一种基于慢特征分析和深度神经网络的AMS易感性评估系统

摘要

本发明公开了一种基于性能监控与深度神经网络的数据驱动AMS易感性评估系统，可以监控技术结合深度神经网络应用于低氧耐受能力动态性能评估中，学习SpO2慢特征和IHT过程采集的数据中关键信息，并对人体低氧耐受能力进行分类；利用慢特征分析和长短时记忆网络构建分类器，充分挖掘生理数据的本质特征，实现快速且高准确率地对个体耐低氧能力进行分类；本发明系统最突出的特征是引入性能监控与深度神经网络的思想对动态生理数据进行个体AMS易感性评估，同时，评估过程融合了由睡眠质量数据和LLS构成的低氧耐受适应域，以达到多角度全面评估效果；首次结合睡眠质量数据和LLS指标构建低氧耐受适应域，以消除LLS存在的主观性问题。