CN105686810A - 一种温度测量方法及装置 - Google Patents

Abstract

本发明提出了一种温度测量方法，包括，对对象的温度进行连续采样；分别确定采样温度值之中的至少一个序列与至少一个参考序列之间相关性，以及，基于上述相关性，识别采样温度值的模式类型。通过采用本发明的方法，容易识别被测对象连续体温的变化的异常状态，并辨识该异常状态可能对应的潜在疾病。

Description

一种温度测量方法及装置

技术领域

本发明一种温度测量方法，尤其涉及一种人体温度测量的方法及装置。

背景技术

乳腺疾病是危害女性健康的一种常见疾病，其常规的检查方法主要有X射线和超声检查，主要是根据乳腺组织病变时发生的结构性变化进行影像分析，病理检查是当前确诊乳腺疾病的普遍接受的标准。随着生活水平的提高和人们保健意识的增强，红外热成像作为一种新兴的影像技术，由于其无损伤性的操作方便等特点，逐渐被人们认识并应用于乳腺疾病的评估和保健。它主要是根据乳腺组织的表皮温度分布来评估或预示相关的病理信息及其病变程度。有关红外热成像的研究始于20世纪70年代，欧洲和美国率先把红外热成像技术应用于医学领域，主要集中在乳腺癌疾病的诊断。1983年，美国药品监督管理局(FDA)正式批准并认可红外热成像技术可以作为乳腺癌疾病的辅助诊断手段，从此，红外热成像技术开始被应用于医学的各个领域。

然而，由于红外传感器和计算机技术水平的限制，以及缺乏热图像解读经验等原因，红外热成像技术在疾病的诊断中曾出现假阳性偏高等现象，从而引起人们对该技术的质疑，于是红外热成像技术在医学领域中的应用在1980年后期曾一度处于低潮。直至1990年之后，随着红外传感器技术的快速发展，特别计算机图像处理技术的提高，红外热成像技术再次引起医学界和物理学界学者的关注。当前，红外热成像技术因其操作方便、费用低廉、无损伤、便于重复等优点，受到广大医务工作者和高风险个体的欢迎。此外，利用红外成像技术，医生还可以方便地检查诸如肿瘤、炎症和感染等引起人体左右乳腺热分布不对称的相关疾病，有助于乳腺疾病的早期发现、同时减少不必要的组织切片病理检查。然而，虽然许多研究者多年来在利用红外热成像技术进行乳腺疾病探测和诊断上做了很多工作，但至今有关女性乳腺疾病热图像的诊断和评估标准尚未建立，利用热对称性、TTM(ThermalTextureMaps)等对红外热图像进行分析的研究，至今也未取得很好的发展。而且，这种利用热成像、红外热图像的技术，存在温感精确性、检测过程需要高风险个体在医院进行而无法自助完成，难以捕捉直径小于0.5cm的乳腺癌变。

发明内容

发明人经过研究，发现上述背景技术，还存在其他时域相关的缺陷，例如背景技术中的检测均为一次性成像，采集并作为判断基础的是人体在某一瞬时的温度数据，而无法反映高风险个体在一个连续时段的体温变化节律(rhythm)，而且，高风险个体在医院检查通常获取的是白天的体温信息。而人体在夜间，尤其是深度睡眠状态中的体温信息，往往更具医学价值。

人体处在清醒而又非常安静，不受肌肉活动、精神紧张、食物及环境温度等因素影响时的状态叫做“基础状态”，基础状态下的体温，就叫做“基础体温”，通常在早晨起床前或者是夜间的深度睡眠状态中测定。

研究证明，女性的基础体温随月经周期而变动，在卵泡期内体温较低，排卵日最低，排卵后升高0.3～0.6℃。

再者，发明人通过研究，也发现，对于健康女性乳腺的体表温度基本呈左右对称分布,健康女性左乳的平均温度为35.2±1.0℃，略高于右乳的平均温度(35.1±1.0℃)，温度差异在0.30℃以内，且具有高度的统计意义(P＜0.01)。其中，左乳的温度略高于右乳的温度，但左乳区域的平均温度比右乳区域略高约0.40℃,左右两侧乳腺对应各部分的平均温度差异在0.6℃以内；一般而言，当被检查者左右两侧乳腺组织的温度差异超过0.5℃，提示其乳腺潜在一定危险，应注意保健并做进一步检查。与周围乳腺组织相比,乳头区域的温度明显较低；乳腺的体表温度随年龄的增长呈下降的趋势。最后,将乳腺组织左右两侧体表平均温差是否超过0.40℃，或者乳腺左右两侧各象限体表平均温差是否超过0.60℃作为女性乳腺组织是否潜在疾病的一个参考标准。

正常乳腺组织的温度分布是以乳头为中心的对称分布,乳头温度最低；当存在肿瘤时，乳腺体表温度明显高于正常乳腺体表的温度；当肿瘤偏离乳腺模型的中心时，肿瘤区域体表的高温热区域也将偏离体表的中心，而且在该高温热区域的另一侧乳腺体表将出现1个低温冷区域。

肿瘤越大,体表的温度也越高,且肿瘤对其正上面区域温度分布的影响最明显。

结合发明人的上述研究，以及针对背景技术中的上述缺陷，本发明提出了一种温度测量方法及对应的装置从而解决利用温度连续采样序列进行人体温度模式的识别。

根据本发明的一个实施例，提供了一种温度测量方法，包括：

对一对象的温度进行连续采样；分别确定上述采样温度值之中的至少一个序列与至少一个参考序列之间相关性，以及基于上述相关性，辨识上述采样温度值的模式类型。

根据本发明的另一个实施例，提供了一种温度测量装置，包括：

采样模块，用于对一对象的温度进行连续采样；相关度确定模块，用于分别确定上述采样温度值之中的至少一个序列与至少一个参考序列之间相关性，以及温度模式辨识模块，用于基于上述相关性，辨识上述采样温度值的模式类型。

通过上述实施例中的温度测量方法或装置，可以利用对对象的体温的连续采样序列，参照相对标准的温度参考序列，确定两者之间相关性，或者说互相关度，进而判断研究对象的温度变化特征，与标准温度模型之间的差异，并确定研究对象的体温的模式类型。

附图说明

通过阅读以下参照附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。

图1为根据本发明的一个实施例中辅助用于温度信号采集的装置；

图2为根据本发明的一个实施例的温度测量方法的流程图；

图3为根据本发明的一个实施例的温度测量装置的结构示意图；

图4为根据本发明的另一个实施例的温度测量装置的结构示意图；

其中，相同或相似的附图标记表示相同或相似的步骤特征或装置(模块)。

具体实施方式

研究对象在一个连续时段的体温信息相比于单点体温更加能全面反映体温变化节律(rhythm)，以及其背后的医学状态。而且，研究对象夜间的深度睡眠过程中，是一个采集基础体温信息的较为理想的时段。

因此，本发明的一部分实施例中，将针对研究对象在夜间深度睡眠过程中的温度采集，以及根据所采集的基础体温序列，对研究对象的体温模式的识别。

图1为根据本发明的一个实施例中用于温度信号采集的装置10，包括四个测量臂16A、16B、16C、16D，每个测量臂上设置有多个温度传感器13；每个传感器还连接有引出线15从而将其所测量温度的电信号传送至信号采集和处理装置(图中未示出)，另外，装置10在四个测量臂交接的部位设有一个中心孔14，可供使用者将乳头嵌入，从而将装置10基本固定在使用者胸部。

使用者通过夜间，尤其是深度睡眠过程中，佩戴该装置10，可以采集到其基础体温的数据。针对这些体温数据的采样序列，可以以在线或离线的方式处理这些数据，从而判断使用者的体温、基础体温的是否有异常，异常模式及其对应的潜在疾病信息的告知。

图2为根据本发明的一个实施例的温度测量方法的流程图。

通过装置10等温度采集装置，在S201步骤中，对某一对象的温度进行连续采样。

在S202步骤中，分别确定采样温度值之中的至少一个序列与至少一个参考序列之间相关性。其中，参考序列，是采集自具有正常温度模型的对象。

在S203步骤中，基于上述两个温度采样序列之间的相关性，辨识来自使用者的采样温度值的模式类型。

由于该相关性体现的是采集自使用者的温度采样序列，与从正常温度模型的对象所得到的温度采样序列之间的相关性、一致性，所以，可以通过这种相关性、一致性来辨识使用者的采样温度值的模式是否正常，以及以何种方式偏离正常温度模式。

图3为根据本发明的一个实施例的温度测量方法的流程图。其中，在步骤S201之后还包括步骤S204，根据采样值序列的自相关函数，获取上述采样值序列的至少一个节律周期。在步骤S201中获取的温度采样序列一般可以对应对使用者的某个生理时段的温度连续采样值，例如可以选取其深度睡眠阶段，但是，使用者作为一种高级生物，其整个节律中，可能还会存在其他隐含的且能代表其温度模式的生理时段、生理周期。在步骤S202中，通过对对采样值序列的自相关处理，可以挖掘到更多的能够代表其温度变化特点的生理周期、节律周期，在一定程度上可以理解为，对我们对其温度节律进行研究时更有意义的时间段。

对应地，步骤S202还包括步骤S2021，分别确定上述至少一个节律周期所对应的至少一个序列，与上述至少一个参考序列之间互相关度。本领域技术人员应当了解，两个函数或者两个序列之间的互相关度的计算方式，此处不再赘述。

对应地，步骤S203还包括步骤S2031，基于上述互相关度，辨识上述对象的温度异常的模式。如对使用者的温度采样序列与参考序列之间的相关度低，例如互相关度低于0.8，则可判断为在对应的生理周期/时段中，温度变化模式属于异常状态，如互相关度高于0.9则属于正常状态，如相关度介于0.8与0.9之间，则属于待定状态，有待于进一步的温度分析。

除此之外，还可以基于互相关度，对温度异常的模式进行基本辨识。例如，对上述判断为温度异常状态的使用者，可进一步将其温度模式辨识为温度低点过低、温度高点过高、温度稳定度差、高温区与低温区之间温差过大，等模式。

可选地，在上述实施例的方法中，使用者可以为人，尤其是女性，对应的，上述步骤S201还包括，对女性的一侧乳房的基础体温进行连续采样。

在本发明的的另一实施例的温度测量方法，被测对象为人，以及步骤S201还包括对该人的一侧乳房的基础体温进行连续采样。而步骤S202还包括，分别确定上述基础体温采样值中的至少一个序列与上述至少一个参考序列之间互相关度；以及步骤S203还包括，基于上述互相关度，辨识上述对象的温度异常的模式。本领域技术人员应当理解两个函数或者两个序列之间的互相关度的计算方式，此后不再赘述。

可选地，在上述实施例中，步骤S202还包括分别确定上述基础体温采样序列与上述至少一个参考序列之间的欧氏距离，余弦相似度，或在标志指标上的差值。

其中，欧氏距离(欧几里得度量，euclideanmetric)，是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧氏距离就是两点之间的实际距离。而余弦相似度，又称为余弦相似性，通过计算两个向量的夹角余弦值来评估他们的相似度。

上述标志指标包括温度序列的滑动平均值等序列元素的平均值、温度低点、温度低点的发生时刻、温度低点的发生周期；温度高点、温度高点的发生时刻、温度高点的发生周期、高温区与低温区温差中的至少一个，以及上述至少一个参考序列包括i)上述人的同侧乳房的历史同期温度采样序列，ii)上述人的对侧乳房的同步温度采样序列，iii)大样本同侧乳房的同期温度采样统计平均值序列等等具有参考、参照意义的采样序列。

例如，对某女性在其凌晨1:00至凌晨3:00期间的深度睡眠过程中采集得到其左侧乳房的基础体温采样序列{S₁,S₂,S₃,...,S_n}，同步地，还采集到其对侧乳房，即右侧乳房在当日凌晨1:00至凌晨3:00期间的基础体温采样序列{R_1c,R_2c,R_3c,...,R_nc}。而根据此前的采样数据的历史记录，该女性左侧乳房的历史同期温度，例如三年之前同月同日凌晨1:00至凌晨3:00期间采样序列{R_1h,R_2h,R_3h,...,R_nh}。而根据对大样本的未见明显乳房病变的女性研究对象的乳房温度的数据统计，在凌晨1:00至凌晨3:00期间，温度采样序列的平均值为{S_1A,S_2A,S_3A,...,S_nA}。

在步骤S202中，可分别计算温度采样序列{S₁,S₂,S₃,...,S_n}与温度采样序列{R_1c,R_2c,R_3c,...,R_nc}，{R_1h,R_2h,R_3h,...,R_nh}或{S_1A,S_2A,S_3A,...,S_nA}之间的欧氏距离，如距离大，则在一定程度上证明了两序列之间的低相关度；反之，则相关度较高。

同样，在其他实施例中的步骤S202中，也可分别计算温度采样序列{S₁,S₂,S₃,...,S_n}与温度采样序列{R_1c,R_2c,R_3c,...,R_nc}，{R_1h,R_2h,R_3h,...,R_nh}或{S_1A,S_2A,S_3A,...,S_nA}之间在上述标志指标上的差距。例如，序列{S₁,S₂,S₃,...,S_n}所拟合的线与温度采样序列{R_1c,R_2c,R_3c,...,R_nc}的滑动平均值的拟合线之间的差值超过0.7℃，则其双侧乳房的互相关度较低，而鉴于健康女性左乳的平均温度略高于右乳的平均温度(温度差异一般在0.30℃以内)，则基于该上述互相关度，可在步骤S2031中辨识对象左侧乳房的温度异常的模式为温度过高。

同样，在其他实施例中，也可分别计算温度采样序列{S₁,S₂,S₃,...,S_n}与温度采样序列{R_1c,R_2c,R_3c,...,R_nc}，{R_1h,R_2h,R_3h,...,R_nh}或{S_1A,S_2A,S_3A,...,S_nA}之间在序列元素的平均值、温度低点、温度低点的发生时刻、温度低点的发生周期等标志指标的差值，从而确定各序列之间的一致性或者相关性。例如温度采样序列{S₁,S₂,S₃,...,S_n}与统计序列{S_1A,S_2A,S_3A,...,S_nA}各自的高点和低点分别是【35.4℃，34.9℃】和【36.℃，35.5℃】，则基于该上述互相关度，可在步骤S2031中辨识对象左侧乳房的温度异常的模式为温度过低。

同样，在其他实施例中，通过对上述温度采样序列的相关度计算，还可以可在步骤S2031中辨识对象左侧乳房的温度变化频率较高，从而其异常的模式为温度稳定度差。再如其他涉及高温区与低温区间温差大等温度异常的模式的辨识的实施例，均不再赘述。

可选地，在上述实施例中步骤S201之后还包括，对体温采样值序列进行去噪，以避免因为各种因素导致的数据采集的意外误差/错误。

可选地，在上述实施例中，还包括根据在S203或S2031中识别得到的模式类型，判断对象的医学状态，以及将该医学状态告知使用者。其中，医学状态可包括乳腺癌或排卵期等一切与温度有关联的医学状态，前者乳腺癌可能使乳房基础体温升高，而后者排卵期则可能使乳房的基础体温降低。

而针对上述实施例中的采样步骤，其采样周期可设定为[0.1s,60s]，以及更长或更短的采样周期。

图4为根据本发明的另一个实施例的温度测量装置的结构示意图；该装置M20包括温度采样模块M201，相关性确定模块M202，温度模式辨识模块M203。

其中，温度采样模块M201，用于对某一对象的温度进行连续采样。并将采样信息传输至相关性确定模块M202；而相关性确定模块M202，用于分别确定采样温度值之中的至少一个序列与至少一个参考序列之间相关性。其中，参考序列，是采集自具有正常温度模型的对象。

温度模式辨识模块M203，被设置以基于上述两个温度采样序列之间的相关性，辨识来自使用者的采样温度值的模式类型。

由于该相关性体现的是采集自使用者的温度采样序列，与从正常温度模型的对象所得到的温度采样序列之间的一致性，所以，可以通过这种相关性来辨识使用者的采样温度值的模式相对于参考温度模型是否正常，以及以何种方式偏离正常温度模式。

根据本发明的另一个实施例的温度测量装置中，相关性确定模块M202还包括节律获取模块(图中未示出)，用于根据采样值序列的自相关函数，获取采样值序列的至少一个节律周期。温度采样模块M201所采集的温度采样序列一般可以对应对使用者的某个生理时段的温度连续采样值，例如可以选取其深度睡眠阶段，但是，使用者作为一种高级生物，其整个节律中，可能还会存在其他隐含的且能代表其温度模式的生理时段、生理周期。相关性确定模块M202中的节律获取模块，通过对对采样值序列的自相关处理，可以挖掘到更多的能够代表其温度变化特点的生理周期、节律周期。

相关性确定模块M202还包括互相关度获取模块(图中未示出)，分别确定至少一个节律周期所对应的至少一个序列，与至少一个参考序列之间互相关度。本领域技术人员应当了解，两个函数或者两个序列之间的互相关度的计算方式，此处不再赘述。

对应地，温度模式辨识模块M203还包括温度异常辨识模块(图中未示出)，用于基于互相关度，辨识对象的温度异常的模式。如对使用者的温度采样序列与参考序列之间的互相关度低，例如互相关度低于0.8，则可判断为在对应的生理周期/时段中，温度变化模式属于异常状态，如互相关度高于0.9则属于正常状态，如相关度介于0.8与0.9之间，则属于待定状态，有待于进一步的温度分析。

除此之外，还可以基于互相关度，对温度异常的模式进行基本辨识。例如，对上述判断为温度异常状态的使用者，可进一步将其温度模式辨识为温度低点过低、温度高点过高、温度稳定度差等模式。

可选地，在上述实施例的装置所适用的对象可以为人，尤其是女性，对应的，温度采样模块M201还包括，对女性的一侧乳房的基础体温进行连续采样。

在本发明的的另一实施例的温度测量装置，被测对象为人，以及其中的温度采样模块M201还包括对该人的一侧乳房的基础体温进行连续采样。而相关性确定模块M202还用于分别确定基础体温采样值中的至少一个序列与至少一个参考序列之间互相关度；以及温度模式辨识模块M203还用于基于互相关度，辨识对象的温度异常的模式。本领域技术人员应当理解两个函数或者两个序列之间的互相关度的计算方式，此后不再赘述。

可选地，在上述实施例中，相关性确定模块M202还用于分别确定基础体温采样序列与至少一个参考序列之间的欧氏距离，或在标志指标上的差值。

其中，标志指标包括温度序列的滑动平均值等序列元素的平均值、温度低点、温度低点的发生时刻、温度低点的发生周期；温度高点、温度高点的发生时刻、温度高点的发生周期中的至少一个，以及至少一个参考序列包括i)人的同侧乳房的历史同期温度采样序列，ii)人的对侧乳房的同步温度采样序列，iii)大样本同侧乳房的同期温度采样统计平均值序列中的至少一个采样序列。

例如，对某女性在其凌晨1:00至凌晨3:00期间的深度睡眠过程中，温度采样模块M201通过温度信号采集装置10采集得到其左侧乳房的基础体温采样序列{S₁,S₂,S₃,...,S_n}，同步地，还采集到其对侧乳房，即右侧乳房在当日凌晨1:00至凌晨3:00期间的基础体温采样序列{R_1c,R_2c,R_3c,...,R_nc}。而根据此前的采样数据的历史记录，该女性左侧乳房的历史同期温度，例如三年之前同月同日凌晨1:00至凌晨3:00期间采样序列{R_1h,R_2h,R_3h,...,R_nh}。而根据对大样本的未见明显乳房病变的女性研究对象的乳房温度的数据统计，在凌晨1:00至凌晨3:00期间，温度采样序列的平均值为{S_1A,S_2A,S_3A,...,S_nA}。

相关度确定模块还可用于分别计算温度采样序列{S₁,S₂,S₃,...,S_n}与温度采样序列{R_1c,R_2c,R_3c,...,R_nc}，{R_1h,R_2h,R_3h,...,R_nh}或{S_1A,S_2A,S_3A,...,S_nA}之间的欧氏距离，如距离大，则在一定程度上可证明两序列之间的低相关度，或不一致性；反之，则相关度较高。

同样，其他实施例中的相关度确定模块，还可用于分别计算温度采样序列{S₁,S₂,S₃,...,S_n}与温度采样序列{R_1c,R_2c,R_3c,...,R_nc}，{R_1h,R_2h,R_3h,...,R_nh}或{S_1A,S_2A,S_3A,...,S_nA}之间在上述标志指标上的差距。例如，序列{S₁,S₂,S₃,...,S_n}所拟合的线与温度采样序列{R_1c,R_2c,R_3c,...,R_nc}的滑动平均值的拟合线之间的差值超过0.7℃，则其双侧乳房的互相关度较低，而鉴于健康女性左乳的平均温度略高于右乳的平均温度(温度差异一般在0.30℃以内)，则温度模式辨识模块M203可用于基于该上述互相关度，辨识对象左侧乳房的温度异常的模式为温度过高。

同样，其他实施例的相关度确定模块，还可用于，也可分别计算温度采样序列{S₁,S₂,S₃,...,S_n}与温度采样序列{R_1c,R_2c,R_3c,...,R_nc}，{R_1h,R_2h,R_3h,...,R_nh}或{S_1A,S_2A,S_3A,...,S_nA}之间在序列元素的平均值、温度低点、温度低点的发生时刻、温度低点的发生周期等标志指标的差值，从而确定各序列之间的一致性或者相关性。例如温度采样序列{S₁,S₂,S₃,...,S_n}与统计序列{S_1A,S_2A,S_3A,...,S_nA}各自的高点和低点分别是【35.4℃，34.9℃】和【36.℃，35.5℃】，则温度模式辨识模块还可用于基于该上述互相关度，辨识对象左侧乳房的温度异常的模式为温度过低。

可选地，在上述实施例的温度测量装置中还包括去噪模块，用于对体温采样值序列进行去噪，以避免因为各种因素导致的数据采集的意外误差/错误。

可选地，在上述实施例中，还包括医学状态判断模块，用于根据温度模式辨识模块所识别得到的模式类型，判断对象的医学状态，以及医学状态告知模块，用于将该医学状态告知使用者。其中，医学状态可包括乳腺癌或排卵期等一切与温度有关联的医学状态，前者可能使乳房基础体温升高，而后者则可能使乳房的基础体温降低。

而针对上述实施例的温度测量装置中的采样模块，其采样周期可设定为[0.1s,60s]，以及更长或更短的采样周期。

本领域技术人员应能理解，本发明中所称的各装置既可以由硬件模块实现，也可以由软件中的功能模块实现，还可以由集成了软件功能模块的硬件模块实现。

本领域技术人员应能理解，上述实施例均是示例性而非限制性的。在不同实施例中出现的不同技术特征可以进行组合，以取得有益效果。本领域技术人员在研究附图、说明书及权利要求书的基础上，应能理解并实现所揭示的实施例的其他变化的实施例。在权利要求书中，术语“包括”并不排除其他装置或步骤；不定冠词“一个”不排除多个；术语“第一”、“第二”用于标示名称而非用于表示任何特定的顺序。权利要求中的任何附图标记均不应被理解为对保护范围的限制。权利要求中出现的多个部分的功能可以由一个单独的硬件或软件模块来实现。某些技术特征出现在不同的从属权利要求中并不意味着不能将这些技术特征进行组合以取得有益效果。

Claims (17)

1.一种温度测量方法，包括：

A.对一对象的温度进行连续采样；

B.分别确定所述采样温度值之中的至少一个序列与至少一个参考序列之间相关性，以及

C.基于所述相关性，辨识所述采样温度值的模式类型。

2.根据权利要求1所述的温度测量方法，其中

所述步骤A之后还包括，

A1.根据所述采样值序列的自相关函数，获取所述采样值序列的至少一个节律周期；

所述步骤B还包括，

B1.分别确定所述至少一个节律周期所对应的至少一个序列，与所述至少一个参考序列之间互相关度；

所述步骤C还包括，

C1.基于所述互相关度，辨识所述对象的温度异常的模式。

3.根据权利要求2所述的温度测量方法，其中，所述对象为人，以及所述步骤A还包括，

A11.对所述人的一侧乳房的基础体温进行连续采样。

4.根据权利要求1所述的温度测量方法，其中，所述对象为人，以及所述步骤A还包括，

A2.对所述人的一侧乳房的基础体温进行连续采样；

所述步骤B还包括，

B2.分别确定所述基础体温采样值中的至少一个序列与所述至少一个参考序列之间互相关度；

所述步骤C还包括，

C2.基于所述互相关度，辨识所述对象的温度异常的模式。

5.根据权利要求4所述的温度测量方法，其中，所述步骤B2还包括，

分别确定所述基础体温采样序列与所述至少一个参考序列之间的欧氏距离，余弦相似度，或在标志指标上的差值；

其中，所述标志指标包括序列平均值，温度低点及其发生时刻和/或发生周期，温度高点及其发生时刻和/或发生周期中的至少一个，以及所述至少一个参考序列包括i)所述人的同侧乳房的历史同期温度采样序列，ii)所述人的对侧乳房的同步温度采样序列，iii)大样本同侧乳房的同期温度采样统计平均值序列中的至少一个采样序列。

6.根据权利要求3-5中任一项所述的温度测量方法，其中，所述步骤A之后还包括，对所述体温采样值进行去噪。

7.根据权利要求6所述的温度测量方法，还包括：

D.根据所述模式类型，判断所述对象的医学状态；

E.将所述医学状态告知所述人。

8.根据权利要求7所述的温度测量方法，其中，所述医学状态包括乳腺癌或排卵期。

9.根据权利要求6所述的温度测量方法，其中，采样周期为[0.1s,60s]。

10.一种温度测量装置，包括：

采样模块，用于对一对象的温度进行连续采样；

相关度确定模块，用于分别确定所述采样温度值之中的至少一个序列与至少一个参考序列之间相关性，以及

温度模式辨识模块，用于基于所述相关性，辨识所述采样温度值的模式类型。

11.根据权利要求10所述的温度测量装置，还包括，

节律周期获取模块，用于根据所述采样值序列的自相关函数，获取所述采样值序列的至少一个节律周期；以及

所述相关度确定模块还用于分别确定所述至少一个节律周期所对应的至少一个序列，与所述至少一个参考序列之间互相关度；

所述温度模式辨识模块还用于基于所述互相关度，辨识所述对象的温度异常的模式。

12.根据权利要求11所述的温度测量装置，其中，所述对象为人，以及所述采样模块，还用于对所述人的一侧乳房的基础体温进行连续采样。

13.根据权利要求10所述的温度测量装置，其中，所述对象为人，以及所述采样模块，还用于对所述人的一侧乳房的基础体温进行连续采样；

所述相关度确定模块，还用于分别确定所述基础体温采样值中的至少一个序列与所述至少一个参考序列之间互相关度；

所述温度模式辨识模块，还用于基于所述互相关度，辨识所述对象的温度异常的模式。

14.根据权利要求13所述的温度测量装置，其中，所述相关度确定模块，还用于分别确定所述基础体温采样序列与所述至少一个参考序列之间的欧氏距离，或在标志指标上的差值；

其中，所述标志指标包括温度低点及其发生时刻和/或发生周期，温度高点及其发生时刻和/或发生周期中的至少一个，以及所述至少一个参考序列包括i)所述人的同侧乳房的历史同期温度采样序列，ii)所述人的对侧乳房的同步温度采样序列，iii)大样本同侧乳房的同期温度采样统计平均值序列中的至少一个采样序列。

15.根据权利要求12-14中任一项所述的温度测量装置，还包括，去噪模块，对所述体温采样值进行去噪。

16.根据权利要求15所述的温度测量装置，还包括：

医学状态判断模块，用于基于所述模式类型，辨识所述对象的医学状态；

告知模块，用于将所述医学状态告知所述人。

17.根据权利要求16所述的温度测量装置，其中，所述医学状态包括乳腺癌或排卵期。