【技术实现步骤摘要】
基于人工智能的呼吸功能康复训练仪的监控方法及系统
[0001]本专利技术涉及人工智能
,具体而言,涉及一种基于人工智能的呼吸功能康复训练仪的监控方法及系统。
技术介绍
[0002]目前,针对患者呼吸功能康复训练一般会配置对应的康复仪器,除了进行辅助训练,还会记录对应的患者的生理参数,而由于每个患者的情况不同、采取的康复训练策略以及对应采集的生理参数也不同,故判定通过呼吸功能康复训练仪确定的患者的病理情况是如何的并不方便,这也为后续想要针对性的医疗器械产品推荐、康复训练咨询的推送造成了困难。
技术实现思路
[0003]本专利技术的目的在于提供一种基于人工智能的呼吸功能康复训练仪的监控方法及系统。
[0004]第一方面,本专利技术实施例提供一种基于人工智能的呼吸功能康复训练仪的监控系统,基于人工智能的呼吸功能康复训练仪的监控系统包括服务器以及与服务器通信连接的呼吸功能康复训练仪;呼吸功能康复训练仪,用于调用配置的传感器采集用户生理参数;服务器,用于响应于呼吸功能康复监控请求,建立与呼吸功能康复训练仪的通信连接;从呼吸功能康复训练仪中获取用户生理参数;从用户生理参数中获取待评估的呼吸生理参数,并调用第一呼吸状态识别模型进行处理,得到呼吸生理参数转换后的呼吸状态参数;根据呼吸状态参数结合预置呼吸功能康复训练表进行评估,得到呼吸功能康复训练仪的监控结果;基于呼吸功能训练仪的监控结果确定存在持续异常呼吸状态特征的多个目标用户;根据每个目标用户的持续异常呼吸状态特征确定匹配每个目标用户的目标线上推送信 ...
【技术保护点】
【技术特征摘要】
1.基于人工智能的呼吸功能康复训练仪的监控系统,其特征在于,所述基于人工智能的呼吸功能康复训练仪的监控系统包括服务器以及与所述服务器通信连接的呼吸功能康复训练仪;所述呼吸功能康复训练仪,用于调用配置的传感器采集用户生理参数;所述服务器,用于响应于呼吸功能康复监控请求,建立与呼吸功能康复训练仪的通信连接;从所述呼吸功能康复训练仪中获取所述用户生理参数;从所述用户生理参数中获取待评估的呼吸生理参数,并调用第一呼吸状态识别模型进行处理,得到所述呼吸生理参数转换后的呼吸状态参数;根据所述呼吸状态参数结合预置呼吸功能康复训练表进行评估,得到所述呼吸功能康复训练仪的监控结果;基于所述呼吸功能训练仪的监控结果确定存在持续异常呼吸状态特征的多个目标用户;根据每个目标用户的持续异常呼吸状态特征确定匹配所述每个目标用户的目标线上推送信息,所述目标线上推送信息包括医用器械产品推送信息、康复训练资讯推送信息。2.根据权利要求1所述的系统,其特征在于,所述服务器进一步用于:获取所述待评估的呼吸生理参数,所述呼吸生理参数包括至少一个呼吸生理指标;通过第一呼吸状态识别模型,获取所述呼吸生理参数中所述至少一个呼吸生理指标对应的呼吸特征向量,其中,所述第一呼吸状态识别模型是根据多个样本呼吸数据对训练得到,所述样本呼吸数据对包括样本呼吸状态数据,以及由第二呼吸状态识别模型对所述样本呼吸状态数据转换得到的样本呼吸生理数据,所述第二呼吸状态识别模型根据优化呼吸数据对对预设第二呼吸状态识别模型的模型架构进行优化来训练得到,一个优化呼吸数据对中包括一个优化样本呼吸状态数据以及多个优化样本呼吸生理数据,所述优化样本呼吸生理数据为所述优化样本呼吸状态数据的映射数据,预设第二呼吸状态识别模型的模型架构是根据所述预设第二呼吸状态识别模型对所述优化样本呼吸状态数据的转换结果,与所述优化样本呼吸状态数据对应的各优化样本呼吸生理数据之间的第二代价函数来优化的;通过所述第一呼吸状态识别模型,根据所述呼吸特征向量,预测各所述呼吸生理指标对应的至少两个预存呼吸状态指标,以及各所述呼吸生理指标转换为对应的预存呼吸状态指标的第一置信度;通过所述第一呼吸状态识别模型,根据所述第一置信度,从所述预存呼吸状态指标中,确定各所述呼吸生理指标对应的预测呼吸状态指标;通过所述第一呼吸状态识别模型,对各个预测呼吸状态指标执行加权平均操作,得到所述呼吸生理参数转换后的呼吸状态参数。3.根据权利要求2所述的系统,其特征在于,所述服务器进一步用于:通过所述第一呼吸状态识别模型中呼吸生理侧的第一呼吸特征矩阵和呼吸状态侧的第二呼吸特征矩阵之间的匹配关系,将所述呼吸特征向量对应至所述第二呼吸特征矩阵中,得到参考呼吸特征向量;根据呼吸状态侧的呼吸生理指标集在所述第二呼吸特征矩阵中的呼吸特征向量,与所述参考呼吸特征向量的匹配度,确定所述呼吸生理指标集中各所述呼吸生理指标对应的至少两个预存呼吸状态指标,以及各所述呼吸生理指标转换为对应的预存呼吸状态指标的第一置信度。4.根据权利要求2所述的系统,其特征在于,所述所述服务器进一步还用于:
获取样本呼吸状态数据以及多个初始呼吸数据对,其中,每个初始呼吸数据对包括成对的初始样本呼吸生理数据和初始样本呼吸状态数据;获取优化呼吸数据对;通过预设第二呼吸状态识别模型,获取所述优化样本呼吸状态数据中各个目标指标对应的呼吸特征向量;获取呼吸生理指标变量集合,其中,所述呼吸生理指标变量集合包括多个呼吸生理指标变量;通过所述预设第二呼吸状态识别模型中呼吸状态侧的第二呼吸特征矩阵和呼吸生理侧的第一呼吸特征矩阵之间的匹配关系,将所述目标指标的呼吸特征向量对应至所述第一呼吸特征矩阵中,得到第一参考呼吸特征向量;根据所述呼吸生理指标变量在所述第一呼吸特征矩阵中的呼吸特征向量,与所述第一参考呼吸特征向量的匹配度,确定所述呼吸生理指标变量中各所述目标指标对应的至少两个预存呼吸生理指标变量,以及各所述目标指标转换为对应的预存呼吸生理指标变量的第二置信度;根据所述第二置信度,从所述预存呼吸生理指标变量中,确定各所述目标指标对应的目标呼吸生理指标变量;对各个目标呼吸生理指标变量执行加权平均操作,得到所述优化样本呼吸状态数据转换后的预测样本呼吸生理数据;对于同一优化样本呼吸状态数据,计算其目标指标对应的预存呼吸生理指标变量,与所述优化样本呼吸状态数据对应的优化样本呼吸生理数据中,所述目标指标对应的对比指标之间的第一同质系数;根据所述第一同质系数和所述第二置信度,计算所述优化样本呼吸状态数据中各所述目标指标对应的预存呼吸生理指标变量与对比指标之间的指标差异代价;对各所述目标指标对应的指标差异代价执行加权平均操作,得到所述优化样本呼吸状态数据的预测样本呼吸生理数据与对应的各优化样本呼吸生理数据之间的第二代价函数;根据所述第二代价函数,对预设第二呼吸状态识别模型的模型架构进行优化,得到第二呼吸状态识别模型;通过第二呼吸状态识别模型,对所述样本呼吸状态数据进行转换,得到转换后的样本...
【专利技术属性】
技术研发人员:高天,王倩,林仙枝,
申请(专利权)人:广西力拓医疗科技有限公司,
类型:发明
国别省市:
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。