CN119418953A 一种基于多传感器的呼吸监测分析方法及系统 （广州源古纪科技有限公司）

一种基于多传感器的呼吸监测分析方法及本发明公开了一种基于多传感器的呼吸监处理信号数据进行第一阶段数据融合与第二阶疾病的早期诊断与健康监测提供更加精确和可2使用多个传感器采集多种信号数据并归集为多维度信对所述多维度信号数据集中的信号数据进行数据预处理以获得预处理信号数基于所述预处理信号数据集进行第一阶段数据融合，以获得初始融基于所述多维特征向量，采用长短期记忆网络和卷积神经网络构建呼吸异常检测模采用气流传感器检测空气流动情况以获取气流采用压力传感器监测气道的压力变化以获取气压采用温度传感器监测呼吸道的气体温度变化以获取气温采用光学传感器监测胸腹部运动以获取光学时间同步：对所述预处理信号数据集中的数据进对于多个传感器采集的信号数据，先将同一传感器采集的同一个目标对时空对准后的目标信号数据进行同一性判定，将不满足同一性的目所述时间对准，包括：当簇中目标信号数据数量少于预设数量3将加权平均欧式距离大于预设距离阈值的目标信号采用加权平均法计算多个传感器中不同传感器间数据融合的传根据均值和方差计算不同传感器数据融合的传感基于所述修正后数据和所述传感器间融合权重进行二次加将多个传感器的修正后数据和所述传感器间融合权重进行第一次计算所述第一次融合数据组中所有融合数据在所述第一次融合数据组中出现的二次将所述第一次融合数据组和所述二次组内概率进行第二次采用小波变换法将所述时域特征与所述频域特征结合以得将所述时频域特征作为进行第二阶段特征融采用相关性分析法对所述拼接特征向量进行特征筛选，且采用主成分采用模态融合技术将降维处理后的特征向量进行多模态融合以形成所述多维特征向4采用ReLU激活函数增加局部时序特征的非线性将所述局部时序特征输入所述长短期记忆网络进行时间序列建模将所述长短期记忆网络的输出通过全连接层映射到最结合卷积神经网络部分与长短期记忆网络部分以形成数据处理模块：用于对所述多维度信号数据集中的信号数数据融合模块：基于所述预处理信号数据集进行第一阶段数据异常检测模块：基于所述多维特征向量，采用长短期记忆网络吸异常检测模型，且根据所述呼吸异常检测模型进行呼吸的异常检测并输出异常检测结采用气流传感器检测空气流动情况以获取气流采用压力传感器监测气道的压力变化以获取气压采用温度传感器监测呼吸道的气体温度变化以获取气温采用光学传感器监测胸腹部运动以获取光学5与分析方面往往依赖于单一传感器的输出结果，缺乏对多种传感器数据的有效整合与优使用多个传感器采集多种信号数据并归集为多维度信对所述多维度信号数据集中的信号数据进行数据预处理以获得预处理信号数据6采用气流传感器检测空气流动情况以获取气流采用压力传感器监测气道的压力变化以获取气压采用温度传感器监测呼吸道的气体温度变化以获取气温采用光学传感器监测胸腹部运动以获取光学时空对准：对所述多维度信号数据集中多个传感器采集的信号数据进行时空对将加权平均欧式距离大于预设距离阈值的目标信号采用加权平均法计算多个传感器中不同传感器间数据融合的传感器间融合权重，7根据均值和方差计算不同传感器数据融合的传感其中，所述最终融合结果为通过第一阶段数据融合后获得的所述初始融合数据[0008]优选地，所述基于所述修正后数据和所述传感器间融合计算所述第一次融合数据组中所有融合数据在所述第一次融合数据组中出现的采用小波变换法将所述时域特征与所述频域特征结合以得将所述时频域特征作为进行第二阶段特征融采用模态融合技术将降维处理后的特征向量进行多模态融合以形成所述多维特采用ReLU激活函数增加局部时序特征的非线性将所述长短期记忆网络的输出通过全连接层映射到最结合卷积神经网络部分与长短期记忆网络部分以形成8采用气流传感器检测空气流动情况以获取气流采用压力传感器监测气道的压力变化以获取气压采用温度传感器监测呼吸道的气体温度变化以获取气温采用光学传感器监测胸腹部运动以获取光学[0013]图1为本申请实施例提供的一种基于多传感器的呼吸监测分析方法的步骤流程图4为本申请实施例提供的一种基于多传感器的呼吸监测分析系统的结构示意[0015]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申9使用多个传感器采集多种信号数据并归集为多维度信对所述多维度信号数据集中的信号数据进行数据预处理以获得预处理信号数据采用气流传感器检测空气流动情况以获取气流采用压力传感器监测气道的压力变化以获取气压采用温度传感器监测呼吸道的气体温度变化以获取气温采用光学传感器监测胸腹部运动以获取光学预处理以获得预处理信号数据集；接着基于所述预处理信号数据集进行第一阶段数据融健康监测以及远程医疗提供更加精确和可靠的技术[0019]需要说明的是，本实施例采用气流传感器检测空气流动情况以获取气流信号数气温信号数据来间接反映呼吸状态；采用声音传感器收集呼吸声音以获取呼吸信号数据，时空对准：对所述多维度信号数据集中多个传感器采集的信号数据进行时空对[0024]具体地，本实施例通过上述数据预处理来保证采集的信[0026]在本申请提供的一种实施例中，所述对同一个簇内的目标信号数据进行时空对将加权平均欧式距离大于预设距离阈值的目标信号根据均值和方差计算不同传感器数据融合的传感其中，所述最终融合结果为通过第一阶段数据融合后获得的所述初始融合数据计算所述第一次融合数据组中所有融合数据在所述第一次融合数据组中出现的度。采用小波变换法将所述时域特征与所述频域特征结合以得将所述时频域特征作为进行第二阶段特征融采用模态融合技术将降维处理后的特征向量进行多模态融合以形成所述多维特采用ReLU激活函数增加局部时序特征的非线性将所述长短期记忆网络的输出通过全连接层映射到最结合卷积神经网络部分与长短期记忆网络部分以形成[0035]具体地，本实施例结合长短期记忆网络和卷积神经网络采用气流传感器检测空气流动情况以获取气流采用压力传感器监测气道的压力变化以获取气压采用温度传感器监测呼吸道的气体温度变化以获取气温采用光学传感器监测胸腹部运动以获