CN117435932B - 一种减脂设备的参数控制方法及系统 - Google Patents
一种减脂设备的参数控制方法及系统 Download PDFInfo
- Publication number
- CN117435932B CN117435932B CN202311765966.XA CN202311765966A CN117435932B CN 117435932 B CN117435932 B CN 117435932B CN 202311765966 A CN202311765966 A CN 202311765966A CN 117435932 B CN117435932 B CN 117435932B
- Authority
- CN
- China
- Prior art keywords
- fat
- reducing
- target
- person
- individual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000001603 reducing effect Effects 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000013598 vector Substances 0.000 claims abstract description 72
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 28
- 230000009467 reduction Effects 0.000 claims abstract description 19
- 210000000577 adipose tissue Anatomy 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000004880 explosion Methods 0.000 claims description 7
- 210000001015 abdomen Anatomy 0.000 claims description 6
- 210000001217 buttock Anatomy 0.000 claims description 6
- 210000001624 hip Anatomy 0.000 claims description 6
- 210000002414 leg Anatomy 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 2
- 230000037237 body shape Effects 0.000 abstract description 4
- 206010000077 Abdominal mass Diseases 0.000 description 2
- 238000005422 blasting Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 238000001467 acupuncture Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H39/00—Devices for locating or stimulating specific reflex points of the body for physical therapy, e.g. acupuncture
- A61H39/007—Stimulation by mechanical vibrations, e.g. ultrasonic
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H39/00—Devices for locating or stimulating specific reflex points of the body for physical therapy, e.g. acupuncture
- A61H39/04—Devices for pressing such points, e.g. Shiatsu or Acupressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N7/00—Ultrasound therapy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/50—Control means thereof
- A61H2201/5007—Control means thereof computer controlled
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2207/00—Anti-cellulite devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N7/00—Ultrasound therapy
- A61N2007/0004—Applications of ultrasound therapy
- A61N2007/0008—Destruction of fat cells
Abstract
本发明涉及减脂设备控制领域，更具体地，本发明涉及一种减脂设备的参数控制方法及系统。所述方法包括：构建减脂数据集；将目标减脂人员的人体体型扫描图输入到预设的卷积神经网络模型中获得脂肪分布向量；匹配所述目标减脂人员的脂肪分布向量和匹配数据集以获得相似度，并构建相似度序列；基于相似度序列和匹配数据集获得目标穴位按摩时间；对按摩时间聚类以确定目标穴位按摩时间所在的目标聚类簇，从而计算目标减脂人员的目标爆脂头工作时间和目标功率；获得所述目标减脂人员的所有所需控制参数。通过本发明的技术方案，能够为用户带来更加灵活且具有个性化的减脂操作。
Description
技术领域
本发明一般地涉及减脂设备控制领域。更具体地，本发明涉及一种减脂设备的参数控制方法及系统。
背景技术
近些年，随着人们对健康的关注度不断提高，减脂成为了现代人的一个重要课题，很多人选择减脂设备来降低体重和塑造身材。减脂过程可以分为以下几步，首先开穴是减肥操作的第一步，一般是在关元穴、气海穴等穴位进行点状按摩刺激疏通经络，在疏通完经络之后，使用爆脂头对需要减肥的区域进行溶脂操作，然后使用负压头的强声波技术，使脂肪酸随淋巴引流，达到减脂的效果，最后使用外腹包模拟中医针灸调节经络的原理，达到调节代谢、促进脂肪代谢的效果。
现有技术对减脂过程的每一步操作没有标准的规定，不能根据待减脂人员的脂肪分布和预期减脂成功度动态调整减脂过程中每一步的减脂操作，从而不能准确的满足用户的个性化减脂参数的控制。
发明内容
为解决上述一个或多个技术问题，本发明提出构建减脂数据集；将目标减脂人员的人体体型扫描图输入到预设的卷积神经网络模型中获得脂肪分布向量；匹配所述目标减脂人员的脂肪分布向量和匹配数据集以获得相似度，并构建相似度序列；基于相似度序列和匹配数据集获得目标穴位按摩时间；对按摩时间聚类以确定目标穴位按摩时间所在的目标聚类簇，从而计算目标减脂人员的目标爆脂头工作时间和目标功率；获得所述目标减脂人员的所有所需控制参数。为此，本发明在如下的多个方面中提供方案。
第一方面，本发明提供一种减脂设备的参数控制方法，采用如下的技术方案：
一种减脂设备的参数控制方法，包括：
获取历史减脂人员的人体体型扫描图、减脂成功度、穴位按摩时间、爆脂头工作时间和功率，以构建减脂数据集，其中，所述减脂成功度为一个向量，根据所述目标减脂人员对身体不同部位减脂要求不同，从而体现出的减脂成功度也不同，减脂部位包括腰部、腹部、腿部和臀部，即减脂成功度为一个四维向量；将目标减脂人员的人体体型扫描图输入到预设的卷积神经网络模型中获得脂肪分布向量，所述卷积神经网络模型的训练过程包括：采集多个所述历史减脂人员的人体体型扫描图作为输入信息，并将所述历史减脂人员的脂肪分布向量作为标签信息，得到一组训练数据；将所述训练数据中的输入信息输入所述卷积神经网络模型，得到输出结果；通过所述输出结果和所述标签信息计算网络的损失值，所述损失值满足关系式：
其中，表示第/>个历史减脂人员的脂肪分布向量的预测损失，/>表示第/>个历史减脂人员的脂肪分布向量中体脂率的真实值，/>表示第/>个历史减脂人员的脂肪分布向量中体脂率的预测值，/>表示减脂成功度的第/>维属性值，/>表示第/>个历史减脂人员的脂肪分布向量中第/>个维度的属性值，/>表示第/>个历史减脂人员的脂肪分布向量中第/>个维度的属性值的预测值。
根据损失值反向传播误差信号，更新所述卷积神经网络模型的网络参数，使网络损失值变小；迭代地更新所述卷积神经网络模型的网络参数，直至网络损失值小于设定损失值时，停止更新，得到训练好的卷积神经网络模型；对目标减脂人员的减脂成功度与所述历史减脂人员的减脂成功度进行匹配，将所有匹配一致的所述减脂数据集合并作为匹配数据集；匹配所述目标减脂人员的脂肪分布向量和所述匹配数据集以获得相似度，并构建相似度序列，所述相似度满足关系式：
其中，表示第/>个目标减脂人员的脂肪分布向量和匹配数据集中第/>个历史减脂人员的脂肪分布向量之间的相似度，/>表示第/>个目标减脂人员的脂肪分布向量中第/>个维度的属性值，/>表示第/>个历史减脂人员的脂肪分布向量中第/>个维度的属性值，/>表示脂肪分布向量的维度数。
基于所述相似度序列和所述匹配数据集获得目标穴位按摩时间，所述目标穴位按摩时间满足关系式：
其中，表示第/>个目标减脂人员的目标穴位按摩时间，/>表示第/>个目标减脂人员的脂肪分布向量和匹配数据集中第/>个历史减脂人员的脂肪分布向量之间的相似度，/>表示第/>个历史减脂人员的历史穴位按摩时间，/>为历史减脂人员的个数。
对穴位按摩时间聚类以确定所述目标穴位按摩时间所在的目标聚类簇，并分别计算所述目标聚类簇中所述爆脂头工作时间和功率的平均值作为目标减脂人员的目标爆脂头工作时间和目标功率，包括步骤：将所述目标穴位按摩时间和所述匹配数据集中所述历史减脂人员的穴位按摩时间利用预设的聚类算法进行聚类，获得多个聚类簇；搜索所述目标减脂人员所在的目标聚类簇，以获得所述目标聚类簇中的所述历史减脂人员的爆脂头工作时间和功率；分别计算所述目标聚类簇中的所述历史减脂人员的爆脂头工作时间和功率的平均值，作为所述目标减脂人员的目标爆脂头工作时间和目标功率；获得所述目标减脂人员的所有所需控制参数以对减脂设备进行控制。
在一个实施例中，所述预设的卷积神经网络模型为残差网络，卷积神经网络包括输入层、隐藏层和输出层，所述输入层用于接收所述目标减脂人员的人体体型扫描图数据输入，所述隐藏层对输入信息进行特征提取后，将提取到的特征输入到所述输出层以输出脂肪分布向量。
第二方面，本发明提供一种减脂设备的参数控制系统，采用如下的技术方案：
一种减脂设备的参数控制系统，包括处理器；以及存储器，其存储有用于一种减脂设备的参数控制方法的计算机指令，当所述计算机指令由所述处理器运行时，使得设备执行根据所述的一种减脂设备的参数控制方法。
本发明具有以下技术效果：
1.本发明能够根据待减脂人员的脂肪分布和预期减脂成功度动态调整减脂过程中每一步的减脂操作，增加减脂过程的智能化，确保用户在减脂过程中的灵活性。
2.每一个参数都可以随着上一个参数的动态改变而改变，最终获得符合每一位用户的个性化减脂数据。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
图1是本发明实施例一种减脂设备的参数控制方法的流程图。
图2是本发明实施例一种减脂设备的参数控制系统的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当本发明的权利要求、说明书及附图使用术语“第一”、“第二”等时，其仅是用于区别不同对象，而不是用于描述特定顺序。本发明的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
本发明提供了一种减脂设备的参数控制方法。图1是根据本发明实施例的一种减脂设备的参数控制方法的流程图。如图1所示，一种减脂设备的参数控制方法包括步骤S1-S6以下具体说明。
S1，构建减脂数据集。
具体的，获取历史减脂人员的人体体型扫描图，并获得减脂成功度、穴位按摩时间、爆脂头工作时间和功率，构建历史减脂人员的减脂数据集。
其中，减脂成功度为一个向量，根据目标减脂人员对身体不同部位减脂要求不同，从而体现出的减脂成功度也不同；减脂部位包括腰部、腹部、腿部和臀部，即减脂成功度为一个四维向量。
示例性的，1表示减脂成功度好，0表示减脂成功度不好，减脂成功度为，表示用户的腰部减脂成功度好，腹部、腿部和臀部减脂成功度不好或者并没有对腹部、腿部和臀部进行减脂。
S2，将目标减脂人员的人体体型扫描图输入到预设的卷积神经网络模型中获得脂肪分布向量。
具体的，根据步骤S1获得历史减脂人员的人体体型扫描图，将历史减脂人员的人体体型扫描图输入到预设的卷积神经网络模型中，输出历史减脂人员对应的脂肪分布向量，脂肪分布向量包含减脂人员的体脂率和不同位置的脂肪含量。
具体的，预设的卷积神经网络模型为残差网络，卷积神经网络包括输入层、隐藏层和输出层，输入层用于接收人体体型扫描图数据输入，隐藏层对输入信息进行特征提取后，将提取到的特征输入到输出层以输出脂肪分布向量。
其中，卷积神经网络模型的训练过程为：采集多个历史减脂人员的人体体型扫描图作为输入信息，并将历史减脂人员的脂肪分布向量作为标签信息，得到一组训练数据；将训练数据中的输入信息输入卷积神经网络模型，得到输出结果；通过输出结果和标签信息计算网络的损失值，损失值满足关系式：
其中，表示第/>个历史减脂人员的脂肪分布向量的预测损失，/>表示第/>个历史减脂人员的脂肪分布向量中体脂率的真实值，/>表示第/>个历史减脂人员的脂肪分布向量中体脂率的预测值，/>表示减脂成功度的第/>维属性值，/>表示第/>个历史减脂人员的脂肪分布向量中第/>个维度的属性值，/>表示第/>个历史减脂人员的脂肪分布向量中第/>个维度的属性值的预测值。
根据历史减脂人员的减脂成功度给脂肪分布向量的每个维度属性值的预测损失一个权重，因为在后续的参数控制中，主要根据减脂成功度来进行控制，因此，减脂成功度对应的脂肪分布预测结果的准确性更加重要。
根据损失值反向传播误差信号，更新卷积神经网络模型的网络参数，使网络损失值变小；迭代地更新卷积神经网络模型的网络参数，直至网络损失值小于设定损失值时，停止更新，得到训练好的卷积神经网络模型。
将目标减脂人员的人体体型扫描图输入到训练好的卷积神经网络模型中，输出目标减脂人员的脂肪分布向量，其中，人体脂肪分布向量包括体脂率、腰部脂肪含量，腹部脂肪含量，腿部脂肪含量，臀部脂肪含量。
S3，匹配目标减脂人员的脂肪分布向量和匹配数据集以获得相似度，并构建相似度序列。
具体的，对目标减脂人员的减脂成功度与多个历史减脂人员的减脂成功度分别进行匹配，将所有匹配一致的历史减脂人员的减脂数据集作为匹配数据集；计算目标减脂人员的脂肪分布向量和匹配数据集中历史减脂人员的脂肪分布向量之间的相似度。
其中，目标减脂人员确定预期减脂成功度，然后与多个历史减脂人员的减脂成功度进行匹配，将在预设匹配度范围内的历史减脂人员的减脂成功度提取出来，构建匹配数据集，然后计算目标减脂人员的脂肪分布向量和匹配数据集中历史减脂人员的脂肪分布向量之间的相似度，进而计算目标减脂人员的穴位按摩时间。
示例性的，目标减脂人员需要减脂的部位为腰部，那么预期减脂成功度则表示为，那么匹配度最高的历史减脂人员的减脂成功度同样为/>，并且减脂成功度匹配度依次减小的为/>、/>、/>，本方案的预设匹配度范围最大值为/>，最小值为/>、/>、/>。
其中，目标减脂人员的脂肪分布向量和匹配数据集中历史减脂人员的脂肪分布向量之间的相似度满足关系式：
其中，表示第/>个目标减脂人员的脂肪分布向量和匹配数据集中第/>个历史减脂人员的脂肪分布向量之间的相似度，/>表示第/>个目标减脂人员的脂肪分布向量中第/>个维度的属性值，/>表示第/>个历史减脂人员的脂肪分布向量中第/>个维度的属性值，/>表示脂肪分布向量的维度数。
相似度越大说明目标减脂人员的脂肪分布和匹配数据集中历史减脂人员的脂肪分布越相似，由于相似度高的历史减脂人员的减脂成功度与目标减脂人员的预设减脂成功度一致，所以可按照相似度序列中的历史减脂人员参数控制目标人员的减脂参数。
S4，基于相似度序列和匹配数据集获得目标穴位按摩时间。
具体的，计算相似度序列中所对应的减脂数据集中的穴位按摩时间的均值，作为目标穴位按摩时间。
其中，目标穴位按摩时间满足关系式：
其中，表示第/>个目标减脂人员的目标穴位按摩时间，/>表示第/>个目标减脂人员的脂肪分布向量和匹配数据集中第/>个历史减脂人员的脂肪分布向量之间的相似度，/>表示第/>个历史减脂人员的历史穴位按摩时间，/>为历史减脂人员的个数。
S5，对按摩时间聚类以确定目标穴位按摩时间所在的目标聚类簇，从而计算目标减脂人员的目标爆脂头工作时间和目标功率。
具体的，将目标穴位按摩时间和匹配数据集中历史穴位按摩时间利用预设的聚类算法进行聚类，获得多个聚类簇；搜索目标减脂人员所在的目标聚类簇，获得目标聚类簇中所有的历史减脂人员，并获得目标聚类簇中的历史减脂人员的爆脂头工作时间和功率；接着分别计算目标聚类簇中的历史减脂人员的爆脂头工作时间和功率的均值，作为目标减脂人员的目标爆脂头工作时间和目标功率。
在一个实施例中，目标减脂人员会出现使用减脂设备时间缩短，导致实际穴位按摩时间小于计算的预测穴位按摩时间，根据目标减脂人员的实际穴位按摩时间确定出匹配数据集中按摩时间相同或相似的参数对应的历史减脂人员，再根据这些历史减脂人员的爆脂头工作时间和功率确定出目标减脂人员的目标爆脂头工作时间和目标功率。
示例性的，预设的聚类算法可以为SVM(Support Vector Machine，支持向量机)、层次聚类、DBSCAN(基于密度聚类)和K均值聚类等。
在一个实施例中，减脂数据集还包括负压头工作时间和功率以及外腹包数量，遍历目标减脂人员的目标爆脂头工作时间和目标功率获得方法，得到目标减脂人员的负压头工作时间和功率以及外腹包数量。
S6，获得目标减脂人员的所有所需控制参数。
具体的，获得目标减脂人员人体体型扫描图，将人体体型扫描图输入机器学习或深度模型中，得到标减脂人员的脂肪分布向量，并计算目标减脂人员的脂肪分布向量和匹配数据集中历史减脂人员的脂肪分布向量之间的相似度，接着获得匹配数据集，并根据匹配数据集内的历史减脂人员的穴位按摩时间均值作为目标减脂人员的穴位按摩时间，根据穴位按摩时间对下一步的减脂操作进行调整，其中每一步操作都可以根据上一步减脂的实际操作进行动态调整，最终所有操作结束后完成目标减脂人员的减脂操作参数控制。
本发明实施例还公开一种减脂设备的参数控制系统，参照图2，包括处理器和存储器，存储器存储有计算机程序指令，当计算机程序指令被处理器执行时实现根据本发明的一种减脂设备的参数控制方法。
上述系统还包括通信总线和通信接口等本领域技术人员熟知的其他组件，其设置和功能为本领域中已知，因此在此不再赘述。
在本发明中，前述的存储器可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器RRAM (Resistive RandomAccess Memory)、动态随机存取存储器DRAM (Dynamic Random Access Memory)、静态随机存取存储器SRAM (Static Random-Access Memory）、增强动态随机存取存储器EDRAM(Enhanced Dynamic Random Access Memory)、高带宽内存HBM (High-BandwidthMemory)、混合存储立方HMC (Hybrid Memory Cube）等等，或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。本发明描述的任何应用或模块可以使用可以由这样的计算机可读介质存储或以其他方式保持的计算机可读/可执行指令来实现。
虽然本说明书已经示出和描述了本发明的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中，可以采用对本文所描述的本发明实施例的各种替代方案。
以上均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。
Claims (3)
1.一种减脂设备的参数控制方法，其特征在于，包括以下步骤：
获取历史减脂人员的人体体型扫描图、减脂成功度、穴位按摩时间、爆脂头工作时间和功率，以构建减脂数据集，其中，所述减脂成功度为一个向量，根据目标减脂人员对身体不同部位减脂要求不同，从而体现出的减脂成功度也不同，减脂部位包括腰部、腹部、腿部和臀部，即减脂成功度为一个四维向量；
将目标减脂人员的人体体型扫描图输入到预设的卷积神经网络模型中获得脂肪分布向量，所述卷积神经网络模型的训练过程包括：
采集多个所述历史减脂人员的人体体型扫描图作为输入信息，并将所述历史减脂人员的脂肪分布向量作为标签信息，得到一组训练数据；
将所述训练数据中的输入信息输入所述卷积神经网络模型，得到输出结果；
通过所述输出结果和所述标签信息计算网络的损失值，所述损失值满足关系式：
其中，表示第/>个历史减脂人员的脂肪分布向量的预测损失，/>表示第/>个历史减脂人员的脂肪分布向量中体脂率的真实值，/>表示第/>个历史减脂人员的脂肪分布向量中体脂率的预测值，/>表示减脂成功度的第/>维属性值，/>表示第/>个历史减脂人员的脂肪分布向量中第/>个维度的属性值，/>表示第/>个历史减脂人员的脂肪分布向量中第/>个维度的属性值的预测值；
根据损失值反向传播误差信号，更新所述卷积神经网络模型的网络参数，使网络损失值变小；
迭代地更新所述卷积神经网络模型的网络参数，直至网络损失值小于设定损失值时，停止更新，得到训练好的卷积神经网络模型；
对目标减脂人员的减脂成功度与所述历史减脂人员的减脂成功度进行匹配，将所有匹配一致的所述减脂数据集合并作为匹配数据集；
匹配所述目标减脂人员的脂肪分布向量和所述匹配数据集以获得相似度，并构建相似度序列，所述相似度满足关系式：
其中，表示第/>个目标减脂人员的脂肪分布向量和匹配数据集中第/>个历史减脂人员的脂肪分布向量之间的相似度，/>表示第/>个目标减脂人员的脂肪分布向量中第/>个维度的属性值，/>表示第/>个历史减脂人员的脂肪分布向量中第/>个维度的属性值，/>表示脂肪分布向量的维度数；
基于所述相似度序列和所述匹配数据集获得目标穴位按摩时间，所述目标穴位按摩时间满足关系式：
其中，表示第/>个目标减脂人员的目标穴位按摩时间，/>表示第/>个目标减脂人员的脂肪分布向量和匹配数据集中第/>个历史减脂人员的脂肪分布向量之间的相似度，/>表示第/>个历史减脂人员的历史穴位按摩时间，/>为历史减脂人员的个数；
对穴位按摩时间聚类以确定所述目标穴位按摩时间所在的目标聚类簇，并分别计算所述目标聚类簇中所述爆脂头工作时间和功率的平均值作为目标减脂人员的目标爆脂头工作时间和目标功率，包括步骤：
将所述目标穴位按摩时间和所述匹配数据集中所述历史减脂人员的穴位按摩时间利用预设的聚类算法进行聚类，获得多个聚类簇；
搜索所述目标减脂人员所在的目标聚类簇，以获得所述目标聚类簇中的所述历史减脂人员的爆脂头工作时间和功率；
分别计算所述目标聚类簇中的所述历史减脂人员的爆脂头工作时间和功率的平均值，作为所述目标减脂人员的目标爆脂头工作时间和目标功率；
获得所述目标减脂人员的所有所需控制参数以对减脂设备进行控制。
2.根据权利要求1所述的一种减脂设备的参数控制方法，其特征在于，所述预设的卷积神经网络模型为残差网络，卷积神经网络包括输入层、隐藏层和输出层，所述输入层用于接收所述目标减脂人员的人体体型扫描图数据输入，所述隐藏层对输入信息进行特征提取后，将提取到的特征输入到所述输出层以输出脂肪分布向量。
3.一种减脂设备的参数控制系统，其特征在于，包括：
处理器；以及存储器，其存储有用于一种减脂设备的参数控制方法的计算机指令，当所述计算机指令由所述处理器运行时，使得设备执行根据权利要求1-2的任意一项所述的一种减脂设备的参数控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311765966.XA CN117435932B (zh) | 2023-12-21 | 2023-12-21 | 一种减脂设备的参数控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311765966.XA CN117435932B (zh) | 2023-12-21 | 2023-12-21 | 一种减脂设备的参数控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117435932A CN117435932A (zh) | 2024-01-23 |
| CN117435932B true CN117435932B (zh) | 2024-03-01 |
Family
ID=89548331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311765966.XA Active CN117435932B (zh) | 2023-12-21 | 2023-12-21 | 一种减脂设备的参数控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117435932B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108310631A (zh) * | 2018-01-30 | 2018-07-24 | 深圳市前海未来无限投资管理有限公司 | 一种电刺激减脂方法、装置及可穿戴设备 |
| CN115645742A (zh) * | 2022-10-31 | 2023-01-31 | 湖南旻一科技有限公司 | 智能腹部瘦身按摩系统 |
| CN116687390A (zh) * | 2023-04-03 | 2023-09-05 | 宁波浙鼎教育科技有限公司 | 一种基于智能运动鞋分析的用户减脂效果估测方法及系统 |
| CN117171596A (zh) * | 2023-11-02 | 2023-12-05 | 宝鸡市兴宇腾测控设备有限公司 | 一种压力变送器的在线监测方法及系统 |
| CN117239746A (zh) * | 2023-11-16 | 2023-12-15 | 国网湖北省电力有限公司武汉供电公司 | 一种基于机器学习的电力负荷预测方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230153845A1 (en) * | 2021-10-04 | 2023-05-18 | Ready Signal, LLC | System and method for generating custom data models for predictive forecasting |
-
2023
- 2023-12-21 CN CN202311765966.XA patent/CN117435932B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108310631A (zh) * | 2018-01-30 | 2018-07-24 | 深圳市前海未来无限投资管理有限公司 | 一种电刺激减脂方法、装置及可穿戴设备 |
| CN115645742A (zh) * | 2022-10-31 | 2023-01-31 | 湖南旻一科技有限公司 | 智能腹部瘦身按摩系统 |
| CN116687390A (zh) * | 2023-04-03 | 2023-09-05 | 宁波浙鼎教育科技有限公司 | 一种基于智能运动鞋分析的用户减脂效果估测方法及系统 |
| CN117171596A (zh) * | 2023-11-02 | 2023-12-05 | 宝鸡市兴宇腾测控设备有限公司 | 一种压力变送器的在线监测方法及系统 |
| CN117239746A (zh) * | 2023-11-16 | 2023-12-15 | 国网湖北省电力有限公司武汉供电公司 | 一种基于机器学习的电力负荷预测方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 梁斌 ; 刘全 ; 徐进 ; 周倩 ; 章鹏 ; .基于多注意力卷积神经网络的特定目标情感分析.计算机研究与发展.2017,(第08期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117435932A (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Athota et al. | Chatbot for healthcare system using artificial intelligence | |
| CN110675474B (zh) | 虚拟角色模型的学习方法、电子设备和可读存储介质 | |
| CN109711544A (zh) | 模型压缩的方法、装置、电子设备及计算机存储介质 | |
| CN107145910A (zh) | 医学影像的表现生成系统、其训练方法及表现生成方法 | |
| CN110134964B (zh) | 一种基于层次化卷积神经网络和注意力机制的文本匹配方法 | |
| TW201905838A (zh) | 電腦輔助醫療方法以及用於醫學預測的醫療系統 | |
| CN106295521A (zh) | 一种基于多输出卷积神经网络的性别识别方法、装置及计算设备 | |
| CN106875940A (zh) | 一种基于神经网络的机器自学习构建知识图谱训练方法 | |
| Kumar et al. | MobiHisNet: a lightweight CNN in mobile edge computing for histopathological image classification | |
| Lee et al. | Visualization of the meridian system based on biomedical information about acupuncture treatment | |
| CN109543179A (zh) | 口语化症状归一化的方法及系统 | |
| US20210117648A1 (en) | 3-dimensional model identification | |
| Suardi et al. | Design of sign language recognition using E-CNN | |
| CN111599433B (zh) | 一种药材的辅助开方方法、装置、存储介质及终端 | |
| CN117435932B (zh) | 一种减脂设备的参数控制方法及系统 | |
| CN113628726B (zh) | 基于图神经网络的中医辨治推荐系统、方法和电子设备 | |
| CN114064818A (zh) | 医疗实体关系的确定方法、训练方法、装置、设备及介质 | |
| CN116028613B (zh) | 常识问答方法、系统、计算机设备和存储介质 | |
| US11875124B2 (en) | Virtual assistant for a pharmaceutical article | |
| WO2021052150A1 (zh) | 放疗计划推荐方法、装置、电子设备及存储介质 | |
| CN117283549A (zh) | 机器人的控制方法及装置 | |
| Huang et al. | Tracking 3D ultrasound anatomical landmarks via three orthogonal plane‐based scale discriminative correlation filter network | |
| Zhang et al. | Research on diagnosis prediction of traditional Chinese medicine diseases based on improved Bayesian combination model | |
| CN115512411A (zh) | 一种基于人工智能的面部穴位识别定位系统及方法 | |
| CN103870712A (zh) | 中医知识数据智能响应方法与设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |