[发明专利]可穿戴式体液监测装置及其运行方法

说明书

本申请涉及体液监测领域，其具体地公开了一种可穿戴式体液监测装置及其运行方法。所述可穿戴式体液监测装置采用基于卷积神经网络的深度学习技术，来从各项不同数据中挖掘出其在统计学意义上的关联信息，并通过回归分类来判定人体是否存在异常，通过这样的方式，综合考虑了各项数据之间的关联性作用，以使得对于人体是否存在异常的判断准确性更高，从而也就会使得各项体液信息对于个体生命体征的实时监测和疾病诊断的指示性作用更大。

技术领域

本发明涉及体液监测领域，且更为具体地，涉及一种可穿戴式体液监测装置、可穿戴式体液监测装置的运行方法。

背景技术

目前，可穿戴式体液监测装置已经广泛地用在医疗、体育、军事等领域中，以对人体体液进行实时监测。可穿戴式体液监测装置可以通过与皮肤的接触，方便地对汗液等各种体液进行采集，并分析数据，从而实时获取汗液pH值以及血糖、乳酸盐、钠/钾离子、钙离子、重金属等含量的信息，这些体液信息对于个体生命体征的实时监测和疾病诊断有着重要的指示性作用。

但是，在目前的可穿戴式体液监测装置的应用中，都是对某项指标数据进行单独的使用，而缺乏对各项指标数据关联使用，以判定人体是否存在异常的方案，这样就会使得在人体是否存在异常方面的判断不够准确，从而耽误对于人体疾病的诊断。因此，需要一种可穿戴式体液监测装置。

目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。

近年来，深度学习以及神经网络的发展，为可穿戴式体液的监测提供了解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种可穿戴式体液监测装置、可穿戴式体液监测装置的运行方法，其采用基于卷积神经网络的深度学习技术，来从各项不同数据中挖掘出其在统计学意义上的关联信息，并通过回归分类来判定人体是否存在异常。通过这样的方式，综合考虑了各项数据之间的关联性作用，以使得对于人体是否存在异常的判断准确性更高，从而也就会使得各项体液信息对于个体生命体征的实时监测和疾病诊断的指示性作用更大。

根据本申请的一个方面，提供了一种可穿戴式体液监测装置，其包括：

数据采集单元，用于获取可穿戴式体液监测装置所采集的待监测人体的体液的各项数据；

矩阵构造单元，用于将所述待监测人体的体液的各项数据按照时间维度和信息类别维度构造为输入数值矩阵；

空间卷积单元，用于使用卷积神经网络从所述输入数值矩阵中获得第一特征图；

类别概率分布值计算单元，用于计算所述第一特征图中各个位置的特征值对应的类Softmax函数值作为该位置对应的类别概率分布值以获得类别概率分布得分图，所述类Softmax函数值为以取该位置的特征值的负值为幂的自然指数函数值除以取所述第一特征图中各个位置的特征值的负值为幂的自然指数函数值的加权和的结果；

聚类单元，用于基于所述类别概率分布得分图中各个位置的类别概率分布值对所述类别概率分布得分图中各个位置进行聚类以获得多个聚类；

注意力权重单元，用于以每个所述聚类中的类别概率分布值的平均值来作为所述聚类的加权权重，以获得用于对第一特征图进行加权的第二特征图；

特征图调整单元，用于将所述第二特征图与所述第一特征图进行按位置点乘以获得第三特征图；以及

监测单元，用于将所述第三特征图通过分类器以获得分类结果，所述分类结果用于表示人体是否存在异常。