[发明专利]一种基于残差网络的人体排便预测系统

权利要求书

1.一种基于残差网络的人体排便预测系统，其特征在于，包括数据采集模块、信号处理模块和便前预警模块；

数据采集模块获取人体生理信号数据进行标记和分割处理，将处理后的人体生理信号数据按设定的比例随机分为训练集和测试集并输入信号处理模块；数据采集模块实时接收人体生理信号数据并分割后输入便前预警模块；数据采集模块包括连接麦克风的听诊器、胃电传感器和心电传感器，分别用于采集人体肠鸣音、胃电和心电生理数据；数据采集模块中，对获取的人体生理信号数据进行标记和分割处理，具体包括：

对大便前设定时间的人体生理信号数据标记为有便意，其他人体生理信号数据标记为无便意；

获取的肠鸣音、胃电和心电时序生理数据按设定的时间段平均分割成多个训练样本；

信号处理模块对训练集和测试集的数据分别进行小波包分解获取对应的二维小波包系数矩阵，搭建预测模型并使用训练集的二维小波包系数矩阵对预测模型进行训练，将训练完成的预测模型输入便前预警模块；

便前预警模块移植训练完成的预测模型和小波包分解算法，实时接收数据采集模块输入的人体生理信号数据对人体是否产生便意进行实时预测；

信号处理模块中，选择2阶Daubechies小波基，对训练集和测试集的数据进行多层离散小波包分解，小波包分解算法如下：

令{V_j，j∈Z}是一个依紧支撑的尺度函数的多分辨率分析，则空间V_j由函数集张成，k为平移参数，通过移位控制小波在时域中的出现位置，j代表空间V_j的最高分辨率，j越大分辨率越高；

设f(x)为已获取的人体生理时序信号，在空间V_j中有其逼近，则有

其中，

小波包分解公式为：

其中，

Z是整数集，p_k是中间计算的代替符号，x表示时间，m为尺度函数的积分值，为人体生理时序信号f(x)分解在空间V_j的第n组按时间先后顺序排列的第k个小波包系数，为人体生理时序信号f(x)分解在空间V_j-1的第2n组按时间先后顺序排列的第l个小波包系数，为人体生理时序信号f(x)分解在空间V_j-1的第2n+1组按时间先后顺序排列的第l个小波包系数；

每个训练样本分解后得到一组小波包系数，然后将小波包系数组成一个二维小波包系数矩阵，其中，小波包系数按频率从高到低排列，得到二维小波包系数矩阵，矩阵首行为最高频系数，末行为最低频系数。

2.根据权利要求1所述的一种基于残差网络的人体排便预测系统，其特征在于，信号处理模块包括存储器、处理器以及蓝牙。

3.根据权利要求1所述的一种基于残差网络的人体排便预测系统，其特征在于，信号处理模块中，搭建的预测模型具体如下：

使用机器学习库构建三个具有相同结构的单输出残差网络模型，然后将三个残差网络的输出输入到一个三输入单输出的二分类全连接神经网络中，将数据采集模块输入的肠鸣音、胃电和心电时序生理数据对应的二维小波包系数矩阵分别作为三个单输出残差网络模型的输入，最后的二分类全连接神经网络输出结果表示是否有便意。

4.根据权利要求1所述的一种基于残差网络的人体排便预测系统，其特征在于，信号处理模块中，将训练集的二维小波包系数矩阵和相应的标签数据，输入到搭建的预测模型中进行训练，然后通过测试集来选择预测效果最佳的预测模型。

5.根据权利要求1所述的一种基于残差网络的人体排便预测系统，其特征在于，便前预警模块中，将训练好的预测模型转为ONNX的通用深度学习模型，然后把小波包分解算法和ONNX的通用深度学习模型输入到便前预警模块的开发软件中进行解析。

6.根据权利要求1～5任一项所述的一种基于残差网络的人体排便预测系统，其特征在于，便前预警模块为基于深度学习开发的嵌入式计算平台。