[发明专利]一种基于深度学习算法的空气波压力按摩仪参数优化方法

说明书

一种基于深度学习算法的空气波压力按摩仪参数优化方法，本发明涉及空气波压力按摩仪参数优化方法。本发明为了解决现有深度学习只训练一次导致准确率低以及重新训练成本高的问题。本发明包括：一：采集用户的血压和脉搏数据；二：在服务器上建立深度学习结构模型；三：得到训练后的深度学习结构模型；四：采集用户的血压和脉搏数据，输入训练后的深度学习结构模型中，根据输出的空气波压力按摩仪参数调整空气波压力按摩仪的按摩力度、按摩频率和按摩部位；五：经过时间T对得到的训练后的深度学习结构模型进行训练，得到新的模型；采用新的模型替换步骤四中训练后的深度学习结构模型，重复执行步骤四。本发明用于医疗技术领域。

技术领域

本发明涉及医疗技术领域，具体涉及基于深度学习算法的空气波压力按摩仪参数优化方法。

背景技术

空气波压力治疗仪通过对多腔气囊有顺序的反复充放气，形成了对肢体和组织的循环压力，能够促进血液和淋巴的流动，已被广泛应用于治疗或缓解多种疾病。但是还存在以下问题：

(1)目前市场上绝大部分按摩器，仅能完成简单的按摩操作，且只能监测自身的工作状态。

(2)现有的医疗产品在对人体健康进行数据分析时，普遍只能针对某一种疾病进行分析，且价格昂贵，普通人难以承受。

(3)现有的医学大数据预测，往往参数设置依赖于经验值，难以维护和适应变化。

(4)现有的机器学习算法大部分依赖于已有的经验数据，且完成学习后难以快速适应变化。

另外人工深度学习是20世纪80年代以来人工智能领域兴起的研究热点。深度学习是一种运算模型，它模拟人脑神经元的信息处理方式，设置大量信息节点(神经元)，每个节点代表一种特定的输出函数，称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这是通过人工网络进行机器学习的基础。人工深度学习由大量的节点通过权重相互联接构成，节点与节点之间按照不同的连接方式形成不同的网络。在工程与学术界也常直接简称为深度学习或类深度学习。网络的输出则因网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

目前，大数据技术和深度学习算法已经在医学界有了很多的应用，如在特殊疾病诊断、病理研究、疾病预防等方面已取得了很多成就。此外，现在国外的很多高级医院以及我国一些顶级医院也逐渐设置了计算机辅助诊断系统，有效地减少了医生的工作量及误诊率，大大提高了医疗效率。

发明内容

本发明的目的是为了解决现有深度学习只训练一次导致准确率低以及重新训练成本高的缺点，而提出一种基于深度学习算法的空气波压力按摩仪参数优化方法。

一种基于深度学习算法的空气波压力按摩仪参数优化方法包括以下步骤：

步骤一：采集用户的血压和脉搏数据，作为训练集；

步骤二：在服务器上建立深度学习结构模型；

步骤三：将步骤一的训练集输入步骤二建立的深度学习结构模型中进行训练，得到训练后的深度学习结构模型；

步骤四：采集空气波压力按摩仪用户的血压和脉搏数据，输入训练后的深度学习结构模型中，模型输出空气波压力按摩仪参数，根据输出的空气波压力按摩仪参数调整空气波压力按摩仪的按摩力度、按摩频率和按摩部位，所述空气波压力按摩仪参数包括按摩力度、按摩频率和按摩部位；同时服务器保存采集的空气波压力按摩仪用户的血压和脉搏数据和模型输出的空气波压力按摩仪参数；

步骤五：经过时间T采用步骤四中服务器保存的空气波压力按摩仪用户的血压和脉搏数据和模型输出的空气波压力按摩仪参数，对得到的训练后的深度学习结构模型进行训练，得到新的模型；采用新的模型替换步骤四中训练后的深度学习结构模型，重复执行步骤四。

本发明的有益效果为：