基于改进支持向量机的护理床用二便护理系统及其方法 专利技术说明

医药医疗技术的改进;医疗器械制造及应用技术1.本发明涉及护理技术，具体涉及一种基于改进支持向量机的护理床用二便护理系统及其方法。背景技术：2.随着老年人数量的不断增多，长期卧床老人的排便护理成为了亟待解决的社会问题。由于身体机能的下降，老人自行排便困难，又由于无法提前预知排便时间，护理人员难以给予及时的照顾，这使得长期卧床老人的排便护理往往伴随着“脏、乱、臭”的问题，不仅老人自身的隐私和尊严难以得到保障，生活质量严重受到影响，而且护理老人的护理人员也会痛苦不堪。3.现有的护理床基本为手动式二便护理系统，需要人手动切换补洞板与坐便器，对于身体机能下降严重或无法自行感知便意的受护理者，仍存在着诸多不便。4.因此，急需一种智能化、自动化、稳定性强、准确率高的护理床用二便护理系统。技术实现要素：5.本发明的目的是为了克服以上现有技术存在的不足，提供了一种基于改进支持向量机的护理床用二便护理系统。此基于改进支持向量机的护理床用二便护理系统具有智能程度高，准确率高等优点。6.同时，本发明的另一目的是提供了一种基于改进支持向量机的护理床用二便护理系统的方法。7.本发明的目的通过以下的技术方案实现：本基于改进支持向量机的护理床用二便护理系统，包括：8.实时监测模块，用于采集人体二便相关的生理信号数据，并提取生理信号数据的多域特征，再进行特征选择得到特征向量，以构建数据集；9.二便预警模块，用于对数据集进行处理，并利用灰狼算法优化的支持向量机模型进行训练，得到训练完成的二便预警模型；10.执行机构模块，实时接收二便预警模型的预警信号，切换护理床的状态。11.优选的，所述实时监测模块包括人体超声波传感器、肠电传感器、脑电传感器、胃电传感器、心电传感器和肠鸣音听诊器。12.优选的，所述多域特征包括时域特征、频域特征和时频域特征。13.优选的，所述执行机构模块包括具有躺姿状态和坐姿状态的护理床和控制器，所述控制器的信号输入端与二便预警模块连接，所述控制器的信号输出端与护理床连接。14.基于改进支持向量机的护理床用二便护理方法，采用上述的基于改进支持向量机的护理床用二便护理系统，包括以下步骤：15.s1、采集人体二便相关生理信号数据，构建原始数据集；16.s2、提取原始数据集的多域特征，构建高维特征集；17.s3、对高维特征集进行特征选择，降维得到低维特征集；18.s4、以低维特征集作为数据集进行划分，以得到训练集和测试集；19.s5、构建灰狼算法优化的支持向量机模型，并利用划分得到的训练集和测试集对优化后的支持向量机模型进行训练，得到训练完成的二便预警模型；20.s6、获取人体实时二便相关生理信号数据，提取经特征选择后的特征向量，输入到训练好的二便预警模型中，检测人体是否有二便需要；21.s7、若没有二便需要，则返回步骤s6，；若有二便需要，则驱动执行机构模块动作。22.优选的，步骤s1中构建原始数据集的具体过程为：23.采集的相关生理信号数据包括超声波数据、肠电数据、脑电数据、胃电数据、心电数据和肠鸣音数据；24.采集相关生理信号数据时要求被测者采取仰卧体位，保持均匀呼吸，且保持清醒；相关生理信号数据每分钟保存为一组，数据采集完后，对排便前10分钟内的数据标记为标签1，其余标记为标签0。25.优选的，步骤s2中提取多域特征的提取方法包括统计分析法、傅立叶变换法和小波包变换法；提取得到的多域特征共同构成高维特征集。26.优选的，步骤s3中高维特征集使用特征选择算法进行降维，根据每个特征的重要性选择有意义的敏感特征，优先选择那些最具有区分能力的特征，去除高维特征集中冗余和负面的特征信息，得到低维特征集；其中特征选择算法为fisher score算法，第j个特征xj的分值计算如下：[0027][0028]其中,nk为第k类数据的样本数，和为第k类数据中第j个特征的平均值和标准差，μj和σj为第j个特征整个数据集的平均值和标准偏差。[0029]优选的，步骤s5中支持向量机模型的优化过程具体如下：利用狼优化算法对支持向量机模型的惩罚系数c和核参数g进行优化。[0030]优选的，步骤s7中驱动执行机构模块动作包括如下步骤：[0031]s71、初始状态下，执行机构模块中的护理床为躺姿状态，护理床的补洞板及可拆卸床垫连接在床体上；[0032]s72、当执行机构模块接收到二便预警信号时，护理床切换至坐姿状态；[0033]s73、执行机构模块中的控制器控制补洞板及可拆卸床垫下降，将补洞板及可拆卸床垫移离床体，同时驱动护理床的坐便器向上运动，将坐便器移入床体，供床上患者排便使用；[0034]s74、患者排便完成后，坐便器、补洞板及可拆卸床垫回复到初始位置，同时护理床也回复到初始的躺姿状态。[0035]本发明相对于现有技术具有如下的优点：[0036]1、本发明探新型科学养老模式，能够满足长期卧床老人二便护理的长期需要，具有可观的社会效益和实用价值。[0037]2、本发明利用支持向量机在小样本分类问题上的强泛化能力建立二便预警模型，解决了人体有便意数据样本量少的问题，并使用灰狼优化算法对模型进行优化，以得到更好的二便预警准确率。[0038]3、本发明提取了人体二便相关生理信号数据的多域特征，相比于传统的单域特征，能更充分地挖掘数据中的有效信息，并利用特征选择算法，有效去除了特征过多带来的冗余和负面信息。[0039]4、本发明基于对人体多传感信息的实时监测和分析进行二便预警，结合切换机构，实现了受护理人二便护理的自动化，能够提供给卧床老人更加智能和完善的二便护理。附图说明[0040]图1是本发明基于改进支持向量机的护理床用二便护理系统的整体框图。[0041]图2是本发明人体二便相关生理信号实时监测模块的组成框图。[0042]图3是本发明基于改进支持向量机的二便预警模型实现的框图。[0043]图4是本发明护理床的躺姿示意图。[0044]图5是本发明护理床的坐姿示意图。[0045]其中，1为床头板，2为中间板，3为床洞，4为床尾板，5为驱动机构。具体实施方式[0046]下面结合附图和实施例对本发明作进一步说明。[0047]如图1至图3所示的基于改进支持向量机的护理床用二便护理系统，包括：[0048]实时监测模块，用于采集人体二便相关的生理信号数据，并提取生理信号数据的多域特征，再进行特征选择得到特征向量，以构建数据集；具体的，所述实时监测模块包括但不限于人体超声波传感器、肠电传感器、脑电传感器、胃电传感器、心电传感器和肠鸣音听诊器。用于采集人体的超声波数据、肠电数据、脑电数据、胃电数据、心电数据和肠鸣音数据。而所述多域特征包括时域特征、频域特征和时频域特征。实时监测模块精确的采集护理床上患者的生理信号数据，为二便预警模型提供准确的依据，同时保证了精确采集后续生理信号数据。[0049]二便预警模块，用于对数据集进行处理，并利用灰狼算法优化的支持向量机模型进行训练，得到训练完成的二便预警模型；具体的，由于人体有便意的数据，特别是有大便排便便意的数据很难大量获取，有便意的数据量受到限制，需要考虑基于小样本进行二便预警，而支持向量机正是一种在解决小样本二分类问题上表现良好的训练模型，故选用支持向量机模型来实现排便便意预测。二便预警模块中先对实时监测模块得到的数据集进行划分，得到训练集和测试集，然后对支持向量机模型进行优化，再将训练集和测试集输入到优化后的支持向量机模型进行训练，以得到二便预警模型。[0050]执行机构模块，实时接收二便预警模型的预警信号，切换护理床的状态。具体的，所述执行机构模块包括具有躺姿状态和坐姿状态的护理床和控制器，所述控制器的信号输入端与二便预警模块连接，所述控制器的信号输出端与护理床连接。如图所示，护理床包括床头板、中间板、床尾板、床垫和驱动机构，其中在中间板设有床洞和与床洞匹配的补洞板，在床洞的下方设有坐便器。初始状态时，床头板、中间板和床尾板依次水平连接；同时床头板、床尾板、还与驱动机构连接。实时监测模块实时检测患者的生理信号数据后，此生理信号数据输入到二便预警模型时，二便预警模型基于此生理信号数据判断患者是否有排便需求，再将判断结果输出给执行机构模块，执行机构模型根据判断结构进否进行驱动，以确定是否将护理床从躺姿状态切换成坐姿状态，从而方便患者排便。而本发明的驱动机构可采用现有的驱动机构，主要由同步带模组和电动推杆构成。[0051]而将护理床从躺姿状态切换成坐姿状态时，控制器发出控制指令驱动驱动机构动作，驱动机构先将补洞板移离床洞，同时将床垫移离由床头板、中间板和床尾板构成的床板；接着驱动床头板和床尾板分别上摆和下摆，如图5所示，再驱动坐便器对准床洞后，再令坐便器上升，以供患者使用。[0052]基于改进支持向量机的护理床用二便护理方法，采用上述的基于改进支持向量机的护理床用二便护理系统，包括以下步骤：[0053]s1、采集人体二便相关生理信号数据，构建原始数据集；步骤s1中构建原始数据集的具体过程为：[0054]采集的相关生理信号数据包括但不限于超声波数据、肠电数据、脑电数据、胃电数据、心电数据和肠鸣音数据；[0055]采集相关生理信号数据时要求被测者采取仰卧体位，保持均匀呼吸，且保持清醒；相关生理信号数据每分钟保存为一组，数据采集完后，对排便前约10分钟内的数据标记为标签1(即有便意)，其余标记为标签0(即无便意)。[0056]s2、提取原始数据集的多域特征，构建高维特征集；步骤s2中提取多域特征的提取方法包括统计分析法、傅立叶变换法和小波包变换法；提取得到的多域特征共同构成高维特征集。其中提取时域特征的方法包括但不限于统计分析法，提取频域特征的方法包括但不限于傅立叶变换法，提取时频域特征的方法包括但不限于小波包变换法。[0057]s3、对高维特征集进行特征选择，降维得到低维特征集；步骤s3中高维特征集使用特征选择算法进行降维，根据每个特征的重要性选择有意义的敏感特征，优先选择那些最具有区分能力的特征，去除高维特征集中冗余和负面的特征信息，得到低维特征集；其中特征选择算法为fisher score算法，第j个特征xj的分值计算如下：[0058][0059]其中,nk为第k类数据的样本数，和为第k类数据中第j个特征的平均值和标准差，μj和σj为第j个特征整个数据集的平均值和标准偏差。[0060]s4、以低维特征集作为数据集进行划分，以得到训练集和测试集；[0061]s5、构建灰狼算法优化的支持向量机模型，并利用划分得到的训练集和测试集对优化后的支持向量机模型进行训练，得到训练完成的二便预警模型；步骤s5中支持向量机模型的优化过程具体如下：利用狼优化算法对支持向量机模型的惩罚系数c和核参数g进行优化。支持向量机模型的基本原理是寻找不同类别样本之间的最优分离超平面，并引入了松弛变量，选用径向基核函数作为核函数，故包含有惩罚系数c和核参数g两个超参数。本实施例中狼优化算法对支持向量机模型的惩罚系数c和核参数g进行优化，再用优化后的支持向量机模型进行训练，以得到二便预警模型。[0062]s6、获取人体实时二便相关生理信号数据，提取经特征选择后的特征向量，输入到训练好的二便预警模型中，检测人体是否有二便需要；[0063]s7、若没有二便需要，则返回步骤s6，；若有二便需要，则驱动执行机构模块动作。[0064]步骤s7中驱动执行机构模块动作包括如下步骤：[0065]s71、初始状态下，执行机构模块中的护理床为躺姿状态，护理床的补洞板及可拆卸床垫连接在床体上；[0066]s72、当执行机构模块接收到二便预警信号时，护理床切换至坐姿状态；即控制器发出控制指令驱动驱动机构动作，驱动机构先将补洞板移离床洞，同时将床垫移离由床头板、中间板和床尾板构成的床板；接着驱动床头板和床尾板分别上摆和下摆，如图5所示，再驱动坐便器对准床洞后，再令坐便器上升，以供患者使用。[0067]s73、执行机构模块中的控制器控制补洞板及可拆卸床垫下降，将补洞板及可拆卸床垫移离床体，同时驱动护理床的坐便器向上运动，将坐便器移入床体，供床上患者排便使用；[0068]s74、患者排便完成后，坐便器、补洞板及可拆卸床垫回复到初始位置，同时护理床也回复到初始的躺姿状态，如图4所示。[0069]上述具体实施方式为本发明的优选实施例，并不能对本发明进行限定，其他的任何未背离本发明的技术方案而所做的改变或其它等效的置换方式，都包含在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!