一种基于生理特征深度学习的呼吸健康分析方法技术

本发明专利技术提供一种基于生理特征深度学习的呼吸健康分析方法，涉及呼吸数据分析技术领域，包括：获取若干健康用户的生理特征数据，其中，生理特征数据包括静态生理特征数据和动态生理特征数据；对若干健康用户的静态生理特征和动态生理特征进行深度学习，得到不同类型用户的呼吸健康模型；将实时获取到的用户的生理特征数据与呼吸健康模型进行比对，得到用户的呼吸健康分析结果；本发明专利技术用于解决现有的技术中对于呼吸健康分析的过程较为复杂，不够快速有效的问题。有效的问题。有效的问题。

【技术实现步骤摘要】
一种基于生理特征深度学习的呼吸健康分析方法


[0001]本专利技术涉及呼吸数据分析
，尤其涉及一种基于生理特征深度学习的呼吸健康分析方法。

技术介绍

[0002]在对用户的呼吸健康进行分析的过程中，影响比较大的就是肺活量这一因素，因此在通过肺部数据进行分析时，需要充分考虑到肺活量这一肺部数据的影响，肺活量是指在最大吸气后尽力呼气的气量，包括潮气量、补吸气量和补呼气量三部分，潮气量是指一次呼吸周期中肺吸入或呼出的气量，在潮气量之外再吸入的最大气量为补吸气量，在潮气量之外再呼出的最大气量为补呼气量，最大呼气后残留在肺内的气量为余气量。肺活量存在较大的个体差异，受年龄、性别、身材、呼吸肌强弱及肺和胸廓弹性等因素的影响，一般来说，身体越强壮，肺活量就越大，常用作评价人体素质的指标。
[0003]现有技术中，在对人体的生理特征数据进行分析的过程中，缺少对于呼吸数据的分析方法，通常都是基于多种身体的检测数据来进行身体监控分析或者呼吸健康分析，例如，在申请公开号为CN103544397A的申请文件中公开了人体的生理健康指标数据进行汇总分析预警的方法，该方法就是通过对身体的多个检测数据进行分析后，对身体的健康进行预警的，再比如在申请公开号为CN115952450A的申请文件中公开了睡眠呼吸暂停综合征识别方法、装置、计算机和存储介质，该方法也是通过多种身体检测数据对睡眠呼吸进行检测预警的，上述两种方法所需要的采集设备较多，分析过程也较为复杂，因此现有的技术中缺少一种快速有效的呼吸健康的分析方法。

技术实现思路
r/>[0004]针对现有技术存在的不足，本专利技术通过对生理特征数据进行划分，并针对健康用户的生理特征数据建立呼吸健康比对模型，能够快速且准确的对用户的呼吸健康进行分析，以解决现有的技术中对于呼吸健康分析的过程较为复杂，不够快速有效的问题。
[0005]为了实现上述目的，第一方面，一种基于生理特征深度学习的呼吸健康分析方法，包括：获取若干健康用户的生理特征数据，其中，生理特征数据包括静态生理特征数据和动态生理特征数据；对若干健康用户的静态生理特征和动态生理特征进行深度学习，得到不同类型用户的呼吸健康模型；将实时获取到的用户的生理特征数据与呼吸健康模型进行比对，得到用户的呼吸健康分析结果。
[0006]进一步地，静态生理特征数据的获取过程包括：获取若干健康用户的肺部影像数据和身体特征数据，其中，静态生理特征数据包括用户的肺部影像数据和用户的身体特征数据；
提取肺部影像数据中的肺部扫描图像，提取用户身体特征数据中的性别、年龄、身高和体重。
[0007]进一步地，动态生理特征数据的获取过程包括：获取健康用户的动态呼吸数据，其中，动态生理特征数据包括动态呼吸数据；动态呼吸数据的获取过程包括：设置第一动态获取状态和第二动态获取状态；第一动态获取状态包括；设置第一时长，使健康用户休息第一时长，获取休息第一时长后的健康用户的肺活量；第二动态获取状态包括：对健康用户进行实时检测，获取实时检测时的健康用户的肺活量；将第一动态获取状态下获取的健康用户的肺活量设定为第一动态肺活量；将第二动态获取状态下获取的健康用户的肺活量设定为第二动态肺活量；求取第一动态肺活量和第二动态肺活量的平均值，设定为动态肺活量，动态呼吸数据包括动态肺活量。
[0008]进一步地，动态生理特征数据的获取过程还包括：设置第三动态获取状态，第三动态获取状态包括：设定第一肺活量阈值、第二肺活量阈值以及第三肺活量阈值；第一肺活量阈值等于动态肺活量乘以第一百分比，第二肺活量阈值等于动态肺活量乘以第二百分比，第三肺活量阈值等于动态肺活量乘以第三百分比；第一百分比小于第二百分比，第二百分比小于第三百分比；得到动态肺活量后，继续获取一次肺活量；在继续获取一次肺活量的过程中记录肺活量大于第一肺活量阈值的用时时间、肺活量大于第二肺活量阈值的用时时间以及肺活量大于第三肺活量阈值的用时时间，分别设定为第一肺活量时长、第二肺活量时长以及第三肺活量时长；动态呼吸数据还包括第一肺活量时长、第二肺活量时长以及第三肺活量时长。
[0009]进一步地，对若干健康用户的静态生理特征和动态生理特征进行深度学习，得到不同类型用户的呼吸健康模型包括：建立静态生理特征学习比对模型，静态生理特征学习比对模型包括：将性别设定为性别男和性别女，将性别男和性别女设定为第一学习比对特征；将年龄设定为若干年龄区域，将若干年龄区域设定为第二学习比对特征；通过身高和体重求取身体质量指数，将身体质量指数划分为三个等级，身体质量指数的三个等级包括超标身体质量等级、合格身体质量等级以及低标身体质量等级，将身体质量指数的三个等级设定为第三学习比对特征；获取肺部扫描图像，提取肺部扫描图像中的双肺区域的轮廓，求取双肺区域的轮廓的面积，设定为肺部面积，将肺部面积设定为第四学习比对特征；将第一学习比对特征、第二学习比对特征、第三学习比对特征以及第四学习比对特征由前至后进行排序，得到静态生理特征比对顺序；依次通过第一学习比对特征、第二学习比对特征以及第三学习比对特征将若干健康用户划分为若干固定静态比对区间，对每个固定静态比对区间内的若干健康用户的肺部面积求取平均值，得到每个固定静态比对区间的肺部参考面积。
[0010]进一步地，对若干健康用户的静态生理特征和动态生理特征进行深度学习，得到不同类型用户的呼吸健康模型还包括：将新获取到的健康用户的静态生理特征数据录入到
静态生理特征学习比对模型中，更新静态生理特征学习比对模型中的肺部参考面积。
[0011]进一步地，对若干健康用户的静态生理特征和动态生理特征进行深度学习，得到不同类型用户的呼吸健康模型还配置有呼吸健康模型，所述呼吸健康模型包括：提取静态生理特征学习比对模型；将动态肺活量对应到每个固定静态比对区间中，对每个固定静态比对区间内的若干健康用户的动态肺活量求取平均值，得到每个固定静态比对区间的动态参考肺活量；将动态参考肺活量与肺部参考面积进行转换比对，得到肺部有效参考比，将肺部有效参考比作为第一参考比对特征；将第一肺活量时长、第二肺活量时长以及第三肺活量时长对应到每个固定静态比对区间中，对每个固定静态比对区间内的若干健康用户的第一肺活量时长求取平均值，得到每个固定静态比对区间的第一参考比对时长；对每个固定静态比对区间内的若干健康用户的第二肺活量时长求取平均值，得到每个固定静态比对区间的第二参考比对时长；对每个固定静态比对区间内的若干健康用户的第三肺活量时长求取平均值，得到每个固定静态比对区间的第三参考比对时长；将第一参考比对时长、第二参考比对时长以及第三参考比对时长设定为第二参考比对特征。
[0012]进一步地，对若干健康用户的静态生理特征和动态生理特征进行深度学习，得到不同类型用户的呼吸健康模型还包括：将新获取到的健康用户的动态生理特征数据录入到呼吸健康模型中，更新呼吸健康模型中的第一参考比对特征以及第二参考比对特征。
[0013]进一步地，将实时获取到的用户的生理特征数据与呼吸健康模型进行比对，得到用户的呼吸健康分析结果包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生理特征深度学习的呼吸健康分析方法，其特征在于，包括：获取若干健康用户的生理特征数据，其中，生理特征数据包括静态生理特征数据和动态生理特征数据；对若干健康用户的静态生理特征和动态生理特征进行深度学习，得到不同类型用户的呼吸健康模型；将实时获取到的用户的生理特征数据与呼吸健康模型进行比对，得到用户的呼吸健康分析结果；静态生理特征数据的获取过程包括：获取若干健康用户的肺部影像数据和身体特征数据，其中，静态生理特征数据包括用户的肺部影像数据和用户的身体特征数据；提取肺部影像数据中的肺部扫描图像，提取用户身体特征数据中的性别、年龄、身高和体重；动态生理特征数据的获取过程包括：获取健康用户的动态呼吸数据，其中，动态生理特征数据包括动态呼吸数据；动态呼吸数据的获取过程包括：设置第一动态获取状态和第二动态获取状态；第一动态获取状态包括；设置第一时长，使健康用户休息第一时长，获取休息第一时长后的健康用户的肺活量；第二动态获取状态包括：对健康用户进行实时检测，获取实时检测时的健康用户的肺活量；将第一动态获取状态下获取的健康用户的肺活量设定为第一动态肺活量；将第二动态获取状态下获取的健康用户的肺活量设定为第二动态肺活量；求取第一动态肺活量和第二动态肺活量的平均值，设定为动态肺活量，动态呼吸数据包括动态肺活量。2.根据权利要求1所述的一种基于生理特征深度学习的呼吸健康分析方法，其特征在于，动态生理特征数据的获取过程还包括：设置第三动态获取状态，第三动态获取状态包括：设定第一肺活量阈值、第二肺活量阈值以及第三肺活量阈值；第一肺活量阈值等于动态肺活量乘以第一百分比，第二肺活量阈值等于动态肺活量乘以第二百分比，第三肺活量阈值等于动态肺活量乘以第三百分比；第一百分比小于第二百分比，第二百分比小于第三百分比；得到动态肺活量后，继续获取一次肺活量；在继续获取一次肺活量的过程中记录肺活量大于第一肺活量阈值的用时时间、肺活量大于第二肺活量阈值的用时时间以及肺活量大于第三肺活量阈值的用时时间，分别设定为第一肺活量时长、第二肺活量时长以及第三肺活量时长；动态呼吸数据还包括第一肺活量时长、第二肺活量时长以及第三肺活量时长。3.根据权利要求2所述的一种基于生理特征深度学习的呼吸健康分析方法，其特征在于，对若干健康用户的静态生理特征和动态生理特征进行深度学习，得到不同类型用户的呼吸健康模型包括：建立静态生理特征学习比对模型，静态生理特征学习比对模型包括：将性别设定为性别男和性别女，将性别男和性别女设定为第一学习比对特征；将年龄设定为若干年龄区域，将若干年龄区域设定为第二学习比对特征；通过身高和体重求取身体质量指数，将身体质量指数划分为三个等级，身体质量指数的三个等级包括超标身体质量等级、合格身体质量等级以及低标身体质量等级，将身体质
量指数的三个等级设定为第三学习比对特征；获取肺部扫描图像，提取肺部扫描图像中的双肺区域的轮廓，求取双肺区域的轮廓的面积，设定为肺部面积，将肺部面积设定为第四学习比对特征；将第一学习比对特征、第二学习比对特征、第三学习比对特征以及第四学习比对特征由前至后进行排序，得到静态生理特征比对顺序；依次通过第一学习比对特征、第二学习比对特征以及第三学习比对特征将若干健康用户划分为若干固定静态比对区间，对每个固定静态比对区间内的若干健康用户的肺部面积求取平均值，得到每个固定静态比对区间的肺部参考面积。4.根据权利要求3所述的一种基于生理特征深度学习的呼吸健康分析方法，其特征在于，对若干健康用户的静态生理特征和动态生理特征进行深度学习，得到不同类型用户的呼吸健康模型还包括：将新获取到的健康用户的静态生理特征数据录入到静态生理特征学习比对模型中，更新静态生理特征学习比对模型中的肺部参考面积。5.根据权利要求4所述的一种基于生理特征深度学习的呼吸健康分析方法，其特征在于，对若干健康用户的静态生理特征和动态生理特征进行深度学习，得到不同类型用户的呼吸健康模型还配置有呼吸健康模型，所述呼吸健康...

【专利技术属性】
技术研发人员：穆海东，
申请(专利权)人：南京裕隆生物医学发展有限公司，
类型：发明
国别省市：