本发明涉及护理技术,具体涉及一种基于改进支持向量机的护理床用二便护理系统及其方法。
背景技术:
1、随着老年人数量的不断增多,长期卧床老人的排便护理成为了亟待解决的社会问题。由于身体机能的下降,老人自行排便困难,又由于无法提前预知排便时间,护理人员难以给予及时的照顾,这使得长期卧床老人的排便护理往往伴随着“脏、乱、臭”的问题,不仅老人自身的隐私和尊严难以得到保障,生活质量严重受到影响,而且护理老人的护理人员也会痛苦不堪。
2、现有的护理床基本为手动式二便护理系统,需要人手动切换补洞板与坐便器,对于身体机能下降严重或无法自行感知便意的受护理者,仍存在着诸多不便。
3、因此,急需一种智能化、自动化、稳定性强、准确率高的护理床用二便护理系统。
技术实现思路
1、本发明的目的是为了克服以上现有技术存在的不足,提供了一种基于改进支持向量机的护理床用二便护理系统。此基于改进支持向量机的护理床用二便护理系统具有智能程度高,准确率高等优点。
2、同时,本发明的另一目的是提供了一种基于改进支持向量机的护理床用二便护理系统的方法。
3、本发明的目的通过以下的技术方案实现:本基于改进支持向量机的护理床用二便护理系统,包括:
4、实时监测模块,用于采集人体二便相关的生理信号数据,并提取生理信号数据的多域特征,再进行特征选择得到特征向量,以构建数据集;
5、二便预警模块,用于对数据集进行处理,并利用灰狼算法优化的支持向量机模型进行训练,得到训练完成的二便预警模型;
6、执行机构模块,实时接收二便预警模型的预警信号,切换护理床的状态。
7、优选的,所述实时监测模块包括人体超声波传感器、肠电传感器、脑电传感器、胃电传感器、心电传感器和肠鸣音听诊器。
8、优选的,所述多域特征包括时域特征、频域特征和时频域特征。
9、优选的,所述执行机构模块包括具有躺姿状态和坐姿状态的护理床和控制器,所述控制器的信号输入端与二便预警模块连接,所述控制器的信号输出端与护理床连接。
10、基于改进支持向量机的护理床用二便护理方法,采用上述的基于改进支持向量机的护理床用二便护理系统,包括以下步骤:
11、s1、采集人体二便相关生理信号数据,构建原始数据集;
12、s2、提取原始数据集的多域特征,构建高维特征集;
13、s3、对高维特征集进行特征选择,降维得到低维特征集;
14、s4、以低维特征集作为数据集进行划分,以得到训练集和测试集;
15、s5、构建灰狼算法优化的支持向量机模型,并利用划分得到的训练集和测试集对优化后的支持向量机模型进行训练,得到训练完成的二便预警模型;
16、s6、获取人体实时二便相关生理信号数据,提取经特征选择后的特征向量,输入到训练好的二便预警模型中,检测人体是否有二便需要;
17、s7、若没有二便需要,则返回步骤s6,;若有二便需要,则驱动执行机构模块动作。
18、优选的,步骤s1中构建原始数据集的具体过程为:
19、采集的相关生理信号数据包括超声波数据、肠电数据、脑电数据、胃电数据、心电数据和肠鸣音数据;
20、采集相关生理信号数据时要求被测者采取仰卧体位,保持均匀呼吸,且保持清醒;相关生理信号数据每分钟保存为一组,数据采集完后,对排便前10分钟内的数据标记为标签1,其余标记为标签0。
21、优选的,步骤s2中提取多域特征的提取方法包括统计分析法、傅立叶变换法和小波包变换法;提取得到的多域特征共同构成高维特征集。
22、优选的,步骤s3中高维特征集使用特征选择算法进行降维,根据每个特征的重要性选择有意义的敏感特征,优先选择那些最具有区分能力的特征,去除高维特征集中冗余和负面的特征信息,得到低维特征集;其中特征选择算法为fisher score算法,第j个特征xj的分值计算如下:
23、
24、其中,nk为第k类数据的样本数,和为第k类数据中第j个特征的平均值和标准差,μj和σj为第j个特征整个数据集的平均值和标准偏差。
25、优选的,步骤s5中支持向量机模型的优化过程具体如下:利用狼优化算法对支持向量机模型的惩罚系数c和核参数g进行优化。
26、优选的,步骤s7中驱动执行机构模块动作包括如下步骤:
27、s71、初始状态下,执行机构模块中的护理床为躺姿状态,护理床的补洞板及可拆卸床垫连接在床体上;
28、s72、当执行机构模块接收到二便预警信号时,护理床切换至坐姿状态;
29、s73、执行机构模块中的控制器控制补洞板及可拆卸床垫下降,将补洞板及可拆卸床垫移离床体,同时驱动护理床的坐便器向上运动,将坐便器移入床体,供床上患者排便使用;
30、s74、患者排便完成后,坐便器、补洞板及可拆卸床垫回复到初始位置,同时护理床也回复到初始的躺姿状态。
31、本发明相对于现有技术具有如下的优点:
32、1、本发明探新型科学养老模式,能够满足长期卧床老人二便护理的长期需要,具有可观的社会效益和实用价值。
33、2、本发明利用支持向量机在小样本分类问题上的强泛化能力建立二便预警模型,解决了人体有便意数据样本量少的问题,并使用灰狼优化算法对模型进行优化,以得到更好的二便预警准确率。
34、3、本发明提取了人体二便相关生理信号数据的多域特征,相比于传统的单域特征,能更充分地挖掘数据中的有效信息,并利用特征选择算法,有效去除了特征过多带来的冗余和负面信息。
35、4、本发明基于对人体多传感信息的实时监测和分析进行二便预警,结合切换机构,实现了受护理人二便护理的自动化,能够提供给卧床老人更加智能和完善的二便护理。
1.基于改进支持向量机的护理床用二便护理系统,其特征在于,包括:
2.根据权利要求1所述的基于改进支持向量机的护理床用二便护理系统,其特征在于:所述实时监测模块包括人体超声波传感器、肠电传感器、脑电传感器、胃电传感器、心电传感器和肠鸣音听诊器。
3.根据权利要求1所述的基于改进支持向量机的护理床用二便护理系统,其特征在于:所述多域特征包括时域特征、频域特征和时频域特征。
4.根据权利要求1所述的基于改进支持向量机的护理床用二便护理系统,其特征在于:所述执行机构模块包括具有躺姿状态和坐姿状态的护理床和控制器,所述控制器的信号输入端与二便预警模块连接,所述控制器的信号输出端与护理床连接。
5.基于改进支持向量机的护理床用二便护理方法,其特征在于:采用权利要求1~4任意一项所述的基于改进支持向量机的护理床用二便护理系统,包括以下步骤:
6.根据权利要求5所述的基于改进支持向量机的护理床用二便护理方法,其特征在于:步骤s1中构建原始数据集的具体过程为:
7.根据权利要求5所述的基于改进支持向量机的护理床用二便护理方法,其特征在于:步骤s2中提取多域特征的提取方法包括统计分析法、傅立叶变换法和小波包变换法;提取得到的多域特征共同构成高维特征集。
8.根据权利要求1所述的基于改进支持向量机的护理床用二便护理方法,其特征在于:步骤s3中高维特征集使用特征选择算法进行降维,根据每个特征的重要性选择有意义的敏感特征,优先选择那些最具有区分能力的特征,去除高维特征集中冗余和负面的特征信息,得到低维特征集;其中特征选择算法为fisher score算法,第j个特征xj的分值计算如下:
9.根据权利要求1所述的基于改进支持向量机的护理床用二便护理方法,其特征在于:步骤s5中支持向量机模型的优化过程具体如下:利用狼优化算法对支持向量机模型的惩罚系数c和核参数g进行优化。
10.根据权利要求1所述的基于改进支持向量机的护理床用二便护理方法,其特征在于:步骤s7中驱动执行机构模块动作包括如下步骤: