【技術實現步驟摘要】
生物反饋的深度放松導引系統及其方法
[0001]本申請涉及智能導引領域，且更為具體地，涉及一種生物反饋的深度放松導引系統及其方法
。
技術介紹
[0002]隨著科技的不斷進步，人們的生活壓力和工作壓力也越來越影響著人們的精神狀態和睡眠狀況
。
不好的睡眠會使精神不集中，做事效率下降，進而影響到身心健康
。
每一個的身體狀態都是不同的，睡眠狀況也不同
。
但由于現有技術中，不能依據睡眠者的身體狀態來指定相應的身體放松導引方案，來使睡眠者以一個最佳的方式進入睡眠
。
[0003]因此，期待一種優化的生物反饋的深度放松導引方案
。
技術實現思路
[0004]為了解決上述技術問題，提出了本申請
。
本申請的實施例提供了一種生物反饋的深度放松導引系統及其方法，其采用基于深度神經網絡模型的人工智能技術，獲取睡眠者的心電信號
、
呼吸波信號和體位活動信息，將信號通過特征提取器提取出相應的特征信息，將體位信息通過語義理解編碼器提取體位信息的上下文相關信息，聯合編碼后通過互為轉置的卷積網絡進行聯合特征提取，以得到用于表示生命潮節律的標簽的分類結果
。
進而，可以自動化地判斷睡眠者的生命潮節律，從而更好地為睡眠者提供相應的放松導引措施，進而可以改善焦慮情緒來有效控制血糖
。
[0005]根據本申請的一個方面，提供了一種生物反饋的深度放松導引系統，其包括：
[0006]圖像...
【技術保護點】
【技術特征摘要】
1.
一種生物反饋的深度放松導引系統，其特征在于，包括：圖像信息采集模塊，用于獲取睡眠者的心電信號
、
呼吸波信號和體位活動信息；心電特征提取模塊，用于將心電信號波形圖通過作為心電特征提取器的卷積神經網絡以得到心電特征向量；呼吸特征提取模塊，用于將呼吸波波形圖通過作為呼吸特征提取器的卷積神經網絡以得到呼吸特征向量；體位語義理解模塊，用于將所述體位活動信息通過包含嵌入層的語義理解編碼器以得到體位特征向量；聯合編碼模塊，用于將所述心電特征向量
、
所述呼吸特征向量和所述體位特征向量通過基于高斯密度圖的聯合編碼器以得到生理狀態特征矩陣；轉置模塊，用于將所述生理狀態特征矩陣通過互為轉置卷積核卷積神經網絡模型以得到分類特征矩陣；優化模塊，用于對所述分類特征矩陣進行低維掩碼稀疏化以得到優化分類特征矩陣；生命潮節律標簽判斷模塊，用于將所述優化分類特征矩陣通過分類器以得到分類結果，所述分類結果用于表示生命潮節律的標簽，所述生命潮節律的標簽包括緊張相和放松相
。2.
根據權利要求1所述的生物反饋的深度放松導引系統，其特征在于，所述心電特征提取模塊，用于：使用所述作為心電特征提取器的卷積神經網絡的各層在層的正向傳遞中分別對輸入數據進行：基于卷積核對所述輸入數據進行卷積處理以生成卷積特征圖；對所述卷積特征圖進行沿通道維度的各個特征矩陣的池化處理以生成池化特征圖；對所述池化特征圖中各個位置的特征值進行非線性激活以生成激活特征增圖；其中，所述作為心電特征提取器的卷積神經網絡的最后一層的輸出分別為所述心電特征向量，所述作為心電特征提取器的卷積神經網絡的第二層至最后一層的輸入為上一層的輸出，所述作為心電特征提取器的卷積神經網絡的輸入分別為所述心電信號波形圖
。3.
根據權利要求2所述的生物反饋的深度放松導引系統，其特征在于，所述呼吸特征提取模塊，用于：使用所述作為呼吸特征提取器的卷積神經網絡的各層在層的正向傳遞中分別對輸入數據進行：對輸入數據進行卷積處理以得到卷積特征圖；對所述卷積特征圖的通道維度的各個特征矩陣進行全局均值池化以得到池化特征圖；對所述池化特征圖進行非線性激活以得到激活特征圖；其中，所述作為呼吸特征提取器的卷積神經網絡的最后一層的輸出為所述呼吸特征向量，所述作為呼吸特征提取器的卷積神經網絡的第一層的輸入為所述呼吸波波形圖
。4.
根據權利要求3所述的生物反饋的深度放松導引系統，其特征在于，所述體位語義理解模塊，包括
:
分詞單元，用于對所述體位活動信息進行分詞處理以將所述體位活動信息轉化為由多個詞組成的詞序列；
詞嵌入單元，用于使用所述包含嵌入層的語義理解編碼器的嵌入層分別將所述詞序列中各個詞映射為詞嵌入向量以得到詞嵌入向量的序列；上下文編碼單元，用于使用所述包含嵌入層的語義理解編碼器的轉換器對所述詞嵌入向量的序列進行基于轉換器思想的全局上下文語義編碼以得到多個全局上下文語義特征向量；級聯單元，用于將所述多個全局上下文語義特征向量進行級聯以得到所述體位特征向量
。5.
根據權利要求4所述的生物反饋的深度放松導引系統，其特征在于，所述聯合編碼模塊，包括：融合單元，用于使用高斯密度圖來融合所述心電特征向量
、
所述呼吸特征向量和所述體位特征向量以得到融合高斯密度圖；高斯離散化單元，用于對所述融合高斯密度圖中各個位置的高斯分布進行離散化處理以得到所述生理狀態特征矩陣
。6.
根據權利要求5所述的生物反饋的深度放松導引系統，其特征在于，所述轉置模塊，包括：第一卷積單元，用于將所述生理狀態特征矩陣輸入所述互為轉置卷積核卷積神經網絡模型的第一層，其中，所述互為轉置卷積核卷積神經網絡模型的第一層用于對所述生理狀態特征矩陣進行基于第一卷積核的卷積處理<...
【專利技術屬性】
技術研發人員：王俊杰，肖鋼，言芳，劉澤，方會龍，何汶霞，
申請(專利權)人：王俊杰，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。