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：北京化工大学

摘要：本发明涉及一种基于D‑CNN的呼吸机假阳性报警识别方法及系统，其包括：对采集到的体征特征参数数据进行预处理，将处理后的数据划分为测试样本和训练样本；由所述训练样本训练卷积神经网络得到双层卷积神经网络模型，以得到由一维特征参数到假阳性报警和报警时长的多层映射关系；将所述测试样本输入第一层卷积神经网络模型，输出结果作为第二层卷积神经网络模型的输入，通过所述映射关系识别出假阳性报警。本发明能正确识别呼吸机的假阳性报警，正确确定病人的健康状况。

主权项：1.一种基于D-CNN的呼吸机假阳性报警识别方法，其特征在于，包括：对采集到的体征特征参数数据进行预处理，将处理后的数据划分为测试样本和训练样本；由所述训练样本训练卷积神经网络得到双层卷积神经网络模型，以得到由一维特征参数到假阳性报警和报警时长的多层映射关系；将所述测试样本输入第一层卷积神经网络模型，输出结果作为第二层卷积神经网络模型的输入，通过所述映射关系识别出假阳性报警；对呼吸机采集到的体征特征参数数据进行预处理，包括：对所述体征特征参数数据进行标准化处理，得到标准化的体征特征参数；对所述标准化的体征特征参数数据进行标签化处理，把呼吸机和监护仪至少有一个报警的体征特征参数数据打标签为1，都不报警的体征特征参数数据打标签为0；将标签化处理后的体征特征参数样本数据划分为训练样本和测试样本；所述由所述训练样本训练卷积神经网络得到双层卷积神经网络模型，包括：构建所述第一层卷积神经网络模型结构和正向传播方向，由所述第一层卷积神经网络模型中的卷积神经网络分类器得到报警的样本数据；将所述报警的样本数据输入到所述第二层卷积神经网络模型，建立由一维特征参数到假阳性报警和报警时长的多层映射关系，输出真报警或假阳性报警的识别结果；在所述将所述测试样本输入第一层卷积神经网络模型，输出结果作为第二层卷积神经网络模型的输入的过程，还包括：将测试样本数据输入所述第一层卷积神经网络模型进行正向传播，得出所述报警的样本数据；所述报警的样本数据输入所述第二层卷积神经网络模型得到预测结果，将所述预测结果与真实标签结果进行交叉熵损失函数计算，得出平均损失值；将所述平均损失值通过梯度下降法逐层反向传播，进行参数更新，将所述平均损失值降到标准范围；通过所述双层卷积神经网络模型识别精度及运行时间，进行所述参数更新，包括：优化器采用Adam，损失函数采用交叉熵损失函数，采用ReLU作为激活函数，通过优化器参数进行调试，获得最佳的优化器和损失函数；每一次卷积前都进行补零，卷积后加入BN层，并在最后一个卷积层后，使用全局最大池化层代替全连接层，使所述双层卷积神经网络模型的精度达到预期设定值；通过所述映射关系识别出假阳性报警，包括：由所述第一层卷积神经网络模型识别出报警和非报警状态；当呼吸机和监护仪同时报警或有一个报警时为报警的样本数据，当呼吸机和监护仪都不报警时为非报警状态；所述第二层卷积神经网络模型对于报警的样本数据，设定报警时长，当呼吸机或监护仪单次报警时长未超过设定报警时长，则判定为假阳性报警，否则为真实报警。

全文数据：

权利要求：

百度查询： 北京化工大学 基于D-CNN的呼吸机假阳性报警识别方法及系统