[发明专利]一种基于深度学习的新型新冠辅助筛查方法及装置

说明书

本发明涉及医疗设备技术领域，具体为一种基于深度学习的新型新冠辅助筛查方法及装置，包括步骤一：采集设备采集用户的体征数据；步骤二：采集设备将体征数据的信息转变为数字信号，并由网络模块向云端发送数据；步骤三：云端接收数据之后，对数据进行格式转化后传送至深度神经网络模型；步骤四：深度神经网络模型根据数据进行分类，并将分类的结果由云端反馈给采集设备，并在采集设备的显示设备上进行展示。本发明无需通过测温枪或者核酸检测的方式来进行识别，通过用户的咳嗽、声音、症状等基本体态数据，通过数据分析对用户进行特征提取，可以快速进行新冠患者的识别，并且可以快速检测出无症状感染者，成本低的同时，检测的效率大大的提升。

技术领域

本发明涉及一种新型新冠辅助筛查方法及装置，特别是涉及一种基于深度学习的新型新冠辅助筛查方法及装置，属于医疗设备技术领域。

背景技术

疫情监测方式主要是测体温与核酸检测，这两种传统的监测方式是耗时耗力的工作，并且效率并不高。

核酸检测的物质是病毒的核酸，核酸检测是查找患者的呼吸道标本、血液或粪便中是否存在外来入侵的病毒的核酸，来确定是否被新冠病毒感染，因此一旦检测为核酸“阳性”，即可证明患者体内有病毒存在，但是核酸检测在效率和成本上存在一定缺陷：首先，一次完整的核酸检测过程包括采集、保存、转运，样本核酸的提取和检测、结果的判读，整个流程的执行时间最快也需2个小时，无法做到实时出结果，此外，核酸检测需要专业人员在现场进行样本采集操作，这个过程需要投入固定的场地以及一定量的人力，这就极大降低了用户自发前往监测点的积极性。

因此，亟需对新型新冠辅助筛查方法及装置进行改进，以解决上述存在的问题。

发明内容

本发明的目的是提供一种基于深度学习的新型新冠辅助筛查方法及装置，无需通过测温枪或者核酸检测的方式来进行识别，通过用户的咳嗽、声音、症状等基本体态数据，通过数据分析对用户进行特征提取，可以快速进行新冠患者的识别，并且可以快速检测出无症状感染者，成本低的同时，检测的效率大大的提升。

为了达到上述目的，本发明采用的主要技术方案包括：

一种基于深度学习的新型新冠辅助筛查方法，包括以下步骤：

步骤一：通过采集设备采集用户的体征数据；

步骤二：所述采集设备将所述体征数据的信息转变为数字信号，并由网络模块向云端发送数据；

步骤三：所述云端接收数据之后，对数据进行格式转化后传送至深度神经网络模型；

步骤四：所述深度神经网络模型根据数据进行分类，并将分类的结果由所述云端反馈给所述采集设备，并在所述采集设备的显示设备上进行展示。

通过以上技术方案，采集的体征数据包括但不限于声音数据、肖像数据以及体温数据等，采集到的数据经过特定的传感器设备实现信号的转变，将特征数据转变为数字信号，由网络模块向云端发送数据，云端接收到数据之后，对数据进行清洗和预处理，最后进行格式转化送入深度神经网络模型中，深度神经网络模型根据数据做出预测，预测的结果经由云端返回给采集设备，并在显示设备上进行展示，使用个人生理特征数据的、不需要复杂医学信息采集设备的，如全套核酸检测设备等、可以快速实时检测的、较为通用的新冠患者的识别与检测方法，与现有技术相比，本发明无需通过测温枪或者核酸检测的方式来进行识别，通过用户的咳嗽、声音、症状等基本体态数据，通过数据分析对用户进行特征提取，可以快速进行新冠患者的识别，并且可以快速检测出无症状感染者。

优选的，所述采集设备的系统形式包括APP、Web服务以及微信小程序中的一种或多种，因此采集设备可以通过APP、Web或者微信小程序等对用户的信息进行收集和提取，大大提升使用的便捷性以及使用的范围。

优选的，所述云端包括后端服务、数据预处理服务以及数据格式处理模块，所述步骤二还包括以下步骤：