[发明专利]一种基于肌电数据的应力性骨折预测方法

权利要求书

1.一种基于肌电数据的应力性骨折预测方法，其特征在于：包括数据预处理、训练和预测，具体步骤如下：

步骤1、对数据样本集中的每个样本进行标准归一化，得到标准归一化后的样本，所有标准归一化后的样本构成标准样本集；

步骤2、对标准样本集进行稀疏采样，降低采样密度，在不丢失样本重要特征的前提下，增加样本的数量，得到扩展数据集；

通过步骤2，一个标准样本经过稀疏采样后，样本数量变为δ个，即增加了δ-1个，δ为采样间隔；

步骤3、基于扩展数据集的分布，使用GAN将语音数据集的分布对齐，得到分布对齐后的语音数据集；

步骤4、将步骤3输出的分布对齐后的语音数据集输入LSTM模型中进行预训练，得到预训练后的LSTM模型；

步骤5、使用扩展数据集对预训练后的LSTM模型进行训练，得到训练好的LSTM模型；

步骤6、将待预测数据进行标准归一化，得到标准测试数据；

步骤7、将标准测试数据经过稀疏采样，得到扩展的测试数据集；

步骤8、将扩展的测试数据集通过步骤5得到的训练好的LSTM模型进行预测，得到预测结果集；

步骤9、将预测结果集进行投票，分别计算预测为正样本和预测为负样本的个数，将预测输出个数多的那个类别作为最终的预测类别。

2.根据权利要求1所述的一种基于肌电数据的应力性骨折预测方法，其特征在于：步骤1中，标准归一化通过(1)实现：

其中，X′表示对单个样本X进行标准归一化后的标准样本，X表示单个样本，X_min和X_max分别为单个样本X中时序数据的最小值和最大值。

3.根据权利要求2所述的一种基于肌电数据的应力性骨折预测方法，其特征在于：步骤2中，稀疏采样通过公式(2)实现：

X_i＝{x_i+δ,x_i+2δ,....，x_i+floor(n/δ)×δ},i＝1,2,…,β (2)

其中，X_i为采样后的样本，x_i为标准样本X^′的第i个采样点，n为标准样本X^′的采样点数，floor为向下取整函数。

4.根据权利要求3所述的一种基于肌电数据的应力性骨折预测方法，其特征在于：步骤3中，扩展数据集的分布，称为目标域；语音数据集的分布，称为源域。

5.根据权利要求4所述的一种基于肌电数据的应力性骨折预测方法，其特征在于：步骤6中，将待预测数据中的每个样本进行标准归一化，得到标准归一化后的待预测数据，称该归一化后的待预测数据为标准测试数据，具体通过(1)实现；

其中，X′表示归一化后的待预测数据，即标准测试数据；X表示待预测数据，X_min和X_max分别为待预测数据中的单个样本中时序数据的最小值和最大值。

6.根据权利要求5所述的一种基于肌电数据的应力性骨折预测方法，其特征在于：步骤7中，稀疏采样具体通过公式(2)实现，其中，公式(2)中的x_i为标准测试数据的第i个采样点，X_i为标准测试数据采样后的样本，n为标准测试数据的采样点数，δ为采样间隔，floor为向下取整函数；至此，一个标准测试数据经过稀疏采样后，样本数量变为δ个，即增加了δ-1个；所有稀疏采样后的标准测试数据，构成了扩展的测试数据集。