[发明专利]内脏运动的预测方法、装置、电子设备

权利要求书

1.一种内脏运动的预测方法，其特征在于，所述方法包括：

获取当前时刻的内脏外部皮肤的磁感数据，其中，所述磁感数据包括所述外部皮肤在不同坐标的运动信息；

将所述磁感数据输入训练好的预测模型，由所述预测模型输出目标时刻的预测磁感数据，其中，所述目标时刻为所述当前时刻之后的时刻；

将所述预测磁感数据输入训练好的拟合模型，由所述拟合模型输出所述内脏的运动数据。

2.根据权利要求1所述的方法，其特征在于，将所述磁感数据输入训练好的预测模型，由所述预测模型输出目标时刻的预测磁感数据之前，所述方法还包括：

获取磁感数据的第一历史数据，其中，所述第一历史数据为当前时刻之前的磁感数据；

从所述第一历史数据中提取多组第一训练数据，其中，每组第一训练数据包括作为模型输入的在先时刻的磁感数据，以及作为模型输出的在后时刻的磁感数据，所述在先时刻和所述在后时刻的时间间隔，与所述当前时刻和所述目标时刻的时间间隔相同；

根据所述多组第一训练数据对预测模型进行训练，直至预测模型的预测误差达到第一预设要求。

3.根据权利要求2所述的方法，其特征在于，将所述磁感数据输入训练好的预测模型，由所述预测模型输出目标时刻的预测磁感数据之后，所述方法还包括：

采集所述目标时刻的目标磁感数据；

根据所述目标磁感数据，更新所述第一历史数据，以更新对应的训练数据；

根据更新后的训练数据，对所述预测模型进行更新训练，得到更新后的预测模型。

4.根据权利要求2所述的方法，其特征在于，根据所述多组第一训练数据对预测模型进行训练，直至预测模型的预测误差达到第一预设要求包括：

根据多层感知机网络创建初始模型，其中，所述多层感知机网络包括多个网络参数，多个网络参数至少包括下列至少之一：预测窗口输入数，隐藏层数，所述多层感知机网络通过贝叶斯寻优算法学习网络参数；

对所述初始模型进行初始化，通过所述多组第一训练数据，采用法向传播算法对所述初始模型进行监督学习训练；

在检测到所述初始模型的预测误差满足所述第一预设要求的情况下，将训练完成的初始模型作为所述预测模型，其中，所述预测误差包括最大误差ME，均方根误差RMSE。

5.根据权利要求1述的方法，其特征在于，获取当前时刻的内脏外部皮肤的磁感数据包括：

通过设置在所述外部皮肤上的EM传感器，采集原始磁感数据；

将所述原始磁感数据在三维坐标方向上转换为一维信号，并根据一维信号确定用于标记所述外部皮肤的呼吸运动的第一主方向；

对所述第一主方向进行数据归一化，数据光滑化以及清除异常值的处理，得到所述磁感数据。

6.根据权利要求1所述的方法，其特征在于，将所述预测磁感数据输入训练好的拟合模型，由所述拟合模型输出所述内脏的运动数据之前，所述方法还包括：

获取磁感数据的第二历史数据，其中，所述第二历史数据为历史时间段内同步采集的磁感数据和超声数据；

从所述第二历史数据中提取多组第二训练数据，其中，每组第二训练数据包括同一时刻的磁感数据和超声数据，所述磁感数据作为输入，所述超声数据作为输出；

根据所述多组第二训练数据对拟合模型进行训练，直至拟合模型的拟合误差达到第二预设要求。

7.根据权利要求6所述的方法，其特征在于，获取磁感数据的第二历史数据包括：

获取历史采集的所述内脏的超声数据，以及历史采集的所述外部皮肤的磁感数据；

其中，历史采集的所述内脏的超声数据在采集时，

采集所述内脏的超声图像；

对相邻的两帧超声图像进行配准，得到变形场像素点的偏移信息；

根据所述偏移信息计算偏移运动信息；

对所述偏移运动信息进行数据归一化，数据光滑化以及清除异常值的处理，得到所述超声数据。