CN108305681A - 一种基于可穿戴的女性乳腺监测预警系统 - Google Patents
一种基于可穿戴的女性乳腺监测预警系统 Download PDFInfo
- Publication number
- CN108305681A CN108305681A CN201810101877.8A CN201810101877A CN108305681A CN 108305681 A CN108305681 A CN 108305681A CN 201810101877 A CN201810101877 A CN 201810101877A CN 108305681 A CN108305681 A CN 108305681A
- Authority
- CN
- China
- Prior art keywords
- value
- mammary gland
- wearable
- monitoring
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
- A61B5/4312—Breast evaluation or disorder diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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)
- Public Health (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Psychiatry (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Gynecology & Obstetrics (AREA)
- Reproductive Health (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种基于可穿戴的女性乳腺监测预警系统,其基于可穿戴的运动神经元检测子系统,特别是提出了有效的基于可穿戴的运动神经元乳腺监测信号采集的噪音去除、特征提取和分类识别算法,可以在提高信号处理算法效率的情况下,降低计算复杂度,同时也能保证分类识别的准确率,进而提高运动过程中指示女性乳腺在运动过程中的生理活动情况的准确度。
Description
技术领域
本发明属于可穿戴系统应用领域,具体涉及一种基于可穿戴的女性乳腺监测预警系统。
背景技术
随着医学研究与技术的发展,越来越多的医学难关得以突破。特别是现在的可穿戴设备,例如设置于女性乳房附近的用以监测乳腺生理活动参数的可穿戴设备,可以使女性乳腺直接和外部环境进行信息交互,通过对乳腺监测信号进行处理与分析,可以实现对人类关键的健康状况的监控,以及检测某些神经系统疾病,甚至可以用乳腺监测信号实现外界的控制。随着临床上的不断应用,越来越多的设置于乳腺的用以监测女性乳腺生理活动参数的可穿戴设备也逐渐被用在日常生活中监控人体活动水平,比如注意力集中水平检测,疲劳程度检测等,还可以通过观测分析乳腺监测信号研究睡眠等相关数据。
可穿戴设备获取信息的基本原理是根据分析解读由外界刺激或思维活动引起的女性乳腺活动变化,将其转化为相应的命令传递给外部设备,具体的信号采集原理是将人的女性乳房表面或者女性乳腺内神经元活动等特定区域皮肤表面的神经细胞产生的信号进行采集,然后将模拟信号经过一系列变换之后变成易于计算机识别和处理的数字信号输入计算机系统中,作为系统的输入信号,其产生方式有诱发式和自发式,诱发式的检测信号起源于感官刺激,自发式的乳腺监测信号不依赖于外部的刺激,例如感知运动区的EEG节律。通过系统的分析所采集的信号,就可以实现上面所述的健康监控、健康检测和预警等功能。
上述采集中最为关键也是最核心的就是所采集到的乳腺监测信号的处理。然而,由于乳腺监测信号记录存在很多不稳定性因素,并且用户自身状态对采集信号的影响也很大,信号处理算法也较复杂,需要考虑算法复杂度对系统性能的影像,噪音抑制,以及如何从单一域、结合域以及非线性动力学领域中提取更有效的特征,以及如何提高分类的准确率,同时降低算法的复杂度。这均是摆在该领域的难题。
发明内容
鉴于以上分析,本发明的主要目的在于提供一种基于可穿戴的女性乳腺监测预警系统,其基于可穿戴的运动神经元检测子系统,特别是提出了有效的基于可穿戴的运动神经元乳腺监测信号采集的噪音去除、特征提取和分类识别算法,可以在提高信号处理算法效率的情况下,降低计算复杂度,同时也能保证分类识别的准确率,进而提高运动过程中指示女性乳腺在运动过程中的生理活动情况的准确度。
本发明的目的是通过以下技术方案实现的。
一种基于可穿戴的女性乳腺监测预警系统,包括彼此连接的可穿戴的运动神经元检测子系统和阈值判断与预警子系统,所述阈值判断与预警子系统根据所述可穿戴的运动神经元检测子系统产生的预警信息以及预先确定的女性乳腺神经元疲劳阈值进行比较且根据比较结果给出指示女性乳腺在运动过程中的生理活动情况信息,所述预先确定的女性乳腺神经元疲劳阈值是根据个人通过实验得到的经验值确定的。
进一步地,所述可穿戴的运动神经元检测子系统包括依次相连的可穿戴式信号采集模块、预处理模块、特征提取模块、分类识别模块、以及信息输出模块。
进一步地,其中该可穿戴式信号采集设备将电极置于测试者皮肤表面,将测试者产生的离子电流转化为测量设备能够检测到的电子电流。
进一步地,所述预处理模块用于消除噪音,其将采集到的信号进行小波变换,得到小波系数,然后在小波变换域上利用信号与噪音的不同性质,对高频系数进行限值化处理,再对去噪效果进行衡量利,用重构算法重构信号。
进一步地,所述限值化处理包括将信号的绝对值与限值进行比较,小于或等于限值的点变为0,大于该值的点变为该点值与限值的差值。
进一步地,所述特征提取包括如下步骤:
1、对两个通道各自提取至少10个特征值,组成相对应的特征矩阵,用伯格算法估计采集值的4阶AR模型,将得到的模型参数作为特征;
2、计算功率谱的四个特征,包括功率谱的峰值、功率谱的峰值对应的频率、每个采集值信号段10-12Hz的信号能量值E以及功率谱的一阶谱矩,其中信号能量值E计算如下:
3、估计乳腺监测信号的双谱,计算与其相关的4个特征即双谱的峰值、双谱的峰值所在的频率横坐标、双谱的峰值所在的频率纵坐标、双谱的对角切片的一阶谱矩。
进一步地,所述分类识别模块包括采用梯度进行分类,具体包括给定一个训练集,训练集中包括数据点和相应的标识,定义对数递归模型中的伯努利对数似然函数,建立对数递归模型,不断地最大化对数递归模型,得到弱分类器的权值,对多个弱分类器进行迭代获得一个强分类器,由此得到一个新的对数递归值,再计算迭代最优值,从而得到分类结果。
进一步地,所述分类识别模块包括如下分类步骤:
1、获得具有特征信息的采样信息;
2、选定一个感知函数,函数结果能够体现分类器的性能,并且感知函数的极值解对应的分类器是最佳分类器;
3、通过最优化处理,求出相应极值解,
利用相应极值解构建线性判定函数,通过线性判定函数就可以对采样信息处理得到其所属的类别。
附图说明
图1示出了本发明的基于可穿戴的女性乳腺监测预警系统的结构框图。
图2示出了本发明的基于可穿戴的运动神经元检测子系统的结构框图。
具体实施方式
实施例一
如图1所示的基于可穿戴的女性乳腺监测预警系统,包括彼此连接的可穿戴的运动神经元检测子系统和阈值判断与预警子系统,所述阈值判断与预警子系统根据所述可穿戴的运动神经元检测子系统产生的预警信息以及预先确定的女性乳腺神经元疲劳阈值进行比较且根据比较结果给出指示女性乳腺在运动过程中的生理活动情况信息,所述预先确定的女性乳腺神经元疲劳阈值是根据个人通过实验得到的经验值确定的。
如图2所示,所述可穿戴的运动神经元检测子系统包括依次相连的可穿戴式信号采集模块、预处理模块、特征提取模块、分类识别模块、以及信息输出模块。
其中该可穿戴式信号采集设备将电极置于测试者皮肤表面,将测试者产生的离子电流转化为测量设备能够检测到的电子电流。
所述预处理模块用于消除噪音,其将采集到的信号进行小波变换,得到小波系数,然后在小波变换域上利用信号与噪音的不同性质,对高频系数进行限值化处理,再对去噪效果进行衡量利,用重构算法重构信号。
所述限值化处理包括将信号的绝对值与限值进行比较,小于或等于限值的点变为0,大于该值的点变为该点值与限值的差值。
所述特征提取包括如下步骤:
1、对两个通道各自提取至少10个特征值,组成相对应的特征矩阵,用伯格算法估计采集值的4阶AR模型,将得到的模型参数作为特征;
2、计算功率谱的四个特征,包括功率谱的峰值、功率谱的峰值对应的频率、每个采集值信号段10-12Hz的信号能量值E以及功率谱的一阶谱矩,其中信号能量值E计算如下:
3、估计乳腺监测信号的双谱,计算与其相关的4个特征即双谱的峰值、双谱的峰值所在的频率横坐标、双谱的峰值所在的频率纵坐标、双谱的对角切片的一阶谱矩。
所述分类识别模块包括采用梯度进行分类,具体包括给定一个训练集,训练集中包括数据点和相应的标识,定义对数递归模型中的伯努利对数似然函数,建立对数递归模型,不断地最大化对数递归模型,得到弱分类器的权值,对多个弱分类器进行迭代获得一个强分类器,由此得到一个新的对数递归值,再计算迭代最优值,从而得到分类结果。
实施例二
与所述实施例一其余结构均相同,实施例二的分类识别模块包括如下分类步骤:
1、获得具有特征信息的采样信息;
2、选定一个感知函数,函数结果能够体现分类器的性能,并且感知函数的极值解对应的分类器是最佳分类器;
3、通过最优化处理,求出相应极值解,
利用相应极值解构建线性判定函数,通过线性判定函数就可以对采样信息处理得到其所属的类别。
Claims (8)
1.一种基于可穿戴的女性乳腺监测预警系统,其特征在于,包括彼此连接的可穿戴的运动神经元检测子系统和阈值判断与预警子系统。
2.根据权利要求1所述的基于可穿戴的女性乳腺监测预警系统,其特征在于,所述可穿戴的运动神经元检测子系统包括依次相连的可穿戴式信号采集模块、预处理模块、特征提取模块、分类识别模块、以及信息输出模块。
3.如权利要求2所述的基于可穿戴的女性乳腺监测预警系统,其特征在于,其中该可穿戴式信号采集模块将电极置于测试者皮肤表面,将测试者产生的离子电流转化为测量设备能够检测到的电子电流。
4.如权利要求2所述的基于可穿戴的女性乳腺监测预警系统,其特征在于,所述预处理模块用于消除噪音,其将采集到的信号进行小波变换,得到小波系数,然后在小波变换域上利用信号与噪音的不同性质,对高频系数进行限值化处理,再对去噪效果进行衡量利,用重构算法重构信号。
5.如权利要求4所述的基于可穿戴的女性乳腺监测预警系统,其特征在于,所述限值化处理包括将信号的绝对值与限值进行比较,小于或等于限值的点变为0,大于该值的点变为该点值与限值的差值。
6.如权利要求1所述的基于可穿戴的女性乳腺监测预警系统,其特征在于,所述特征提取模块包括如下步骤:
对两个通道各自提取至少10个特征值,组成相对应的特征矩阵,用伯格算法估计采集值的4阶AR模型,将得到的模型参数作为特征;
计算功率谱的四个特征,包括功率谱的峰值、功率谱的峰值对应的频率、每个采集值信号段10-12Hz的信号能量值E以及功率谱的一阶谱矩,其中信号能量值E计算如下:
估计乳腺监测信号的双谱,计算与其相关的4个特征即双谱的峰值、双谱的峰值所在的频率横坐标、双谱的峰值所在的频率纵坐标、双谱的对角切片的一阶谱矩。
7.如权利要求2所述的基于可穿戴的女性乳腺监测预警系统,其特征在于,所述分类识别模块包括采用梯度进行分类,具体包括给定一个训练集,训练集中包括数据点和相应的标识,定义对数递归模型中的伯努利对数似然函数,建立对数递归模型,不断地最大化对数递归模型,得到弱分类器的权值,对多个弱分类器进行迭代获得一个强分类器,由此得到一个新的对数递归值,再计算迭代最优值,从而得到分类结果。
8.如权利要求2所述的基于可穿戴的女性乳腺监测预警系统,其特征在于,所述分类识别模块包括如下分类步骤:
获得具有特征信息的采样信息;
选定一个感知函数,函数结果能够体现分类器的性能,并且感知函数的极值解对应的分类器是最佳分类器;
通过最优化处理,求出相应极值解,
利用相应极值解构建线性判定函数,通过线性判定函数就可以对采样信息处理得到其所属的类别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810101877.8A CN108305681A (zh) | 2018-02-01 | 2018-02-01 | 一种基于可穿戴的女性乳腺监测预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810101877.8A CN108305681A (zh) | 2018-02-01 | 2018-02-01 | 一种基于可穿戴的女性乳腺监测预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108305681A true CN108305681A (zh) | 2018-07-20 |
Family
ID=62850914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810101877.8A Pending CN108305681A (zh) | 2018-02-01 | 2018-02-01 | 一种基于可穿戴的女性乳腺监测预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108305681A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114627998A (zh) * | 2022-05-17 | 2022-06-14 | 江苏盛恩祥生物技术有限公司 | 乳腺生物节律监测数据的传输方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106128032A (zh) * | 2016-07-05 | 2016-11-16 | 北京理工大学珠海学院 | 一种疲劳状态监测及预警方法及其系统 |
CN106691443A (zh) * | 2017-01-11 | 2017-05-24 | 中国科学技术大学 | 基于脑电的穿戴式司机防疲劳智能监测预警系统 |
-
2018
- 2018-02-01 CN CN201810101877.8A patent/CN108305681A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106128032A (zh) * | 2016-07-05 | 2016-11-16 | 北京理工大学珠海学院 | 一种疲劳状态监测及预警方法及其系统 |
CN106691443A (zh) * | 2017-01-11 | 2017-05-24 | 中国科学技术大学 | 基于脑电的穿戴式司机防疲劳智能监测预警系统 |
Non-Patent Citations (4)
Title |
---|
姚路: "肌电假肢的表面肌电信号特征提取与识别", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王强: "基于左右手运动想象的脑机接口算法研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
王玉田等: "一种基于小波变换的荧光检测信号的去噪研究", 《光谱学与光谱分析》 * |
陈旭宁: "Visual Studio 2010与Matlab混合编程的研究及其在BCI系统中的应用", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114627998A (zh) * | 2022-05-17 | 2022-06-14 | 江苏盛恩祥生物技术有限公司 | 乳腺生物节律监测数据的传输方法及系统 |
CN114627998B (zh) * | 2022-05-17 | 2022-07-29 | 江苏盛恩祥生物技术有限公司 | 乳腺生物节律监测数据的传输方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ai et al. | Classification of parkinsonian and essential tremor using empirical mode decomposition and support vector machine | |
CN102274022B (zh) | 一种基于脑电信号的睡眠状态监测方法 | |
CN108392211B (zh) | 一种基于多信息融合的疲劳检测方法 | |
Banks et al. | Methodological choices in muscle synergy analysis impact differentiation of physiological characteristics following stroke | |
CN110338786B (zh) | 一种癫痫样放电的识别与分类方法、系统、装置和介质 | |
CN104757968A (zh) | 儿童失神性癫痫发作情况的中间数据统计评价方法 | |
CN105997064A (zh) | 一种用于人体下肢表面肌电信号的辨识方法 | |
CN102178514A (zh) | 一种基于非线性与复杂性多重指标的昏迷程度评价方法 | |
CN104840186A (zh) | 一种充血性心力衰竭患者自主神经功能的评估方法 | |
CN110151203A (zh) | 基于多级雪崩式卷积递归网络eeg分析的疲劳驾驶识别方法 | |
CN108577831B (zh) | 单导心贴数据长程监控诊断系统及其处理方法 | |
CN114052744B (zh) | 基于脉冲神经网络的心电信号分类方法 | |
Mustafa et al. | The analysis of eeg spectrogram image for brainwave balancing application using ann | |
CN113951903B (zh) | 基于脑电数据测定的高速铁路调度员超负荷状态识别方法 | |
CN113576491A (zh) | 基于静息态eeg频域特征及脑网络自动分析方法和系统 | |
CN112806977A (zh) | 基于多尺度融合网络的生理参数测量方法 | |
CN113288168A (zh) | 一种智能可穿戴疲劳监测及预警系统 | |
CN113796873B (zh) | 穿戴式动态心电信号分类方法及系统 | |
CN112336369B (zh) | 一种多通道心音信号的冠心病风险指数评估系统 | |
Tiwari et al. | Stress and anxiety measurement" in-the-wild" using quality-aware multi-scale hrv features | |
CN108305681A (zh) | 一种基于可穿戴的女性乳腺监测预警系统 | |
Thai et al. | Toward an IoT-based expert system for heart disease diagnosis | |
CN113974655A (zh) | 一种基于脑电信号的癫痫发作预测方法 | |
CN108309240A (zh) | 一种基于可穿戴的脑部疲劳预警系统 | |
CN108319368A (zh) | 一种可穿戴的ai动作学习系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180720 |