[发明专利]基于柔性传感和深度学习的人体呼吸状态监测系统及方法

说明书

本发明提供了一种基于柔性传感和深度学习的人体呼吸状态监测系统及方法，其中，所述人体呼吸状态监测系统，包括：柔性拉力传感器，用于将人体呼吸数据转换为模拟信号输出；微控制器，通过模数转换器与所述柔性拉力传感器连接，用于接收所述柔性拉力传感器输出的模拟信号并转换为数字信号，并通过无线传输模块输出；终端，通过无线传输模块与所述微控制器连接，用于接收所述微控制器输出的数字信号并输出；云服务器，用于接收所述终端输出的数字信号并利用深度学习网络模型对人体呼吸状态进行监测、分析。本发明提供的系统及方法，基于深度学习提高了监测的准确性，而且成本较低，能够很好的满足使用需求。

技术领域

本发明涉及人工智能技术领域，特别涉及一种基于柔性传感和深度学习的人体呼吸状态监测系统及方法。

背景技术

呼吸是人体基本的生理活动之一，随着科学技术的发展和生活水平的提升，人们对于呼吸监测的需求也逐渐增加，例如在婴幼儿监护领域，医学辅助诊断领域，日常保健领域，特殊工种煤炭开采领域等都对呼吸状态监测有大量的需求。

现有的呼吸监测方案往往操作复杂，使用不便，智能化程度低，准确性不够，无法满足人们的使用需求。

因此，亟需提出一种操作简单，使用方便，智能化程度高，准确的呼吸监测系统及方法。

发明内容

(一)要解决的技术问题

鉴于上述问题，本发明的主要目的在于提供一种基于柔性传感和深度学习的人体呼吸状态监测系统及方法，以期至少部分地解决上述提及的技术问题中的至少之一。

(二)技术方案

根据本发明的一个方面，提供了一种人体呼吸状态监测系统，包括：

柔性拉力传感器，用于将人体呼吸数据转换为模拟信号输出；

微控制器，通过模数转换器与所述柔性拉力传感器连接，用于接收所述柔性拉力传感器输出的模拟信号并转换为数字信号，并通过无线传输模块输出；

终端，通过无线传输模块与所述微控制器连接，用于接收所述微控制器输出的数字信号并输出；

云服务器，用于接收所述终端输出的数字信号并利用深度学习网络模型对人体呼吸状态进行监测、分析。

进一步的，所述柔性拉力传感器为基于MXene/PAA/ACC的可穿戴柔性拉力传感器。

进一步的，所述深度学习网络模型包括：

输入单元，用于对输入数据进行归一化操作；

嵌入层网络单元，用于接收所述输入单元的输出，并转换为一维数据输出；

双向GRU层网络单元，包括更新门和重置门，用于接收所述嵌入层单元的输出的一维数据并进行处理；

注意层网络单元，利用注意力机制可以使网络专注于一维时间序列的呼吸数据中的重要部分；

全连接层单元，用于接收所述注意层网络单元的输出并进行分类，

Softmax单元，用于接收所述全连接层单元的输出并进行概率预测。

根据本发明的一个方面，提供了一种人体呼吸状态监测方法，包括：

获取呼吸数据；

将所述呼吸数据输入深度学习网络模型，通过所述深度学习网络模型对人体呼吸状态进行监测、分析。

进一步的，在将所述呼吸数据输入深度学习网络模型之前，还包括训练所述深度学习网络模型。

进一步的，采用交叉熵损失函数和Adam优化器，并利用K折交叉验证的方法训练所述深度学习网络模型。