人类排便的预测方法基于告知者音频数据增强和改进的残留网络
Tie Zhang1, Cong Hong1, Yanbiao Zou1
1School of Mechanical and Automotive Engineering, South China University of Technology, Guangzhou, 510640, China.
Heliyon
|August 5, 2024
概括
这项研究引入了一个深度学习模型,使用肠道声音预测排便,改善对残疾患者的护理. 人工智能系统实现了90.54%的准确性,为健康管理提供了一个非侵入性的解决方案.
科学领域:
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
- 信号处理 信号处理
背景情况:
- 对于残疾人而言,排便护理带来了重大的健康管理挑战.
- 目前用于预测排便的方法要么是身体有害,要么是侵入性.
- 肠道声音被认为是排便意图的潜在指标.
研究的目的:
- 开发一种使用深度学习和肠道声音分析来预测人类排便的非侵入性方法.
- 为了解决现有的排便预测技术的局限性.
- 改善残疾患者的生活质量和健康管理.
主要方法:
- 使用基于波形域的Wiener过器来消除肠道声音数据.
- 从肠道声音中提取时间,频率和时间频率领域的综合特征,使用统计分析,FFT和WPT.
- 开发了一个基于Informer模型的音频信号扩展算法,以增加有限的肠道声音数据.
- 为排便分类设计了一个改进的单维残余网络 (1D-IResNet).
主要成果:
- 拟议的肠声增强策略有效地增加了数据样本大小和多样性.
- 1D-IResNet模型在增强数据集上展示了加速的训练速度.
- 获得了90.54%的高分类准确率和83.88%的F1得分.
- 通过高性能指标证明了良好的分类稳定性.
结论:
- 基于深度学习的肠道声音识别是人类排便预测的可行和有效方法.
- 开发的AI系统为排便护理提供了一个有希望的,非侵入性的解决方案,特别是对于残疾患者.
- 这项研究强调了利用生理学声音进行预测性健康监测的潜力.
