一种基于一维卷积神经网络的TDLAS静脉用药浓度预测方法

本发明提供了一种基于一维卷积神经网络的TDLAS静脉用药浓度预测方法，包括如下步骤：获取静脉用药浓度的二次谐波数据；对静脉用药的二次谐波数据进行预处理，并划分训练集、验证集、测试集；构建基于自适应高效通道注意力模块和多级残差模块的1D‑CNN深度学习模型；将训练集与验证集输入至深度学习模型中，并设置超参数对模型进行训练得到最优参数模型；将测试集输入至训练好的最优参数检测模型中得到预测结果；本发明在1D‑CNN卷积神经网络模型中，结合自适应通道注意力模块和多级残差模块，引入自适应卷积核以及多尺度卷积结构提升特征提取能力，显著改善了模型的学习能力和泛化能力。