[发明专利]一种基于遗传算法优化的BP神经网络模型的颅内压测量装置及其工作方法

说明书

本发明涉及一种基于遗传算法优化的BP神经网络模型的颅内压测量装置及其工作方法，该测量装置中，当待测颅内压作用在光纤压力传感器上时，改变光纤压力传感器的腔长，从而会改变反射光信号，光谱仪采集反射光信号，并将得到的光谱数字信号输入到系统微处理器中，在系统微处理器中先对光谱数字信号进行预处理，再根据基于遗传算法优化的BP神经网络模型分析得到颅内压值；系统微处理器输出颅内压值，并在LCD显示屏上显示颅内压值。该测量装置的系统微处理器通过预训练的机器学习模型中自动补偿对测得的信号进行处理，使其数据可靠性强，误差小，受温度干扰小，从而保证了比传统的颅压监护仪有更高的精度。

技术领域

本发明涉及一种基于遗传算法优化的BP神经网络模型的颅内压测量装置及其工作方法，属于脑压测量技术领域。

背景技术

颅内压监测是颅腔内容物对颅腔壁的压力，需要将颅内压检测探测仪探头置于颅内，将探头置于额部及枕部，通过传感器将颅内压的波形传至工作站，从而完整的了解颅内压的变化情况，通过分析病人颅内压的变化，可以帮助判断患者的病情以及接下来的治疗，目前常用的是颅内压监护仪，它的原理是光纤探头以光传感信息，用光纤作为传输信息媒介，监护时把探头感受到的患者颅内压转换为差动光信号传递给监护仪，监护仪经光电转换，信号反馈，测量后将患者颅内压在监护仪面板上加以显示。

然而，目前的仪器通常都需要主机、供电电源、显示器以及报警系统等组成，都不同程度地存在诸如操作复杂，占据大量有限空间，医务人员需要经常性到不同病床前观察各种监护仪的使用情况，需要消耗大量精力等问题。非常不够集成化，仪器比较复杂，灵活性不强。另外，在光信号处理方面传统的光谱分析方法误差较大，步骤较为繁琐，另外也存在温度因素的干扰。

随着嵌入式技术的发展和进步，处理器的功能日益强大，现代医疗技术也开始朝着微型化、智能化发展。但目前还没有将基于遗传算法优化的BP神经网络模型与嵌入式脑压测量仪器结合起来的实例。

发明内容

针对现有技术的不足，本发明提供了一种基于遗传算法优化的BP神经网络模型的颅内压测量装置，该装置不仅具有小型化、轻量化、低功耗等特点。

本发明还提供了上述基于遗传算法优化的BP神经网络模型的颅内压测量装置的工作方法，该颅内压测量装置搭载了基于遗传算法的BP神经网络，从串集开始搜索，覆盖面大，利于全局择优，避免传统方法陷入局部最优解的问题，而且能够最大限度的降低外界环境的噪声以及仪器本身噪声，得到最真实的脑压数据。

术语说明：

1.BP神经网络模型：BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络。

2.遗传算法：遗传算法(Genetic Algorithm，GA)最早是由美国的John holland于20世纪70年代提出,该算法是根据大自然中生物体进化规律而设计提出的。是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。该算法通过数学的方式,利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时,相对一些常规的优化算法,通常能够较快地获得较好的优化结果。

本发明的技术方案为：

一种基于遗传算法优化的BP神经网络模型的颅内压测量装置，包括LED光源、光纤耦合器、光纤压力传感器、光谱仪、系统微处理器、LCD显示屏和电源，

LED光源的输出端与光纤耦合器的第一输入端相连接，光纤耦合器的输出端分别与光纤传感器及光开关的一端相连接，且光开关的另一端依次与光谱仪、系统微处理器和LCD显示屏相连接；