申请/专利权人：南通大学

申请日：2020-06-22

公开（公告）日：2024-01-02

公开（公告）号：CN111863230B

主分类号：G16H40/67

分类号：G16H40/67;G06F18/25;G06F18/24;G06F18/2135;G06F17/14;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.01.02#授权;2020.11.17#实质审查的生效;2020.10.30#公开

摘要：本发明提供了一种婴儿吸吮远程评估和母乳喂养指导方法，包括如下步骤：S10数据采集，获得多源数据；S20数据预处理，获得待评估多源信息融合特征；S30形成多模态融合深度学习模型，使用婴儿吸吮‑吞咽标准数据对卷积神经网络模型进行训练获得多模态融合深度学习模型；以及S40利用所述多模态融合深度学习模型对所述待评估多源信息融合特征进行评估，获得婴儿吸吮自动评估结果。本发明的一种婴儿吸吮远程评估和母乳喂养指导方法，通过机器学习对哺乳过程进行远程、自动评估，不需要专业医护人员上门指导，评估结果实时反馈产妇，所述评估方法对家庭设备和婴儿合作的要求较少，可行性和准确性更高。

主权项：1.一种婴儿吸吮远程评估和母乳喂养指导方法，其特征在于，包括如下步骤：S10数据采集，通过高清摄像头以及录音设备获取哺乳过程中的图片、视频以及音频数据，获得多源数据；S20数据预处理，剔除所述多源数据噪声的干扰和影响，获得待评估多源信息融合特征；S30形成多模态融合深度学习模型，使用婴儿吸吮-吞咽标准数据对卷积神经网络模型进行训练获得多模态融合深度学习模型；以及S40利用所述多模态融合深度学习模型对所述待评估多源信息融合特征进行评估，获得婴儿吸吮自动评估结果；所述步骤S30包括如下步骤：S31根据临床研究实验数据以及临床评定量表提取标准行为体征，建立所述婴儿吸吮-吞咽标准数据；S32利用深度学习数据挖掘技术，对所述婴儿吸吮-吞咽标准数据进行特征选择和特征提取，获得多维度特征数据；以及S33使用所述多维度特征数据对卷积神经网络进行训练，建立多源数据与临床评定量表间的量化映射模型，形成多模态融合深度学习模型；所述标准行为体征包括：婴儿嘴角角度达到150度、婴儿口部含接超过12的乳晕、婴儿含接上嘴唇露出的乳晕大于下嘴唇露出的乳晕、婴儿头颈背呈180度直线、喉部规律吞咽运动、吸吮前后妈妈乳头没有变形以及皲裂；对音频数据具体训练步骤：步骤S331、原始音频信号预处理；步骤S332、音频信号去噪；步骤S333、音频信号特征参数提取；步骤S334、卷积神经网络的音频信号算法；步骤S335、重复步骤S333～S334，直至训练误差趋于稳定，达到模型收敛；二维特征对图片和视频的具体的训练步骤如下：S331’、对图像进行预处理，将其生成为尺寸相同的灰度图像；S332’、采用5层卷积神经网络分别对经过预处理的图像进行特征提取；S333’、对提取到的各模态特征进行双重特征融合；S334’、机器学习特征性项量包括：a.婴儿嘴角角度是否达到150度；b.婴儿口部含接超过12的乳晕；c.婴儿含接上嘴唇露出的乳晕多于下嘴唇露出的乳晕；d.婴儿头颈背呈180度直线；e.宝宝上嘴唇和下嘴唇外翻程度；f.喉部规律吞咽运动；g.呼吸与吞咽的协调程度；h.吸吮前后妈妈乳头是否变形或皲裂；S335’、获得融合特征后，将其展开为向量形式并输入到全连接层对其进行特征学习，使用Softmax函数进行分类识别；S336’、计算Softmax层输出的预测值与真实值之间的误差；S337’、根据S336’中的误差采用反向传播算法优化网络参数；S338’、重复S332’～S337’，直至训练误差趋于稳定，即模型收敛。

全文数据：

权利要求：

百度查询： 南通大学 一种婴儿吸吮远程评估和母乳喂养指导方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD