CN105361893A - 一种生理状态识别方法 - Google Patents
一种生理状态识别方法 Download PDFInfo
- Publication number
- CN105361893A CN105361893A CN201510958429.6A CN201510958429A CN105361893A CN 105361893 A CN105361893 A CN 105361893A CN 201510958429 A CN201510958429 A CN 201510958429A CN 105361893 A CN105361893 A CN 105361893A
- Authority
- CN
- China
- Prior art keywords
- concentration
- filtering
- benchmark
- tested personnel
- signal
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1486—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using enzyme electrodes, e.g. with immobilised oxidase
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Psychology (AREA)
- Power Engineering (AREA)
- Emergency Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种基于人种检测的人员生理状态识别平台,所述识别平台包括血糖监控子系统、脑电波监控子系统、人种检测子系统和ARM11处理芯片,所述血糖监控子系统基于所述人种检测子系统的检测结果对被测人员血糖参数进行提取,所述脑电波监控子系统对被测人员脑电波状态进行监控,所述ARM11处理芯片基于所述血糖监控子系统和所述脑电波监控子系统的监控结果识别出被测人员的生理状态。通过本发明,能够在人种识别的基础上为被测人员提供智能化医疗监护。
Description
技术领域
本发明涉及生理参数检测领域,尤其涉及一种生理状态识别方法。
背景技术
当前,各种生理参数检测仪器都存在以下缺陷:检测机制单一,每一个仪器一般只用于检测一项生理参数;检测机制落后,检测仪器的结构冗余度不高,精度不够精确;由于被测人员存在四种人种,由于历史的积累和进化的不同步,每一种人种的生理参数的预警阈值都不相同,现有技术缺乏基于人种检测的智能化检测手段,导致检测结果偏差较大。
现有技术中并不存在能够同时解决上述技术问题的设备与机制,尤其在人种识别方面,甚至无法作到采用人工肉眼进行识别,根据识别结果选择不同的阈值参数,更不用说采用机器自动识别的方式了。
因此,本发明提出了一种基于人种检测的人员生理状态识别平台,能够将被测人员的血糖信号和脑电波信号放在一个检测机制下进行检测,同时改善现有的生理参数检测设备的结构,实现不同人种不同检测预警阈值的检测模式,从而提高检测结果的精度,避免出现误诊的情况发生。
发明内容
为了解决现有技术存在的技术问题,本发明提供了一种基于人种检测的人员生理状态识别平台,将血糖检测设备和脑电波检测设备集中在一个检测仪器内同时工作,优化现有的检测设备的结构,更关键的是,对于世界上现存的四种人种,采用高精度图像识别的技术进行人种识别,并根据人种识别的结果自适应地设置各个生理参数预警阈值。
根据本发明的一方面,提供了一种基于人种检测的人员生理状态识别平台,所述识别平台包括血糖监控子系统、脑电波监控子系统、人种检测子系统和ARM11处理芯片,所述血糖监控子系统基于所述人种检测子系统的检测结果对被测人员血糖参数进行提取,所述脑电波监控子系统对被测人员脑电波状态进行监控,所述ARM11处理芯片基于所述血糖监控子系统和所述脑电波监控子系统的监控结果识别出被测人员的生理状态。
更具体地,在所述基于人种检测的人员生理状态识别平台中,包括:图像采集设备,用于对被测人员面部进行拍摄,以获得被测人员面部图像;对比度增强设备,与所述图像采集设备连接,用于接收所述被测人员面部图像并对其进行对比度增强处理,以获得增强图像;中值滤波设备,与所述对比度增强设备连接,用于对所述增强图像执行像素窗口5×5的中值滤波,以滤除所述增强图像中的点噪声,获得中值滤波图像;低通滤波设备,与所述中值滤波设备连接,用于去除所述中值滤波图像中的随机噪声,获得低通滤波图像;同态滤波设备,与所述低通滤波设备连接,用于对所述低通滤波图像执行压缩亮度范围处理,以获得同态滤波图像;特征提取设备,与所述同态滤波设备连接,包括图像分割子设备和特征向量识别子设备,所述图像分割子设备用于将所述同态滤波图像中的面部目标从拍摄背景处识别并分割出来以获得面部子图像;所述特征向量识别子设备与所述图像分割子设备连接,基于所述面部子图像确定被测人员面部的8个几何特征:欧拉孔数、圆度、角点数、凸凹度、光滑度、长径比、紧密度和主轴角度,并将所述8个几何特征组成特征向量;人种识别设备,与所述特征提取设备连接,采用8输入4输出的单隐层BP神经网络,以被测人员面部的8个几何特征作为输入层神经元,输出层为被测人员的人种类型,所述被测人员的人种类型为白色人种、黄色人种、棕色人种和黑色人种四种类型中的一种;静态存储器,用于预先存储人种生理参数对照表,所述人种生理参数对照表保存了白色人种、黄色人种、棕色人种和黑色人种四种类型中的每一种类型对应的基准脉搏范围、基准窦性心率范围、基准PR间隔范围、基准QT间期范围、基准血糖上限浓度、基准血糖下限浓度、基准血氧饱和度上限浓度和基准血氧饱和度下限浓度;检测电极,设置在被测人员头部上,用于检测大脑的神经元活动通过离子传导到达大脑皮层而形成的电压变化量;前置差分放大器,与所述检测电极连接,用于对所述电压变化量进行放大;第一低通滤波器,与所述前置差分放大器连接,用于将放大后的电压变化量进行100Hz低通滤波,以输出第一滤波信号;两级工频陷波器,与所述第一低通滤波器连接,用于对所述第一滤波信号进行两级工频陷波处理,以输出陷波信号;高通滤波器,与所述两级工频陷波器连接,用于对所述陷波信号进行0.1Hz高通滤波,以输出第二滤波信号;电平调节电路,与所述高通滤波器连接,对所述第二滤波信号进行电平调节处理,以为后续模数转换做准备;模数转换电路,与所述电平调节电路连接,将经过电平调节处理后的第二滤波信号进行8位的模数转换,以获得被测人员的脑电波数字信号;酶电极传感器,包括参比电极、对极电极和工作电极三个电极,工作电极上固定有葡萄糖氧化酶,其中,当被测人员的被测血样滴落在工作电极的测试区域时,工作电极上固定的葡萄糖氧化酶与被测血样中的葡萄糖发生化学反应,工作电极上的响应电流与被测血样中的葡萄糖浓度呈线性关系;放大电路,与所述酶电极传感器连接,用于接收并放大工作电极上的响应电流;第二低通滤波器,与所述放大电路连接,用于接收并滤除响应电流中的高频成分;ARM11处理芯片,与所述第二低通滤波器连接,基于预设比例系数和滤波后的响应电流计算被测人员的血糖浓度,其中,预设比例系数为决定工作电极上的响应电流与被测血样中的葡萄糖浓度之间线性关系的比值;所述ARM11处理芯片还与所述模数转换电路连接,用于接收脑电波数字信号;其中,所述ARM11处理芯片当所述脑电波数字信号中出现α波和β波时,输出浅睡眠识别信号,当所述脑电波数字信号中出现θ波和δ波时,输出深睡眠识别信号,当所述血糖浓度在预设血糖上限浓度时,发出血糖浓度过高识别信号,当所述血糖浓度在预设血糖下限浓度时,发出血糖浓度过低识别信号;其中,ARM11处理芯片还与人种识别设备和静态存储器分别连接,基于人种识别设备输出的被测人员的人种类型在所述人种生理参数对照表中确定基准脉搏范围、基准窦性心率范围、基准PR间隔范围、基准QT间期范围、基准血糖上限浓度、基准血糖下限浓度、基准血氧饱和度上限浓度和基准血氧饱和度下限浓度,并作为预设脉搏范围、预设窦性心率范围、预设PR间隔范围、预设QT间期范围、预设血糖上限浓度、预设血糖下限浓度、预设血氧饱和度上限浓度和预设血氧饱和度下限浓度。
更具体地,在所述基于人种检测的人员生理状态识别平台中:所述预设比例系统被预先存储在所述ARM11处理芯片的内置存储器中。
更具体地,在所述基于人种检测的人员生理状态识别平台中:所述预设比例系统被预先存储在静态存储器中。
更具体地,在所述基于人种检测的人员生理状态识别平台中:所述两级工频陷波器采用带通滤波抵消方式设计,用于抵消所述第一滤波信号中的工频分量。
更具体地,在所述基于人种检测的人员生理状态识别平台中:所述工频分量为50Hz频率分量。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为本发明实施方案的基于人种检测的人员生理状态识别平台的第一实施例的结构方框图。
附图标记:1血糖监控子系统;2脑电波监控子系统;3人种检测子系统;4ARM11处理芯片
具体实施方式
下面将参照附图对本发明的基于人种检测的人员生理状态识别平台的实施方案进行详细说明。
当今世界存在四大人种,即黄色人种,又称作为蒙古人种,白色人种,又称作为高加索人种,黑色人种,又称作为尼格罗人种,以及棕色人种,又称作为澳大利亚人种。
从外形上看,不同的人种在肤色、眼色、发色、发型、头型、身高等特征上有所区别,但这些特征差异是由于人类在一定地域内长期适应当地自然环境,又经过长期隔离所形成的。从内部结构上看,不同的人种在各项生理参数分布范围上也各不相同,如果对不同人种采用相同的生理参数阈值进行监控,监控的结果可能大相径庭。
现有技术中缺乏基于人种识别的生理参数检测机制,同时,现有技术中的每一种生理参数仪一般只检测单一的生理参数,无法进行综合检测,以及现有的生理参数仪结构冗余度高,检测精度偏低,需要对其结构进行一定的优化。
为此,本发明搭建了一种基于人种检测的人员生理状态识别平台,将经过结构优化的高精度的血糖监控设备和脑电波监控设备集成在一个检测仪器中,同时采用有针对性的人种识别设备对被测人员进行识别,在此基础上,完成对被测人员的生理参数的科学性检测和预警。。
图1为本发明实施方案的基于人种检测的人员生理状态识别平台的第一实施例的结构方框图,所述识别平台包括血糖监控子系统、脑电波监控子系统、人种检测子系统和ARM11处理芯片,所述血糖监控子系统基于所述人种检测子系统的检测结果对被测人员血糖参数进行提取,所述脑电波监控子系统对被测人员脑电波状态进行监控,所述ARM11处理芯片基于所述血糖监控子系统和所述脑电波监控子系统的监控结果识别出被测人员的生理状态。
接着,继续对本发明实施方案的基于人种检测的人员生理状态识别平台的第二实施例进行进一步的说明。
所述识别平台包括:图像采集设备,用于对被测人员面部进行拍摄,以获得被测人员面部图像;对比度增强设备,与所述图像采集设备连接,用于接收所述被测人员面部图像并对其进行对比度增强处理,以获得增强图像;中值滤波设备,与所述对比度增强设备连接,用于对所述增强图像执行像素窗口5×5的中值滤波,以滤除所述增强图像中的点噪声,获得中值滤波图像;低通滤波设备,与所述中值滤波设备连接,用于去除所述中值滤波图像中的随机噪声,获得低通滤波图像。
所述识别平台包括:同态滤波设备,与所述低通滤波设备连接,用于对所述低通滤波图像执行压缩亮度范围处理,以获得同态滤波图像;特征提取设备,与所述同态滤波设备连接,包括图像分割子设备和特征向量识别子设备,所述图像分割子设备用于将所述同态滤波图像中的面部目标从拍摄背景处识别并分割出来以获得面部子图像;所述特征向量识别子设备与所述图像分割子设备连接,基于所述面部子图像确定被测人员面部的8个几何特征:欧拉孔数、圆度、角点数、凸凹度、光滑度、长径比、紧密度和主轴角度,并将所述8个几何特征组成特征向量。
所述识别平台包括:人种识别设备,与所述特征提取设备连接,采用8输入4输出的单隐层BP神经网络,以被测人员面部的8个几何特征作为输入层神经元,输出层为被测人员的人种类型,所述被测人员的人种类型为白色人种、黄色人种、棕色人种和黑色人种四种类型中的一种;静态存储器,用于预先存储人种生理参数对照表,所述人种生理参数对照表保存了白色人种、黄色人种、棕色人种和黑色人种四种类型中的每一种类型对应的基准脉搏范围、基准窦性心率范围、基准PR间隔范围、基准QT间期范围、基准血糖上限浓度、基准血糖下限浓度、基准血氧饱和度上限浓度和基准血氧饱和度下限浓度。
所述识别平台包括:检测电极,设置在被测人员头部上,用于检测大脑的神经元活动通过离子传导到达大脑皮层而形成的电压变化量;前置差分放大器,与所述检测电极连接,用于对所述电压变化量进行放大;第一低通滤波器,与所述前置差分放大器连接,用于将放大后的电压变化量进行100Hz低通滤波,以输出第一滤波信号;两级工频陷波器,与所述第一低通滤波器连接,用于对所述第一滤波信号进行两级工频陷波处理,以输出陷波信号。
所述识别平台包括:高通滤波器,与所述两级工频陷波器连接,用于对所述陷波信号进行0.1Hz高通滤波,以输出第二滤波信号;电平调节电路,与所述高通滤波器连接,对所述第二滤波信号进行电平调节处理,以为后续模数转换做准备;模数转换电路,与所述电平调节电路连接,将经过电平调节处理后的第二滤波信号进行8位的模数转换,以获得被测人员的脑电波数字信号;酶电极传感器,包括参比电极、对极电极和工作电极三个电极,工作电极上固定有葡萄糖氧化酶,其中,当被测人员的被测血样滴落在工作电极的测试区域时,工作电极上固定的葡萄糖氧化酶与被测血样中的葡萄糖发生化学反应,工作电极上的响应电流与被测血样中的葡萄糖浓度呈线性关系;放大电路,与所述酶电极传感器连接,用于接收并放大工作电极上的响应电流。
所述识别平台包括:第二低通滤波器,与所述放大电路连接,用于接收并滤除响应电流中的高频成分。
所述识别平台包括:ARM11处理芯片,与所述第二低通滤波器连接,基于预设比例系数和滤波后的响应电流计算被测人员的血糖浓度,其中,预设比例系数为决定工作电极上的响应电流与被测血样中的葡萄糖浓度之间线性关系的比值。
其中,所述ARM11处理芯片还与所述模数转换电路连接,用于接收脑电波数字信号;所述ARM11处理芯片当所述脑电波数字信号中出现α波和β波时,输出浅睡眠识别信号,当所述脑电波数字信号中出现θ波和δ波时,输出深睡眠识别信号,当所述血糖浓度在预设血糖上限浓度时,发出血糖浓度过高识别信号,当所述血糖浓度在预设血糖下限浓度时,发出血糖浓度过低识别信号。
其中,ARM11处理芯片还与人种识别设备和静态存储器分别连接,基于人种识别设备输出的被测人员的人种类型在所述人种生理参数对照表中确定基准脉搏范围、基准窦性心率范围、基准PR间隔范围、基准QT间期范围、基准血糖上限浓度、基准血糖下限浓度、基准血氧饱和度上限浓度和基准血氧饱和度下限浓度,并作为预设脉搏范围、预设窦性心率范围、预设PR间隔范围、预设QT间期范围、预设血糖上限浓度、预设血糖下限浓度、预设血氧饱和度上限浓度和预设血氧饱和度下限浓度。
可选地,在所述识别平台中:所述预设比例系统被预先存储在所述ARM11处理芯片的内置存储器中;所述预设比例系统被预先存储在静态存储器中;所述两级工频陷波器采用带通滤波抵消方式设计,用于抵消所述第一滤波信号中的工频分量;所述工频分量为50Hz频率分量。
另外,模数转换器即A/D转换器,或简称ADC,通常是指一个将模拟信号转变为数字信号的电子元件。通常的模数转换器是将一个输入电压信号转换为一个输出的数字信号。由于数字信号本身不具有实际意义,仅仅表示一个相对大小。故任何一个模数转换器都需要一个参考模拟量作为转换的标准,比较常见的参考标准为最大的可转换信号大小。而输出的数字量则表示输入信号相对于参考信号的大小。
模拟数字转换器的分辨率是指,对于允许范围内的模拟信号,它能输出离散数字信号值的个数。这些信号值通常用二进制数来存储,因此分辨率经常用比特作为单位,且这些离散值的个数是2的幂指数。例如,一个具有8位分辨率的模拟数字转换器可以将模拟信号编码成256个不同的离散值(因为2^8=256),从0到255(即无符号整数)或从-128到127(即带符号整数),至于使用哪一种,则取决于具体的应用。
采用本发明的基于人种检测的人员生理状态识别平台,针对现有技术中被测人员生理参数检测单一、结构不够优化以及缺乏基于人种识别的智能化检测机制的技术问题,将去冗余度后的高精度的血糖监控设备和脑电波监控设备汇集在一个检测仪器中,采用图像识别技术对人种进行有针对性的检测,并在人种识别的基础上完成对被测人员的生理状态的检测和预警。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (6)
1.一种生理状态识别方法,该方法包括:提供一种基于人种检测的人员生理状态识别平台,所述识别平台包括血糖监控子系统、脑电波监控子系统、人种检测子系统和ARM11处理芯片,所述血糖监控子系统基于所述人种检测子系统的检测结果对被测人员血糖参数进行提取,所述脑电波监控子系统对被测人员脑电波状态进行监控,所述ARM11处理芯片基于所述血糖监控子系统和所述脑电波监控子系统的监控结果识别出被测人员的生理状态;运行所述平台。
2.如权利要求1所述的方法,其特征在于,所述识别平台包括:
图像采集设备,用于对被测人员面部进行拍摄,以获得被测人员面部图像;
对比度增强设备,与所述图像采集设备连接,用于接收所述被测人员面部图像并对其进行对比度增强处理,以获得增强图像;
中值滤波设备,与所述对比度增强设备连接,用于对所述增强图像执行像素窗口5×5的中值滤波,以滤除所述增强图像中的点噪声,获得中值滤波图像;
低通滤波设备,与所述中值滤波设备连接,用于去除所述中值滤波图像中的随机噪声,获得低通滤波图像;
同态滤波设备,与所述低通滤波设备连接,用于对所述低通滤波图像执行压缩亮度范围处理,以获得同态滤波图像;
特征提取设备,与所述同态滤波设备连接,包括图像分割子设备和特征向量识别子设备,所述图像分割子设备用于将所述同态滤波图像中的面部目标从拍摄背景处识别并分割出来以获得面部子图像;所述特征向量识别子设备与所述图像分割子设备连接,基于所述面部子图像确定被测人员面部的8个几何特征:欧拉孔数、圆度、角点数、凸凹度、光滑度、长径比、紧密度和主轴角度,并将所述8个几何特征组成特征向量;
人种识别设备,与所述特征提取设备连接,采用8输入4输出的单隐层BP神经网络,以被测人员面部的8个几何特征作为输入层神经元,输出层为被测人员的人种类型,所述被测人员的人种类型为白色人种、黄色人种、棕色人种和黑色人种四种类型中的一种;
静态存储器,用于预先存储人种生理参数对照表,所述人种生理参数对照表保存了白色人种、黄色人种、棕色人种和黑色人种四种类型中的每一种类型对应的基准脉搏范围、基准窦性心率范围、基准PR间隔范围、基准QT间期范围、基准血糖上限浓度、基准血糖下限浓度、基准血氧饱和度上限浓度和基准血氧饱和度下限浓度;
检测电极,设置在被测人员头部上,用于检测大脑的神经元活动通过离子传导到达大脑皮层而形成的电压变化量;
前置差分放大器,与所述检测电极连接,用于对所述电压变化量进行放大;
第一低通滤波器,与所述前置差分放大器连接,用于将放大后的电压变化量进行100Hz低通滤波,以输出第一滤波信号;
两级工频陷波器,与所述第一低通滤波器连接,用于对所述第一滤波信号进行两级工频陷波处理,以输出陷波信号;
高通滤波器,与所述两级工频陷波器连接,用于对所述陷波信号进行0.1Hz高通滤波,以输出第二滤波信号;
电平调节电路,与所述高通滤波器连接,对所述第二滤波信号进行电平调节处理,以为后续模数转换做准备;
模数转换电路,与所述电平调节电路连接,将经过电平调节处理后的第二滤波信号进行8位的模数转换,以获得被测人员的脑电波数字信号;
酶电极传感器,包括参比电极、对极电极和工作电极三个电极,工作电极上固定有葡萄糖氧化酶,其中,当被测人员的被测血样滴落在工作电极的测试区域时,工作电极上固定的葡萄糖氧化酶与被测血样中的葡萄糖发生化学反应,工作电极上的响应电流与被测血样中的葡萄糖浓度呈线性关系;
放大电路,与所述酶电极传感器连接,用于接收并放大工作电极上的响应电流;
第二低通滤波器,与所述放大电路连接,用于接收并滤除响应电流中的高频成分;
ARM11处理芯片,与所述第二低通滤波器连接,基于预设比例系数和滤波后的响应电流计算被测人员的血糖浓度,其中,预设比例系数为决定工作电极上的响应电流与被测血样中的葡萄糖浓度之间线性关系的比值;所述ARM11处理芯片还与所述模数转换电路连接,用于接收脑电波数字信号;
其中,所述ARM11处理芯片当所述脑电波数字信号中出现α波和β波时,输出浅睡眠识别信号,当所述脑电波数字信号中出现θ波和δ波时,输出深睡眠识别信号,当所述血糖浓度在预设血糖上限浓度时,发出血糖浓度过高识别信号,当所述血糖浓度在预设血糖下限浓度时,发出血糖浓度过低识别信号;
其中,ARM11处理芯片还与人种识别设备和静态存储器分别连接,基于人种识别设备输出的被测人员的人种类型在所述人种生理参数对照表中确定基准脉搏范围、基准窦性心率范围、基准PR间隔范围、基准QT间期范围、基准血糖上限浓度、基准血糖下限浓度、基准血氧饱和度上限浓度和基准血氧饱和度下限浓度,并作为预设脉搏范围、预设窦性心率范围、预设PR间隔范围、预设QT间期范围、预设血糖上限浓度、预设血糖下限浓度、预设血氧饱和度上限浓度和预设血氧饱和度下限浓度。
3.如权利要求2所述的方法,其特征在于:
所述预设比例系统被预先存储在所述ARM11处理芯片的内置存储器中。
4.如权利要求2所述的方法,其特征在于:
所述预设比例系统被预先存储在静态存储器中。
5.如权利要求2所述的方法,其特征在于:
所述两级工频陷波器采用带通滤波抵消方式设计,用于抵消所述第一滤波信号中的工频分量。
6.如权利要求5所述的方法,其特征在于:
所述工频分量为50Hz频率分量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510958429.6A CN105361893A (zh) | 2015-12-17 | 2015-12-17 | 一种生理状态识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510958429.6A CN105361893A (zh) | 2015-12-17 | 2015-12-17 | 一种生理状态识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105361893A true CN105361893A (zh) | 2016-03-02 |
Family
ID=55364880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510958429.6A Pending CN105361893A (zh) | 2015-12-17 | 2015-12-17 | 一种生理状态识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105361893A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107085709A (zh) * | 2017-04-25 | 2017-08-22 | 广东数相智能科技有限公司 | 一种基于视频信息的自信度判断方法、装置及系统 |
CN110400262A (zh) * | 2019-04-10 | 2019-11-01 | 泰州市康平医疗科技有限公司 | 基于定制数据处理的识别装置 |
CN111814511A (zh) * | 2019-04-10 | 2020-10-23 | 泰州市康平医疗科技有限公司 | 基于定制数据处理的识别方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201312798Y (zh) * | 2008-03-15 | 2009-09-23 | 黄林 | 用于检查个人身心健康的综合评测系统 |
CN101559252A (zh) * | 2009-05-22 | 2009-10-21 | 顾磊 | 智能失眠治疗仪 |
CN101779986A (zh) * | 2009-01-16 | 2010-07-21 | 张学海 | 数字化医学诊断集成系统 |
CN102258363A (zh) * | 2011-04-19 | 2011-11-30 | 何宗彦 | 代谢热参数测量设备和方法 |
CN102973253A (zh) * | 2012-10-31 | 2013-03-20 | 北京大学 | 一种利用视觉信息监测人体生理指标的方法和系统 |
CN103690149A (zh) * | 2013-12-30 | 2014-04-02 | 惠州Tcl移动通信有限公司 | 通过面部拍照识别身体健康状况的移动终端及其实现方法 |
US8812097B2 (en) * | 2012-02-06 | 2014-08-19 | Honeywell International Inc. | Neurologically based non-invasive blood glucose concentration system and method |
CN105117583A (zh) * | 2015-07-29 | 2015-12-02 | 南京语脉电子科技有限公司 | 基于群体生理数据的个人健康分析系统 |
CN105129052A (zh) * | 2015-07-24 | 2015-12-09 | 王翠平 | 一种水下人体搜寻方法 |
-
2015
- 2015-12-17 CN CN201510958429.6A patent/CN105361893A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201312798Y (zh) * | 2008-03-15 | 2009-09-23 | 黄林 | 用于检查个人身心健康的综合评测系统 |
CN101779986A (zh) * | 2009-01-16 | 2010-07-21 | 张学海 | 数字化医学诊断集成系统 |
CN101559252A (zh) * | 2009-05-22 | 2009-10-21 | 顾磊 | 智能失眠治疗仪 |
CN102258363A (zh) * | 2011-04-19 | 2011-11-30 | 何宗彦 | 代谢热参数测量设备和方法 |
US8812097B2 (en) * | 2012-02-06 | 2014-08-19 | Honeywell International Inc. | Neurologically based non-invasive blood glucose concentration system and method |
CN102973253A (zh) * | 2012-10-31 | 2013-03-20 | 北京大学 | 一种利用视觉信息监测人体生理指标的方法和系统 |
CN103690149A (zh) * | 2013-12-30 | 2014-04-02 | 惠州Tcl移动通信有限公司 | 通过面部拍照识别身体健康状况的移动终端及其实现方法 |
CN105129052A (zh) * | 2015-07-24 | 2015-12-09 | 王翠平 | 一种水下人体搜寻方法 |
CN105117583A (zh) * | 2015-07-29 | 2015-12-02 | 南京语脉电子科技有限公司 | 基于群体生理数据的个人健康分析系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107085709A (zh) * | 2017-04-25 | 2017-08-22 | 广东数相智能科技有限公司 | 一种基于视频信息的自信度判断方法、装置及系统 |
CN110400262A (zh) * | 2019-04-10 | 2019-11-01 | 泰州市康平医疗科技有限公司 | 基于定制数据处理的识别装置 |
CN111814511A (zh) * | 2019-04-10 | 2020-10-23 | 泰州市康平医疗科技有限公司 | 基于定制数据处理的识别方法 |
CN111814511B (zh) * | 2019-04-10 | 2021-02-23 | 青岛大学附属医院 | 基于定制数据处理的识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160183811A1 (en) | System and method of detecting abnormal movement of a physical object | |
CN104720748A (zh) | 一种睡眠阶段确定方法和系统 | |
CN112617849A (zh) | 一种基于cnn+lstm的心房颤动检测与分类方法 | |
CN105361893A (zh) | 一种生理状态识别方法 | |
CN105361892A (zh) | 基于人种检测的人员生理状态识别平台 | |
CN104462744A (zh) | 适用于心血管远程监测系统的数据质量控制方法 | |
CN109674474B (zh) | 睡眠呼吸暂停识别方法、设备及计算机可读介质 | |
CN105640521A (zh) | 一种智能化生理参数检测方法 | |
CN110200620A (zh) | 多模态心脏数据检测方法、装置、存储介质及终端设备 | |
CN110767315B (zh) | 基于心电信号量化分析的自主神经系统健康状态评估装置 | |
CN105433925A (zh) | 一种基于人种检测的生理参数检测方法 | |
CN105395191A (zh) | 基于年龄段检测的人员生理状态检测装置 | |
CN110279411A (zh) | 一种心脏数据异常检测方法、装置、存储介质及终端设备 | |
CN115715684A (zh) | 心脏检测评估方法、系统、存储介质及装置 | |
CN110507299A (zh) | 一种心率信号检测装置及方法 | |
US20220386886A1 (en) | Non-contact heart rhythm category monitoring system and method | |
CN106308791B (zh) | 心电信号记录系统的辅助数据远程传输方法和装置 | |
CN103445772A (zh) | 便携式房颤检测装置及检测方法 | |
CN105411586A (zh) | 基于人种检测的生理参数检测仪 | |
CN103417208A (zh) | 房颤检测装置及检测方法 | |
CN105353130A (zh) | 一种应用于智能电表生产线的自动测试仪 | |
CN105223424B (zh) | 变电站在线监测装置 | |
CN105433939A (zh) | 一种基于年龄段检测的人员生理状态检测方法 | |
CN105232037A (zh) | 一种变电站在线监测装置的使用方法 | |
CN112656371A (zh) | 一种基于心率呼吸信号的人体睡眠体征检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160302 |
|
WD01 | Invention patent application deemed withdrawn after publication |