(shí)時(shí)采集生命體征信號(hào)監(jiān)測(cè)的心率、呼吸頻率、血氧飽和度、體溫、血壓、心率變異性、運(yùn)動(dòng)狀態(tài)和時(shí)間數(shù)據(jù)，經(jīng)預(yù)處理后輸入至生命體征監(jiān)測(cè)模型中，將模型輸出的狀態(tài)監(jiān)測(cè)結(jié)果作為監(jiān)測(cè)結(jié)果輸出，當(dāng)輸出的狀態(tài)監(jiān)測(cè)結(jié)果為嚴(yán)重異常時(shí)對(duì)先關(guān)人員進(jìn)行預(yù)警。

38、采用上述方案本發(fā)明取得的有益效果如下：

39、（1）針對(duì)一般生命體征監(jiān)測(cè)系統(tǒng)存在類(lèi)別不平衡和異常樣本難分類(lèi)導(dǎo)致生命體征狀態(tài)監(jiān)測(cè)精度低，不同類(lèi)別之間的區(qū)分效果差的問(wèn)題，本方案通過(guò)引入特征響應(yīng)函數(shù)設(shè)計(jì)自適應(yīng)損失函數(shù)，引入自適應(yīng)類(lèi)內(nèi)距離和動(dòng)態(tài)類(lèi)間距離提高對(duì)輕度異常和嚴(yán)重異常的區(qū)分能力，使同類(lèi)樣本聚集、異類(lèi)樣本區(qū)分，進(jìn)而提高對(duì)信號(hào)監(jiān)測(cè)生命體征狀態(tài)的監(jiān)測(cè)準(zhǔn)確性。

40、（2）針對(duì)一般生命體征監(jiān)測(cè)系統(tǒng)存在系統(tǒng)設(shè)置動(dòng)態(tài)性不足，調(diào)整過(guò)程靈活差，進(jìn)而導(dǎo)致最終的生命體征狀態(tài)監(jiān)測(cè)效果差的問(wèn)題，本方案通過(guò)多層映射增強(qiáng)初始種群多樣性，基于層次劃分進(jìn)行參數(shù)搜索，使得構(gòu)建的生命體征監(jiān)測(cè)模型收斂速度快，進(jìn)而提高生命體征監(jiān)測(cè)精度，實(shí)現(xiàn)更穩(wěn)定的監(jiān)測(cè)結(jié)果。