本申请涉及一种基于呼吸训练采集数据的呼吸训练模型创建方式及设备，通过深度学习的方式，训练得到不同呼吸训练指标类型的呼吸训练模型，将各个呼吸训练模型在后台服务器上部署，并投入使用，呼吸症患者可以在登录医院后台后，后台识别并输出呼吸指标偏下的呼吸指标类型，根据所述呼吸指标类型，调用对应的呼吸训练模型，在量化控制策略的控制输出下，由所述呼吸训练模型通过后台服务器向所述呼吸症患者的ID发送推荐的呼吸训练方案，以此达到智能化为患者推荐匹配的呼吸训练方案的目的，实现根据呼吸症患者的症状等级等信息智能地为呼吸症患者推荐相应的呼吸训练策略，实现智能推荐功能。推荐功能。推荐功能。
【技术实现步骤摘要】
基于呼吸训练采集数据的呼吸训练模型创建方式及设备
[0001]本公开涉及深度学习
，尤其涉及一种基于呼吸训练采集数据的呼吸训练模型创建方式、呼吸训练方法、呼吸训练系统和控制系统。
技术介绍
[0002]吸气是一种主动过程，其须要靠主动收缩使胸腔扩大，使肺内压力降低；当肺内压力低于大气压时，空气便会吸入肺中。呼吸训练，就是在训练呼吸的过程中，训练吸气会使用到的肌肉群的方式，多用于呼吸困难比如支气管肺炎等患者的呼吸康复训练。
[0003]呼吸训练器是广泛用于临床的呼吸康复装置，采用阻抗训练基础原理，使用者透过吸气训练器吸气时需费力去抵抗训练器设定的阻抗，以增加吸气肌力，借此增加呼吸肌强度与耐受度。
[0004]现有的呼吸训练器(呼吸训练设备)，为简单的物力产品，提供训练器材，呼吸症患者使用训练器材，通过调节上面的调节器，达到吸气阻抗训练的目的。
[0005]上述物力上的吸气阻抗训练，未采取并达到智能化的呼吸训练功效，不能根据呼吸症患者的症状等级等信息智能为呼吸症患者推荐相应的呼吸训练策略。因此，现有的呼吸训练器缺乏智能推荐功能，有待实现智能化的呼吸训练，为呼吸症患者提供智能呼吸模型以供推荐呼吸方案。
技术实现思路
[0006]为了解决上述问题，本申请提出一种基于呼吸训练采集数据的呼吸训练模型创建方式、呼吸训练方法、呼吸训练系统和控制系统。
[0007]本申请一方面，提出一种基于呼吸训练采集数据的呼吸训练模型创建方式，包括如下步骤：
[0008]获取呼吸症患者的历史医学数据，并进行预处理，得到呼吸症医学数据；
[0009]将所述呼吸症医学数据，划分为不同呼吸训练指标类型的呼吸症指标数据；
[0010]基于深度学习的方式，将所述呼吸症指标数据作为学习网络的输入，进行呼吸训练模型，得到呼吸训练模型；
[0011]为所述呼吸训练模型配置量化策略，并将配置后的所述呼吸训练模型部署于后台服务器上。
[0012]作为本申请的一可选实施方案，可选地，获取呼吸症患者的历史医学数据，并进行预处理，得到呼吸症医学数据，包括：
[0013]从医疗机构后台服务器的历史数据库中，获取各个所述呼吸症患者的历史医学数据；
[0014]对所述历史医学数据进行解析，得到解析数据；
[0015]从解析数据中提取得到各个所述呼吸症患者的呼吸症医学数据；
[0016]按照呼吸症类型，将所有所述呼吸症患者的呼吸症医学数据进行划分，得到不同
种类的所述呼吸症医学数据；
[0017]将不同种类的所述呼吸症医学数据分别上传并存储至后台服务器的数据库中。
[0018]作为本申请的一可选实施方案，可选地，将所述呼吸症医学数据，划分为不同呼吸训练指标类型的呼吸症指标数据，包括：
[0019]调用并解析所述呼吸症医学数据，并将解析结果发送至前端并进行可视化展示；
[0020]将所述呼吸症医学数据的解析结果，按照呼吸症医学数据类型，划分为不同数据类型的呼吸症医学参数；
[0021]判断所述呼吸症医学参数的数据类型，是否匹配预设的呼吸训练指标：
[0022]若匹配，则将所匹配的所述呼吸症医学参数作为与其相匹配的呼吸训练指标的呼吸症指标数据；
[0023]上传并保存所述呼吸训练指标数据。
[0024]作为本申请的一可选实施方案，可选地，将所述呼吸症医学数据，划分为不同呼吸训练指标类型的呼吸症指标数据，还包括：
[0025]若是所述呼吸症医学参数的数据类型不匹配预设的呼吸训练指标，则从所述呼吸症医学数据中提取相应的呼吸数据，并计算得到与预设的呼吸训练指标相匹配的所述呼吸症医学参数，并将相匹配的所述呼吸症医学参数作为与其相匹配的呼吸训练指标的呼吸症指标数据；
[0026]上传并保存所述呼吸训练指标数据。
[0027]作为本申请的一可选实施方案，可选地，基于深度学习的方式，将所述呼吸症指标数据作为学习网络的输入，进行呼吸训练模型，得到呼吸训练模型；
[0028]调取各个呼吸训练指标下的所述呼吸训练指标数据标；
[0029]将所述呼吸训练指标作为训练数据并输入卷积神经网络架构，进行模型的训练学习；
[0030]当满足训练条件时，结束训练，输出对应的模型数据，并保存为当前练指标下的呼吸训练模型；
[0031]按照上述方式，得到各个呼吸训练指标下的呼吸训练模型。
[0032]作为本申请的一可选实施方案，可选地，为所述呼吸训练模型配置量化策略，并将配置后的所述呼吸训练模型部署于后台服务器上，包括：
[0033]设置各个呼吸训练指标的量化控制策略；
[0034]将所述量化控制策略，配置于与各个所述呼吸训练指标相对应的所述呼吸训练模型上；
[0035]将具备量化控制策略的各个所述呼吸训练模型，分别部署于后台服务器上。
[0036]作为本申请的一可选实施方案，可选地，还包括：
[0037]以各个类型的所述呼吸训练指标作为训练输入；
[0038]基于深度学习的方式，建立所述呼吸训练指标的指标识别模型，并将所述指标识别模型部署于后台服务器上。
[0039]本申请另一方面，提出还一种呼吸训练方法，包括如下步骤：
[0040]呼吸症患者登录后台服务器，上传呼吸症诊疗单；
[0041]通过所述呼吸症诊疗单的诊断信息，获取所述呼吸症患者的呼吸指标比对信息，
并输出指标偏下的呼吸指标类型；
[0042]根据所述呼吸指标类型，调用对应的呼吸训练模型，在量化控制策略的控制输出下，由所述呼吸训练模型通过后台服务器向所述呼吸症患者的ID发送推荐的呼吸训练方案，并同步发送至呼吸训练器。
[0043]本申请另一方面，提出还一种呼吸训练系统，包括：
[0044]登录模块，用于呼吸症患者登录后台服务器，上传呼吸症诊疗单；
[0045]呼吸诊断模块，用于通过所述呼吸症诊疗单的诊断信息，获取所述呼吸症患者的呼吸指标比对信息，并输出指标偏下的呼吸指标类型；
[0046]呼吸训练推荐模块，用于根据所述呼吸指标类型，调用对应的呼吸训练模型，在量化控制策略的控制输出下，由所述呼吸训练模型通过后台服务器向所述呼吸症患者的ID发送推荐的呼吸训练方案；
[0047]呼吸训练器，用于从后台服务器上读取所述呼吸训练方案，并执行对应的响应。
[0048]本申请另一方面，还提出一种控制系统，包括：
[0049]处理器；
[0050]用于存储处理器可执行指令的存储器；
[0051]其中，所述处理器被配置为执行所述可执行指令时实现所述的呼吸训练方法。
[0052]本专利技术的技术效果：
[0053]本申请通过获取呼吸症患者的历史医学数据，并进行预处理，得到呼吸症医学数据；将所述呼吸症医学数据，划分为不同呼吸训练指标类型的呼吸症指标数据；基于深度学习的方式，将所述呼吸症本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于呼吸训练采集数据的呼吸训练模型创建方式，其特征在于，包括如下步骤：获取呼吸症患者的历史医学数据，并进行预处理，得到呼吸症医学数据；将所述呼吸症医学数据，划分为不同呼吸训练指标类型的呼吸症指标数据；基于深度学习的方式，将所述呼吸症指标数据作为学习网络的输入，进行呼吸训练模型，得到呼吸训练模型；为所述呼吸训练模型配置量化策略，并将配置后的所述呼吸训练模型部署于后台服务器上。2.根据权利要求1所述的基于呼吸训练采集数据的呼吸训练模型创建方式，其特征在于，获取呼吸症患者的历史医学数据，并进行预处理，得到呼吸症医学数据，包括：从医疗机构后台服务器的历史数据库中，获取各个所述呼吸症患者的历史医学数据；对所述历史医学数据进行解析，得到解析数据；从解析数据中提取得到各个所述呼吸症患者的呼吸症医学数据；按照呼吸症类型，将所有所述呼吸症患者的呼吸症医学数据进行划分，得到不同种类的所述呼吸症医学数据；将不同种类的所述呼吸症医学数据分别上传并存储至后台服务器的数据库中。3.根据权利要求2所述的基于呼吸训练采集数据的呼吸训练模型创建方式，其特征在于，将所述呼吸症医学数据，划分为不同呼吸训练指标类型的呼吸症指标数据，包括：调用并解析所述呼吸症医学数据，并将解析结果发送至前端并进行可视化展示；将所述呼吸症医学数据的解析结果，按照呼吸症医学数据类型，划分为不同数据类型的呼吸症医学参数；判断所述呼吸症医学参数的数据类型，是否匹配预设的呼吸训练指标：若匹配，则将所匹配的所述呼吸症医学参数作为与其相匹配的呼吸训练指标的呼吸症指标数据；上传并保存所述呼吸训练指标数据。4.根据权利要求3所述的基于呼吸训练采集数据的呼吸训练模型创建方式，其特征在于，将所述呼吸症医学数据，划分为不同呼吸训练指标类型的呼吸症指标数据，还包括：若是所述呼吸症医学参数的数据类型不匹配预设的呼吸训练指标，则从所述呼吸症医学数据中提取相应的呼吸数据，并计算得到与预设的呼吸训练指标相匹配的所述呼吸症医学参数，并将相匹配的所述呼吸症医学参数作为与其相匹配的呼吸训练指标的呼吸症指标数据；上传并保存所述呼吸训练指标数据。5.根据权利要求1所述的基于呼吸训练采集数据的呼吸训练模型创建方式，其特征在于，基于深度学习的方式，将所述呼吸症指标...
【专利技术属性】
技术研发人员：葛慧青，邱文芳，许颖，江叶，段开亮，
申请(专利权)人：浙江大学，
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。