一种基于多维生理大数据深度学习的健康状态评价系统

专利类型：发明专利

语言：中文

申请号：CN201610589952.0

申请日：20160726

发明人：王楷熊庆宇赵友金孙国坦马龙昆刘通

申请人：重庆大学

申请人地址：400044重庆市沙坪坝区沙正街174号

公开日：20170222

公开号：CN106446765A

代理人：王翔

代理机构：重庆大学专利中心50201

摘　　要：本发明公开一种基于多维生理大数据深度学习的健康状态评价系统，利用非监督卷积神经网络来提取生理时序数据的特征，然后再利用多元高斯分布做特征的异常检测。结果显示，是一种高效的能从原始的生理信号学习信号的高层次特征和多元高斯分布异常检测的生理信号的异常检测系统。使用者可以鉴别某些早期病症，提前采取相应的预防措施降低患病风险。??全部

主权项：一种基于多维生理大数据深度学习的健康状态评价系统，其特征在于:包括后台分析系统和检测装置；所述后台分析系统对原始生理数据样本C_q进行分析时，包括以下步骤：1)获取所述原始生理数据样本C_q，样本C_q中具有m种生理参数，每一种生理参数均在n₀个时刻被采集；2)：将原始生理数据样本C_q，归一化处理，得到S_q；3)特征提取选定生理数据集中的生理数据样本S_q输入变量，采用设定卷积层滑动窗口的方法，,得到特征映射值构成的数据集H_k；设定池化窗口的大小，最大值池化数据集H_k，得到数据集I_k：通过迭代，最终得到特征数据集I_K；4)以数据集I_K为多元高斯分布的输入，得到高斯概率密度分布函数p(X)，设定ε为阈值；获得健康状态模型为：所述检测装置包括数据收集部分和数据分析部分；所述数据收集部分采集到被测者的生理数据保存到矩阵E，并传递给数据分析部分；E中，具有m种生理参数，每一种生理参数均在pn₀个时刻被采集；采用与步骤2)相同的方法，将数据样本E，归一化处理得到F；选定生理数据集中的生理数据样本F输入变量，采用设定卷积层滑动窗口的方法，得到特征映射值构成的数据集PH_k；设定池化窗口的大小，最大值池化数据集PH_k，得到数据集PI_k：通过迭代，最终得到特征数据集PI_K；将特征矩阵PI_K作为所述健康状态模型的生理特征输入矩阵，输出异常或正常。

关键词：

法律状态：生效

IPC专利分类号：G06K9/00(2006.01)I