CN107149467A - 温度分析方法和装置 - Google Patents
温度分析方法和装置 Download PDFInfo
- Publication number
- CN107149467A CN107149467A CN201710393264.1A CN201710393264A CN107149467A CN 107149467 A CN107149467 A CN 107149467A CN 201710393264 A CN201710393264 A CN 201710393264A CN 107149467 A CN107149467 A CN 107149467A
- Authority
- CN
- China
- Prior art keywords
- body temperature
- temperature value
- average
- base body
- value
- 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.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
- A61B5/015—By temperature mapping of body part
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
- A61B10/0012—Ovulation-period determination
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
- A61B10/0012—Ovulation-period determination
- A61B2010/0019—Ovulation-period determination based on measurement of temperature
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明实施例提供一种温度分析方法和装置,该方法包括:获取受试者N天各自对应的温度值,该温度值是通过接触式测量方式连续测量获得的,温度值测量自受试者处于睡眠阶段,N大于预设生理周期天数,人在睡眠状态下的代谢水平最低,基于N天在此阶段对受试者测得的多个体温能够准确获得N天的基础体温值。进而,对由确定出的N个基础体温值生成的基础体温曲线进行特征分析,以自动获得受试者的生理周期特征,提高处理效率和生理周期特征分析的准确性。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种温度分析方法和装置。
背景技术
基础体温(Basal Boby Temperature,简称BBT)通常是人体一昼夜中的最低体温,功血、排卵日预测、多囊卵巢综合征、避孕、自我保健等应用场景中有重要意义。
目前,测量BBT的方式主要是采用电子体温计或者水银体温计进行测量。具体地,用户即受试者每晚临睡前将体温表水银柱甩至35度以下,如果是电子体温计则变成初始值,放在醒来后伸手可及的地方。每天清晨醒后,立即将体温表放在舌下空囊内5分钟后拿出来读数,并记录在特制的表格上。从而,基于多天的测量结果,协助受试者或者医生进行受试者生理周期特征的判定。
发明内容
但上述基于传统的体温计对受试者BBT进行测量的方式,只能实现单个时间点的体温测量,难以准确测量到人体每天的BBT。
具体地,每天的BBT的测量难点在于及时准确地捕捉到一昼夜的最低体温点。目前的BBT监测,一般是受试者醒来后,即在清醒状态下测量体温作为近似最低体温点。
清晨醒来时候,人的代谢比较低,但是不是最低的。人在睡眠状态特别是深度睡眠时候的代谢水平最低,那时候得到的最低体温值才是BBT。传统测量方法无法捕捉到严格意义的最低体温值。
另外,基于测量的多天的BBT进行受试者生理周期特征的判定,也主要通过医生主观判断,处理效率不高,出错可能性较大。
有鉴于此,本发明实施例提供一种温度分析方法和装置,用以实现对受试者基础体温的准确测定以及其生理周期特征的准确判定。
第一方面,本发明实施例提供一种温度分析方法,包括:
获取受试者N天各自对应的温度值,所述温度值是通过接触式测量方式连续测量获得的,所述温度值测量自所述受试者处于睡眠阶段,N大于或等于预设生理周期天数;
根据所述N天各自对应的温度值,确定所述N天各自对应的基础体温值;
对由确定出的N个基础体温值生成的基础体温曲线进行特征分析,以获得所述受试者的生理周期特征。
第二方面,本发明实施例提供一种温度分析装置,包括:
获取模块,用于获取受试者N天各自对应的温度值,所述温度值是通过接触式测量方式连续测量获得的,所述温度值测量自所述受试者处于睡眠阶段,N大于或等于预设生理周期天数;
确定模块,用于根据所述N天各自对应的温度值,确定所述N天各自对应的基础体温值;
特征分析模块,用于对由确定出的N个基础体温值生成的基础体温曲线进行特征分析,以获得所述受试者的生理周期特征。
在一个可能的设计中,上述温度分析装置的结构中包括处理器和存储器,所述存储器用于存储支持温度分析装置执行上述第一方面中温度分析方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。所述温度分析装置还可以包括通信接口,用于温度分析装置与其他设备或通信网络通信。
第三方面,本发明实施例提供了一种计算机存储介质,用于储存温度分析装置所用的计算机软件指令,其包含用于执行上述第一方面中温度分析方法所涉及的程序。
本发明实施例提供的温度分析方法和装置,通过接触式测量方式连续测量受试者N天各自对应的多个温度值,且该连续测量是在受试者处于睡眠阶段时进行的,人在睡眠状态下的代谢水平最低,基于N天在此阶段对受试者测得的多个体温能够准确获得N天的基础体温值。进而,根据这N个基础体温值可以生成基础体温曲线,结合生理周期特征与基础低温值分布的对应性,通过对该基础体温曲线进行自动化的特征分析以获得受试者的生理周期特征,以提高处理效率和生理周期特征分析的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的温度分析系统的结构示意图;
图2为本发明一实施例提供的温度分析方法的流程图;
图3为图2所示实施例中步骤202的一种可选实现方式的流程图;
图4为图2所示实施例中步骤203的一种可选实现方式的流程图;
图5为图4所示实施例中步骤403的一种可选实现方式的流程图;
图6为图4所示实施例中步骤403的另一种可选实现方式的流程图;
图7为图4所示实施例中步骤406的一种可选实现方式的流程图;
图8为本发明实施例示意的一种BBT曲线的示意图;
图9为本发明实施例示意的具有无双相的生理周期特征的BBT曲线的示意图;
图10为本发明实施例示意的具有双相高度不够的生理周期特征的BBT曲线的示意图;
图11为本发明实施例示意的具有低温相转变高温相时间长的生理周期特征的BBT曲线的示意图;
图12为本发明实施例示意的具有高温相时间短的生理周期特征的BBT曲线的示意图;
图13为本发明实施例示意的具有高温相转变低温相时间长的生理周期特征的BBT曲线的示意图;
图14为本发明实施例示意的具有正常的生理周期特征的BBT曲线的示意图;
图15为本发明一实施例提供的温度分析装置的结构示意图;
图16为本发明另一实施例提供的温度分析装置的结构示意图;
图17为本发明又一实施例提供的温度分析装置的结构示意图;
图18为本发明一实施例提供的温度分析设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,本领域普通技术人员在没有作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。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种,但是不排除包含至少一种的情况。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
应当理解,尽管在本发明实施例中可能采用术语第一、第二、第三等来描述XXX,但这些XXX不应限于这些术语。这些术语仅用来将XXX彼此区分开。例如,在不脱离本发明实施例范围的情况下,第一XXX也可以被称为第二XXX,类似地,第二XXX也可以被称为第一XXX。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
本发明实施例提供的温度分析方法可基于图1所示的温度分析系统实现,但不限于此。如图1所示,该温度分析系统包括:温度采集设备10和温度分析设备20,且温度采集设备10和温度分析设备20通信连接。
本发明实施例中,温度采集设备10比如可以是用于测量受试者被测区域表面的温度的,该被测区域可以根据被测得温度值的用途而有所区别,不具体限定。
本发明实施例中,测量温度值的目的在于,通过获得受试者N天的BBT,以便于基于该N天的BBT,确定受试者的生理周期特征。为了保证每天的BBT测量结果的准确性或者说为了能够获得更加准确的BBT,本发明实施例中,对于受试者每天的体温的测量采用的是接触式的连续测量方式。简单来说,就是温度采集设备10以能够贴合受试者体表的材料为依托,在该材料贴近皮肤的一侧分布温度传感器以测量体温;从时间上,以长时间连续测量的方式测量受试者的体温。
另外,人在睡眠状态尤其是深度睡眠状态时,人体的基础代谢最低,因此人一昼夜的最低体温一般出现在睡眠状态尤其是深度睡眠状态。因此本发明实施例中,对受试者每天的体温连续测量的时间可以控制在受试者的夜晚睡眠时间。此时,通过设置温度采集设备10以较小的间隔比如5秒钟连续对受试者体温进行测量,以获得受试者在每天晚间的大量温度数据。另外,可以设置温度采集设备10每晚的工作时长,比如一小时,达到工作时长时自动控制停止温度测量。
本发明实施例中的温度分析设备20可以是服务器、计算机、平板电脑、智能终端等任何具有数据存储和数据处理功能的设备。
其中,温度采集设备10与温度分析设备20之间可以是无线或有线网络连接。在本实施例中,若温度采集设备10通过移动网络与温度分析设备20通信连接,该移动网络的网络制式可以为2G(GSM)、2.5G(GPRS)、3G(WCDMA、TD-SCDMA、CDMA2000、UTMS)、4G(LTE)、4G+(LTE+)、WiMax等中的任意一种。除此之外,温度采集设备10还可以通过蓝牙、Wi-Fi、红外等无线通信方式与温度分析设备20通信连接。
结合图1所示的温度分析系统,以下实施例从温度分析设备20的角度,详细说明本申请实施例提供的温度分析方法的流程。
图2为本发明一实施例提供的温度分析方法的流程图,如图2所示,该方法包括如下步骤:
步骤201、获取受试者N天各自对应的温度值。
本实施例中,上述N天各自对应的温度值是通过如上所说的接触式测量方式连续测量获得的、测量自受试者处于睡眠阶段的体温值。其中,可以设置温度采集设备10的工作时长和测量间隔,比如工作1小时、测量间隔为5秒钟,则每天可以测得720个温度值。
温度分析设备20可以通过接收温度采集设备10每天发送的温度值来获取受试者N天各自对应的温度值。
一般来说,由于本发明实施例中测量受试者的温度值的目的在于确定该受试者的生理周期特征,而不同受试者的生理周期天数往往不一定相同,但是一般都在一定的天数范围,比如[20,35],因此,为了能够获得准确的受试者的生理周期特征,一般需要保证对受试者进行连续温度测量的天数大于该天数范围的最大天数,即N大于预设生理周期天数,该预设生理周期天数比如为35天。实际应用中,为去除温度测量起始天对生理周期特征的确定的影响,一般可以设定N≥1.5*预设生理周期天数,比如N=1.5*35,约为53天。
步骤202、根据N天各自对应的温度值,确定N天各自对应的基础体温值。
温度分析设备20可以针对每天从温度采集设备10接收到的温度值,从中获得每天对应的基础体温值,即BBT。
理想情况下,仍以前述举例的每天可以测得720个温度值为例来说,假设这720个温度值都是有效的,那么根据BBT的含义,可以确定这720个温度值中的最低温度值即为BBT。
但是,这720个温度值可能并非都是有效数据,比如:由于人在睡眠状态下的无意识活动的不可预知性,对所测得温度值的准确性影响很大,即可能由于人的活动导致测得的某些温度值并非是反映真实人体温度的温度值。因此,往往需要对测得的温度值进行数据清洗等处理,来去除N天各自对应的温度值中的异常温度值,以便根据N天各自对应的消除异常温度值后的温度值,确定N天各自对应的基础体温值。
步骤203、对由确定出的N个基础体温值生成的基础体温曲线进行特征分析,以获得受试者的生理周期特征。
当获得N天各自对应的BBT即N个BBT之后,可以生成BBT曲线。具体地,比如可以采用样条插值的方式,生成与该N个BBT对应的BBT曲线。进而,结合生理周期特征与BBT分布的对应性,通过对该BBT曲线进行自动化的特征分析以自动获得受试者的生理周期特征。
因为正常的生理周期特征往往表现为BBT在一个生理周期内具有明显的双相特征,即先表现为一个低温相,进而转变为一个高温相,并且高温相、低温相的持续时间、转变时间、温差等都有一定的分布规律。因此,结合正常的生理周期特征所反映的BBT分布规律,对BBT曲线进行特征分析,可以确定出受试者的生理周期特征。
本实施例中,通过接触式测量方式连续测量受试者N天各自对应的多个温度值,且该连续测量是在受试者处于睡眠阶段时进行的,人在睡眠状态下的代谢水平最低,基于N天在此阶段对受试者测得的多个体温能够准确获得N天的基础低温值。进而,根据这N个基础体温值可以生成基础体温曲线,结合生理周期特征与基础低温值分布的对应性,通过对该基础体温曲线进行自动化的特征分析以获得受试者的生理周期特征,以提高处理效率和生理周期特征分析的准确性。
前述实施例中提到,在根据N天各自对应的温度值确定N天各自对应的基础体温值时,一般需要去除N天各自对应的温度值中的异常温度值,以便根据N天各自对应的消除异常温度值后的温度值,确定N天各自对应的基础体温值,下面结合图3所示实施例介绍本发明实施例提供的一种去除异常温度值以及确定N个基础体温值的方法。
图3为图2所示实施例中步骤202的一种可选实现方式的流程图,如图3所示,可以包括以下步骤:
步骤301、根据预设的时间窗口,对N天各自对应的温度值进行划分,确定N天各自对应的各时间窗口的平均温度值。
步骤302、在N天各自对应的平均温度值中,分别确定连续预设数量的平均温度值中的最大值。
步骤303、根据N天各自对应的预设数量最大值,生成N天各自对应的体温上包络曲线。
步骤304、根据体温上包络曲线对应的最小值,确定所述N天各自对应的基础体温值。
由于人在睡眠状态下的无意识活动的不可预知性,对测得的温度值的准确性影响很大。比如,在N天各自对应的温度值中,可能有些温度值低于体温,其原因是受试者的动作影响了温度值。由于体温一般高于环境温度,体温的测量值只会偏低,不会偏高。因此,本实施例中,从大量测得的温度值中去除异常温度值,给出反映真实体温波动情况的方法是提取测得温度值对应的上包络线。
具体地,首先,可以根据预设的时间窗口,对N天各自对应的温度值进行划分,并确定N天各自对应的各时间窗口的平均温度值。针对N天中任一天的多个温度值来说,假设以每隔5秒钟测得一个温度值,设定该时间窗口比如为1分钟,则每个时间窗口对应于连续的12个温度值,假设该任一天总共测得了720个温度值,则总共对应于60个时间窗口。针对每个时间窗口对应的12个温度值,计算这12个温度值的平均温度值,从而可以获得60个平均温度值。
进而,在N天各自对应的平均温度值中,分别确定连续预设数量的平均温度值中的最大值。相当于是基于该连续预设数量,对前述获得的60个平均温度值进行了分组划分,比如该连续预设数量为10,则将60个平均温度值分成了6组,每组中包含连续的10个平均温度值。其中,该连续预设数量相当于是设定了另一个较大的时间窗口,比如连续预设数量为10,则相当于设定了10分钟的时间窗口。
之后,针对每个分组,选取其中包含的多个平均温度值中的最大值作为一个包络温度点。在上述举例中,6个分组分别对应有一个包络温度点。基于获得的包络温度点,采用比如样条插值的方法生成包络曲线。由于该包络曲线是基于多个最大平均温度值生成的,因此可以称为上包络曲线。在生成该上包络曲线的时候,会得到该曲线的解析方程,通过求解该解析方程,可以得到该上包络曲线对应的最小值点,该最小值点所对应的温度值,即为当前的任一天所对应的BBT。
针对N天中的每天,通过上述过程都可以得到一个BBT,从而,最终能够获得N个BBT。基于这N个BBT,采用比如样条插值的方法可以生成BBT曲线,该BBT曲线的横坐标为时间,单位为天,纵坐标为温度,单位为℃。
本实施例中,针对测得的N天各自对应的对个温度值,通过提取上包络曲线的方式去除其中低于体温的异常温度值,以保证后续受试者生理周期特征分析所基于的数据基础的数据清洁度。
图4为图2所示实施例中步骤203的一种可选实现方式的流程图,如图4所示,可以包括以下步骤:
步骤401、确定N个基础体温值中的最大基础体温值和最小基础体温值。
在BBT曲线中包括了经前述实施例确定出的N天分别对应的BBT,其中的最小值称为所述最小基础体温值,以下表示为MIN(BBT),其中的最大值称为所述最大基础体温值,以下表示为MAX(BBT)。
步骤402、若最大基础体温值和最小基础体温值的差值小于预设值,则确定受试者具有无双相的生理周期特征。
若MAX(BBT)-MIN(BBT)<x,x为上述预设值,比如可以取值为0.2℃,则说明N天内受试者的BBT比较平稳,没有出现高温相和低温相,具有无双相的生理周期特征。
步骤403、若最大基础体温值和最小基础体温值的差值大于或等于预设值,则确定N个基础体温值对应的实际体温转变次数。
步骤404、结合预设生理周期天数范围,确定与N天对应的理论体温转变次数范围。
步骤405、若实际体温转变次数不位于理论体温转变次数范围内,则确定受试者不具有生理周期特征。
步骤406、若实际体温转变次数位于理论体温转变次数范围内,则确定N个基础体温值对应的体温相变特征,根据体温相变特征确定受试者的生理周期特征。
若MAX(BBT)-MIN(BBT)≥x,则说明N天内受试者可能会出现双相的生理周期特征,但是是否真的出现双相的生理周期特征,以及出现何种双相特点的生理周期特征,则需要进一步确定。另外,对于受试者是否具有生理周期特征也需要确定。
具体地,首先可以通过比较BBT曲线中N个基础体温值所对应的实际体温转变次数以及N天对应的理论体温转变次数范围,以确定受试者是否具有生理周期特征,若实际体温转变次数不位于理论体温转变次数范围内,则受试者不具有生理周期特征,相反地,说明受试者很可能具有生理周期特征。
值得说明的是,上述实际体温转变次数与理论体温转变次数范围的比较也可以在步骤402之前执行,即不论MAX(BBT)-MIN(BBT)是大于x还是小于x,都进行实际体温转变次数与理论体温转变次数范围的比较,当实际体温转变次数位于理论体温转变次数范围时,再执行MAX(BBT)-MIN(BBT)与x的比较。但是,由于无双相的生理周期特征不需要一定基于实际体温转变次数与理论体温转变次数范围的比较结果确定,因此,也可根据本实施例示意的时序进行处理。
本实施例中,当实际体温转变次数不位于理论体温转变次数范围内时,对应于如下情况:虽然BBT曲线中包含了高温相和低温相的双相特征,但是双相总的持续时间比较短,不符合一个正常的生理周期的时间长度特征。
具体地,上述理论体温转变次数范围,可以根据如下公式确定:
n为理论体温转变次数,预设生理周期天数范围为[a,b]。其中,a比如为20,b比如为35,N即为上述的N天。其中,代表向下取整运算。
可选地,如图5所示,上述实际体温转变次数的确定,可以通过如下步骤实现:
步骤501、获取最大基础体温值和最小基础体温值对应的平均基础体温值。
平均基础体温值:AVE(BBT)=[MAX(BBT)-MIN(BBT)]/2,即MAX(BBT)与MIN(BBT)的均值。
步骤502、确定N个基础体温值中低于平均基础体温值的基础体温值所对应的第一均值,以及N个基础体温值中高于平均基础体温值的基础体温值所对应的第二均值。
步骤503、以第一均值预更新基础体温曲线中低于平均基础体温值的基础体温值,以及以第二均值预更新基础体温曲线中高于平均基础体温值的基础体温值。
步骤504、根据预更新后的基础体温曲线的实际转折线段个数确定实际体温转变次数。
遍历BBT曲线,获取N个BBT中所有低于AVE(BBT)的BBT,以及所有高于AVE(BBT)的BBT。求取所有低于AVE(BBT)的BBT的均值,称为第一均值μl,并以该μl预更新即替换所有低于AVE(BBT)的BBT。求取所有高于AVE(BBT)的BBT的均值,称为第二均值μh,并以该μh预更新即替换所有高于AVE(BBT)的BBT。经该预更新后,BBT曲线会表现为折线段的形式,通过识别其中包含的转折线段个数可以确定实际体温转变次数,比如如果其中包含了3个转折线段,则实际体温转变次数为3次。其中,预更新的含义是并非真的对BBT曲线进行更新,只是为了确定实际体温转变次数,假设将BBT曲线进行更新。
另外,此时,还可以求取所有低于AVE(BBT)的BBT的标准差σl,以及所有高于AVE(BBT)的BBT的标准差σh,以备后续使用。
可选地,如图6所示,上述实际体温转变次数的确定,可以通过如下步骤实现:
步骤601、获取最大基础体温值和最小基础体温值对应的平均基础体温值。
步骤602、对于N个基础体温值中的第i个基础体温值Ci:若Ci大于平均基础体温值,且Ci前后分别邻近的基础体温值均小于平均基础体温值,则以前后分别邻近的基础体温值的平均值替换Ci;或者,若Ci小于平均基础体温值,且Ci前后分别邻近的基础体温值均大于平均基础体温值,则以前后分别邻近的基础体温值的平均值替换Ci。
其中,i∈(1,N)。
本实施例与前述图5所示实施例的区别在于,本实施例中,还对BBT曲线的有效性即其中包含的N个BBT的有效性进行检测。
具体来说,实际应用中,可能会存在某些特殊情况导致的N个BBT中某个或某几个BBT值异常。本实施例中,该异常BBT所表现出的特点是:异常BBT与其前后邻近的BBT,相对于AVE(BBT)来说,具有相反的大小趋势。其中,前后邻近,既可以是指前一个相邻和后一个相邻,也可以是指前面邻近的M个以及后面邻近的M个,M一般取大于1的整数,但是不会取很大,比如最大取值为2。
对于近邻仅为前后分别相邻的一个BBT来说,对于上述Ci而言就是,如果Ci>AVE(BBT),而C(i-1)<AVE(BBT),C(i+1)<AVE(BBT),则Ci为异常BBT,以C(i-1)和C(i+1)的平均值替换Ci。如果Ci<AVE(BBT),而C(i-1)>AVE(BBT),C(i+1)>AVE(BBT),则Ci为异常BBT,以C(i-1)和C(i+1)的平均值替换Ci。
对于近邻仅为前后分别相邻的M个BBT来说,对于上述Ci而言就是,如果Ci>AVE(BBT),而C(i-1)至C(i-M)中存在小于AVE(BBT)的BBT,C(i+1)至C(i+M)中存在小于AVE(BBT)的BBT,则Ci为异常BBT,以C(i-M)至C(i+M)中除了Ci外的BBT的平均值替换Ci。如果Ci<AVE(BBT),而C(i-1)至C(i-M)中存在大于AVE(BBT)的BBT,C(i+1)至C(i+M)中存在大于AVE(BBT)的BBT,则Ci为异常BBT,以C(i-M)至C(i+M)中除了Ci外的BBT的平均值替换Ci。
步骤603、若N个基础体温值中被替换的基础体温值数量大于预设数量,则确定N个基础温度值无效。
也就是说,如果N个BBT中存在的异常BBT大于预设数量,比如3个,则认为N个BBT是无效数据,此时的BBT曲线也是无效的,需要重新测量。
步骤604、若N个基础体温值中被替换的基础体温值数量小于预设数量,则确定N个基础体温值中低于平均基础体温值的基础体温值所对应的第一均值,以及N个基础体温值中高于平均基础体温值的基础体温值所对应的第二均值。
步骤605、以第一均值预更新基础体温曲线中低于平均基础体温值的基础体温值,以及以第二均值预更新基础体温曲线中高于平均基础体温值的基础体温值。
步骤606、根据预更新后的基础体温曲线的实际转折线段个数确定实际体温转变次数。
本实施例中,通过对BBT的有效性进行检测,保证后续生理周期特征分析的准确可靠。
当基于前述实施例确定出上述实际体温转变次数和理论体温转变次数范围之后,如果实际体温转变次数位于理论体温转变次数范围内,则确定N个基础体温值对应的体温相变特征,以根据体温相变特征确定受试者的生理周期特征。此时的N个BBT为经过上述替换后的N个BBT,即为替换后的BBT曲线。
如图7所示,体温相变特征的确定以及生理周期特征的确定,可以通过如下步骤实现:
步骤701、获取基础体温曲线中的上升转折片段和下降转折片段。
步骤702、在上升转折片段中,确定低温相的结束时间TLend为:大于μl+σl的第一个温度值所对应时间点的前一时间点。
步骤703、在上升转折片段中,确定高温相的开始时间THbegin为:小于μh-σh的第一个温度值所对应时间点的后一时间点。
根据前后相邻BBT的变化趋势,将相邻BBT的差值大于一定阈值的BBT筛选出来,并根据BBT的大小的渐变趋势,从BBT曲线中识别出其中包含的上升转折片段和下降转折片段,如图8所示。
在上升转折片段中,往往包含有低温相的结束时间TLend和高温相的开始时间THbegin。如图8所示,假设包含了两个上升转折片段,在第一个上升转折片段中:假设大于μl+σl的第一个温度值所对应时间点为第15天,则其前一时间点为第14天,即TLend1=14;假设小于μh-σh的第一个温度值所对应时间点为第15天,则其后一时间点为第16天,即THbegin1=16。在第二个上升转折片段中:假设大于μl+σl的第一个温度值所对应时间点为第43天,则其前一时间点为第42天,即TLend2=42;假设小于μh-σh的第一个温度值所对应时间点为第43天,则其后一时间点为第44天,即THbegin2=44。
步骤704、在下降转折片段中,确定低温相的开始时间TLbegin为:大于μl+σl的第一个温度值所对应时间点的后一时间点。
步骤705、在下降转折片段中,确定高温相的结束时间THend为:小于μh-σh的第一个温度值所对应时间点的前一时间点。
在下降转折片段中,往往包含有低温相的开始时间TLbegin和高温相的结束时间THend。如图8所示,假设包含了两个下降转折片段,在第一个下降转折片段中:假设大于μl+σl的第一个温度值所对应时间点为第27天,则其后一时间点为第28天,即TLbegin1=28;假设小于μh-σh的第一个温度值所对应时间点为第26天,则其前一时间点为第25天,即THend1=25。在第二个下降转折片段中:假设大于μl+σl的第一个温度值所对应时间点为第55天,则其后一时间点为第56天,即TLbegin2=56;假设小于μh-σh的第一个温度值所对应时间点为第55天,则其前一时间点为第58天,即THend2=54。
上述步骤702-步骤705的执行时序没有严格限定关系。
步骤706、根据TLbegin、TLend、THbegin、THend以及μl和μh,确定受试者的生理周期特征。
结合图8,即为根据TLbegin1、TLend1、THbegin1、THend1,TLbegin2、TLend2、THbegin2、THend2以及μl和μh,确定受试者的生理周期特征。
具体来说,基于临近的两个时间点TLbegin和TLend可以确定低温相时间,图8中,即为根据TLend2-TLbegin1确定低温相时间。
基于临近的两个时间点THbegin和THend可以确定高温相时间,图8中,即为根据THend1-THbegin1确定高温相时间。
基于临近的两个时间点THbegin和TLend可以确定低温相向高温相的转变时间,图8中,即为根据THbegin1-TLend1确定低温相向高温相的转变时间。
基于临近的两个时间点TLbegin和THend可以确定高温相向低温相的转变时间,图8中,即为根据TLbegin2-THend1确定高温相向低温相的转变时间。
而TLbegin1和TLbegin2之差即为受试者的一个生理周期的天数。
μh和μl的差值即为高温相与低温相的温差,可以用于确定双相之间的温差是否足够。一般地,如果x<μh-μl<y,则温差不够,反之,如果μh-μl>y,则温差足够。其中,x比如为0.2,y比如为0.3。
基于此,综上,本发明实施例中,基于BBT曲线对受试者生理周期特征的最终分析结果可以包括:(1)无双相,也就是整个生理周期内BBT没有高低两段,如图9所示;(2)双相高度不够,也就是整个生理周期内BBT有高低体温区分,但是不明显(比如,双相体温差μh-μl<0.3度),如图10所示;(3)低温相转变高温相时间长(比如,THbegin1-TLend1大于两天),如图11所示;(4)高温相时间短(比如,THend1-THbegin1小于12天),如图12所示;(5)高温相转变低温相时间长(比如,TLbegin2-THend1大于两天),如图13所示;(6)正常,如图14所示;(7)无生理周期;(8)体温数据需要重新测量。
在实际应用中,基于本发明实施例提供的生理周期特征分析结果,可以辅助诊断不孕不育的病因,举例来说:如果出现图11所示的生理周期特征,可能意味着受试者患有不孕症,在输出该生理周期特征的同时,可选地,还可以输出导致该生理周期特征的原因提示,比如提示黄体发育不良、黄体期缩短,子宫内膜分泌反应不足而致孕卵不易着床。再比如,如果出现图10所示的生理周期特征,可能意味着受试者卵泡发育不良,在输出该生理周期特征的同时,可选地,还可以输出导致该生理周期特征的原因提示,比如提示内分泌调节功能紊乱,卵泡发育缓慢,排卵后黄体发育不全,导致BBT上升幅度偏低。再比如,如果出现图12所示的生理周期特征,可能意味着受试者发生了孕早期流产,在输出该生理周期特征的同时,可选地,还可以输出导致该生理周期特征的原因提示,比如提示黄体发育不全导致黄体期缩短、孕酮浓度低下,是流产的主要内分泌因素。再比如,如果出现图13所示的生理周期特征,可能意味着受试者具有低受孕率的特征,在输出该生理周期特征的同时,可选地,还可以输出导致该生理周期特征的原因提示,比如提示低受孕率。
本实施例中,基于对BBT曲线的特征分析,能够自动获得受试者的生理周期特征,提高了生理周期特征的分析处理效率。
以下将详细描述本发明的一个或多个实施例的温度分析装置。
图15为本发明一实施例提供的温度分析装置的结构示意图,如图15所示,该装置包括:获取模块11、确定模块12、特征分析模块13。
获取模块11,用于获取受试者N天各自对应的温度值,所述温度值是通过接触式测量方式连续测量获得的,所述温度值测量自所述受试者处于睡眠阶段,N大于或等于预设生理周期天数。
确定模块12,用于根据所述N天各自对应的温度值,确定所述N天各自对应的基础体温值。
特征分析模块13,用于对由确定出的N个基础体温值生成的基础体温曲线进行特征分析,以获得所述受试者的生理周期特征。
图15所示装置可以执行图2所示实施例的方法,本实施例未详细描述的部分,可参考对图2所示实施例的相关说明。该技术方案的执行过程和技术效果参见图2所示实施例中的描述,在此不再赘述。
图16为本发明另一实施例提供的温度分析装置的结构示意图,如图16所示,在图15所示实施例基础上,所述确定模块12包括:消除单元121、第一确定单元122。
消除单元121,用于消除所述N天各自对应的温度值中的异常温度值。
第一确定单元122,用于根据所述N天各自对应的消除异常温度值后的温度值,确定所述N天各自对应的基础体温值。
可选地,所述消除单元121具体用于:
根据预设的时间窗口,对所述N天各自对应的温度值进行划分;确定所述N天各自对应的各时间窗口的平均温度值。
可选地,所述第一确定单元122具体用于:
在所述N天各自对应的所述平均温度值中,分别确定连续预设数量的所述平均温度值中的最大值;根据所述最大值,生成所述N天各自对应的体温上包络曲线;根据所述体温上包络曲线对应的最小值,确定所述N天各自对应的基础体温值。
图16所示装置可以执行图3所示实施例的方法,本实施例未详细描述的部分,可参考对图3所示实施例的相关说明。该技术方案的执行过程和技术效果参见图3所示实施例中的描述,在此不再赘述。
图17为本发明又一实施例提供的温度分析装置的结构示意图,如图17所示,在图15所示实施例基础上,所述特征分析模块13包括:第二确定单元131、第三确定单元132、第四确定单元133、第五确定单元134、第六确定单元135、第七确定单元136、第八确定单元137、替换处理单元138、第九确定单元139。
第二确定单元131,用于确定所述N个基础体温值中的最大基础体温值和最小基础体温值。
第三确定单元132,用于若所述最大基础体温值和所述最小基础体温值的差值小于预设值,则确定所述受试者具有无双相的生理周期特征。
第四确定单元133,用于若所述最大基础体温值和所述最小基础体温值的差值大于或等于预设值,则确定所述N个基础体温值对应的实际体温转变次数。
第五确定单元134,用于结合预设生理周期天数范围,确定与所述N天对应的理论体温转变次数范围。
第六确定单元135,用于若所述实际体温转变次数位于所述理论体温转变次数范围内,则确定所述N个基础体温值对应的体温相变特征。
第七确定单元136,用于根据所述体温相变特征确定所述受试者的生理周期特征。
第八确定单元137,用于若所述实际体温转变次数不位于所述理论体温转变次数范围内,则确定所述受试者不具有生理周期特征。
其中,可选地,所述第五确定单元134具体用于:
确定所述理论体温转变次数范围为:n为理论体温转变次数,预设生理周期天数范围为[a,b]。
其中,可选地,所述第四确定单元133具体用于:
获取所述最大基础体温值和所述最小基础体温值对应的平均基础体温值;
确定所述N个基础体温值中低于所述平均基础体温值的基础体温值所对应的第一均值,以及所述N个基础体温值中高于所述平均基础体温值的基础体温值所对应的第二均值;以所述第一均值预更新所述基础体温曲线中低于所述平均基础体温值的基础体温值,以及以所述第二均值预更新所述基础体温曲线中高于所述平均基础体温值的基础体温值;根据预更新后的基础体温曲线的实际转折线段个数确定实际体温转变次数。
替换处理单元138,用于对于所述N个基础体温值中的第i个基础体温值Ci:
若Ci大于所述平均基础体温值,且所述Ci前后分别邻近的基础体温值均小于所述平均基础体温值,则以所述前后分别邻近的基础体温值的平均值替换所述Ci;或者,
若Ci小于所述平均基础体温值,且所述Ci前后分别邻近的基础体温值均大于所述平均基础体温值,则以所述前后分别邻近的基础体温值的平均值替换所述Ci,i∈(1,N)。
第九确定单元139,用于若所述N个基础体温值中被替换的基础体温值数量大于预设数量,则确定所述N个基础温度值无效。
相应地,所述第四确定单元133具体用于:若所述N个基础体温值中被替换的基础体温值数量小于预设数量,则确定所述N个基础体温值中低于所述平均基础体温值的基础体温值所对应的第一均值,以及所述N个基础体温值中高于所述平均基础体温值的基础体温值所对应的第二均值;以所述第一均值预更新所述基础体温曲线中低于所述平均基础体温值的基础体温值,以及以所述第二均值预更新所述基础体温曲线中高于所述平均基础体温值的基础体温值;根据预更新后的基础体温曲线的实际转折线段个数确定实际体温转变次数。
可选地,所述第六确定单元135具体用于:
获取所述基础体温曲线中的上升转折片段和下降转折片段;在所述上升转折片段中,确定低温相的结束时间TLend为:大于所述第一均值+第一标准差的第一个温度值所对应时间点的前一时间点,所述第一标准差为与所述N个基础体温值中低于所述平均基础体温值的基础体温值对应;在所述上升转折片段中,确定高温相的开始时间THbegin为:小于所述第二均值-第二标准差的第一个温度值所对应时间点的后一时间点,所述第二标准差为与所述N个基础体温值中高于所述平均基础体温值的基础体温值对应;在所述下降转折片段中,确定低温相的开始时间TLbegin为:大于所述第一均值+第一标准差的第一个温度值所对应时间点的后一时间点;在所述下降转折片段中,确定高温相的结束时间THend为:小于所述第二均值-第二标准差的第一个温度值所对应时间点的前一时间点。
相应地,所述第七确定单元136具体用于:
根据所述TLbegin、所述TLend、所述THbegin、所述THend以及所述第一均值和所述第二均值,确定所述受试者的生理周期特征。
图17所示装置可以执行图4-图7所示实施例的方法,本实施例未详细描述的部分,可参考对图4-图7所示实施例的相关说明。该技术方案的执行过程和技术效果参见图4-图7所示实施例中的描述,在此不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
以上描述了温度分析装置的内部功能和结构,在一个可能的设计中,该温度分析装置的结构可实现为一电子设备,称为温度分析设备,如图18所示,可以包括:处理器21和存储器22。其中,所述存储器22用于存储支持温度分析装置执行上述任一实施例中提供的温度分析方法的程序,所述处理器21被配置为用于执行所述存储器22中存储的程序。
所述程序包括一条或多条计算机指令,其中,所述一条或多条计算机指令供被处理器21执行时能够实现如下步骤:
获取受试者N天各自对应的温度值,所述温度值是通过接触式测量方式连续测量获得的,所述温度值测量自所述受试者处于睡眠阶段,N大于预设生理周期天数;根据所述N天各自对应的温度值,确定所述N天各自对应的基础体温值;对由确定出的N个基础体温值生成的基础体温曲线进行特征分析,以获得所述受试者的生理周期特征。
可选地,所述处理器21还用于执行前述各方法步骤中的全部或部分步骤。
其中,所述温度分析装置的结构中还可以包括通信接口23,用于温度分析装置与其他设备或通信网络通信。
另外,本发明实施例提供了一种计算机存储介质,用于储存温度分析装置所用的计算机软件指令,其包含用于执行上述各方法实施例中温度分析方法所涉及的程序。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现,当然也可以通过硬件和软件结合的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (24)
1.一种温度分析方法,其特征在于,包括:
获取受试者N天各自对应的温度值,所述温度值是通过接触式测量方式连续测量获得的,所述温度值测量自所述受试者处于睡眠阶段,N大于预设生理周期天数;
根据所述N天各自对应的温度值,确定所述N天各自对应的基础体温值;
对由确定出的N个基础体温值生成的基础体温曲线进行特征分析,以获得所述受试者的生理周期特征。
2.根据权利要求1所述的方法,其特征在于,所述N天各自对应的基础体温值的确定步骤包括:
消除所述N天各自对应的温度值中的异常温度值;
根据所述N天各自对应的消除异常温度值后的温度值,确定所述N天各自对应的基础体温值。
3.根据权利要求2所述的方法,其特征在于,所述异常温度值的消除步骤包括:
根据预设的时间窗口,对所述N天各自对应的温度值进行划分;
确定所述N天各自对应的各时间窗口的平均温度值。
4.根据权利要求3所述的方法,其特征在于,所述N天各自对应的基础体温值的确定步骤包括:
在所述N天各自对应的所述平均温度值中,分别确定连续预设数量的所述平均温度值中的最大值;
根据所述最大值,生成所述N天各自对应的体温上包络曲线;
根据所述体温上包络曲线对应的最小值,确定所述N天各自对应的基础体温值。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述基础体温曲线的特征分析步骤包括:
确定所述N个基础体温值中的最大基础体温值和最小基础体温值;
若所述最大基础体温值和所述最小基础体温值的差值小于预设值,则确定所述受试者具有无双相的生理周期特征。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
若所述最大基础体温值和所述最小基础体温值的差值大于或等于预设值,则确定所述N个基础体温值对应的实际体温转变次数;
结合预设生理周期天数范围,确定与所述N天对应的理论体温转变次数范围;
若所述实际体温转变次数位于所述理论体温转变次数范围内,则确定所述N个基础体温值对应的体温相变特征;
根据所述体温相变特征确定所述受试者的生理周期特征。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
若所述实际体温转变次数不位于所述理论体温转变次数范围内,则确定所述受试者不具有生理周期特征。
8.根据权利要求6所述的方法,其特征在于,所述理论体温转变次数范围的确定步骤包括:
确定所述理论体温转变次数范围为:n为理论体温转变次数,预设生理周期天数范围为[a,b]。
9.根据权利要求6所述的方法,其特征在于,所述实际体温转变次数的确定步骤包括:
获取所述最大基础体温值和所述最小基础体温值对应的平均基础体温值;
确定所述N个基础体温值中低于所述平均基础体温值的基础体温值所对应的第一均值,以及所述N个基础体温值中高于所述平均基础体温值的基础体温值所对应的第二均值;
以所述第一均值预更新所述基础体温曲线中低于所述平均基础体温值的基础体温值,以及以所述第二均值预更新所述基础体温曲线中高于所述平均基础体温值的基础体温值;
根据预更新后的基础体温曲线的实际转折线段个数确定实际体温转变次数。
10.根据权利要求9所述的方法,其特征在于,所述获取所述最大基础体温值和所述最小基础体温值对应的平均基础体温值之后,还包括:
对于所述N个基础体温值中的第i个基础体温值Ci:
若Ci大于所述平均基础体温值,且所述Ci前后分别邻近的基础体温值均小于所述平均基础体温值,则以所述前后分别邻近的基础体温值的平均值替换所述Ci;或者,
若Ci小于所述平均基础体温值,且所述Ci前后分别邻近的基础体温值均大于所述平均基础体温值,则以所述前后分别邻近的基础体温值的平均值替换所述Ci,i∈(1,N)。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
若所述N个基础体温值中被替换的基础体温值数量大于预设数量,则确定所述N个基础温度值无效。
12.根据权利要求9所述的方法,其特征在于,所述体温相变特征的确定步骤包括:
获取所述基础体温曲线中的上升转折片段和下降转折片段;
在所述上升转折片段中,确定低温相的结束时间TLend为:大于所述第一均值+第一标准差的第一个温度值所对应时间点的前一时间点,所述第一标准差为与所述N个基础体温值中低于所述平均基础体温值的基础体温值对应;
在所述上升转折片段中,确定高温相的开始时间THbegin为:小于所述第二均值-第二标准差的第一个温度值所对应时间点的后一时间点,所述第二标准差为与所述N个基础体温值中高于所述平均基础体温值的基础体温值对应;
在所述下降转折片段中,确定低温相的开始时间TLbegin为:大于所述第一均值+第一标准差的第一个温度值所对应时间点的后一时间点;
在所述下降转折片段中,确定高温相的结束时间THend为:小于所述第二均值-第二标准差的第一个温度值所对应时间点的前一时间点;
所述生理周期特征的确定步骤包括:
根据所述TLbegin、所述TLend、所述THbegin、所述THend以及所述第一均值和所述第二均值,确定所述受试者的生理周期特征。
13.一种温度分析装置,其特征在于,包括:
获取模块,用于获取受试者N天各自对应的温度值,所述温度值是通过接触式测量方式连续测量获得的,所述温度值测量自所述受试者处于睡眠阶段,N大于或等于预设生理周期天数;
确定模块,用于根据所述N天各自对应的温度值,确定所述N天各自对应的基础体温值;
特征分析模块,用于对由确定出的N个基础体温值生成的基础体温曲线进行特征分析,以获得所述受试者的生理周期特征。
14.根据权利要求13所述的装置,其特征在于,所述确定模块包括:
消除单元,用于消除所述N天各自对应的温度值中的异常温度值;
第一确定单元,用于根据所述N天各自对应的消除异常温度值后的温度值,确定所述N天各自对应的基础体温值。
15.根据权利要求14所述的装置,其特征在于,所述消除单元具体用于:
根据预设的时间窗口,对所述N天各自对应的温度值进行划分;
确定所述N天各自对应的各时间窗口的平均温度值。
16.根据权利要求15所述的装置,其特征在于,所述第一确定单元具体用于:
在所述N天各自对应的所述平均温度值中,分别确定连续预设数量的所述平均温度值中的最大值;
根据所述最大值,生成所述N天各自对应的体温上包络曲线;
根据所述体温上包络曲线对应的最小值,确定所述N天各自对应的基础体温值。
17.根据权利要求13至16中任一项所述的装置,其特征在于,所述特征分析模块包括:
第二确定单元,用于确定所述N个基础体温值中的最大基础体温值和最小基础体温值;
第三确定单元,用于若所述最大基础体温值和所述最小基础体温值的差值小于预设值,则确定所述受试者具有无双相的生理周期特征。
18.根据权利要求17所述的装置,其特征在于,所述特征分析模块还包括:
第四确定单元,用于若所述最大基础体温值和所述最小基础体温值的差值大于或等于预设值,则确定所述N个基础体温值对应的实际体温转变次数;
第五确定单元,用于结合预设生理周期天数范围,确定与所述N天对应的理论体温转变次数范围;
第六确定单元,用于若所述实际体温转变次数位于所述理论体温转变次数范围内,则确定所述N个基础体温值对应的体温相变特征;
第七确定单元,用于根据所述体温相变特征确定所述受试者的生理周期特征。
19.根据权利要求18所述的装置,其特征在于,所述特征分析模块还包括:
第八确定单元,用于若所述实际体温转变次数不位于所述理论体温转变次数范围内,则确定所述受试者不具有生理周期特征。
20.根据权利要求18所述的装置,其特征在于,所述第五确定单元具体用于:
确定所述理论体温转变次数范围为:n为理论体温转变次数,预设生理周期天数范围为[a,b]。
21.根据权利要求18所述的装置,其特征在于,所述第四确定单元具体用于:
获取所述最大基础体温值和所述最小基础体温值对应的平均基础体温值;
确定所述N个基础体温值中低于所述平均基础体温值的基础体温值所对应的第一均值,以及所述N个基础体温值中高于所述平均基础体温值的基础体温值所对应的第二均值;
以所述第一均值预更新所述基础体温曲线中低于所述平均基础体温值的基础体温值,以及以所述第二均值预更新所述基础体温曲线中高于所述平均基础体温值的基础体温值;
根据预更新后的基础体温曲线的实际转折线段个数确定实际体温转变次数。
22.根据权利要求21所述的装置,其特征在于,所述特征分析模块还包括:
替换处理单元,用于对于所述N个基础体温值中的第i个基础体温值Ci:
若Ci大于所述平均基础体温值,且所述Ci前后分别邻近的基础体温值均小于所述平均基础体温值,则以所述前后分别邻近的基础体温值的平均值替换所述Ci;或者,
若Ci小于所述平均基础体温值,且所述Ci前后分别邻近的基础体温值均大于所述平均基础体温值,则以所述前后分别邻近的基础体温值的平均值替换所述Ci,i∈(1,N)。
23.根据权利要求22所述的装置,其特征在于,所述特征分析模块还包括:
第九确定单元,用于若所述N个基础体温值中被替换的基础体温值数量大于预设数量,则确定所述N个基础温度值无效。
24.根据权利要求21所述的装置,其特征在于,所述第六确定单元具体用于:
获取所述基础体温曲线中的上升转折片段和下降转折片段;
在所述上升转折片段中,确定低温相的结束时间TLend为:大于所述第一均值+第一标准差的第一个温度值所对应时间点的前一时间点,所述第一标准差为与所述N个基础体温值中低于所述平均基础体温值的基础体温值对应;
在所述上升转折片段中,确定高温相的开始时间THbegin为:小于所述第二均值-第二标准差的第一个温度值所对应时间点的后一时间点,所述第二标准差为与所述N个基础体温值中高于所述平均基础体温值的基础体温值对应;
在所述下降转折片段中,确定低温相的开始时间TLbegin为:大于所述第一均值+第一标准差的第一个温度值所对应时间点的后一时间点;
在所述下降转折片段中,确定高温相的结束时间THend为:小于所述第二均值-第二标准差的第一个温度值所对应时间点的前一时间点;
所述第七确定单元具体用于:
根据所述TLbegin、所述TLend、所述THbegin、所述THend以及所述第一均值和所述第二均值,确定所述受试者的生理周期特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710393264.1A CN107149467B (zh) | 2017-05-27 | 2017-05-27 | 温度分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710393264.1A CN107149467B (zh) | 2017-05-27 | 2017-05-27 | 温度分析方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107149467A true CN107149467A (zh) | 2017-09-12 |
CN107149467B CN107149467B (zh) | 2021-01-01 |
Family
ID=59794804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710393264.1A Active CN107149467B (zh) | 2017-05-27 | 2017-05-27 | 温度分析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107149467B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109696248A (zh) * | 2018-11-28 | 2019-04-30 | 武汉高德智感科技有限公司 | 一种人体检验检疫系统温度基于环境温度的自动补偿方法 |
CN110236572A (zh) * | 2019-05-07 | 2019-09-17 | 平安科技(深圳)有限公司 | 基于体温信息的抑郁症预测系统 |
CN111658006A (zh) * | 2019-03-07 | 2020-09-15 | 华为技术有限公司 | 一种预测女性生理周期的方法和装置 |
CN113873953A (zh) * | 2019-05-26 | 2021-12-31 | Vivo 感官医学有限公司 | 体温检定 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0080705A1 (fr) * | 1981-12-01 | 1983-06-08 | ARES N.V. Amsterdam NL | Instrument électronique pour le contrôle et le traitement de l'infertilité féminine |
US5203345A (en) * | 1991-10-31 | 1993-04-20 | University Of Manitoba | Method of using a support anchor for the vagina of a mammalian female |
WO2011070577A2 (en) * | 2009-12-09 | 2011-06-16 | Fridenson, Arie | An ovulation sensing and analyzing system |
CN103356244A (zh) * | 2013-07-17 | 2013-10-23 | 芯河半导体(上海)有限公司 | 预测排卵和生育期的装置及方法 |
CN103371807A (zh) * | 2012-04-12 | 2013-10-30 | 夏普株式会社 | 确定参考体温的方法和设备 |
CN104271048A (zh) * | 2012-05-01 | 2015-01-07 | 欧姆龙健康医疗事业株式会社 | 黄体功能评价装置、黄体功能评价系统及其方法 |
CN104305968A (zh) * | 2014-11-14 | 2015-01-28 | 上海温尔信息科技有限公司 | 一种连续体温监测同期对比算法 |
CN105877708A (zh) * | 2016-04-06 | 2016-08-24 | 杨斌 | 一种用于女性基础体温测量与分析的智能内衣及控制方法 |
CN106456362A (zh) * | 2014-04-17 | 2017-02-22 | 西伊拉塞姆公司 | 用于控制患者的体温的设备、系统和方法 |
-
2017
- 2017-05-27 CN CN201710393264.1A patent/CN107149467B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0080705A1 (fr) * | 1981-12-01 | 1983-06-08 | ARES N.V. Amsterdam NL | Instrument électronique pour le contrôle et le traitement de l'infertilité féminine |
US5203345A (en) * | 1991-10-31 | 1993-04-20 | University Of Manitoba | Method of using a support anchor for the vagina of a mammalian female |
WO2011070577A2 (en) * | 2009-12-09 | 2011-06-16 | Fridenson, Arie | An ovulation sensing and analyzing system |
CN103371807A (zh) * | 2012-04-12 | 2013-10-30 | 夏普株式会社 | 确定参考体温的方法和设备 |
CN104271048A (zh) * | 2012-05-01 | 2015-01-07 | 欧姆龙健康医疗事业株式会社 | 黄体功能评价装置、黄体功能评价系统及其方法 |
CN103356244A (zh) * | 2013-07-17 | 2013-10-23 | 芯河半导体(上海)有限公司 | 预测排卵和生育期的装置及方法 |
CN106456362A (zh) * | 2014-04-17 | 2017-02-22 | 西伊拉塞姆公司 | 用于控制患者的体温的设备、系统和方法 |
CN104305968A (zh) * | 2014-11-14 | 2015-01-28 | 上海温尔信息科技有限公司 | 一种连续体温监测同期对比算法 |
CN105877708A (zh) * | 2016-04-06 | 2016-08-24 | 杨斌 | 一种用于女性基础体温测量与分析的智能内衣及控制方法 |
Non-Patent Citations (2)
Title |
---|
GRANT R. YEAMAN 等: "Human immunodeficiency virus receptor and corecepter expression on human uterine epithelial cells:regulation of expression during the menstrual cycle and implications for human immunodeficiency virus infection", 《IMMUNOLOGY》 * |
周立蓉: "女大学生自测基础体温与月经失调的结果分析", 《中国妇幼保健》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109696248A (zh) * | 2018-11-28 | 2019-04-30 | 武汉高德智感科技有限公司 | 一种人体检验检疫系统温度基于环境温度的自动补偿方法 |
CN111658006A (zh) * | 2019-03-07 | 2020-09-15 | 华为技术有限公司 | 一种预测女性生理周期的方法和装置 |
CN111658006B (zh) * | 2019-03-07 | 2022-09-02 | 华为技术有限公司 | 一种预测女性生理周期的方法和装置 |
CN110236572A (zh) * | 2019-05-07 | 2019-09-17 | 平安科技(深圳)有限公司 | 基于体温信息的抑郁症预测系统 |
CN113873953A (zh) * | 2019-05-26 | 2021-12-31 | Vivo 感官医学有限公司 | 体温检定 |
Also Published As
Publication number | Publication date |
---|---|
CN107149467B (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107149467A (zh) | 温度分析方法和装置 | |
Sopic et al. | Real-time event-driven classification technique for early detection and prevention of myocardial infarction on wearable systems | |
JP5266221B2 (ja) | 生理パラメータを監視する方法および装置 | |
US20140206970A1 (en) | Evaluation and display of glucose data | |
CN107595245A (zh) | 一种睡眠管理方法、系统及终端设备 | |
CN103961113A (zh) | 用于基于用户的行为测量压力的设备和方法 | |
CN104720746A (zh) | 一种睡眠阶段确定方法和系统 | |
RU2018134296A (ru) | Основанный на вероятности коэффициент усиления контроллера | |
Tejera et al. | Artificial neural network for normal, hypertensive, and preeclamptic pregnancy classification using maternal heart rate variability indexes | |
EP3942567A1 (en) | Population-level gaussian processes for clinical time series forecasting | |
Lu et al. | Bayesian analysis of ambulatory blood pressure dynamics with application to irregularly spaced sparse data | |
Gupta et al. | Glycemic excursions in type 1 diabetes in pregnancy: a semiparametric statistical approach to identify sensitive time points during gestation | |
CN107252324A (zh) | 自然避孕法计算方法及装置 | |
Rahaghi et al. | Blood glucose dynamics | |
CN110403611B (zh) | 血液中糖化血红蛋白成分值预测方法、装置、计算机设备和存储介质 | |
WO2018218443A1 (zh) | 温度展示方法和装置 | |
WO2017070853A1 (zh) | 一种睡眠状态判断方法及智能可穿戴设备 | |
CN114451900B (zh) | 一种基于脑电的睡眠质量确定方法、系统及存储介质 | |
US20200211717A1 (en) | Systems and Methods for Visualizing Patient Population Disease Symptom Comparison | |
ES2962508T3 (es) | Visualización de valores biológicos | |
CN206063176U (zh) | 无线排卵周期测定系统 | |
Zhang et al. | Analysis of diurnal variations in heart rate: potential applications for chronobiology and cardiovascular medicine | |
CN114678119A (zh) | 使用心率预测排卵期和月经期的装置、方法及生物标志物 | |
CN114041753A (zh) | 睡眠分期方法、装置、计算机设备和存储介质 | |
Chen et al. | Estimation of the biphasic property in a female’s menstrual cycle from cutaneous temperature measured during sleep |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201118 Address after: Room 109, 1 / F, building 7, No. 204, Huyi Road, Jiading District, Shanghai, 201802 Applicant after: Shanghai rhythm Biotechnology Co.,Ltd. Address before: 201802 room 5, building 1690, 3176, Jia Hao Road, Shanghai, Jiading District Applicant before: WELL DIAGNOSTICS TECHNOLOGY (INTERNATIONAL) Corp. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |