DEMA:基于光纤传感的深度学习支持模型用于基于光纤传感的非侵入性人类生命体征监测
Qichang Zhang1, Qing Wang1, Weimin Lyu1
1Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University, Hong Kong.
Sensors (Basel, Switzerland)
|May 11, 2024
概括
本研究介绍了一种使用深度学习进行精确生命体征监测的非侵入性光纤传感器系统. 它为传统的持续健康监测方法提供了一个舒适的替代方案.
科学领域:
- 生物医学工程 生物医学工程
- 光学传感技术的技术
- 医疗保健中的人工智能
背景情况:
- 光纤传感器提供优势,如小尺寸和对电子干扰的免疫力.
- 目前的生命体征监测方法可能是侵入性的,长期使用可能会让人感到不舒服.
- 需要方便的,非侵入性的解决方案来持续监测健康状况.
研究的目的:
- 开发一种非侵入性系统,用于精确的生命体征监测.
- 将光纤传感与先进的深度学习集成在一起,以提高准确性.
- 为日常健康监测提供舒适有效的替代方案.
主要方法:
- 使用光纤传感器与马赫-泽恩德干扰仪 (MZI) 集成.
- 使用长期短期记忆 (LSTM) 网络进行数据分析和生命体征提取.
- 开发了一种对人类生命体征的非侵入性监测系统.
主要成果:
- 该系统通过非侵入性手段展示了精确的生命体征读数.
- 集成MZI和LSTM网络超过了传统的监控方法.
- 在没有直接与皮肤接触的情况下,实现了对生命体征的准确检测和监测.
结论:
- 开发的系统提供了一种有前途的非侵入性方法,用于持续监测生命体征.
- 潜在的应用包括医学诊断,健康监测和智能医疗保健.
- 这项技术提高了患者的舒适性,并促进了长期健康评估.
