Resumen

Teniendo en cuenta la velocidad actual de extracción de características y el efecto de reconocimiento del diagnóstico inteligente del comportamiento de atención sanitaria de las mujeres menopáusicas, este trabajo propone utilizar una red neuronal convolucional de capas cruzadas para extraer características de comportamiento de forma autónoma y utilizar un clasificador de comportamiento multiclase de máquina de vectores de soporte para clasificar el comportamiento. En comparación con las imágenes de características extraídas por métodos tradicionales, las características de comportamiento extraídas en este trabajo están relacionadas con las mujeres menopáusicas individuales y tienen mejor información semántica, y la capacidad de descripción de características en el dominio del tiempo y el dominio del espacio se ha mejorado. Mediante el software Matlab, utilizando la base de datos establecida en este trabajo para comparar su tiempo de extracción de características, el tiempo de clasificación de prueba y la precisión de reconocimiento final con las redes neuronales convolucionales ordinarias, se concluye que el modelo CNN-SVM de capas cruzadas puede garantizar la velocidad de extracción de características. Esto demuestra que el método de este trabajo puede aplicarse al sistema de diagnóstico inteligente del comportamiento para el cuidado inteligente de mujeres menopáusicas y tiene un buen valor práctico. Este trabajo diseña un sistema de monitorización inteligente de camas de cuidados en el hogar, que puede detectar automáticamente la postura de la cama de cuidados, y no sólo puede cambiar la postura de la cama bajo el control del personal, sino que también puede completar automáticamente la conversión de la postura de acuerdo con la configuración. Al mismo tiempo, el sistema tiene la función de monitorizar el estado físico de la persona cuidada y puede detectar la frecuencia cardíaca, el oxígeno en sangre y otros indicadores fisiológicos de la persona encamada. Además, el sistema también puede proporcionar una función de diagnóstico remoto, lo que permite al personal de enfermería ver a distancia el estado actual de la cama de cuidados y la condición física de la persona. Tras las pruebas, el sistema funciona de forma estable, mejora la automatización y la seguridad del control de la cama de cuidados y enriquece las funciones de la cama de cuidados.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:artículo, sistema, mujeres menopáusicas, cama de enfermería, estado físico, sistema de diagnóstico inteligente del comportamiento, velocidad actual de extracción de características, red neuronal convolucional de capas, redes neuronales convolucionales ordinarias, mejor información semántica
• Keywords:paper, system, menopausal women, nursing bed, physical condition, behavioral intelligent diagnosis system, current feature extraction speed, layer convolutional neural network, ordinary convolutional neural networks, better semantic information