【技术实现步骤摘要】
一种智能生物信号异常检测方法及系统
:本专利技术涉及生物信号检测
,具体的说是一种能够对生物信号进行高效准确、低成本的自动分析的智能生物信号异常检测方法及系统。
技术介绍
:凡是存在于自然界的生命体,无论是动物还是人类,都有属于自己的生命体征,随着经济社会的发展,这些生命体征通过现有的仪器能够被转化为信号序列的形式所采集,这些生物信号是生命体生理功能的部分映射,对生命体的生理状态以及生理功能起到有效的检测。对于人类而言,近些年来,人们的生活节奏加快、工作压力增大,心脑血管疾病的发病率和死亡率越来越高,人们的身体正在受到严重威胁,这些生物信号能够对人的身体起到一个有效的反应,因此,对于生物信号的监测与分析是很有意义的;对于除人类以外的其他生命体而言,生物信号也同样具有预警作用。生命体的生理信号包括,压力信号(动/静脉压、膀胱压、子宫内压等等)、生物电信号(心电、肌电、眼电、脑电等等)、低幅神经信号(SNA)、组织氧含量和体温等等。它能够有效的对生理功能进行记录,由于大部分生物信号都需要专业人员进行分析和诊断,因此对生物信号进行详细分析与准确判别,能够在没有其他辅助的情况之下,及时监控生命体的身体状态,对生命体的身体状态起到预警作用,有效预防突发性疾病、降低突发性疾病的死亡率。人工智能技术利用现有的仪器采集生物序列信号,对其进行自动分析和诊断。有效的机器学习方法,如支持向量机、多层感知机、决策树、随机森林等等,都能够对信号进行分类判别,这些方法在建模前,都要进行信号的预处理,从信号中提取人工特征(具 ...
【技术保护点】
1.一种智能生物信号异常检测方法,包括模型训练阶段和模型应用阶段,其特征在于所述模型训练阶段包括以下步骤:/n步骤1:获取生物信号;/n步骤2:对步骤1中获取的信号进行预处理;/n步骤3:将步骤2中预处理后的数据送入CNN-BilSTM-Attention组合模型进行特征的提取,其中首先令信号进入CNN卷积神经网络进行空间特性的提取,而后进入双向长短时记忆网路BiLSTM提取时间特性,再通过各个网络连接层,最后通过SoftMax层计算最终结果,在搭建网络的每个环节,通过设置Attention机制,进行信号不同序列点侧重程度的优化;/n步骤4:运用交叉熵损失函数计算步骤3中网络模型的损失,直至模型损失小于阈值,则模型训练结束,否则利用Adam对模型参数进行优化;/n步骤5:将训练好的CNN-BilSTM-Attention组合模型中连接层的中间结果输出,作为机器学习算法的输入端,进行机器学习模型的训练。/n
【技术特征摘要】
1.一种智能生物信号异常检测方法,包括模型训练阶段和模型应用阶段,其特征在于所述模型训练阶段包括以下步骤:
步骤1:获取生物信号;
步骤2:对步骤1中获取的信号进行预处理;
步骤3:将步骤2中预处理后的数据送入CNN-BilSTM-Attention组合模型进行特征的提取,其中首先令信号进入CNN卷积神经网络进行空间特性的提取,而后进入双向长短时记忆网路BiLSTM提取时间特性,再通过各个网络连接层,最后通过SoftMax层计算最终结果,在搭建网络的每个环节,通过设置Attention机制,进行信号不同序列点侧重程度的优化;
步骤4:运用交叉熵损失函数计算步骤3中网络模型的损失,直至模型损失小于阈值,则模型训练结束,否则利用Adam对模型参数进行优化;
步骤5:将训练好的CNN-BilSTM-Attention组合模型中连接层的中间结果输出,作为机器学习算法的输入端,进行机器学习模型的训练。
2.根据权利要求1所述的一种智能生物信号异常检测方法,其特征在于所述模型应用阶段包括以下内容:
步骤6:通过步骤1-5所构建的模型对新的信号序列进行片段截取与分类,综合分类结果,将多个片段的分类结果进行统计,设置阈值,若片段中分类结果为异常超过阈值比例,则最终诊断为异常,否则为正常;
步骤7:按照时间顺序采集生物信号,通过循环步骤6,对信号分类结果的长期变化趋势进行有效的监控。
3.根据权利要求1所述的一种智能生物信号异常检测方法,其特征在于所述步骤2中预处理具体包括:
步骤2-1:数据提取;对于采集的一维信号通道数据进行信号的截取与标注,按序截取预设长度信号片段,提取信号序列局部峰值点周围信号片段,对于信号的分类进行标注,将所有分段信号作为训练网络模型的输入端;
步骤2-2:数据平衡处理;当出现类间样本不平衡的情况,采用模拟生成同类中类似样本的处理方法,增大异常类别的数据集。
4.根据权利要求2所述的一种智能生物信号异常检测方法,其特征在于步骤2-1中数据提取具体包括以下步骤:
步骤2-1-1:将连续的生物信号通过滑动窗分隔成连续的片段;
步骤2-1-2:对步骤2-1-1所获数据进行归一化处理;
步骤2-1-3:获取步骤2-1-2所获数据的局部最大值;
步骤2-1-4:选取预设长度信号;其中通过设定阈值,来确定数据片段中的R峰候选集,将每个选定的R峰作为生物信号的峰值点,选取峰值点周围预设长度的信号,对长度不一致的信号用0填充至预设长度,获取生物信号的原始样本集。
5.根据权利要求2所述的一种智能生物信号异常检测方法,其特征在于步骤2-2所述数据平衡处理,具体包括以下内容:
利用同类样本中的欧氏距离,剔除极端的数据,在样本中查找一个能够很好地反映数据集性质的区域,具体指剔除极端值之后,按照样...
【专利技术属性】
技术研发人员:刘伟,曲媛媛,郑旭东,秦志亮,刘晓炜,谢耘,
申请(专利权)人:威海北洋电气集团股份有限公司,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。