一种基于动态模式识别的腺样体识别系统和方法技术方案

本公开公开的一种基于动态模式识别的腺样体识别系统及方法，包括：采用确定学习理论，通过RBF神经网络对训练用鼻气流动态模式进行学习训练，获得常值RBF神经网络，由常值RBF神经网络构建获得动态估计器，通过动态估计器对待测试鼻气流动态模式进行识别，获得识别结果，获取识别结果与待测试鼻气流动态模式的识别误差，选取小识别误差对应的训练用鼻气流动态模式，对选取出的鼻气流动态模式对应的腺样体类型进行统计，占比大的腺样体类型为待识别腺样体的识别结果。提高了腺样体识别的速度和准确率，且便于操作。且便于操作。且便于操作。

【技术实现步骤摘要】
一种基于动态模式识别的腺样体识别系统和方法


[0001]本专利技术涉及腺样体识别
，尤其涉及一种基于动态模式识别的腺样体识别系统和方法。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]目前对腺样体的检测识别方法主要有：电子鼻咽镜检查、X线检查等。电子鼻咽镜能直接观察腺样体，但不能准确测量腺样体厚度，还可能损伤鼻黏膜，引起鼻腔黏连，影响其功能，且鼻咽管明显的异物感使得待检人员对该项检查配合度较差；X线检查通过计算A/N(腺样体占鼻咽腔的比率)来判断腺样体肥大的程度，但X光线会造成一定的电离辐射，所以无法进行频繁检测，且X线检查对位姿要求较高，当位姿不正时，X线检查的测量误差较大。可知，目前对腺样体的检测识别方法，均不能实现对腺样体的准确快速识别，且不便于操作。

技术实现思路

[0004]本公开为了解决上述问题，提出了一种基于动态模式识别的腺样体识别系统和方法，通过获取与待识别腺样体对应的鼻腔气流信号，并对待测试鼻腔气流信号进行分析，即可以实现对待识别腺样体的识别，提高了腺样体识别的速度和准确率，且便于操作。
[0005]为实现上述目的，本公开采用如下技术方案：
[0006]第一方面，提出了一种基于动态模式识别的腺样体识别系统，包括：
[0007]数据获取模块，用于获取与待识别腺样体对应的待测试鼻腔气流信号；
[0008]信号分解模块，用于根据待测试鼻腔气流信号获得待测试鼻气流动态模式；
[0009]腺样体识别模块，用于通过动态估计器对待测试鼻气流动态模式进行识别，获得识别结果，获取识别结果与待测试鼻气流动态模式的识别误差，选取小识别误差对应的训练用鼻气流动态模式，对选取出的鼻气流动态模式对应的腺样体类型进行统计，占比大的腺样体类型为待识别腺样体的识别结果，其中，采用确定学习理论，通过RBF神经网络对训练用鼻气流动态模式进行学习训练，获得常值RBF神经网络，由常值RBF神经网络构建获得动态估计器。
[0010]第二方面，提出了一种基于动态模式识别的腺样体识别方法，包括：
[0011]获取与待识别腺样体对应的待测试鼻腔气流信号；
[0012]根据待测试鼻腔气流信号获得待测试鼻气流动态模式；
[0013]通过动态估计器对待测试鼻气流动态模式进行识别，获得识别结果，获取识别结果与待测试鼻气流动态模式的识别误差，选取小识别误差对应的训练用鼻气流动态模式，对选取出的鼻气流动态模式对应的腺样体类型进行统计，占比大的腺样体类型为待识别腺样体的识别结果，其中，采用确定学习理论，通过RBF神经网络对训练用鼻气流动态模式进
行学习训练，获得常值RBF神经网络，由常值RBF神经网络构建获得动态估计器。
[0014]第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成一种基于动态模式识别的腺样体识别方法所述的步骤。
[0015]第四方面，提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成一种基于动态模式识别的腺样体识别方法所述的步骤。
[0016]与现有技术相比，本公开的有益效果为：
[0017]1、本专利技术通过获取与待识别腺样体对应的待测试鼻腔气流信号，并对待测试鼻腔气流信号进行分析，即可以实现对待识别腺样体的识别，提高了腺样体识别的速度和准确率，且便于操作。
[0018]2、本专利技术通过RBF神经网络对大量不同腺样体类型人员的鼻气流信号进行学习训练，利用确定学习方法提取其内在动力学信息，获得常值RBF神经网络，根据常值RBF神经网络构建了动态估计器，由动态估计器对待测试鼻腔气流信号进行识别，动态估计器会将待测试鼻气流动态模式与所有训练用鼻气流动态模式一一比较，得到待识别腺样体的识别结果，与传统的鼻内窥镜、X线相比，本专利技术仅需获取待测试鼻腔气流信号(包括鼻腔气流压力与鼻腔气流流速)，通过动态模式识别方法对待测试鼻腔气流信号进行识别，即可得出待识别腺样体的识别结果，是一种快速、简单、经济、无创的腺样体识别新方法。
[0019]3、本专利技术支持在线学习，算法具有较低的训练复杂度且模式库的维护简单、便捷，可以应用于大规模数据场景，拥有较高的实时性。
[0020]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0021]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0022]图1为实施例1公开系统的原理图；
[0023]图2为实施例1获取的鼻气流流速曲线图；
[0024]图3为实施例1获取的鼻气流压力曲线图；
[0025]图4为实施例1公开的采用神经网络对鼻气流信号学习训练的系统结构图；
[0026]图5为实施例1公开的RBF神经网络结构图。
具体实施方式：
[0027]下面结合附图与实施例对本公开作进一步说明。
[0028]应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0029]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包
括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0030]实施例1
[0031]为了实现对腺样体简单、无创的快速准确识别，在该实施例中公开了一种基于动态模式识别的腺样体识别系统，包括：
[0032]数据获取模块，用于获取与待识别腺样体对应的待测试鼻腔气流信号；
[0033]信号分解模块，用于根据待测试鼻腔气流信号获得待测试鼻气流动态模式；
[0034]腺样体识别模块，用于通过动态估计器对待测试鼻气流动态模式进行识别，获得识别结果，获取识别结果与待测试鼻气流动态模式的识别误差，选取小识别误差对应的训练用鼻气流动态模式，对选取出的鼻气流动态模式对应的腺样体类型进行统计，占比大的腺样体类型为待识别腺样体的识别结果，其中，采用确定学习理论，通过RBF神经网络对训练用鼻气流动态模式进行学习训练，获得常值RBF神经网络，由常值RBF神经网络构建获得动态估计器。
[0035]本实施例公开的一种基于动态模式识别的腺样体识别系统，通过获取与待识别腺样体对应的待测试鼻腔气流信号，并对待测试鼻腔气流信号进行分析，即可以实现对待识别腺样体的识别，提高了腺样体识别的速度和准确率，且便于操作。相比于电子鼻咽镜检查、X线检查，本系统所需的鼻腔气本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态模式识别的腺样体识别系统，其特征在于，包括：数据获取模块，用于获取与待识别腺样体对应的待测试鼻腔气流信号；信号分解模块，用于根据待测试鼻腔气流信号获得待测试鼻气流动态模式；腺样体识别模块，用于通过动态估计器对待测试鼻气流动态模式进行识别，获得识别结果，获取识别结果与待测试鼻气流动态模式的识别误差，选取小识别误差对应的训练用鼻气流动态模式，对选取出的鼻气流动态模式对应的腺样体类型进行统计，占比大的腺样体类型为待识别腺样体的识别结果，其中，采用确定学习理论，通过RBF神经网络对训练用鼻气流动态模式进行学习训练，获得常值RBF神经网络，由常值RBF神经网络构建获得动态估计器。2.如权利要求1所述的一种基于动态模式识别的腺样体识别系统，其特征在于，腺样体识别模块获得常值RBF神经网络的过程为：采用确定学习理论，通过RBF神经网络对训练用鼻气流动态模式进行学习训练，获得RBF神经网络的估计权值向量，将估计权值向量赋值给对应的RBF神经网络，获得常值RBF神经网络，由常值RBF神经网络构建获得动态估计器。3.如权利要求2所述的一种基于动态模式识别的腺样体识别系统，其特征在于，腺样体识别模块获得RBF神经网络的估计权值向量的过程为：将训练用鼻气流动态模式输入各自的非线性动力学方程和RBF神经网络中，根据确定学习理论，将每个RBF神经网络的估计权值收敛至最优值；计算每个估计权值收敛至最优值后设定时间内的估计权值的均值；将该均值作为对应的RBF神经网络的估计权值向量。4.如权利要求2所述的一种基于动态模式识别的腺样体识别系统，其特征在于，腺样体识别模块基于李亚普诺夫的学习率对RBF神经网络的估计权值进行更新。5.如权利要求1所述的一种基于动态模式识别的腺样体识别系统，其特征在于，信号分解模块获得的待测试鼻气流动态模式包括待测试鼻气流的压力和流速；腺样体识别模块中的动态估计器包括压力动态估计器和气流动态估计器，压力动态估计器、气流动态估计器分别根据压力常值RBF神经网络、流速常值...

【专利技术属性】
技术研发人员：王聪，李智瑞，吴伟明，李玮，孙海航，
申请(专利权)人：山东大学，
类型：发明
国别省市：