生命体征信号提取模型的训练方法及其装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114970616A(43)申请公布日2022.08.30(21)申请号202210529418.6(22)申请日2022.05.16(71)申请人煤炭科学研究总院有限公司地址100013北京市朝阳区和平里青年沟东路5号(72)发明人齐庆杰刘思昀程会锋张婧雯孙立峰王月马天放(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201专利代理师单冠飞(51)Int.Cl.G06K9/00(2022.01)G06K9/62(2022.01)A61B5/00(2006.01)A61B5/0205(2006.01)权利要求书2页说明书10页附图3页(54)发明名称生命体征信号提取模型的训练方法及其装置(57)摘要本公开提出了一种生命体征信号提取模型的训练方法、装置、电子设备及存储介质，涉及生命信号探测技术领域，该方法包括：获取待训练的生命体征信号提取模型；获取训练样本集，训练样本集中包括多组生命体征数据和环境数据；基于生命体征数据和环境数据获取样本训练数据，同时确定生命体征数据的样本标签值；基于样本标签值和样本训练数据对生命体征信号提取模型进行训练，直至训练结束得到目标生命体征信号提取模型。通过训练生成目标生命体征信号提取模型，并基于模型对采集数据进行处理，以判断是采集对象是否存在生命体征，由此，可以大大提升救援数据处理的时间，提升数据处理效率，降低处理成本，同时可以为救援争取更多的时间。CN114970616ACN114970616A权利要求书1/2页1.一种生命体征信号提取模型的训练方法，其特征在于，包括：获取待训练的生命体征信号提取模型；获取训练样本集，所述训练样本集中包括多组生命体征数据和环境数据；基于所述生命体征数据和所述环境数据获取样本训练数据，同时确定所述生命体征数据的样本标签值；基于所述样本标签值和所述样本训练数据对所述生命体征信号提取模型进行训练，直至训练结束得到目标生命体征信号提取模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述样本签值和所述样本训练数据对所述生命体征信号提取模型进行训练，包括：将所述样本训练数据输入所述生命体征信号提取模型中，以输出预测标签值；基于所述预测标签值与所述样本标签值，确定所述生命体征信号提取模型的损失值；根据所述损失值对所述生命体征信号提取模型的模型参数进行调整，并返回采用下一样本训练数据对调整后的生命体征信号提取模型进行训练。3.根据权利要求1或2所述的方法，其特征在于，所述生命体征数据和所述环境数据分别为多个元素数据组成的数据矩阵，所述生命体征数据的元素数据与所述环境数据的元素数据一一对应，所述基于所述生命体征数据和所述环境数据获取样本训练数据，包括：针对生命体征数据和所述环境数据中的任一数据矩阵，对所述任一数据矩阵进行数据处理，以提取奇异熵、小波包尺度熵和样本熵，作为所述样本训练数据。4.根据权利要求3所述的方法，其特征在于，所述奇异熵的提取过程，包括：基于所述数据矩阵确定奇异值矩阵；基于所述奇异值矩阵确定所述数据矩阵的所述奇异熵；其中，采用如下公式确定所述奇异熵：其中，所述σi表示所述奇异值矩阵中第i个奇异值，所述σ1+σ2+…σk表示所述奇异值矩阵中所有奇异值求和。5.根据权利要求3所述的方法，其特征在于，提取所述小波包尺度熵，包括：对所述数据矩阵中的一阶右奇异向量进行分解，以获小波包分解系数向量；基于所述小波包分解系数向量确定所述小波包尺度熵；其中，采用如下公式确定所述小波包尺度熵：其中，所述wi表示所述小波包分解系数向量的小波系数，所述j为小波包节点，所述k为小波包分解层数。6.根据权利要求3所述的方法，其特征在于，提取所述数据矩阵的样本熵，包括：将所述数据矩阵展开为一维的向量序列；基于所述向量序列确定第一样本数量和第二样本数量；基于所述第一样本数量和所述第二样本数量确定所述样本熵；其中，采用如下公式确定所述样本熵：2CN114970616A权利要求书2/2页其中，所述Am(r)表示所述样本熵重构维数为m的所述第一样本数量，所述Bm(r)表示所述样本熵重构维数为m+1的所述第二样本数量。7.根据权利要求1所述的方法，其特征在于，所述确定所述生命体征数据的样本签值，包括：判断所述生命体征数据中的元素数据是否满足生命体征条件；响应于所述生命体征数据中的元素数据满足所述生命体征条件，确定所述元素数据的标签值为1；响应于所述生命体征数据中位点数据不满足预设条件，确定所述元素数据的标签值为0；基于所有所述的元素数据的标签值生成所述生命体征数据的样本签值。8.一种生命体征信号提取模型的训练装置，其特征在于，包括：第一获取模块，用于获取待训练的生命体征信号提取模型；第二获取模块，用于获取训练样本集，所