本发明涉及人工智能，具体是一种基于近红外分光法和残差网络的经皮氧分压测量方法。
背景技术：
1、经皮氧分压测量技术是一项能够无创、实时、连续监测人体皮肤表面下氧分压值的医疗手段，该技术可帮助临床医生评估患者的血液循环和组织氧供情况，目前测量组织中经皮氧分压的方法主要分为有创测量和无创测量两类：有创测量的检测时间较长，操作较为繁琐，且只适用于单次测量，无法实时连续获取检测数据。相对地，无创测量方法主要有基于气体传感电极的经皮氧分压测量技术以及传统的近红外分光法(nir)。基于气体传感电极的经皮氧分压技术存在一定缺陷：(1)该技术的测量结果受到皮肤温度、血流和组织血管状况等局部因素的影响，因此，在不同部位和不同患者之间可能存在较大的变异性，降低了测量结果的一致性和可靠性；(2)伤口、瘢痕、水泡等皮肤损伤或异常状态可能影响测量的准确性；(3)由于组织氧分压的变化与动脉血氧分压变化之间存在一定的滞后性，该技术可能无法及时捕捉到急剧变化的情况。传统的近红外分光法技术也存在一定缺陷，主要包括：(1)光在组织中会被吸收和散射，因此深层组织的测量受到限制；(2)nir的灵敏度受到光源和探测器的性能的限制；(3)nir通常提供的是相对变化的信息，而不是绝对的浓度或分压值；
2、(4)数据的处理和解释需要复杂的算法和模型，以将光学信号转化为生理参数；(5)nir系统需要经常进行校准，以确保测量的准确性。
技术实现思路
1、本发明的目的在于提供一种基于近红外分光法和残差网络的经皮氧分压测量方法，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：一种基于近红外分光法和残差网络的经皮氧分压测量方法，所述方法包括：
3、基于近红外分光法获取光学信号以及体温值；
4、基于修正的朗伯-比尔定律构建线性模型；
5、将光学信号输入至线性模型中，输出中间值；
6、基于中间值和体温值构建与经皮氧分压值对应的非线性模型；
7、基于残差网络以及非线性模型构建神经网络模型；
8、基于神经网络模型生成经皮氧分压结果。
9、作为本发明进一步的方案，所述基于近红外分光法获取光学信号以及体温值的步骤包括:通过4光源-6探测器阵列结构的传感器获取光学信号。
10、作为本发明进一步的方案，所述基于修正的朗伯-比尔定律构建线性模型步骤具体包括：
11、获取修正的朗伯-比尔定律公式；
12、基于4光源-6探测器阵列结构以及加性组合定理对修正的朗伯-比尔定律公式进行进一步修正；
13、基于修正后的公式构建线性模型。
14、作为本发明进一步的方案，所述基于中间值和体温值构建与经皮氧分压值对应的非线性模型的步骤具体包括：
15、确定经皮氧分压的影响因子；
16、基于pearson相关系数法对影响因子进行相关性分析；
17、基于分析结果确定自变量、协变量；
18、基于自变量、协变量建立非线性模型。
19、作为本发明进一步的方案，所述基于残差网络以及非线性模型构建神经网络模型的步骤具体包括：
20、采集样本数据；
21、对样本数据进行预处理；
22、基于对预处理后的样本数据构建神经网络模型。
23、作为本发明进一步的方案，所述对样本数据进行预处理的步骤具体包括：
24、对样本数据进行清洗；
25、对清洗后的样本数据进行z-score标准化处理；
26、采用min-max法将样本的每个维度分量进行压缩；
27、对预处理后的样本数据进行分割为训练集、验证集和测试集。
28、作为本发明进一步的方案，所述神经网络模型包括1个卷积层、3个残差块、1个最大池化层、1个展平层、2个全连接层和1个失活层。
29、与现有技术相比，本发明的有益效果是：线性模型能够快速捕捉数据中的线性关系，而非线性模型则擅长捕捉复杂的非线性关系。级联架构可以同时利用两者的优势，提高整体模型的性能和预测精度，线性模型可以首先提取数据中的基本特征，然后由非线性模型进一步处理和优化这些特征，从而提高对复杂数据模式的捕捉能力，通过先使用线性模型进行初步处理，简化输入数据的特征，使得后续的非线性模型处理更加高效。这可以减少非线性模型的计算复杂度和训练时间，在线性模型的基础上，非线性模型进一步提炼特征，这有助于深入理解数据中的复杂关系。级联架构能够将简单的线性关系和复杂的非线性关系结合起来，提供更全面的解释。
1.一种基于近红外分光法和残差网络的经皮氧分压测量方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于近红外分光法和残差网络的经皮氧分压测量方法，其特征在于，所述基于近红外分光法获取光学信号以及体温值的步骤包括:通过4光源-6探测器阵列结构的传感器获取光学信号，通过温度传感器获取体温值。
3.根据权利要求2所述的基于近红外分光法和残差网络的经皮氧分压测量方法，其特征在于，所述基于修正的朗伯-比尔定律构建线性模型步骤具体包括：
4.根据权利要求1所述的基于近红外分光法和残差网络的经皮氧分压测量方法，其特征在于，所述基于中间值和体温值构建与经皮氧分压值对应的非线性模型的步骤具体包括：
5.根据权利要求1所述的基于近红外分光法和残差网络的经皮氧分压测量方法，其特征在于，所述基于残差网络以及非线性模型构建神经网络模型的步骤具体包括：
6.根据权利要求5所述的基于近红外分光法和残差网络的经皮氧分压测量方法，其特征在于，所述对样本数据进行预处理的步骤具体包括：
7.根据权利要求1所述的基于近红外分光法和残差网络的经皮氧分压测量方法，其特征在于，所述神经网络模型包括1个卷积层、3个残差块、1个最大池化层、1个展平层、2个全连接层和1个失活层。
