[发明专利]基于卷积网络和长短期记忆网络的二便预警系统及方法

权利要求书

1.基于卷积网络和长短期记忆网络的二便预警系统，其特征在于，包括人体生理参数实时监测模块、组合模型训练模块和嵌入式开发平台；

其中，人体生理参数实时监测模块采集人体生理参数数据，进行数据增强构建数据集并对数据集进行划分；组合模型训练模块构建卷积神经网络和长短期记忆网络组合模型并利用划分的数据集对其进行训练，得到训练完成的卷积神经网络和长短期记忆网络组合模型；嵌入式开发平台上部署训练完成的卷积神经网络和长短期记忆网络组合模型，获取人体生理参数实时监测模块实时采集的人体生理参数数据并进行二便预警判断。

2.根据权利要求1所述的基于卷积网络和长短期记忆网络的二便预警系统，其特征在于，人体生理参数数据包括脑电信号、胃电信号、心电信号和肠鸣音信号。

3.根据权利要求2所述的基于卷积网络和长短期记忆网络的二便预警系统，其特征在于，人体生理参数实时监测模块包括脑电传感器、胃电传感器、心电传感器和肠鸣音听诊器，分别用于采集人体的脑电信号、胃电信号、心电信号和肠鸣音信号，具体如下：

被测者以躺姿采集数据，每次采集若干时长，按照被测者有无真实便意给数据添加有便意或无便意的标签；

使用带通滤波器对采集的人体生理参数数据进行零相位滤波，其幅度平方响应满足：

其中，为频率，为复数单位，为截止频率，N为阶数，A为常数，以去除基线漂移和噪声；

将滤波后的每种人体生理参数数据分割成若干个样本段，其中，保留每个样本段内的时间序列的连续性。

4.根据权利要求3所述的基于卷积网络和长短期记忆网络的二便预警系统，其特征在于，人体生理参数实时监测模块中，基于数据增强理论，对分割样本段后的若干个人体生理参数数据样本段进行数据增强，构建人体生理参数信息数据集，具体包括以下步骤：

S1、使用z变换，用随机确定的均值和标准偏差对分割样本段后的若干个人体生理参数数据样本段进行重新归一化，公式为：

其中，为样本段原始数据值，为样本段原始数据均值，为样本段原始数据标准差，为归一化后样本段数据值；

S2、生成起始相位随机从-180°到-90°，结束相位随机从90°到180°的正弦信号，正弦信号的振幅随机设置在归一化值±2之间，其中t为时间，为初始相位，K为振幅，为角速度；

S3、产生一个随机高斯噪声信号p(x)，其概率密度函数满足：

其中，为均值，为标准差；

S4、将归一化信号、正弦信号和随机高斯噪声信号进行结合产生新的信号，完成数据增强，产生的所有新的信号构成人体生理参数信息数据集。

5.根据权利要求4所述的基于卷积网络和长短期记忆网络的二便预警系统，其特征在于，人体生理参数实时监测模块中，将人体生理参数信息数据集中80%的数据作为训练集，用于对卷积神经网络和长短期记忆网络组合模型进行训练、验证和优化，20%的数据作为测试集，用于对训练后卷积神经网络和长短期记忆网络组合模型进行评估；

其中，训练集和测试集中记录的数据是唯一的，即在卷积神经网络和长短期记忆网络组合模型的训练过程中不包括测试集记录的数据。

6.根据权利要求5所述的基于卷积网络和长短期记忆网络的二便预警系统，其特征在于，组合模型训练模块中，所述卷积神经网络和长短期记忆网络组合模型包括依次连接的输入层、若干一维卷积层、若干长短期记忆网络层、结合丢失层和密集层；

其中，采用零填充使得输入层和一维卷积层保持相同的维数；丢失层用于避免在模型训练过程中的过拟合问题；密集层将长短期记忆网络层配置为用于序列预测，包括2个隐藏单元；

使用逻辑回归函数作为激活函数，将输入信号的样本赋值在0到1之间。