CN119538979A 基于神经网络的睡眠质量监测管理系统及方法 (内蒙古孚宝医疗科技有限公司)_第1页
CN119538979A 基于神经网络的睡眠质量监测管理系统及方法 (内蒙古孚宝医疗科技有限公司)_第2页
CN119538979A 基于神经网络的睡眠质量监测管理系统及方法 (内蒙古孚宝医疗科技有限公司)_第3页
CN119538979A 基于神经网络的睡眠质量监测管理系统及方法 (内蒙古孚宝医疗科技有限公司)_第4页
CN119538979A 基于神经网络的睡眠质量监测管理系统及方法 (内蒙古孚宝医疗科技有限公司)_第5页
已阅读5页,还剩34页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

城区鸿盛高科技园区哈拉更东路内蒙古干细胞生命科技产业化基地2号楼基于神经网络的睡眠质量监测管理系统及本申请提供了一种基于神经网络的睡眠质使用脉搏监测设备实时采集被监测对象在睡眠时的脉搏数据,形成时间队列并传输至智能终对象的睡眠质量,并提供针对性的睡眠改善建2类以得到分类结果,并将所述分类结果与睡眠阶段建立映射关系以得到睡眠阶段映射结的时间队列和所述后向脉搏数据的时间队列进行语义关联时序编码以得到脉搏数据语义特征和脉搏数据语义关联后向时序特征进行动态记忆机制的特征交互以得到脉搏数据语节点对所述脉搏数据的时间队列进行划分以得到所述前向脉搏数据的时间队列和所述后向脉搏数据的时间队列。列进行语义关联时序编码以得到脉搏数据语义关联前向时序特征和脉搏数据语义关联后前向脉搏数据的时间队列中的各个前向脉搏数据之间的语义关联度以得到前向脉搏数据向脉搏数据语义关联度的时间队列和所述后向脉搏数据语义关联度的时间队列分别进行时序语义关联编码以得到脉搏数据语义关联前向时序特征向量作为所述脉搏数据语义关联前向时序特征和脉搏数据语义关联后向时序特征向量作为所述脉搏数据语义关联后向前向脉搏数据语义关联度的时间队列和所述后向脉搏数据语义关联度的时间队列分别进行时序语义关联编码以得到脉搏数据语义关联前向时序特征向量作为所述脉搏数据语义关联前向时序特征和脉搏数据语义关联后向时序特征向量作为所述脉搏数据语义关联后向脉搏数据语义关联度的时间队列通过基于后向LSTM模型的后向脉搏语义关联时序编码3脉搏数据语义关联前向时序特征和脉搏数据语义关联后向时序特征进行动态记忆机制的述脉搏数据语义关联后向时序特征向量进行动态记忆机制的特征交互以得到脉搏数据语示是否将所述初筛异常脉搏数据确定为异常脉搏数据语义关联前向时序特征向量和所述脉搏数据语义关联后向时序特征向量进行动脉搏数据语义关联前向时序特征向量和所述脉搏数据语义关联后向时序特征向量进行协联前向时序特征向量和所述脉搏数据语义关联后向时序特征向量进行动态注意力调制以前向时序特征向量和所述脉搏数据语义关联后向时序特征向量进行动态注意力调制以得时序动态键向量进行基于第一转换器的特征优化以得到优化后脉搏数据语义关联前向时态键向量进行基于第二转换器的特征优化以得到优化后脉搏数据语义关联后向时序特征后向时序特征向量进行特征线性交互以得到所述脉搏数据语义关联前后向交互融合特征语义关联前后向交互融合特征向量通过基于分类器的脉搏异常数据识别器以得到所述识4和所述后向脉搏数据的时间队列进行语义关联时序编码以得到脉搏数据语义关联前向时数据语义关联前向时序特征和脉搏数据语义关联后向时序特征进行动态记忆机制的特征列进行划分以得到所述前向脉搏数据的时间队列和所述后向脉搏数据的时间队列。5提供给用户。别对所述前向脉搏数据的时间队列和所述后向脉搏数据的时间队列进行语义关联时序编6数据语义关联前向时序特征和脉搏数据语义关联后向时序特征进行动态记忆机制的特征向脉搏数据的时间队列和所述后向脉搏数据的时间队列进行语义关联时序编码以得到脉[0010]通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、[0012]图2为根据本申请实施例的基于神经网络的睡眠质量监测管理方法中对所述脉搏数据的时间队列进行异常数据筛除以得到筛除后脉搏[0013]图3为根据本申请实施例的基于神经网络的睡眠质量监测管理方法中对所述脉搏数据的时间队列进行异常数据筛除以得到筛除后脉搏数据的数[0014]图4为根据本申请实施例的基于神经网络的睡眠质量监测管理方法中根据所述初行语义关联时序编码以得到脉搏数据语义关联前向时序特征和脉搏数据语义关联后向时[0015]图5为根据本申请实施例的基于神经网络的睡眠质量监测管理方法中对所述脉搏数据语义关联前向时序特征和脉搏数据语义关联后向时序特征进行动态记忆机制的特征7[0016]图6为根据本申请实施例的基于神经网络的睡眠质量监测管理方法中对所述脉搏数据语义关联前向时序特征向量和所述脉搏数据语义关联后向时序特征向量进行动态记忆机制的特征交互以得到脉搏数据语义关联前后向交互融合[0020]针对上述技术问题,本申请提出了一种基于神经网络的睡眠质量监测管理方图1为根据本申请实施例的基于神经网络的睡眠质量监测管理方法的流程图。如图1所示,8脉搏数据语义关联前向时序特征和脉搏数据语义关联后向时序特征之间的动态记忆交互[0025]图2为根据本申请实施例的基于神经网络的睡眠质量监测管理方法中对所述脉搏数据的时间队列进行异常数据筛除以得到筛除后脉搏数据的流程图。图3为根据本申请实施例的基于神经网络的睡眠质量监测管理方法中对所述脉搏数据的时间队列进行异常数序编码以得到脉搏数据语义关联前向时序特征和脉搏数据语义关联后向时序特征;S123,对所述脉搏数据语义关联前向时序特征和脉搏数据语义关联后向时序特征进行动态记忆的时间队列进行划分以得到所述前向脉搏数据的时间队列和所述后向脉搏数据的时间队9如果某个脉搏值突然从80跳跃到150,再回到82,可能是由于测量错误或传感器问题所[0029]图4为根据本申请实施例的基于神经网络的睡眠质量监测管理方法中根据所述初行语义关联时序编码以得到脉搏数据语义关联前向时序特征和脉搏数据语义关联后向时关联时序编码以得到脉搏数据语义关联前向时序特征和脉搏数据语义关联后向时序特征,脉搏数据的时间队列中的各个前向脉搏数据之间的语义关联度以得到前向脉搏数据语义前向脉搏数据语义关联度的时间队列和所述后向脉搏数据语义关联度的时间队列分别进行时序语义关联编码以得到脉搏数据语义关联前向时序特征向量作为所述脉搏数据语义关联前向时序特征和脉搏数据语义关联后向时序特征向量作为所述脉搏数据语义关联后基准语义分别与所述前向脉搏数据的时间队列中的各个前向脉搏数据之间的语义关联度据的时间队列中的各个后向脉搏数据之间的语义关联度以得到后向脉搏数据语义关联度语义分别与所述后向脉搏数据的时间队列中的各个后向脉搏数据之间的语义关联度以得到后向脉搏数据语义关联度的时间队列。语义分别与所述前向脉搏数据的时间队列中的各个前向脉搏数据之间的语义关联度以得始M通常设为1,以便逐步扩大分析范围。也就前向脉搏数据pj,其中,je[i-M,i-1]与所述初筛异常脉搏数据的余弦相似度的均值一个对应的语义关联度,直到为所述前向脉搏数据的时间队列中前向脉搏数据的个数间队列和所述后向脉搏数据语义关联度的时间队列分别进行时序语义关联编码以得到脉搏数据语义关联前向时序特征向量作为所述脉搏数据语义关联前向时序特征和脉搏数据所述前向脉搏数据语义关联度的时间队列通过基于前向LSTM模型的前向脉搏语义关联时语义关联度的时间队列通过基于后向LSTM模型的后向脉搏语义关联时序编码器以得到所基于前向LSTM模型的前向脉搏语义关联时序编码器以得到所述脉搏数据语义关联前向时脉搏数据语义关联度的时间队列通过基于前向LSTM模型的前向脉搏语义关联时序编码器以利用前向LSTM模型内部的记忆单元和门控机制来提取前向脉搏语义数据中的复杂动态基于后向LSTM模型的后向脉搏语义关联时序编码器以得到所述脉搏数据语义关联后向时[0035]图5为根据本申请实施例的基于神经网络的睡眠质量监测管理方法中对所述脉搏数据语义关联前向时序特征和脉搏数据语义关联后向时序特征进行动态记忆机制的特征对所述脉搏数据语义关联前向时序特征和脉搏数据语义关联后向时序特征进行动态记忆特征向量和所述脉搏数据语义关联后向时序特征向量进行动态记忆机制的特征交互以得到脉搏数据语义关联前后向交互融合特征向量作为所述脉搏数据语义关联前后向交互融所述识别结果用于表示是否将所述初筛异常脉搏数据确定为异常脉语义关联后向时序特征进行动态记忆机制的特征交互以得到脉搏数据语义关联前后向交据语义关联前向时序特征向量和所述脉搏数据语义关联后向时序特征向量进行以得到脉[0037]图6为根据本申请实施例的基于神经网络的睡眠质量监测管理方法中对所述脉搏数据语义关联前向时序特征向量和所述脉搏数据语义关联后向时序特征向量进行动态记忆机制的特征交互以得到脉搏数据语义关联前后向交互融合特征向量的流程图。如图6所所述脉搏数据语义关联后向时序特征向量进行动态记忆机制的特征交互以得到脉搏数据征向量和所述脉搏数据语义关联后向时序特征向量进行协同隐性特征提取以得到脉搏数联前向后向时序特征间隐性协同编码向量,对所述脉搏数据语义关联前向时序特征向量和所述脉搏数据语义关联后向时序特征向量进行动态注意力调制以得到所述脉搏数据语述脉搏数据语义关联后向时序特征向量进行协同隐性特征提取以得到脉搏数据语义关联;其中,v,和v:分别表示所述脉搏数据语义关联前向时序特征向量和所述脉搏数据语义关联后向时序特征向量,和分别据语义关联后向时序特征向量进行动态注意力调制以得到所述脉搏数据语义关联前后向协同编码向量写入动态记忆单元以得到脉搏数据语义关联前向一后向时序动态键向量;键向量进行基于第一转换器的特征优化以得到优化后脉搏数据语义关联前向时序特征向量;S123123,从所述动态记忆单元提取所述脉搏数据语义关联前向后向时序动态键向序动态键向量进行基于第二转换器的特征优化以得到优化后脉搏数据语义关联后向时序搏数据语义关联后向时序特征向量进行特征线性交互以得到所述脉搏数据语义关联前后隐性协同编码向量写入动态记忆单元以得到脉搏数据语义关联前向一后向时序动态键向述基于第一转换器结构的特征注意力调制模块和所述基于第二转换器结构的特征注意力.是脉搏数据语义关联前向值向量,m,?是ma的转置向量,s是mu的长度,softmax()是向时序动态键向量对所述脉搏数据语义关联前向时序特征向量和所述脉搏数据语义关联向后向时序动态键向量作为共同的注意力空间以不仅增强了特征向量中关键信息的表达,减少了噪声和无关信息的影响,同时还使得所述优化后脉搏数据语义关联前向时序特向量和所述优化后脉搏数据语义关联后向时序特征向量进行特征线性交互以得到所述脉化后脉搏数据语义关联前向时序特征向量和所述优化后脉搏数据语义关联后向时序特征规律。语义关联前向时序特征向量和所述脉搏数据语义关联后向时序特征向量进行动态记忆交数据语义关联后向时序特征向量分别表示前向脉搏数据语义关联度和后向脉搏数据语义不同时域下数据源时序分布差异导致的多维度时序关联特征差异会引起动态机制对应性量的第j个特征值,v表示所述脉搏数据语义关联前后向交互融合特征向量,d()表示特征值之间的距离,DY表示所述脉搏数据语义关联前后向交互融合距离表示矩阵中第(i,j)个[0052]获得作为行向量的所述脉搏数据语义关联前后向交互融合特征向量的脉搏数据语义关联前后向交互融合自关联矩阵,即D'-vgv;其中,vr表示所述脉搏数据语义关联[0053]将所述脉搏数据语义关联前后向交互融合特征向量与所述脉搏数据语义关联前后向交互融合距离表示矩阵进行矩阵相乘以获得脉搏数据语义关联前后向交互融合一级[0054]将所述脉搏数据语义关联前后向交互融合一级映射向量与所述脉搏数据语义关联前后向交互融合距离表示矩阵和所述脉搏数据语义关联前后向交互融合自关联矩阵的[0055]将所述脉搏数据语义关联前后向交互融合多级映射向量与由所述脉搏数据语义关联前后向交互融合自关联矩阵的本征值组成的脉搏数据语义关联前后向交互融合关联搏数据语义关联后向时序特征之间的动态记忆交互表示来智能地判断是否将所述初筛异过建立脉搏数据分类结果与睡眠阶段的映射关系,可以实现将脉搏信号与具体的睡眠状态[0060]综上所述,基于本申请实施例的基于神经网络的睡眠质[0061]图7为根据本申请实施例的基于神经网络的睡眠质量监测管理系统的系统框图。对所述脉搏数据的时间队列进行划分以得到前向脉搏数据的时间队列和后向脉搏数据的脉搏数据的时间队列和所述后向脉搏数据的时间队列进行语义关联时序编码以得到脉搏块130,用于对所述脉搏数据语义关联前向时序特征和脉搏数据语义关联后向时序特征进的各个步骤的具体操作已经在上面参考图1至图6的基于神经网络的睡眠质量监测管理方[0063]

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论