基于深度学习的人体低氧状态识别

被引：8

作者：

于露

金龙哲

王梦飞

徐明伟

机构：

[1] 北京科技大学土木与资源工程学院

来源：

工程科学学报 | 2019年 / 41卷 / 06期

关键词：

有限空间; 低氧伤害; 光电容积脉搏波; 深度学习; 状态识别;

D O I：

10.13374/j.issn2095-9389.2019.06.014

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

通过低氧实验提出一种快速识别人体低氧状态的方法.通过搭建深层神经网络训练实验数据识别氧气体积分数(16%～21%)与人体可耐受极端低氧气体积分数(15. 5%～16%)条件下光电容积脉搏波(photoplethysmography,PPG)信号,获得人体生理状态的模式识别网络.经测试该网络的识别正确率可达92. 8%.利用混淆矩阵及接受者操作性能(receiver operating characteristic,ROC)曲线分析,混淆矩阵的训练集、验证集、测试集、全集识别正确率分别达到97. 9%、94. 8%、92. 8%和96. 3%,AUC (area under curve)值接近1,认为该网络分类性能优良,并且可在4 s内完成整个识别过程.

引用

页码：817 / 823

页数：7

共 10 条

[1]

高温高湿低氧环境下人体热耐受性研究 [D].

李国建 .

天津大学,

2008

[2]

2014—2015年全国有限空间作业中毒与窒息事故分析及预防建议 [J].

周兴藩 ;

杨凤 ;

郭玲 ;

付朝晖 ;

唐仕川 ;

贾晓东 .

环境与职业医学, 2018, 35 (08) :735-740

[3]

基于PPG的血氧饱和度实时监测系统研究 [J].

张强 ;

涂浩 ;

左佳鑫 .

信息化研究, 2017, 43 (03) :75-78

[4]

基于PPG的心率和呼吸频率的测量研究 [J].

马俊领 ;

王成 ;

李章俊 ;

赵宏垚 .

光学技术, 2011, 37 (03) :309-312

[5]

有限空间作业意外伤亡事故的成因及其对策 [J].

臧铁柱 ;

张礼敬 ;

张丽 ;

陶刚 .

南京工业大学学报(自然科学版), 2005, (03) :103-106

[6]

工业通风.[M].沈恒根; 编写.中国建筑工业出版社.2010,

[7]

An investigation into the rate and mechanism of incident of work-related confined space fatalities.[J].Jason Selman;Jeffrey Spickett;Janis Jansz;Benjamin Mullins.Safety Science.2018,

[8]

Occupational safety during interventions in confined spaces.[J].Damien Burlet-Vienney;Yuvin Chinniah;Ali Bahloul;Brigitte Roberge.Safety Science.2015,

[9]

Clinical response of 20 people in a mining refuge: Study and analysis of functional parameters.[J].Cristián Mejías;Daniel Jiménez;Alejandro Muñoz;Lorenzo Reyes-Bozo.Safety Science.2014,

[10]

A controlled investigation into the psychological determinants of fatigue.[J].Ashley Craig;Yvonne Tran;Nirupama Wijesuriya;Peter Boord.Biological Psychology.2005, 1

← 1 →