[发明专利]一种脊柱手术智能呼吸预测方法

权利要求书

1.一种脊柱手术智能呼吸预测方法，其特征在于，包括以下步骤：

通过红外光学相机记录一定时间内的椎体起伏，记录的数据可以以滑动窗-对应预测点的点对形式整合为初始数据库；

初始数据库中记录的是椎体的六维运动，利用PCA主成分分析法将六维运动数据进行降维，化简至1个自由度作为主运动方向，并将六维运动投影到主运动轴上；利用投影后的一维运动数据制作新数据库，该数据库用于呼吸运动预测网络的训练；

呼吸运动预测网络结构由LSTM：长短时记忆网络、VAE：变分编码器、低通滤波器或卡尔曼滤波器级联组成；

通过在软件上构建LSTM神经网络、线性网络、激活网络，按照LSTM-线形层-激活层-隐变量-线性层-激活层-线形层-Tanh激活层将神经网络串联起来，得到整体网络架构；该神经网络的输入为滑动窗内的10-20个连续采样点，输出为滑动窗后的1-4个点中的特定1个点；

训练过程依据VAE网络的ELBO进行训练，网络的代价函数如下：

其中x代表输入的采样点，z代表隐变量，p_θ、代表随机分布；KL代表KL散度，E代表期望函数,β为误差反向传播增益；

通过多个LSTM-VAE网络并联，输出若干个预测点的并行值，对若干并行值求标准差，得到信赖区域：

其中y_i表示第i个网络输出的预测值，表示所有网络输出预测值之和求平均，c表示并联网络数量，σ_y表示多个并联网络输出预测值的标准差，信赖区域为[-2*σ_y，2*σ_y]；

通过将多个网络输出的多个并行值求得的平均值与滑动窗中的所有值进行低通滤波或卡尔曼滤波，滤除中的高频噪声，得到连续、低噪声的输出值，该值为所求预测值。

2.根据权利要求1所述的一种脊柱手术智能呼吸预测方法，其特征在于，PCA主成分分析方法为：

上式中X代表所记录的所有采样点的坐标，为所有采样点坐标的平均值，n为采样点的数量，C_ov为协方差矩阵；通过SVD分解，将其分解为若干项，并找到若干特征值和特征向量；式中σ_k为特征值，v_k为特征向量；对于最大的特征值，保留其对应的特征向量作为主运动轴，将原有数据在该轴上进行投影可以得到新数据库中的坐标。