CN119415918A 衍生呼吸信号获取方法、装置、计算机设备以及存储介质 （华南师范大学）

路378号华南师范大学电子与信息工网络能够自适应地提取心冲击图信号中的时空2获得若干个样本用户同步采集的心冲击图信号、胸带传感信号以及将若干个样本用户的心冲击图信号分别输入至所述生成器网络中，获得若将同一个样本用户的胸带传感信号分别与相应的心冲击获得若干个样本用户的第一训练信号组以及第二训练信号组的干个样本用户的第一训练信号组以及第二训练信号组的预测标签数据以及真实标签数据，获得待生成用户的心冲击图信号，将所述待生成用户的心冲所述生成器网络包括依次连接的第一编码器模块、时序特征提取模块以及解码器模所述将若干个样本用户的心冲击图信号分别输入至所述生成器网络分别将若干个样本用户的心冲击图信号作为所述第一编码器模块的首个第一编码器分别将若干个样本用户的第一编码信号作为所述时序特征提取模块的首个时序特征将同一个样本用户的编码信号与时序特征信号进行拼接，获得若干个3所述判别器网络包括依次连接的第二编码器模块以及后处理模块；其中，所述将若干个样本用户的第一训练信号组以及第二训练信号组分别输入至所述判别器网络中，获得若干个样本用户的第一训练信号组以及第二训练信号组的预测标签数据，分别将所述第一训练信号组以及所述第二训练信号组中将所述卷积特征信号作为所述第二编码器模块的首个第二编码器单n2)))+Yn2)将最后一个第二编码器单元的第四输出信号输入至所述后处理模签预测算法，获得若干个样本用户的第一训练信号组以及第二训练信号组的预测标签数采用交叉熵算法，根据若干个样本用户的第一训练信号组、第二获得所述生成器网络的距离损失值，根据所述对抗损失值、4L=αLdis+βLGAN根据所述样本用户的第一训练信号组的预测标签数据以及真实根据所述判别器网络的交叉熵损失值，对所述判别器网络进行根据所述样本用户的第二训练信号组以及预设的全局距离根据所述样本用户的第二训练信号组以及预设的局部距离根据所述全局距离损失值、局部距离损失值以及预设的距离信号获得模块，用于获得若干个样本用户同步采集5第一信号生成模块，用于将若干个样本用户的心冲标签预测模块，用于将同一个样本用户的胸带传感信号分别与相应的心冲击图信号、得若干个样本用户的第一训练信号组以及第二训练信号组的预测生成对抗神经网络训练模块，用于获得若干个样本用户的第一第二信号生成模块，用于获得待生成用户的心冲击图信号，理器执行时实现如权利要求1至6任一项所述的衍生呼吸信号获取方法6的节律与努力程度对睡眠呼吸暂停综合征(SAS)，慢性阻塞性肺病(COPD)等呼吸类疾病的的特点，信号的精度和可靠性不如基于口鼻气流传感和胸腹部传感的接触式临床检测设7据若干个样本用户的第一训练信号组以及第二训练信号组的预测标签数据以及真实标签将若干个样本用户的第一训练信号组以及第二训练信号组分别输入至所述判别器网络中，获得若干个样本用户的第一训练信号组以及第二训练信号组的预行时实现如第一方面所述的衍生呼吸信号获取方所述计算机程序被处理器执行时实现如第一方面所述的衍生呼吸信号获取方8[0031]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申含一个或多个相关联的列出项目的任何或所[0033]请参阅图1，图1为本申请一个实施例提供的衍生呼吸信号获取方法的流程示意由测试者呼吸时胸带变化引起的力学传感信号，获取设备对上述采集信号通过0.1Hz_9传感器获取到的幅值区间会有一定差异，因此需要对信号进行归一化以缩减信号振幅幅[0039]获取设备获得预设的生成对抗神经网络(GenerativeAdversarialNetworks,[0043]S21：分别将若干个样本用户的心冲击图信号作为所述第一编码器模块的首个第[0048]S22：分别将若干个样本用户的第一编码信号作为所述时序特征提取模块的首个行时序特征提取操作，获得最后一个时序特征提取单元的若干个样本用户的第二输出信行时序特征提取操作，获得最后一个时序特征提取单元的若干个样本用户的第二输出信一编码信号作为所述时序特征提取模块的首个时序特征提取单[0056]在本实施例中，获取设备将同一个样本用户的编码信号与时序特征信号进行拼本用户的第一训练信号组以及第二训练信号组的预测标[0063]S31：分别将所述第一训练信号组以及所述第二训练信号组中的信号进行拼接处[0065]获取设备将所述拼接信号作为所述判别器网络的输入信号，根据预设的卷积算[0068]S32：将所述卷积特征信号作为所述第二编码器模块的首个第二编码器单元的输n2)))+Yn2)[0077]S4：获得若干个样本用户的第一训练信号组以及第二训练信号组的真实标签数[0084]所述判别器网络的交叉熵损失值为基于样本用户的第一训练信号组的预测标签[0085]请参阅图5，图5为本申请一个实施例提供的衍生呼吸信号获取方法中S41的流程[0086]S411：根据所述样本用户的第一训练信号组的预测标签一训练信号组的真实标签数据设置为0，根据所述样本用户的第一训练信号组的预测标签算法，获得第一训练信号组的交叉熵损失值LossDreal以及第二训练信号组的交叉熵损失值[0090]获取设备根据所述第一训练信号组的交叉熵损失值以及第二训练信号组的交叉所述样本用户的第二训练信号组输入至反向传播完成后的所述判别器网络中进行标签预[0098]请参阅图6，图6为本申请一个实施例提供的衍生呼吸信号获取方法中S42的流程[0117]请参考图7，图7为本申请一个实施例提供的衍生呼吸信号获取装置的结构示意用户的心冲击图信号，将所述待生成用户的心冲击图信号输入至所述目标生成器网络中，阵列(Field_ProgrammableGateArray，FPGA)、可编程逻辑阵列(ProgrambleLogicArray，PLA)中的至少一个硬件形式来实现。处理器81可集成中央处理器81(Central(non_transitorycomputer_readablestoragemedium)。存储器82可用于存储指令、程述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器82可选的还可以是至少一个位于远离前述处理器81