摘要
本发明提供了一种基于光电容积脉搏波信号的2型糖尿病数据处理方法,包括如下步骤:S1.采集原始光电容积脉搏波信号数据,并对数据进行归一化、去噪预处理;S2.构建条件Wasserstein生成对抗网络模型;S3.将糖尿病标签作为条件变量输入生成器,通过引入梯度惩罚机制进行对抗训练;S4.利用训练后的生成器合成指定类别的PPG信号样本;S5.将生成样本与真实样本混合,构建类别分布均衡的数据集;S6.采用多分类器融合框架对增强数据进行2型糖尿病预测分析。本发明针对2型糖尿病预测中PPG信号数据样本数量有限、类别分布极度不均衡的问题,提出了改进的带有梯度惩罚的条件Wasserstein生成对抗网络算法。通过高质量的合成样本生成与数据增强,显著扩充了数据集规模。
技术关键词
数据处理方法
多分类器融合
多层卷积神经网络
样本
注意力机制
生成对抗网络模型
光电容积脉搏波
门控循环网络
动态时间规整
长短期记忆网络
双通道结构
门控循环单元
GP模型
卷积架构
信号采集模块
标签
系统为您推荐了相关专利信息
神经网络加速芯片
多任务
性能测试方法
场景
可见光相机
窃电检测方法
置信度阈值
生成对抗网络
生成样本数据
无标签数据
多模态
注意力机制
信息采集单元
胎压
热膨胀效应
关系预测方法
节点
多头注意力机制
着色标签
邻居