【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种基于人工智能的血氧饱和度变化预测方法及装置。
技术介绍
1、血氧饱和度是人体血液中氧气的含量，血氧饱和度是一个重要的生理参数，反映了血液中氧气的饱和程度，对于身体健康状态的监测具有重要意义。
2、然而，传统的血氧监测方法往往局限于单一参数的测量，单一维度的数据对于血氧饱和度的监测其数据支撑度较低，并且容易导致血氧饱和度监测的监测结果准确率低。
技术实现思路
1、本申请提供了一种基于人工智能的血氧饱和度变化预测方法及装置，用于提高血氧饱和度监测的准确率。
2、本申请第一方面提供了一种基于人工智能的血氧饱和度变化预测方法，所述基于人工智能的血氧饱和度变化预测方法包括：
3、通过预置的智能穿戴设备获取目标用户的用户心率监测数据、用户运动监测数据以及用户血氧饱和度监测数据；
4、分别对所述用户心率监测数据、所述用户运动监测数据以及所述用户血氧饱和度监测数据进行特征提取，得到心率特征集合、运动特征集合以及血氧饱和度特征集合；
5、对所述心率特征集合和所述血氧饱和度特征集合进行相关性影响因素分析，得到心率和血氧相关性权重数据，并对所述运动特征集合和所述血氧饱和度特征集合进行相关性影响因素分析，得到运动和血氧相关性权重数据；
6、根据所述心率和血氧相关性权重数据对所述心率特征集合和所述血氧饱和度特征集合进行向量转换，生成第一相关性权重向量，并根据所述运动和血氧相关性权重数据对所述运动特征集合和
7、将所述第一相关性权重向量和所述第二相关性权重向量输入预置的初始血氧饱和度变化预测模型进行血氧饱和度变化预测，得到血氧饱和度变化预测数据；
8、根据所述血氧饱和度变化预测数据对所述初始血氧饱和度变化预测模型进行模型参数优化，生成目标模型参数集合，并根据所述目标模型参数集合对所述初始血氧饱和度变化预测模型进行模型参数更新，得到目标血氧饱和度变化预测模型。
9、本申请第二方面提供了一种基于人工智能的血氧饱和度变化预测装置，所述基于人工智能的血氧饱和度变化预测装置包括：
10、获取模块，用于通过预置的智能穿戴设备获取目标用户的用户心率监测数据、用户运动监测数据以及用户血氧饱和度监测数据；
11、特征提取模块，用于分别对所述用户心率监测数据、所述用户运动监测数据以及所述用户血氧饱和度监测数据进行特征提取，得到心率特征集合、运动特征集合以及血氧饱和度特征集合；
12、分析模块，用于对所述心率特征集合和所述血氧饱和度特征集合进行相关性影响因素分析，得到心率和血氧相关性权重数据，并对所述运动特征集合和所述血氧饱和度特征集合进行相关性影响因素分析，得到运动和血氧相关性权重数据；
13、转换模块，用于根据所述心率和血氧相关性权重数据对所述心率特征集合和所述血氧饱和度特征集合进行向量转换，生成第一相关性权重向量，并根据所述运动和血氧相关性权重数据对所述运动特征集合和所述血氧饱和度特征集合进行向量转换，得到第二相关性权重向量；
14、预测模块，用于将所述第一相关性权重向量和所述第二相关性权重向量输入预置的初始血氧饱和度变化预测模型进行血氧饱和度变化预测，得到血氧饱和度变化预测数据；
15、优化模块，用于根据所述血氧饱和度变化预测数据对所述初始血氧饱和度变化预测模型进行模型参数优化，生成目标模型参数集合，并根据所述目标模型参数集合对所述初始血氧饱和度变化预测模型进行模型参数更新，得到目标血氧饱和度变化预测模型。
16、本申请提供的技术方案中，通过智能穿戴设备获取目标用户的用户心率监测数据、用户运动监测数据以及用户血氧饱和度监测数据；进行特征提取，得到心率特征集合、运动特征集合以及血氧饱和度特征集合；进行相关性影响因素分析，得到心率和血氧相关性权重数据和运动和血氧相关性权重数据；进行向量转换，生成第一相关性权重向量和第二相关性权重向量；将第一相关性权重向量和第二相关性权重向量输入初始血氧饱和度变化预测模型进行血氧饱和度变化预测，得到血氧饱和度变化预测数据；进行模型参数优化，得到目标血氧饱和度变化预测模型，本申请通过智能穿戴设备获取的历史心率、运动和血氧饱和度数据被综合使用，充分考虑了用户在不同活动中的生理状态，提高了监测的全面性和准确性。对历史数据进行特征提取和标准化处理，使得不同类型的数据在相同尺度上进行比较，确保了数据的一致性和可比性。通过皮尔逊相关系数进行相关性分析，挖掘了不同特征之间的相关性，进而计算相关性权重。这有助于识别影响血氧饱和度的关键因素，并为后续建模提供了有效的特征权重。利用相关性权重对特征集合进行向量转换，以生成更具代表性的特征向量。这有助于降低数据维度、提高模型输入的效率，并增强了对关键特征的关注。采用了包括长短时记忆网络、注意力机制和全连接网络在内的复杂模型结构，充分挖掘了数据中的时序和关联信息，提高了对血氧饱和度变化的预测能力。引入遗传算法进行模型参数的优化，有助于自适应地调整模型参数，提高模型的泛化能力和预测精度，进而提高了血氧饱和度监测的准确率。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的血氧饱和度变化预测方法，其特征在于，所述基于人工智能的血氧饱和度变化预测方法包括：
2.根据权利要求1所述的基于人工智能的血氧饱和度变化预测方法，其特征在于，所述通过预置的智能穿戴设备获取目标用户的用户心率监测数据、用户运动监测数据以及用户血氧饱和度监测数据，包括：
3.根据权利要求1所述的基于人工智能的血氧饱和度变化预测方法，其特征在于，所述分别对所述用户心率监测数据、所述用户运动监测数据以及所述用户血氧饱和度监测数据进行特征提取，得到心率特征集合、运动特征集合以及血氧饱和度特征集合，包括：
4.根据权利要求1所述的基于人工智能的血氧饱和度变化预测方法，其特征在于，所述对所述心率特征集合和所述血氧饱和度特征集合进行相关性影响因素分析，得到心率和血氧相关性权重数据，并对所述运动特征集合和所述血氧饱和度特征集合进行相关性影响因素分析，得到运动和血氧相关性权重数据，包括：
5.根据权利要求1所述的基于人工智能的血氧饱和度变化预测方法，其特征在于，所述根据所述心率和血氧相关性权重数据对所述心率特征集合和所述血氧饱和度
6.根据权利要求1所述的基于人工智能的血氧饱和度变化预测方法，其特征在于，所述将所述第一相关性权重向量和所述第二相关性权重向量输入预置的初始血氧饱和度变化预测模型进行血氧饱和度变化预测，得到血氧饱和度变化预测数据，包括：
7.根据权利要求1所述的基于人工智能的血氧饱和度变化预测方法，其特征在于，所述根据所述血氧饱和度变化预测数据对所述初始血氧饱和度变化预测模型进行模型参数优化，生成目标模型参数集合，并根据所述目标模型参数集合对所述初始血氧饱和度变化预测模型进行模型参数更新，得到目标血氧饱和度变化预测模型，包括：
8.一种基于人工智能的血氧饱和度变化预测装置，其特征在于，所述基于人工智能的血氧饱和度变化预测装置包括：
...【技术特征摘要】
1.一种基于人工智能的血氧饱和度变化预测方法，其特征在于，所述基于人工智能的血氧饱和度变化预测方法包括：
2.根据权利要求1所述的基于人工智能的血氧饱和度变化预测方法，其特征在于，所述通过预置的智能穿戴设备获取目标用户的用户心率监测数据、用户运动监测数据以及用户血氧饱和度监测数据，包括：
3.根据权利要求1所述的基于人工智能的血氧饱和度变化预测方法，其特征在于，所述分别对所述用户心率监测数据、所述用户运动监测数据以及所述用户血氧饱和度监测数据进行特征提取，得到心率特征集合、运动特征集合以及血氧饱和度特征集合，包括：
4.根据权利要求1所述的基于人工智能的血氧饱和度变化预测方法，其特征在于，所述对所述心率特征集合和所述血氧饱和度特征集合进行相关性影响因素分析，得到心率和血氧相关性权重数据，并对所述运动特征集合和所述血氧饱和度特征集合进行相关性影响因素分析，得到运动和血氧相关性权重数据，包括：
5.根据权利要求1所述的基于人工智能的血氧饱和度变化预测方法...
【专利技术属性】
技术研发人员：胡军，
申请(专利权)人：深圳市爱保护科技有限公司，
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。