买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:湖南万脉医疗科技有限公司
摘要:本发明公开了一种基于智能算法的呼吸监测预测方法,该方法包括:获取用户睡眠数据和个人信息,包括用户性别、年龄、呼吸流量、血氧饱和度、鼾声;基于CNN‑LightGBM模型建立睡眠呼吸模型并进行模型训练,通过呼吸机监测数据结合预测模型提前预测阻塞性睡眠呼吸暂停的发生,采用模糊PID方法阶梯化调节呼吸机流量,实现了阻塞性睡眠呼吸暂停的提前预测,通过阶梯通过缓慢增加气流量解决了现有技术中突然增大气流量导致给用户较大的冲击,从而影响用户睡眠连续性的问题,并且通过了提前干预,减小了用户由于阻塞性睡眠呼吸暂停发生后才进行干预而造成的高血压、心律失常、心肺功能衷竭等严重后果。
主权项:1.一种基于智能算法的呼吸监测预测方法,其特征在于,包括以下步骤:步骤S1:获取用户数据,包括睡眠数据和个人信息;睡眠数据包括呼吸流量、血氧饱和度、鼾声,个人信息包括性别和年龄;步骤S2:建立预测算法模型;具体为建立基于CNN-LightGBM的睡眠呼吸状态模型;所述步骤S2还包括:步骤S21:将步骤S1的数据进行归一化处理;采集的数据包括用户性别、年龄、呼吸流量、血氧饱和度、鼾声;步骤S22:构建卷积神经网络CNN获取数据特征值;步骤S23:利用LightGBM算法对特征值进行提取和分类;步骤S24:将历史数据输入模型,对模型进行训练;所述步骤S23包括:将高维特征向量输入到LightGBM模型进行预测;将神经网络模型得到的特征向量作为输入传送给LightGBM模型,由LightGBM进行预测;采用GOSS算法,分裂时增益公式为: ;其中,j为特征数,O为在决策树待分裂节点的训练集,为梯度值,为左叶子节点的数量,为右叶子节点数量,a为大梯度样本采样比例,b为小梯度样本采样比例,A为大梯度样本集,B为小梯度样本集;所述步骤S23还包括:目标函数为: ;其中,为当前叶子节点样本总体方差,、分别为分裂后左右叶子节点的样本总体方差和;Q、L、R分别表示当前叶子节点、左右叶子节点的样本集合,表示第i个样本的梯度值;其中,n、m分别为左右两侧叶子节点的样本数,因此,对于N个弱学习器的LightGBM模型,某特征的总增益为: ;分析特征重要性分析方法所得到的重要性排名,并根据排名顺序进行倒序筛选,分别构造不同特征组合的模型进行准确性分析,最后得到最优特征组合;步骤S3:根据睡眠数据预测呼吸阻塞程度;基于步骤S2建立的LightGBM模型,结合呼吸机采集的用户睡眠数据,对用户的呼吸阻塞程度进行预测;步骤S4:根据预测情况提前进行呼吸机流量调节;采用模糊PID方法阶梯化调节呼吸机流量,使呼吸机流量缓慢变化。
全文数据:
权利要求:
百度查询: 湖南万脉医疗科技有限公司 一种基于智能算法的呼吸监测预测方法及呼吸机
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。