-
睡眠阶段分类：加速度计+呼吸频率的深度学习模型（LSTMCNN）实战
在快节奏的现代生活中，睡眠质量成为影响健康的关键因素。然而，传统多导睡眠监测(PSG)需在专业实验室佩戴数十个电极，既昂贵又不便。随着可穿戴设备的普及，利用加速度计与呼吸频率数据实现睡眠阶段分类的深度学习模型应运而生。本文将揭秘一种融合LSTM与CNN的混合模型(LSTMCNN)，如何通过智能手表等设备的数据，精准识别清醒、浅睡、深睡与快速眼动(REM)四大睡眠阶段。
-
雾霾预警及人体健康建议智能穿戴设计
摘 要 ：为解决人体呼吸频率检测多应用于临床的现状，文中设计了一种基于 STM32F407 单片机的可穿戴设备，使用非接触式方法测量人体呼吸频率，并通过 WiFi/4G 网络实时上传至云端服务器或移动端设备，结合实时PM2.5 指数，对人体健康防护提出预警。被测者只需穿戴该特制背心，便可获得数据，供医生和潜在呼吸等疾病患者参考。系统包括硬件设计和软件设计，数据传输效果好，测得数据精度高，运行稳定。
