一种基于全卷积神经网络的血氧信号分割方法技术

本发明专利技术公开了一种基于全卷积神经网络的血氧信号分割方法，包括以下步骤：步骤1：采集监测信号、人工标记后形成信号数据库；步骤2：采用信号数据库中的数据训练全卷积神经网络；步骤3：将监测信号输入全卷积神经网络即可得到分割结果；本发明专利技术方法采用全卷积神经网络从已有的大数据样本中学习，找到最优的超平面去区分氧减和伪差；采用全卷积神经网络可以接收任意长度的输入，更适合血氧信号分割任务。更适合血氧信号分割任务。更适合血氧信号分割任务。

【技术实现步骤摘要】
一种基于全卷积神经网络的血氧信号分割方法


[0001]本专利技术涉及血氧信号分割方法，具体涉及一种基于全卷积神经网络的血氧信号分割方法。

技术介绍

[0002]随着光电容积脉搏波描记法(Photoplethysmographic PPG)技术的发展，基于PPG技术的可穿戴式设备已经大规模进入大众日常生活。这些设备能够持续的记录佩戴者的PPG信号从而转为血氧指标。设备记录的血氧数据可以在一定程度上反映出佩戴者的健康状况，也可用于筛查睡眠呼吸暂停等疾病。然而由于可穿戴式设备的局限性，生理信号的测量总是会受到运动和设备贴合度的影响，反应在血氧信号上则是出现异常的幅值波动(即伪差)。这种幅值波动可能会被归为氧减，最终导致氧减指数ODI计算出现偏差。如何准确的分辨氧减和伪差，是准确计算ODI的基本条件。
[0003]目前常规的伪差监测方法是人为的归纳出一系列的经验条件，使用这些条件去过滤筛选出来的疑似氧减区间，从而实现对伪差的滤除。但是这种方法需要认为的归纳一系列经验条件来判断伪差，而人为设定的经验条件往往存在各种偏差，导致出现伪差的漏检和误检导本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于全卷积神经网络的血氧信号分割方法，其特征在于，包括以下步骤：步骤1：采集监测信号、人工标记后形成信号数据库；步骤2：采用信号数据库中的数据训练全卷积神经网络；步骤3：将监测信号输入全卷积神经网络即可得到分割结果。2.根据权利要求1所述的一种基于全卷积神经网络的血氧信号分割方法，其特征在于，所述全卷积神经网络包括编码网络和解码网络；编码网络依次进行四次降采样过程，解码网络依次包括四次上采样过程。3.根据权利要求2所述的一种基于全卷积神经网络的血氧信号分割方法，其特征在于，所述降采样过程采用降采样模块进行，上采样过程采用上采样模块进行；降采样模块包括依次串联连接的卷积层、归一化层、激活层和最大池化层；上采样模块包括依次串联连接的卷积层、归一化层和激活层；卷积层输入为编码网络输出和线性差值上采样进行通道叠加后结果。4.根据权利要求1所述的一种基于全卷积神经网络的血氧信号分割方法，其特征在于，所述步骤3中的监测信号经预处理后输入全卷积神经网络，预处理过程如下：式中：x<...

【专利技术属性】
技术研发人员：肖禾，王崇宝，周小东，胡俊杰，
申请(专利权)人：成都云卫康医疗科技有限公司，
类型：发明
国别省市：