一种基于联邦学习的预测驱动型家用呼吸机气压控制方法

本发明公开了一种基于联邦学习的预测驱动型家用呼吸机气压控制方法，涉及家用睡眠呼吸机技术领域，包括：使用自适应矩估计优化器对双层长短期记忆网络模型进行训练，得到潮气量预测模型；通过联邦学习对若干个呼吸机端的潮气量预测模型进行聚合优化，得到优化后的全局潮气量预测模型；对呼吸机端实时采集的生理数据进行预测，得到患者的潮气量；并基于潮气量调节呼吸机的气压输出。本发明通过云端与呼吸机端的协同工作，利用联邦学习算法优化神经网络模型，在保证数据隐私的前提下，不断提升呼吸机的预测精度和控制性能，确保呼吸机中使用的模型能够更精准地匹配不同群体的呼吸事件，提高预测精度和控制效果。