基于指尖脉冲的女性怀孕的识别,使用多功能融合神经网络模型
Zhuya Huang1, Junsheng Yu1,2,3, Ying Shan1
1School of Electronic Engineering, Beijing University of Posts and Telecommunications, Beijing, China.
Computer methods in biomechanics and biomedical engineering
|December 19, 2024
概括
这项研究引入了一个快速的怀孕测试,使用手指尖脉冲信号,由竹网模型分析. 它达到91%的准确性,提供了一个有前途的非侵入性诊断工具.
科学领域:
- 生物医学工程 生物医学工程
- 信号处理 信号处理
- 医学诊断 医学诊断 医学诊断
背景情况:
- 传统的怀孕测试可能是侵入性的或耗时的.
- 早期检测怀孕的非侵入性方法非常受欢迎.
- 生理信号为新的诊断方法提供了潜力.
研究的目的:
- 开发一种快速,非侵入性的方法来确定怀孕状态.
- 为了利用指尖脉冲信号来检测怀孕.
- 为此应用评估深度学习模型的有效性.
主要方法:
- 使用专门的传感器收集指尖脉冲信号.
- 将原始信号处理成统一的多式联通方式表示.
- 采用了Bamboo-Net模型 (ResNet,LSTM,1D-CNN) 来进行特征提取.
- 在346个培训和138个测试样本上验证了模型.
主要成果:
- 竹网模型在确定怀孕状态时获得了91%的准确性.
- 与主流方法相比,该模型表现出优越的性能.
- 与早期相比,怀孕中期和晚期的识别率更高.
结论:
- 使用Bamboo-Net进行指尖脉冲信号分析是一种可行的快速怀孕检测方法.
- 该方法显示了实际,非侵入性临床应用的潜力.
- 进一步细化可能会提高早期怀孕检测的准确性.
