一种呼末值检测方法、系统、存储介质及设备与流程

本发明属于呼吸监测领域，尤其涉及一种呼末值检测方法、系统、存储介质及设备。

背景技术：

1、呼吸监测中的二氧化碳浓度和麻醉气体浓度的监测尤为重要，呼气末二氧化碳值和呼末麻醉气体浓度值是表征呼吸过程中二氧化碳浓度和麻醉气体浓度的重要参数。因此，准确地检测出呼末值对于呼吸监测有很重要的意义。

2、但是，呼末值的检测会受到很多干扰。例如假呼气等患者体动以及呼吸波形失真的现象，从而导致呼末值检测的准确性大大降低。因此，提升呼末值监测的准确性需要提升呼末值检测的抗干扰能力。

技术实现思路

1、鉴于上述问题，本发明提供一种呼末值检测方法、系统、存储介质及设备，能够大幅增强呼末值监测时的抗干扰能力，提高呼末值检测准确性。

2、本发明采用的技术方案为：一种呼末值检测方法，包括以下步骤：

3、获取呼吸数据集；

4、标记所述呼吸数据集中的预测呼末值；

5、利用所述呼吸数据集训练门控卷积和残差网络构建的呼吸模型，得到具有最佳网络权重矩阵的呼吸模型；

6、利用所述呼吸数据集测试所述具有最佳网络权重矩阵的呼吸模型，得到测试呼末值；

7、若所述测试呼末值与所述预测呼末值的差异在预设范围内，则利用所述具有最佳网络权重矩阵的呼吸模型检测真实呼吸，得到所述真实呼吸的呼末值。

8、优选的，所述利用所述呼吸数据集训练门控卷积和残差网络构建的呼吸模型，得到具有最佳网络权重矩阵的呼吸模型，包括：

9、将所述呼吸数据集输入到所述呼吸模型；

10、通过门控卷积对所述呼吸数据集的训练集进行计算，得到所述训练集的信号特征；

11、利用所述残差网络对所述训练集的信号特征进行卷积，得到模型呼末值；

12、将所述模型呼末值与所述预测呼末值进行对比，得到精确度和损失率；

13、若所述精确度高于预设精确度且所述损失率低于预设损失率，则认为所述呼吸模型使用的网络权重矩阵为最佳的网络权重矩阵，得到具有所述最佳网络权重矩阵的呼吸模型。

14、优选的，所述获取呼吸数据集，包括：

15、采集原始呼吸信号，对所述原始呼吸信号进行滤波处理，得到滤波呼吸信号；

16、根据历史经验对所述滤波呼吸信号进行标记，得到标记呼吸信号；

17、将所述标记呼吸信号按预设周期截取，得到所述呼吸数据集。

18、优选的，所述预设周期根据预设呼吸周期次数和预设呼吸时间长度中的至少一种进行设定。

19、优选的，所述呼吸数据集按7：2：1比例分为训练集、验证集和测试集；

20、所述利用所述呼吸数据集训练门控卷积和残差网络构建的呼吸模型，得到具有最佳网络权重矩阵的呼吸模型，包括：

21、将所述训练集输入到所述门控卷积和残差网络构建的呼吸模型进行训练，得到具有待验证网络权重矩阵的呼吸模型；

22、将所述验证集输入到所述具有待验证网络权重矩阵的呼吸模型，通过核验精确度和损失率，得到所述具有最佳网络权重矩阵的呼吸模型；

23、所述利用所述呼吸数据集测试所述具有最佳网络权重矩阵的呼吸模型，得到测试呼末值，包括：

24、将所述测试集输入所述具有最佳网络权重矩阵的呼吸模型，得到测试呼末值。

25、优选的，所述门控卷积包括门控卷积公式，所述门控卷积公式如下：

26、

27、式中，hl表示当前层的输出，hl-1表示上一层的输出做为本层的输入，wg和wf表示不同的卷积滤波器，σ表示sigmod函数。

28、优选的，所述残差网络包括残差公式，所述残差公式如下；

29、z(x)＝f(x,w)+x

30、式中，z(x)表示所述残差网络的输出，f(x,w)表示所述残差网络中的卷积的输出，x为所述呼吸数据集，w表示卷积滤波器。

31、一种呼末值检测系统，包括：

32、数据模块，用于获取呼吸数据集；

33、模型训练模块，用于标记所述呼吸数据集中的预测呼末值；利用所述呼吸数据集训练门控卷积和残差网络构建的呼吸模型，得到具有最佳网络权重矩阵的呼吸模型；利用所述呼吸数据集测试所述具有最佳网络权重矩阵的呼吸模型，得到测试呼末值；

34、模型检测模块，用于若所述测试呼末值与所述预测呼末值的差异在预设范围内，则利用所述具有最佳网络权重矩阵的呼吸模型检测真实呼吸，得到所述真实呼吸的呼末值。

35、一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如前所述方法的步骤。

36、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如前所述方法的步骤。

37、采用本发明实施例，具有如下有益效果：

38、本发明通过标记所述呼吸数据集中的预测呼末值，并利用所述呼吸数据集训练门控卷积和残差网络构建的呼吸模型，得到具有最佳网络权重矩阵的所述呼吸模型。若利用所述呼吸数据集测试所述呼吸模型得到的呼末值与所述预测呼末值的差异在预设范围内，则利用呼吸模型检测真实呼吸，得到真实呼吸的呼末值。因此，本发明通过门控卷积和残差网络构建的呼吸模型增强呼末值检测时的抗干扰能力，提高检测准确性。

技术特征：

1.一种呼末值检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述利用所述呼吸数据集训练门控卷积和残差网络构建的呼吸模型，得到具有最佳网络权重矩阵的呼吸模型，包括：

3.根据权利要求1所述的方法，其特征在于，所述获取呼吸数据集，包括：

4.根据权利要求3所述的方法，其特征在于，所述预设周期根据预设呼吸周期次数和预设呼吸时间长度中的至少一种进行设定。

5.根据权利要求1所述的方法，其特征在于，所述呼吸数据集按7：2：1比例分为训练集、验证集和测试集；

6.根据权利要求1所述的方法，其特征在于，所述门控卷积包括门控卷积公式，所述门控卷积公式如下：

7.根据权利要求1所述的方法，其特征在于，所述残差网络包括残差公式，所述残差公式如下；

8.一种呼末值检测系统，其特征在于，包括：

9.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。

10.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。

技术总结
本发明属于呼吸监测领域，尤其涉及一种呼末值检测方法、系统、存储介质及设备。一种呼末值检测方法，包括以下步骤：获取呼吸数据集；标记呼吸数据集中的预测呼末值；利用呼吸数据集训练门控卷积和残差网络构建的呼吸模型，得到具有最佳网络权重矩阵的呼吸模型；利用呼吸数据集测试具有最佳网络权重矩阵的呼吸模型，得到测试呼末值；若测试呼末值与预测呼末值的差异在预设范围内，则利用具有最佳网络权重矩阵的呼吸模型检测真实呼吸，得到真实呼吸的呼末值。因此，本发明通过门控卷积和残差网络构建的呼吸模型增强呼末值检测时的抗干扰能力，提高检测准确性。

技术研发人员：赵锡达,李桂林,朱明亮,谢超成,卜祥南,尹鹏
受保护的技术使用者：深圳市科曼医疗设备有限公司
技术研发日：
技术公布日：2024/1/15