一种基于神经网络训练模型的数据可视化方法技术

本发明专利技术公开了一种基于神经网络训练模型的数据可视化方法，采用电阻抗及血流图技术原理，从电阻抗及血流图技术的指标中找出与脑血管健康状态的相关性指标，S1：高精度阻抗前端模块发出激励信号，通过一对激励电极注入脑部，在大脑内部形成电场，高精度阻抗前端模块，通过一对监测电极，实时获取由上述激励信号引起的电信号，从而测算出相应的脑部电阻抗数据；S2：通过蓝牙模块上传至移动端(手机，pad等)APP，由移动端APP传送到云端EI健康平台，实时进行脑部电阻抗数据分析处理，通过物联网技术实现不同地区众多用户的实时在线监测；S3：脑部训练模型的数据，根据脑部电阻抗变化，经过“去除阻抗基线”，“滤波”等操作转化为脑阻抗血流图数据，为脑血流容积变化做记录。

【技术实现步骤摘要】
一种基于神经网络训练模型的数据可视化方法
本专利技术涉及可视化领域，更具体地说，涉及一种基于神经网络训练模型的数据可视化方法。
技术介绍
随着技术的飞速发展，机器学习方法逐渐被广泛地应用到各个领域，通过研究给定数据集的数据分布，来完成特定的分类以及识别任务。但由于传统头环算法自身的局限性，在很多特定领域并不适用，缺乏普适性使得其难以适应大规模数据集，可扩展性较差，而且普遍由人为进行算法参数的设定，对于数据的特性拟合并不够完善。是一种能够模拟出人脑的神经结构的头环数据可视化。不同于传统的机器学习方法，深度学习通常需要大量的训练样本数据，通过学习一种深层非线性网络结构来实现复杂函数的逼近，与人工构造的特征相比，在大规模数据训练下生成的深度学习神经网络模型，能够更好的学习数据本身的特征。目前的头环识别辅助工具只能适用于简单的统计以及分类计算，缺乏针对于数据的自动化诊断识别方法，而通过使用深度学习技术，对影像数据进行神经网络模型建立，最终将训练完成的神经网络模型对测试图像进行推理，输出正确的分类识别数据，从而达到提高工作效率，减轻相关工作任务量本文档来自技高网...

【技术保护点】
1.一种基于神经网络训练模型的数据可视化方法，其特征在于，采用电阻抗及血流图技术原理，从电阻抗及血流图技术的指标中找出与脑血管健康状态的相关性指标，通过相关性指标设计出可视化度高的检测结果。/n具体包括以下步骤：/nS1：高精度阻抗前端模块发出激励信号，通过一对激励电极注入脑部，在大脑内部形成电场，高精度阻抗前端模块，通过一对监测电极，实时获取由上述激励信号引起的电信号，从而测算出相应的脑部电阻抗数据；/nS2：通过蓝牙模块上传至移动端(手机，pad等)APP，由移动端APP传送到云端EI健康平台，实时进行脑部电阻抗数据分析处理，通过物联网技术实现不同地区众多用户的实时在线监测；/nS3：脑部...

【技术特征摘要】
1.一种基于神经网络训练模型的数据可视化方法，其特征在于，采用电阻抗及血流图技术原理，从电阻抗及血流图技术的指标中找出与脑血管健康状态的相关性指标，通过相关性指标设计出可视化度高的检测结果。
具体包括以下步骤：
S1：高精度阻抗前端模块发出激励信号，通过一对激励电极注入脑部，在大脑内部形成电场，高精度阻抗前端模块，通过一对监测电极，实时获取由上述激励信号引起的电信号，从而测算出相应的脑部电阻抗数据；
S2：通过蓝牙模块上传至移动端(手机，pad等)APP，由移动端APP传送到云端EI健康平台，实时进行脑部电阻抗数据分析处理，通过物联网技术实现不同地区众多用户的实时在线监测；
S3：脑部训练模型的数据，根据脑部电阻抗变化，经过“去除阻抗基线”，“滤波”等操作转化为脑阻抗血流图数据，为脑血流容积变化做记录。


2.根据权利要求1所述的一种基于神经网络训练模型的数据可视化方法，其特征在于：所述根据步骤S2，通过AI人工智能、大数据分析对用户监测数据进行综合分析，给出准确有效的脑血管健康状况评估。


3.根据权利要求1所述的一种基于神经网络训练模型的数据可视化方法，其特征在于：所述的数据可视化硬件方案模块化设计由电源管理模块、高精度阻抗前端模块和蓝牙模块组成。

【专利技术属性】
技术研发人员：陈聪，苏国庆，蒋聪，高梁山，周巍，
申请(专利权)人：陈聪，
类型：发明
国别省市：江苏;32