-
睡眠階段分類：加速度計+呼吸頻率的深度學習模型（LSTMCNN）實戰(zhàn)
在快節(jié)奏的現(xiàn)代生活中，睡眠質量成為影響健康的關鍵因素。然而，傳統(tǒng)多導睡眠監(jiān)測(PSG)需在專業(yè)實驗室佩戴數(shù)十個電極，既昂貴又不便。隨著可穿戴設備的普及，利用加速度計與呼吸頻率數(shù)據(jù)實現(xiàn)睡眠階段分類的深度學習模型應運而生。本文將揭秘一種融合LSTM與CNN的混合模型(LSTMCNN)，如何通過智能手表等設備的數(shù)據(jù)，精準識別清醒、淺睡、深睡與快速眼動(REM)四大睡眠階段。
-
霧霾預警及人體健康建議智能穿戴設計
摘 要 ：為解決人體呼吸頻率檢測多應用于臨床的現(xiàn)狀，文中設計了一種基于 STM32F407 單片機的可穿戴設備，使用非接觸式方法測量人體呼吸頻率，并通過 WiFi/4G 網(wǎng)絡實時上傳至云端服務器或移動端設備，結合實時PM2.5 指數(shù)，對人體健康防護提出預警。被測者只需穿戴該特制背心，便可獲得數(shù)據(jù)，供醫(yī)生和潛在呼吸等疾病患者參考。系統(tǒng)包括硬件設計和軟件設計，數(shù)據(jù)傳輸效果好，測得數(shù)據(jù)精度高，運行穩(wěn)定。
