[发明专利]一种基于残差网络的人体排便预测系统

说明书

本发明公开了一种基于残差网络的人体排便预测系统。所述系统包括数据采集模块、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，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；信号处理模块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。本发明便于进行及时有效的护理工作，且不会对人体有任何生理造成创伤。

技术领域

本发明涉及机器学习领域，具体涉及一种基于残差网络的人体排便预测系统。

背景技术

随着科技的发展，智能开始广泛应用于生物医疗领域。基于大量数据的人工智能算法为医疗服务带来了前所未有的技术变革和新的医疗服务模式转变。

近年来，我国人口老龄化越发严重，改善老年人生活质量，尤其是提高生活不能自理的卧床老人的监护水平成为社会的当务之急。目前，影响长期卧床的失能老人的一个主要问题是排便无法得到及时有效的处理，这不仅危害病人的生理健康，还会对心理造成伤害。

研究表明，心率与大便的相关度为65%-70%，肠鸣音和胃电信号可以反映人体肠道蠕动的状态，而肠道蠕动时的大幅推进型收缩波可以作为便意是否产生的判断标准之一。

《仪器仪表学报》2015年第5期1079-1085的《反馈式人工肛门括约肌生物力学相容性研究》提出了一种基于优化小波包算法和SVM分类器的便意预测系统。但该方法需要病人吞食一种特制的遥测胶囊来获取肠道压力数据，遥测胶囊被吞食后作为体外异物位于人体肠道内部，可能会对正常的肠道运动造成不良影响，而一旦遥测胶囊随粪便排出体外，则该便意预测系统无法继续进行便意预测，具有较大的局限性。

发明内容

鉴于上述现状和技术条件的不足，本发明的目的是提供一种基于残差网络的人体排便预测系统，该系统利用人工智能进行信息处理，通过采集肠鸣音、胃电和心电信号，预测人的排便行为。该系统可应用于长期卧床的失能老人，对其排便行为做出预测以便监护人员提前应对，解决大便处理不及时导致的卫生问题。

本发明的目的至少通过如下技术方案之一实现。

一种基于残差网络的人体排便预测系统，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，将处理后的数据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；

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。

进一步地，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。

进一步地，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。

进一步地，数据采集模块中，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。

进一步地，信号处理模块包括存储器、处理器以及蓝牙。