用于对使用移动生物特征传感器收集的生物特征信号进行去噪的机器学习模型的制作方法

摘要: 本公开总体上涉及对生物特征信号进行去噪。更具体地,本公开涉及用于移除使用移动生物特征传感器收集的生物特征信号中的噪声的机器学习模型。背景技术:1、近年来,生物特...
用于对使用移动生物特征传感器收集的生物特征信号进行去噪的机器学习模型的制作方法

本公开总体上涉及对生物特征信号进行去噪。更具体地,本公开涉及用于移除使用移动生物特征传感器收集的生物特征信号中的噪声的机器学习模型。

背景技术:

1、近年来,生物特征传感器已成为移动计算装置(例如,智能电话、智能手表、可穿戴装置等)的开发者们日益重要的竞争领域。一些移动计算装置能够收集先前仅使用专门定制的医疗装置收集的生物特征信号。例如,血氧水平在历史上是使用专门定制的医疗装置(诸如附接到用户手指的脉搏血氧计)来测量的。然而,一些最近开发的移动计算装置包括能够在装置被用户穿戴时定期测量血氧水平的传感器。例如,可穿戴智能手表装置可以包括在手表底面上的脉搏血氧计传感器,使得该传感器直接接触用户的手腕。以这种方式,可以定期从用户收集生物特征信息以检测健康状况,向用户提供统计信息等。

技术实现思路

1、本公开的实施例的方面和优点将部分地在以下描述中阐述,或者可以从描述中了解,或者可以通过实施例的实践来了解。

2、本公开的一个示例方面涉及一种计算机实现的方法。该方法包括:由包括一个或多个处理器装置的计算系统生成用于训练机器学习生物特征降噪模型的训练数据,其中生成训练数据包括由计算系统获得描述使用对应的医疗装置测量的多个干净生物特征信号的信息。该方法包括:对于多个干净生物特征信号中的每个干净生物特征信号,由计算系统从多个候选噪声源中的一个或多个噪声源采样噪声。该方法包括:对于多个干净生物特征信号中的每个干净生物特征信号,由计算系统将噪声施加到干净生物特征信号的至少一部分。该方法包括:由计算系统用机器学习生物特征降噪模型处理训练数据以获得多个经去噪的生物特征信号。该方法包括:由计算系统基于损失函数来训练机器学习生物特征降噪模型,该损失函数评估多个经去噪的生物特征信号与多个干净生物特征信号之间的差异。

3、本公开的另一示例方面涉及用户计算装置,该用户计算装置包括一个或多个处理器装置以及一个或多个有形非暂时性计算机可读介质,该一个或多个有形非暂时性计算机可读介质存储计算机可读指令,这些计算机可读指令在由该一个或多个处理器装置执行时致使该用户计算装置执行操作。这些操作包括:经由与用户计算装置相关联的移动生物特征测量装置获得有噪生物特征信号,其中该有噪生物特征信号包括第一噪声量。这些操作包括:致使有噪生物特征信号用机器学习生物特征降噪模型处理以获得包括小于第一噪声量的第二噪声量的经去噪的生物特征信号,其中机器学习生物特征降噪模型基于损失函数来训练,该损失函数评估多个有噪生物特征训练信号与多个干净生物特征真实值信号之间的差异,并且其中多个有噪生物特征训练信号通过将来自随机选择的噪声源的噪声施加到干净生物特征信号的随机选择的部分来生成。这些操作包括:提供生物特征测量以显示给用户计算装置的用户,其中生物特征测量至少部分是基于经去噪的生物特征信号。

4、本公开的另一示例方面涉及一个或多个有形非暂时性计算机可读介质,该一个或多个有形非暂时性计算机可读介质存储计算机可读指令,这些计算机可读指令在由一个或多个处理器装置执行时致使该一个或多个处理器装置执行操作。这些操作包括:生成用于训练机器学习生物特征降噪模型的训练数据,其中生成训练数据包括获得描述使用对应的医疗装置测量的多个干净生物特征信号的信息。这些操作包括:对于多个干净生物特征信号中的每个干净生物特征信号,选择干净生物特征信号的至少一部分。这些操作包括:对于多个干净生物特征信号中的每个干净生物特征信号,从多个候选噪声源中的一个或多个噪声源采样噪声。这些操作包括:对于多个干净生物特征信号中的每个干净生物特征信号,将噪声施加到干净生物特征信号的至少该部分。这些操作包括:用机器学习生物特征降噪模型处理训练数据以获得多个经去噪的生物特征信号。这些操作包括:基于损失函数来训练机器学习生物特征降噪模型,该损失函数评估多个经去噪的生物特征信号与多个干净生物特征信号之间的差异。

5、本公开的其他方面涉及各种系统、设备、非暂时性计算机可读介质、用户接口和电子装置。

6、将参考以下描述和随附权利要求更好地理解本公开的各种实施例的这些和其他特征、方面和优点。并入本说明书中并构成本说明书的一部分的附图示出本公开的示例实施例,并且连同描述一起用于解释相关原理。

1.一种计算机实现的方法,包括:

2.如权利要求1所述的计算机实现的方法,其中,所述方法进一步包括:

3.如权利要求1所述的计算机实现的方法,其中,所述方法进一步包括:

4.如权利要求1所述的计算机实现的方法,进一步包括:

5.如权利要求4所述的计算机实现的方法,其中,向所述用户计算装置发送描述噪声降低的所述生物特征信号的所述信息包括:

6.如权利要求1所述的计算机实现的方法,其中,在从所述多个候选噪声源中的所述一个或多个噪声源采样所述噪声之前,所述方法包括:针对所述多个干净生物特征信号中的每个干净生物特征信号:

7.如权利要求6所述的计算机实现的方法,其中,从所述多个候选噪声源中选择所述一个或多个噪声源包括:

8.如权利要求6所述的计算机实现的方法,其中,从所述多个候选噪声源中选择所述一个或多个噪声源包括:

9.如权利要求1所述的计算机实现的方法,其中,将所述噪声施加到所述干净生物特征信号的至少所述部分包括:

10.如权利要求1所述的计算机实现的方法,其中,将所述噪声施加到所述干净生物特征信号的至少所述部分包括:

11.如权利要求1所述的计算机实现的方法,其中,从所述多个候选噪声源中的所述一个或多个噪声源采样所述噪声包括:

12.如权利要求1所述的计算机实现的方法,其中,获得描述使用所述对应的医疗装置测量的所述多个干净生物特征信号的所述信息包括:

13.如权利要求12所述的计算机实现的方法,其中,处理所述训练数据包括:

14.如权利要求1所述的计算机实现的方法,其中,获得描述使用所述对应的医疗装置测量的所述多个干净生物特征信号的所述信息包括:

15.一种用户计算装置,包括:

16.如权利要求15所述的用户计算装置,其中,所述用户计算装置包括可穿戴计算装置,所述可穿戴计算装置包括所述移动生物特征测量装置,其中,所述移动生物特征测量装置包括所述可穿戴计算装置的接触所述可穿戴计算装置的所述用户的表面;并且

17.如权利要求15所述的用户计算装置,其中,经由与所述用户计算装置相关联的所述移动生物特征测量装置获得所述有噪生物特征信号包括:

18.如权利要求15所述的用户计算装置,其中,致使所述有噪生物特征信号用所述机器学习生物特征降噪模型处理以获得所述经去噪的生物特征信号包括:

19.如权利要求18所述的用户计算装置,其中,用所述机器学习生物特征降噪模型处理所述有噪生物特征信号包括:

20.如权利要求15所述的用户计算装置,其中,致使所述有噪生物特征信号用所述机器学习生物特征降噪模型处理以获得所述经去噪的生物特征信号包括:

21.如权利要求20所述的用户计算装置,其中,来自所述计算系统的指示所述经去噪的生物特征信号的所述信息包括所述生物特征测量。

22.如权利要求15所述的用户计算装置,其中,提供所述生物特征测量以显示给所述用户计算装置的所述用户包括:

23.如权利要求15所述的用户计算装置,其中,经由与所述用户计算装置相关联的所述移动生物特征测量装置获得所述有噪生物特征信号包括:

24.如权利要求15所述的用户计算装置,其中,经由与所述用户计算装置相关联的所述移动生物特征测量装置获得所述有噪生物特征信号包括:

25.一个或多个有形非暂时性计算机可读介质,所述一个或多个有形非暂时性计算机可读介质存储计算机可读指令,所述计算机可读指令在由一个或多个处理器装置执行时致使所述一个或多个处理器装置执行操作,所述操作包括: