基于轻量化混合模型的生理信号实时质量评估方法技术

本发明专利技术涉及一种基于轻量化混合模型的生理信号实时质量评估方法。所述方法包括：将采集得到的生理信号进行分割、归一化、求导、拼接等预处理得到一维信号片段，并通过多尺度马尔可夫转移域这一多尺度融合技术，转换成二维图像；基于多尺度混合模型实现对输入信号的准确评估，并利用知识蒸馏策略，对微调后的混合模型进行轻量化，实现对干净信号与噪声信号的快速准确分类。本发明专利技术方法可以提取生理信号的局部和全局信息，可有效地提高质量评估的准确率。同时，本方法将知识蒸馏与深度学习方法相结合，为信号的实时评估提供了一种方便、准确的解决方案，在信号处理研究和基于可穿戴设备的健康管理等领域均具有一定的应用价值。

【技术实现步骤摘要】

本专利技术涉及一种基于轻量化混合模型的生理信号实时质量评估方法。

技术介绍

1、随着可穿戴生物医学传感技术的飞速进展，随时随地采集人体的生理信号已经成为现实。目前，智能手表、手环和健康贴片等可穿戴设备已成功商业化，并在监测人类生命体征方面得到广泛应用。这些可穿戴设备能够迅速、简便地采集多种人体生理信号，在健康监测和疾病诊断中扮演着重要角色。例如，心电信号反映了心脏电生理活动的正常和病理变化，可用于检测心律失常、心肌缺血或心肌梗死等多种疾病；脉搏波信号则表征了心血管系统的血流动力学变化，为血压、血氧饱和度、心率等生理参数提供了便捷的测量方法。

2、在日常监护中，如何从动态环境中提取稳定可靠的信号是一个迫切需要解决的难题。这主要因为生理信号幅值相对较小，对外部干扰极为敏感，而人体运动引起的伪影会导致信号波形变化，可能导致设备错误诊断和严重的医疗并发症。此外，生理信号采集过程中还会引入噪声，这些噪声可能会污染信号的关键特征。考虑到在日常生活环境中对生理信号采集的需求不断增加，解决这一问题变得尤为关键。

3、近年来，高性能处理芯片的迅速发展本文档来自技高网...

【技术保护点】

1.一种基于轻量化混合模型的生理信号实时质量评估方法，其特征在于，具体步骤如下：

2.根据权利要求1所述的方法，其特征在于，步骤(1)中所述采集静态或动态情况下生物个体的生理信号，具体为：心电信号、脉搏波信号、心冲击信号、心震图信号或心音信号中的一种或多种。

3.根据权利要求1所述的方法，其特征在于，步骤(1)预处理后的一维信号片段包括原始信号、原始信号一阶导数或原始信号二阶导数中的一种或者几种。

4.根据权利要求1所述的方法，其特征在于，步骤(3)中的多尺度马尔可夫变换域进一步得到生理信号的质量信息，该方法所使用的数学变换包括马尔可夫链、马尔可夫随机...

【技术特征摘要】

1.一种基于轻量化混合模型的生理信号实时质量评估方法，其特征在于，具体步骤如下：

2.根据权利要求1所述的方法，其特征在于，步骤(1)中所述采集静态或动态情况下生物个体的生理信号，具体为：心电信号、脉搏波信号、心冲击信号、心震图信号或心音信号中的一种或多种。

3.根据权利要求1所述的方法，其特征在于，步骤(1)预处理后的一维信号片段包括原始信号、原始信号一阶导数或原始信号二阶导数中的一种或者几种。

4.根据权利要求1所述的方法，其特征在于，步骤(3)中的多尺度马尔可夫变换域进一步得到生理信号的质量信息，该方法所使用的数学变换包括马尔可夫链、马尔可夫随机场、状态空间模型或马尔可夫随机场中的一种或者几种。

5.根据权利要求1所述的方法，其特征在于，步骤(4)中所述训练集用于生成和保存最优模型权重，其训练方法包括监督学习、半监督学习、弱监督学习或无监督学习中的一种或几种。

6.根据权利要求1所述的方法，其特征在于，步骤(5)中所述多尺度混合模型将transformer块和卷积神经网络块所提取...

【专利技术属性】
技术研发人员：杨翠微，刘建，胡帅聪，
申请(专利权)人：复旦大学，
类型：发明
国别省市：