基于可穿戴设备的慢性阻塞性肺疾病监测方法及系统与流程
本发明实施例涉及疾病监测,尤其涉及一种基于可穿戴设备的慢性阻塞性肺疾病监测方法及系统。
背景技术:
1、慢性阻塞性肺疾病(chronic obstructive pulmonary disease,copd)是一种常见的以持续性气流受限为特征的慢性呼吸系统疾病,全球患病人数众多,是我国居民主要死亡原因之一。该疾病具有病程长、病情反复急性加重的特点,需要长期监测和管理,以便及时发现病情变化并采取相应干预措施。
2、目前对该疾病的诊断和病情评估主要依赖肺功能检查、影像学检查和临床症状问卷等方法。然而,这些方法存在明显局限性:肺功能检查需要患者前往医疗机构,无法实现日常连续监测,难以捕捉病情的动态变化;问卷调查主观性较强,准确性受患者认知能力和配合程度影响较大,监测结果可靠性不足;影像学检查存在辐射风险且成本较高,不适合频繁使用,监测频率受限。
3、由此可知,现有慢性阻塞性肺疾病监测方法普遍存在监测效果不佳的问题,无法准确、连续地反映患者的呼吸功能状态,尤其是病情急性加重的早期征象容易被遗漏。
技术实现思路
1、本发明实施例提供了一种基于可穿戴设备的慢性阻塞性肺疾病监测方法及系统,旨在解决现有慢性阻塞性肺疾病监测方法存在监测效果不佳的问题。
2、第一方面,本发明实施例提供了一种基于可穿戴设备的慢性阻塞性肺疾病监测方法,包括:
3、可穿戴设备在有效采集状态下采集用户的语音信号和加速度信号,并将基于所述语音信号和所述加速度信号进行事件校验得到的目标语音信号和目标加速度信号传输至智能终端;
4、所述智能终端对所述目标语音信号和所述目标加速度信号进行预处理,并将从预处理后的所述目标语音信号和所述目标加速度信号中分别提取的语音特征向量和加速度特征向量传输至云端处理平台;
5、所述云端处理平台将所述语音特征向量和所述加速度特征向量输入预训练的多模态融合网络进行特征融合分析,得到监测结果,并将所述监测结果返回至智能终端进行展示。
6、第二方面,本发明实施例还提供了一种基于可穿戴设备的慢性阻塞性肺疾病监测系统,包括配置于可穿戴设备中的采集校验单元、配置于智能终端的处理提取单元以及配置于云端处理平台的分析展示单元:
7、所述采集校验单元用于所述可穿戴设备在有效采集状态下采集用户的语音信号和加速度信号,并将基于所述语音信号和所述加速度信号进行事件校验得到的目标语音信号和目标加速度信号传输至智能终端传输至所述智能终端;
8、所述处理提取单元用于所述智能终端对所述目标语音信号和所述目标加速度信号进行预处理,并将从预处理后的所述目标语音信号和所述目标加速度信号中分别提取的语音特征向量和加速度特征向量传输至云端处理平台;
9、所述分析展示单元用于所述云端处理平台将所述语音特征向量和所述加速度特征向量输入预训练的多模态融合网络进行特征融合分析,得到监测结果,并将所述监测结果返回至智能终端进行展示。
10、本发明实施例提供了一种基于可穿戴设备的慢性阻塞性肺疾病监测方法及系统。其中,方法包括:可穿戴设备在有效采集状态下采集用户的语音信号和加速度信号,并将基于所述语音信号和所述加速度信号进行事件校验得到的目标语音信号和目标加速度信号传输至智能终端;所述智能终端对所述目标语音信号和所述目标加速度信号进行预处理,并将从预处理后的所述目标语音信号和所述目标加速度信号中分别提取的语音特征向量和加速度特征向量传输至云端处理平台;所述云端处理平台将所述语音特征向量和所述加速度特征向量输入预训练的多模态融合网络进行特征融合分析,得到监测结果,并将所述监测结果返回至智能终端进行展示。本发明实施例的技术方案,通过可穿戴设备采集用户的语音信号和加速度信号,实现了日常连续监测,无需患者前往医疗机构,解决监测连续性问题;基于语音信号和加速度信号的时间一致性进行事件校验,剔除环境噪声和运动伪差,提高了信号可靠性,解决了监测准确性问题;通过多模态融合网络对语音特征向量和加速度特征向量进行融合分析,准确输出监测结果,从而有效解决了现有监测方法监测效果不佳的问题。
1.一种基于可穿戴设备的慢性阻塞性肺疾病监测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述可穿戴设备在有效采集状态下采集用户的语音信号和加速度信号的步骤,包括:
3.根据权利要求1所述的方法,其特征在于,所述将基于所述语音信号和所述加速度信号进行事件校验得到的目标语音信号和目标加速度信号传输至智能终端的步骤,包括:
4.根据权利要求1所述的方法,其特征在于,所述多模态融合网络包括语音特征编码层、加速度特征编码层、交叉注意力融合层、融合模块以及分类输出层;所述云端处理平台将所述语音特征向量和所述加速度特征向量输入预训练的多模态融合网络进行特征融合分析,得到监测结果的步骤,包括:
5.根据权利要求4所述的方法,其特征在于,所述跨模态补充表示包括第一跨模态补充表示和第二跨模态补充表示;所述通过所述交叉注意力融合层计算所述语音时序编码特征和所述加速度时序编码特征之间的注意力权重,得到跨模态补充表示的步骤,包括:
6.根据权利要求5所述的方法,其特征在于,所述融合模块包括特征级融合模块和决策级融合模块;所述融合表示包括特征级融合表示和决策级融合表示;所述基于所述语音时序编码特征、所述加速度时序编码特征及所述跨模态补充表示,通过所述融合模块得到融合表示的步骤,包括:
7.根据权利要求4所述的方法,其特征在于,所述根据所述融合表示通过所述分类输出层输出所述监测结果的步骤,包括:
8.根据权利要求7所述的方法,其特征在于,所述根据所述概率分布确定所述监测结果的步骤,包括:
9.根据权利要求8所述的方法,其特征在于,所述多模态融合网络还包括急性加重风险预测模块;所述基于所述患病评估结果生成所述急性加重风险预警结果的步骤,包括:
10.一种基于可穿戴设备的慢性阻塞性肺疾病监测系统,其特征在于,包括配置于可穿戴设备中的采集校验单元、配置于智能终端的处理提取单元以及配置于云端处理平台的分析展示单元:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com