申请/专利权人：杭州电子科技大学

申请日：2021-12-29

公开（公告）日：2024-05-07

公开（公告）号：CN114176526B

主分类号：A61B5/00

分类号：A61B5/00;A61B5/0535;A61B5/20

优先权：

专利状态码：有效-授权

法律状态：2024.05.07#授权;2022.04.01#实质审查的生效;2022.03.15#公开

摘要：本发明公开了一种基于新型神经架构搜索的穿戴式膀胱充盈检测方法及装置。该检测方法如下：一、在服务器训练一个用于区分膀胱充盈度的网络；二、通过神经架构搜索方法，以服务器训练出的网络作为教师网络，进一步搜索出轻量化网络；三、将轻量化网络模型部署在膀胱充盈检测装置内置的处理器上；四、使用膀胱充盈检测装置采集用户的膀胱信号；五、将检测到的膀胱信号输入网络进行充盈度判断；本发明利用对膀胱位置非侵入式采集得到电学信号和光学信号，识别出使用者的膀胱充盈度，提高了膀胱充盈度检测的便捷性和舒适性；此外，本发明以服务器训练出的网络作为教师网络，搜索出了具有较高检测准确性的轻量化网络，减小了膀胱充盈度检测所需的算力。

主权项：1.一种基于新型神经架构搜索的穿戴式膀胱充盈检测方法，其特征在于：包括以下步骤：S10在服务器训练一个用于区分膀胱充盈度的网络；该网络以膀胱的光学信号和电学信号为输入，膀胱充盈度为输出；光学信号为近红外光照射在下腹部的反射信号；电学信号为电阻抗信号；S20通过神经架构搜索方法，以服务器训练出的网络作为教师网络，进一步搜索出轻量化网络；S30将轻量化网络模型部署在膀胱充盈检测装置内置的处理器上；S40使用膀胱充盈检测装置采集用户的膀胱信号；S50将检测到的膀胱信号输入网络进行充盈度判断；步骤S20的具体过程如下：将步骤S10获得的网络作为教师网络，指导神经架构搜索轻量型网络；将轻量型网络称为学生网络；将由两个输入节点，两个中间节点和一个输出节点组成的有序无环图作为一个基本单元cell；对于卷积单元而言，输入节点定义为前两层的输出，cell的输出节点是通过对两个中间节点做连接处理得到的；其中每个中间节点的表达式如下： 其中，xi为每一个节点，oi,j表示有序边i,j关于xi的操作；对搜索空间的操作进行优化，只保留空洞卷积、深度可分离卷积、池化操作，并将操作用sigmod函数进行连续化，公式如下： 其中，为候选的操作集合，o·为任意两个相连节点之间的操作，为相连的两个节点间的操作混合权重；σ为sigmod函数；为操作空间；模型架构搜索的任务转化为用梯度下降来优化损失；架构搜索的问题被简化为学习α*和网络权值w*；定义训练集损失为Ltrain，验证集损失为Lval，最终优化目标是在满足w*＝argminwLtrainw,α的前提下找到使得Lvalw*,α*最小化的α*；在神经架构搜索策略中，将搜索空间supernet作为学生网络，加入教师网络作为指导；具体方法为：在搜索策略的loss函数中加入教师网络的软标签，公式为： 其中，pzi,T为每一分类的概率值，zi为教师网络最后一个全连接层对每一分类的输出，T为自定义温度因子；通过软标签定义蒸馏损失Lsoft＝∑i-pzti,Tlogpzsi,T；其中，zti，zsi分别为教师和学生模型的全连接层各类别的输出；定义硬标签损失其中，代表交叉熵损失，y是学生网络输入的真实标签向量；同时加入0-1损失L0-1使不同操作的权重值更有区分度，公式为： 其中，αi为任意一个操作的权重；N为操作总数；总损失Ltotal表示为：Ltotal＝λ1Lsoft+1-λ1Lhard+λ2L0-1其中，λ1和λ2为自定义参数；最小化总损失Ltotal，以找到cell中每个节点间的最佳操作；将最终搜索到的cell作为基础结构，堆叠一个轻量化网络作为学生网络。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于新型神经架构搜索的穿戴式膀胱充盈检测方法及装置

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