基于毫米波雷达的心肺功能智能监测设备制造技术

本发明专利技术提供一种基于毫米波雷达的心肺功能智能监测设备，包括：雷达生命体征信号提取模块、疾病分类预测模块；雷达生命体征信号提取模块包括毫米波雷达传感器、生命体征信号提取模块；毫米波雷达传感器向急救病人的腹部发射毫米波雷达信号并接收回波信号；毫米波雷达传感器和生命体征信号提取模块电连接；从回波信号中提取出急救病人的生命体征信号；疾病分类预测模块与生命体征信号提取模块通信连接，使用自适应连续学习网络，对生命体征信号进行数据特征提取，并对正常或异常生命体征数据进行分类疾病预测。本发明专利技术可以解决现有技术中存在的不能根据急救病人不同的心跳、呼吸异常，对急救病人所患的疾病进行预判的技术问题。对急救病人所患的疾病进行预判的技术问题。对急救病人所患的疾病进行预判的技术问题。

【技术实现步骤摘要】
基于毫米波雷达的心肺功能智能监测设备


[0001]本专利技术涉及人体心肺功能监控
，具体涉及一种基于毫米波雷达的心肺功能智能监测设备。

技术介绍

[0002]呼吸、心跳参数是人体心肺活动是否正常的重要判断依据，人体的心肺活动直接影响各个器官和肌肉的活动，不同的疾病通常会导致人体的心跳、呼吸发生不同的异常。
[0003]现有技术中，CN110840422A提供了一种监护仪、驾驶室和监控系统，公开了一种非接触小型监护仪、驾驶室和驾驶员心跳呼吸监控系统，其中非接触小型监护仪包括外壳和毫米波传感器等，还包括液晶显示屏或通信模块，其中毫米波传感器用于实时监测心跳和呼吸，监测结果通过液晶屏实时显示，或通过通信模块送入互联网进行远程传输，实现远程的实时监控。上述监护仪具有便携的有益效果，解决了医院大型设备不便于移动的不足，可广泛推广使用。
[0004]但是，将上述技术方案中的监护仪用于救护车上对急救病人进行无接触式心肺功能监测时，只能实时监测到急救病人的心跳、呼吸情况，并不能根据急救病人不同的心跳、呼吸异常，对急救病人所患的疾病进行预判；这样就会导致在救护车上无法采取对症的急救措施，也无法让医院提前做好相关的诊断和治疗准备。

技术实现思路

[0005]针对现有技术存在的不足，本专利技术提出一种基于毫米波雷达的心肺功能智能监测设备，以解决现有技术中存在的不能根据急救病人不同的心跳、呼吸异常，对急救病人所患的疾病进行预判的技术问题。
[0006]本专利技术采用的技术方案如下：
[0007]在第一种可实现方式中，提出了一种基于毫米波雷达的心肺功能智能监测设备，包括：雷达生命体征信号提取模块、疾病分类预测模块；
[0008]雷达生命体征信号提取模块包括毫米波雷达传感器、生命体征信号提取模块；毫米波雷达传感器向急救病人的腹部发射毫米波雷达信号并接收回波信号；毫米波雷达传感器和生命体征信号提取模块电连接；从回波信号中提取出急救病人的生命体征信号；生命体征信号包括呼吸、心跳信号；
[0009]疾病分类预测模块与生命体征信号提取模块通信连接，使用自适应连续学习网络，对生命体征信号进行数据特征提取，并对正常或异常生命体征数据进行疾病分类预测。
[0010]由第一种可实现方式的技术方案可知，本专利技术的有益技术效果如下：可以当前监测的急救病人的生命体征信号输入训练好的自适应连续学习网络模型中进行预测，输出当前生命体征信号异常与否以及可能发生的疾病，从而可以对急救病人采取对症的急救措施，让医院提前做好相关的诊断和治疗准备。
[0011]结合第一种可实现方式，在第二种可实现方式中，提取急救病人的呼吸、心跳信
号，包括以下步骤：
[0012]使用距离快速傅里叶变换提取回波信号中的距离信息，得到频谱中的最大幅值点；
[0013]对最大幅值点进行相位提取解扰，获得中频信号；
[0014]对中频信号使用快速傅里叶变换进行频谱分析，得到呼吸、心跳信号。
[0015]结合第二种可实现方式，在第三种可实现方式中，相位解扰按以下公式计算：
[0016][0017]在上式中，φ(m)表示相位值，unwarp为相位差检测函数，Q表示接收的同相信号，I表示正交信号。
[0018]结合第一种可实现方式，在第四种可实现方式中，生命体征信号进行数据特征提取，并对正常或异常生命体征数据进行分类预测，包括：
[0019]构建自适应连续学习网络，自适应连续学习网络包括：数据缓冲区、编码器、解码器、预测器；数据缓冲区、依顺次相连接的编码器、解码器、预测器；所述数据缓冲区分为新数据缓冲区、旧数据缓冲区；所述编码器、解码器分别为5个；所述预测器为长短期记忆神经网络；
[0020]以呼吸、心跳信号的历史数据作为输入，以疾病分类结果的历史数据作为输出，使用自适应连续学习网络进行训练并保存模型；
[0021]将新采集的急救病人的呼吸、心跳信号送入训练好的自适应连续学习网络模型中，模型在学习新知识的情况下结合旧知识进行结果预测，判断信号是否异常和预测后续可能出现的急症。
[0022]结合第四种可实现方式，在第五种可实现方式中，进行疾病分类预测时，在编码器、解码器、预测器处同时使用柔性权重固化算法；所述柔性权重固化算法公式如下：
[0023][0024]在上式中，为最优权重矩阵，P为后验概率值，D
u,T
为数据集，是第t次更新时信息矩阵的第i个对角参数；是在第T
‑
1次更新时的第i个值；λ
t
与λ
prior
为超参数。
[0025]结合第一种可实现方式，在第六种可实现方式中，自适应连续学习网络的输出为：
[0026][0027]在上式中，为疾病分类预测结果，x
n
为呼吸、心跳信号，表示每一层网络的一个权重系数矩阵，L表示神经网络的层数，每一层的输出用函数来表示。
[0028]结合第一种可实现方式，在第七种可实现方式中，自适应连续学习网络的损失函数为：
[0029][0030]在上式中，y
n
为标签值，包括心跳、呼吸信号的异常或正常状态；表示与y
n
对应的预测结果；Y,分别为多个y
n
与构成的矩阵；为求解的均方误差；λR(Θ)为正则化项。
[0031]结合第二种可实现方式，在第八种可实现方式中，对最大幅值点进行相位解扰，获得中频信号时，包括：
[0032]计算每个差分相位的前向差分与后向差分的相位差，当相位差大于临界值时，用内插值代替差分相位。
[0033]由第八种可实现方式的技术方案可知，本专利技术的有益技术效果如下：可以减小在计算相位值时多个噪声带来的误差。
[0034]结合第八种可实现方式，在第九种可实现方式中，内插值通过差分与牛顿插值法获取。
[0035]结合第二种可实现方式，在第十种可实现方式中，使用带通滤波器对呼吸、心跳信号进行增强处理，然后再对经过带通滤波器的呼吸、心跳信号进行离散小波变换处理。
[0036]由第十种可实现方式的技术方案可知，本专利技术的有益技术效果如下：可以进一步提升对信号进行数字处理的准确性。
[0037]结合第十种可实现方式，在第十一种可实现方式中，带通滤波器为巴特沃斯带通滤波器，巴特沃斯带通滤波器的通带截止频率为0.1Hz，阻带起始频率为0.85Hz。
附图说明
[0038]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
[0039]图1为本专利技术实施例1的雷达生命体征信号提取模块提取呼吸、心跳信号的流程示意图；
[0040]图2为本专利技术实施例1搭建的自适应连续学习网络模型架构示意图；
[0041]图3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于毫米波雷达的心肺功能智能监测设备，其特征在于，包括：雷达生命体征信号提取模块、疾病分类预测模块；所述雷达生命体征信号提取模块包括毫米波雷达传感器、生命体征信号提取模块；所述毫米波雷达传感器向急救病人的腹部发射毫米波雷达信号并接收回波信号；所述毫米波雷达传感器和生命体征信号提取模块电连接；从回波信号中提取出急救病人的生命体征信号；所述生命体征信号包括呼吸、心跳信号；所述疾病分类预测模块与所述生命体征信号提取模块通信连接，使用自适应连续学习网络，对所述生命体征信号进行数据特征提取，并对正常或异常生命体征数据进行疾病分类预测。2.根据权利要求1所述的基于毫米波雷达的心肺功能智能监测设备，其特征在于，提取急救病人的呼吸、心跳信号，包括以下步骤：使用距离快速傅里叶变换提取回波信号中的距离信息，得到频谱中的最大幅值点；对最大幅值点进行相位提取解扰，获得中频信号；对中频信号使用快速傅里叶变换进行频谱分析，得到呼吸、心跳信号。3.根据权利要求2所述的基于毫米波雷达的心肺功能智能监测设备，其特征在于，相位解扰按以下公式计算：在上式中，φ(m)表示相位值，unwarp为相位差检测函数，Q表示接收的同相信号，I表示正交信号。4.根据权利要求1所述的基于毫米波雷达的心肺功能智能监测设备，其特征在于，对所述生命体征信号进行数据特征提取，并对正常或异常生命体征数据进行分类预测，包括：构建自适应连续学习网络，自适应连续学习网络包括：数据缓冲区、依顺次相连接的编码器、解码器、预测器；所述数据缓冲区分为新数据缓冲区、旧数据缓冲区；所述编码器、解码器分别为5个；所述预测器为长短期记忆神经网络；以呼吸、心跳信号的历史数据作为输入，以疾病分类结果的历史数据作为输出，使用自适应连续学习网络进行训练并保存模型；将新采集的急救病人的呼吸、心跳信号送入训练好的自适应连续学习网络模型中，模型在学习新知识的情况下结合旧知识进行结果预测，判断信号是否异常和预测后续可能出现的急症。5.根据权利要求4所述的基于毫米波雷达的心肺功能智能监测设备，...

【专利技术属性】
技术研发人员：曹海林，龙凤，王彬宇，孙志伟，
申请(专利权)人：重庆大学，
类型：发明
国别省市：