CN108903976A - 一种基础体温数据的分析方法及装置 - Google Patents

一种基础体温数据的分析方法及装置 Download PDF

Info

Publication number
CN108903976A
CN108903976A CN201810517035.0A CN201810517035A CN108903976A CN 108903976 A CN108903976 A CN 108903976A CN 201810517035 A CN201810517035 A CN 201810517035A CN 108903976 A CN108903976 A CN 108903976A
Authority
CN
China
Prior art keywords
body temperature
phase
days
basal body
period
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
Application number
CN201810517035.0A
Other languages
English (en)
Inventor
刘成良
张飞
金衍瑞
刘金磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Xiaxian Intelligent Technology Co Ltd
Shanghai Jiaotong University Lingang Intelligent Manufacturing Creative Technology Ltd
Original Assignee
Shanghai Xiaxian Intelligent Technology Co Ltd
Shanghai Jiaotong University Lingang Intelligent Manufacturing Creative Technology Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Xiaxian Intelligent Technology Co Ltd, Shanghai Jiaotong University Lingang Intelligent Manufacturing Creative Technology Ltd filed Critical Shanghai Xiaxian Intelligent Technology Co Ltd
Priority to CN201810517035.0A priority Critical patent/CN108903976A/zh
Publication of CN108903976A publication Critical patent/CN108903976A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0008—Temperature signals
    • 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
    • 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)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种基础体温数据的分析方法及装置，所述方法包括：获取历史周期的基础体温数据，绘制周期基础体温曲线；判断周期基础体温曲线是单相或双相基础体温曲线；对两种基础体温曲线的各种异常情况做进一步地判断；建立基础体温月评分模型，根据异常情况判断结果对该历史周期的基础体温数据进行评分；根据整个周期的总的月评分，判断基础体温周期是否出现异常。通过上述分析方法和装置，根据已有的基础体温的大数据统计，总结归纳并建议一整套异常基础体温曲线情况，对用户上一周期历史基础体温数据进行分析和评分，根据评分结果判断用户基础体温曲线是否存在异常，让用户了解自身长期的基础体温变化情况。

Description

一种基础体温数据的分析方法及装置
技术领域
本发明涉及数据处理领域，具体涉及一种基础体温数据的分析方法及装置。
背景技术
目前，随着生活条件的提高和生活节奏的加快，人们的生育观也发生转变。避孕、优孕等概念也愈发受到人们的关注。对于适龄女性，不论是出于避孕还是优孕的想法，基础体温测定是一种较为方便的了解女性自身有无排卵、排卵日期及卵巢黄体功能的方法。
基础体温法是指女性每日醒后未进行任何活动之前，将口表置于舌下测量温度，记录并绘制成基础体温曲线图，进而根据基础体温曲线，分析排卵质量、黄体质量等参数，因此在国内妇科有较广泛的应用。
现有技术主要通过记录每日基础体温数据，并根据女性月经周期为28天，排卵日为周期第14天左右的基本原理进行预测判断本周期排卵日。但是现有技术对于用户基础体温数据是正常还是异常，现有技术并没有一套有效的方法进行评估，给用户更加直观量化的感受。
发明内容
本发明的目的是提供一种基础体温数据的分析方法及装置，通过将用户的历史周期基础体温数据与异常情况进行比较，经过建立的评分模型进行计算，得到基础体温数据的月评分分数，并由此判断历史周期基础体温数据是否存在异常。
为达到上述目的，本发明的第一方面提供了一种基础体温数据的分析方法，包括如下步骤：
步骤1、获取历史周期的基础体温数据，并绘制周期基础体温曲线；
步骤2、判断周期基础体温曲线是单相基础体温曲线或双相基础体温曲线；
步骤3、对双相基础体温曲线或单相基础体温曲线的各种异常情况做进一步地判断；
步骤4、建立基础体温月评分模型，根据步骤3的判断结果对该历史周期的基础体温数据进行评分；
步骤5、根据整个周期的总的月评分，判断基础体温周期是否出现异常情况。
进一步地，所述步骤2的判断方法是：判断每个周期的基础体温曲线是否有明显变化，如果有明显变化，则为双相基础体温曲线，如果没有明显变化，则为单相基础体温曲线，所述明显变化是指在周期后半期，即排卵后，体温增高0.3～0.5℃。
进一步地，在所述步骤3中，对于双相基础体温曲线：
设上一历史周期有L天，上一周期排卵日为周期第T日，第一次使用时记T为14，周期中第i天的温度为ti；
若：L-T＜12，则高温相持续时间偏短；
若：T＞24，则低温持续时间偏长；
若：T＜12，则低温持续时间偏短；
若：tT+1＞tT，tT+2＞tT+1，tT+3＞tT+2，则温度上升较慢；
若：tT+1＜tT+0.3，则温度上升幅度偏小；
若：tL-1＞tL，tL-2＞tL-1，tL-3＞tL-2，则温度下降较慢；
若：tL-1-0.3＜tL，则温度下降幅度偏小。
进一步地，在所述步骤3中，对于单相基础体温曲线：
设上一历史周期内温度处于36.0℃-36.5℃有L1天，温度大于36.5℃有L2天，周期共L天；
若：L1≥0.7*L，则单相体温偏低；
若：L2≥0.7*L，则单相体温偏高；
若不符合上述两种情况，则属于单相体温交错。
进一步地，若基础体温曲线呈双相：则月评分Score为：
Score＝(S低温期+S上升期+S高温期+S下降期)/4(1)
S低温期、S上升期、S高温期、S下降期分别代表基础温度处于低温期、上升期、高温期和下降期的评分。
进一步地，(1)基础体温处于低温期时：
A、低温期基础体温偏高，低温期体温持续大于36.5℃
月评分模型：统计周期内低温期天数，若在低温期区间内存在n天温度高于36.5℃，则：S低温期＝100-3n；
B、低温期基础体温偏低，低温期体温持续小于36.3℃
月评分模型：统计周期内低温期天数，若在低温期区间内存在n天温度低于36.3℃，则：S低温期＝100-3n；
C、低温期偏短，低温持续时间小于12天
月评分模型：统计周期内低温期天数，若低温期天数小于12天，则：
S低温期＝100-20；
D、低温期偏长，低温持续时间大于18天
月评分模型：统计周期内低温期天数，若低温期天数大于18天，则：
S低温期＝100-20；
E、不满足上述A-D情况时，低温期正常
月评分模型：S低温期＝100；
(2)基础体温处于上升期时：
A、上升缓慢，上升天数大于3天
月评分模型：统计周期内上升期天数，若上升期天数大于3天，则：
S上升期＝100-40；
B、不满足上述情况时，上升期处于正常
月评分模型：S上升期＝100；
(3)基础体温处于高温期时：
A、高温期基础体温偏低，高温期体温持续小于36.8℃
月评分模型：统计周期内高温期天数，若在高温期区间内存在n天温度低于36.5℃，则：S高温期＝100-3n；
B、高温期偏短，高温期持续时间少于12天
月评分模型：统计周期内高温期天数，若高温期天数小于12天，则：
S高温期＝100-20；
C、不满足上述A-B情况时，高温期正常
月评分模型：S高温期＝100；
(4)基础体温处于下降期时：
A、下降缓慢，下降天数大于3天
月评分模型：统计周期内下降期天数，若下降期天数大于3天，则：
S下降期＝100-40；
B、不满足上述情况时，下降期正常
月评分模型：S下降期＝100。
进一步地，若基础体温曲线呈单相，则月评分Score为：Score＝40。
进一步地，历史周期基础体温数据的月评分小于等于40，则表示基础体温出现异常；月评分大于80，则表示基础体温正常；月评分在40-80之间，则表示基础体温有可能出现异常。
本发明的另一方面还提供了一种基础体温数据的分析装置，包括：
周期基础体温曲线获取单元，用于获取历史周期的基础体温数据，并绘制周期基础体温曲线；
周期基础体温曲线单、双相判断单元，用于判断周期基础体温曲线是单相基础体温曲线或双相基础体温曲线；
单、双相基础体温曲线的异常情况判断单元，用于对双相基础体温曲线或单相基础体温曲线的各种异常情况做进一步地判断；
评分单元，用于建立基础体温月评分模型，并根据单、双相基础体温曲线的异常情况判断单元的判断结果对该历史周期的基础体温数据进行评分；
周期基础体温异常判断单元，用于根据整个周期的总的月评分，判断基础体温周期是否出现异常情况。
进一步地，所述周期基础体温曲线单、双相判断单元判断每个周期的基础体温曲线是否有明显变化，如果有明显变化，则为双相基础体温曲线，如果没有明显变化，则为单相基础体温曲线，所述明显变化是指在周期后半期，即排卵后，体温增高0.3～0.5℃。
进一步地，所述单、双相基础体温曲线的异常情况判断单元对于双相基础体温曲线作如下判断：
设上一历史周期有L天，上一周期排卵日为周期第T日，第一次使用时记T为14，周期中第i天的温度为ti；
若：L-T＜12，则高温相持续时间偏短；
若：T＞24，则低温持续时间偏长；
若：T＜12，则低温持续时间偏短；
若：tT+1＞tT，tT+2＞tT+1，tT+3＞tT+2，则温度上升较慢；
若：tT+1＜tT+0.3，则温度上升幅度偏小；
若：tL-1＞tL，tL-2＞tL-1，tL-3＞tL-2，则温度下降较慢；
若：tL-1-0.3＜tL，则温度下降幅度偏小。
进一步地，所述单、双相基础体温曲线的异常情况判断单元对于单相基础体温曲线作如下判断：
设上一历史周期内温度处于36.0℃-36.5℃有L1天，温度大于36.5℃有L2天，周期共L天；
若：L1≥0.7*L，则单相体温偏低；
若：L2≥0.7*L，则单相体温偏高；
若不符合上述两种情况，则属于单相体温交错。
进一步地，若基础体温曲线呈双相：则所述评分单元计算的月评分Score为：
Score＝(S低温期+S上升期+S高温期+S下降期)/4(1)
S低温期、S上升期、S高温期、S下降期分别代表基础温度处于低温期、上升期、高温期和下降期的评分。
进一步地，所述评分单元根据下述条件进行评分计算；
(1)基础体温处于低温期时：
A、低温期基础体温偏高，低温期体温持续大于36.5℃
月评分模型：统计周期内低温期天数，若在低温期区间内存在n天温度高于36.5℃，则：S低温期＝100-3n；
B、低温期基础体温偏低，低温期体温持续小于36.3℃
月评分模型：统计周期内低温期天数，若在低温期区间内存在n天温度低于36.3℃，则：S低温期＝100-3n；
C、低温期偏短，低温持续时间小于12天
月评分模型：统计周期内低温期天数，若低温期天数小于12天，则：
S低温期＝100-20；
D、低温期偏长，低温持续时间大于18天
月评分模型：统计周期内低温期天数，若低温期天数大于18天，则：
S低温期＝100-20；
E、不满足上述A-D情况时，低温期正常
月评分模型：S低温期＝100；
(2)基础体温处于上升期时：
A、上升缓慢，上升天数大于3天
月评分模型：统计周期内上升期天数，若上升期天数大于3天，则：
S上升期＝100-40；
B、不满足上述情况时，上升期处于正常
月评分模型：S上升期＝100；
(3)基础体温处于高温期时：
A、高温期基础体温偏低，高温期体温持续小于36.8℃
月评分模型：统计周期内高温期天数，若在高温期区间内存在n天温度低于36.5℃，则：S高温期＝100-3n；
B、高温期偏短，高温期持续时间少于12天
月评分模型：统计周期内高温期天数，若高温期天数小于12天，则：
S高温期＝100-20；
C、不满足上述A-B情况时，高温期正常
月评分模型：S高温期＝100；
(4)基础体温处于下降期时：
A、下降缓慢，下降天数大于3天
月评分模型：统计周期内下降期天数，若下降期天数大于3天，则：
S下降期＝100-40；
B、不满足上述情况时，下降期正常
月评分模型：S下降期＝100。
进一步地，若基础体温曲线呈单相，则所述评分单元给出的月评分Score为：Score＝40。
进一步地，所述评分单元计算得出的历史周期基础体温数据的月评分小于等于40，则表示基础体温出现异常；月评分大于80，则表示基础体温正常；月评分在40-80之间，则表示基础体温有可能出现异常。
综上所述，本发明提供了一种基础体温数据的分析方法及装置，所述方法包括：获取历史周期的基础体温数据，并绘制周期基础体温曲线；判断周期基础体温曲线是双相基础体温曲线还是单相基础体温曲线；对双相基础体温曲线或单相基础体温曲线的各种异常情况做进一步地判断；建立基础体温月评分模型，根据步骤3的判断结果对该历史周期的基础体温数据进行评分；根据整个周期的总的月评分，判断基础体温周期是否出现异常情况。
本发明通过上述分析方法和装置，根据已有的基础体温的大数据统计，总结归纳并建议一整套异常基础体温曲线情况，通过分析用户历史周期基础体温曲线，进而对用户上一周期历史基础体温数据进行评分，根据评分结果判断用户基础体温曲线是否存在异常，提醒用户及早就医。
附图说明
图1是本发明基础体温数据的分析方法流程图；
图2是本发明基础体温在不同时期存在异常情况的判断流程图；
图3是本发明根据月评分判断基础体温是否正常的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
本发明提供一种基础体温数据的分析方法。根据专家知识，总结归纳并建议一整套异常基础体温曲线情况，通过分析用户历史周期基础体温曲线，判断用户基础体温曲线是否存在异常，进而对用户上一周期历史基础体温数据进行评分，根据评分结果对用户的基础体温情况进行评估。
正常妇女每一月经周期中，基础体温的表现可分低温相及高温相，低温相从月经来潮前1～2天开始，在月经的前半期，基础体温波动于36.5℃左右，持续约14天，排卵期稍下降，然后上升进入高温相，体温波动于37℃左右，维持约12天，于下次来潮前1～2天再度下降，称为双相型基础体温。如无排卵，则基础体温无高温相，称单相型基础体温。因此，也可根据月经周期中基础体温曲线是否有明显变化来判断双相型和单相型基础体温，有明显变化的为双相型基础体温，没有明显变化的为单相型基础体温。
其中，基础体温情况依赖于对历史周期数据的月评分，月评分模型主要根据各种基础体温异常曲线，匹配用户自身的基础体温历史曲线是否出现异常情况，并给与相应的评分。其中基础体温异常情况判断的基本流程如图1所示，包括如下步骤：
步骤1、获取历史周期的基础体温数据，并绘制周期基础体温曲线；在每天早晨醒后，不起床，最好在同一时间段，用口表测量体温。一般情况下，在排卵以前体温总是在36.5左右。排卵时体温稍下降。排卵后就上升到37度左右，平均上升0.5度左右，一直持续到下次月经来潮，再恢复到原来的体温水平。每天测量的体温，记录在表格上，这样连续测量一个以上的月经周期，得到基础体温的历史周期数据，并将每个周期内的基础体温数据连接成线，得到周期的基础体温曲线。
步骤2、判断每个周期的基础体温曲线是否有明显变化，如果有明显变化，则为双相基础体温曲线，如果没有明显变化，则为单相基础体温曲线。所述明显变化是指在周期后半期，即排卵后，体温会增高0.3～0.5℃。
对于双相基础体温曲线，分为低温期、上升期、高温期和下降期四个阶段。低温期分为低温期偏短和低温期偏长两种异常情况；上升期分为温度上升偏慢和温度上升幅度偏小两种异常情况；高温期分为高温期偏短、高温期持续超过16天、高温期持续20天后下降的异常情况；下降期分为温度下降缓慢和经期温度仍偏高的异常情况。对于单相基础体温曲线，分为温度偏低、温度偏高和温度交错三种异常情况。
步骤3、对双相基础体温曲线和单相基础体温曲线的各种异常情况做进一步地判断。下面给出对于上述各种异常情况进行判别的条件。
设月经周期天数为L，排卵日为从月经周期第一天开始算的第D0天，测量基础体温的当日为从月经周期第一天开始算的第D天，这里设定：
若D＜(D0-4),则当日处于低温期；
若D＞(D0+3),则当日处于高温期；
若(D0-4)≤D≤D0,则当日处于上升期；
若(L-4)≤D≤L,则当日处于下降期。
对于双相基础体温曲线：
设上一历史周期有L天，上一周期排卵日为周期第T日(第一次使用时记T为14)，周期中第i天的温度为ti。
若：
L-T＜12
则高温相持续时间偏短；
若：
T＞24
则低温持续时间偏长；
若：
T＜12
则低温持续时间偏短；
若：
tT+1＞tT
tT+2＞tT+1
tT+3＞tT+2
则温度上升较慢；
若：
tT+1＜tT+0.3
则温度上升幅度偏小；
若：
tL-1＞tL
tL-2＞tL-1
tL-3＞tL-2
则温度下降较慢；
若：
tL-1-0.3＜tL
则温度下降幅度偏小。
对于单相基础体温曲线：
设上一历史周期内温度处于36.0℃-36.5℃有L1天，温度大于36.5℃有L2天，周期共L天。
若：
L1≥0.7*L
则单相体温偏低；
若：
L2≥0.7*L
则单相体温偏高；
若不符合上述两种情况：则属于单相体温交错。
步骤4、建立基础体温月评分模型，根据步骤3的判断结果对该历史周期的基础体温数据进行评分。
基础体温的异常状况是根据大量的统计数据得出的，月评分模型根据女性用户的历史周期数据和基础体温的异常状况进行比较，寻找女性用户历史周期数据是否存在上述相关的异常情况，若出现，则在总评分中加以体现，最终获得一个合理的针对用户上一周期基础体温情况的总评分。
若基础体温曲线呈单相，则月评分Score为：Score＝40。
若基础体温曲线呈双相：
首先，判断该双相体温周期内排卵日位于周期中的第几天，设月经周期天数为L，排卵日为从月经周期第一天开始算的第D0天，测量基础体温的当日为从月经周期第一天开始算的第D天。
Score＝(S低温期+S上升期+S高温期+S下降期)/4(1)
S低温期、S上升期、S高温期、S下降期分别代表基础温度处于低温期、上升期、高温期和下降期的评分，下面分别进行建立各个时期的月评分模型。
(1)基础体温处于低温期，即D＜(D0-4)时；
A、低温期基础体温偏高，低温期体温持续大于36.5℃
月评分模型：统计周期内低温期天数，若在低温期区间内存在n天温度高于36.5℃，则：
S低温期＝100-3n
B、低温期基础体温偏低，低温期体温持续小于36.3℃
月评分模型：统计周期内低温期天数，若在低温期区间内存在n天温度低于36.3℃，则：
S低温期＝100-3n
C、低温期偏短，低温持续时间小于12天
月评分模型：统计周期内低温期天数，若低温期天数小于12天，则：
S低温期＝100-20
D、低温期偏长，低温持续时间大于18天
月评分模型：统计周期内低温期天数，若低温期天数大于18天，则：
S低温期＝100-20
E、不满足上述A-D情况时，低温期正常
月评分模型：
S低温期＝100
(2)基础体温处于上升期，即(D0-4)≤D≤D0；
A、上升缓慢，上升天数大于3天
月评分模型：统计周期内上升期天数，若上升期天数大于3天，则：
S上升期＝100-40
B、不满足上述情况时，上升期处于正常
月评分模型：
S上升期＝100
(3)基础体温处于高温期，即若D＞(D0+3)；
A、高温期基础体温偏低，高温期体温持续小于36.8℃(一般平均37℃)
月评分模型：统计周期内高温期天数，若在高温期区间内存在n天温度低于36.5℃，则：
S高温期＝100-3n
B、高温期偏短，高温期持续时间少于12天
月评分模型：统计周期内高温期天数，若高温期天数小于12天，则：
S高温期＝100-20
C、不满足上述A-B情况时，高温期正常
月评分模型：
S高温期＝100
(4)基础体温处于下降期，即(L-4)≤D≤L。
A、下降缓慢，下降天数大于3天
月评分模型：统计周期内下降期天数，若下降期天数大于3天，则：
S下降期＝100-40
B、不满足上述情况时，下降期正常
月评分模型：
S下降期＝100
上述模型中的月经周期天数和排卵日根据用户历史数据确定，一般情况下，同一人的月经周期天数和排卵日天数是基本固定的；对于月经周期不规律的用户，上述评分模型不适用。用户根据历史周期的基础体温数据，和上述一个周期内不同时期的多种情况进行比较，并得出每个时期的月评分，然后根据公式(1)进行计算，得到整个周期的总的月评分Score。
步骤5、根据整个周期的总的月评分，判断基础体温周期是否出现异常情况，并可进一步判断异常情况的级别。
根据月经周期基础体温的大数据统计，周期内基础体温异常情况下的曲线和正常情况下的曲线的拟合程度是可以得出的，即用户的历史周期基础体温曲线与正常情况下的基础体温曲线相差多少属于异常情况是可以量化的。根据以往的统计数据，以及上述模型计算的月评分，得出：
若：Score≤40，则基础体温曲线异常；当基础体温曲线为单相基础体温曲线时，则该曲线为异常情况；
若：40＜Score≤70，则基础体温曲线可能异常；当基础体温曲线为双相基础体温曲线时，基础体温的上升期和/或下降期偏长以及高温期和/或低温期存在上述不正常的情况时，月评分的分数处于本段范围内；
若：70＜Score≤80，则基础体温曲线较正常；当基础体温曲线为双相基础体温曲线时，基础体温的上升期和/或下降期不正常、而高温期和/或低温期正常的情况时，月评分的分数处于本段范围内；
若：Score＞80，则基础体温曲线正常；当基础体温曲线为双相基础体温曲线时，基础体温在各个时期的大部分情况都属于正常，只有个别时期不正常或全部都正常的情况下，月评分的分数处于本段范围内。
由此可知，历史周期基础体温数据的月评分小于等于40，则表示基础体温出现异常，而月评分大于80时，则表示基础体温正常。如果连续三个月或三个月经周期的基础体温数据都不正常，则用户需要及早就医进行确诊。
综上所述，本发明提供了一种基础体温数据的分析方法及装置，通过上述分析方法和装置，根据已有的基础体温的大数据统计，总结归纳并建议一整套异常基础体温曲线情况，通过分析用户历史周期基础体温曲线，进而对用户上一周期历史基础体温数据进行评分，根据评分结果判断用户基础体温曲线是否存在异常，让用户了解自身长期的基础体温变化情况，提醒用户出现异常的情况下及早就医。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (16)

1.一种基础体温数据的分析方法，其特征在于，包括如下步骤：
步骤1、获取历史周期的基础体温数据，并绘制周期基础体温曲线；
步骤2、判断周期基础体温曲线是单相基础体温曲线或双相基础体温曲线；
步骤3、对双相基础体温曲线或单相基础体温曲线的各种异常情况做进一步地判断；
步骤4、建立基础体温月评分模型，根据步骤3的判断结果对该历史周期的基础体温数据进行评分；
步骤5、根据整个周期的总的月评分，判断基础体温周期是否出现异常情况。
2.根据权利要求1所述的基础体温数据的分析方法，其特征在于，所述步骤2的判断方法是：判断每个周期的基础体温曲线是否有明显变化，如果有明显变化，则为双相基础体温曲线，如果没有明显变化，则为单相基础体温曲线，所述明显变化是指在周期后半期，即排卵后，体温增高0.3～0.5℃。
3.根据权利要求1所述的基础体温数据的分析方法，其特征在于，在所述步骤3中，对于双相基础体温曲线：
设上一历史周期有L天，上一周期排卵日为周期第T日，第一次使用时记T为14，周期中第i天的温度为ti；
若：L-T＜12，则高温相持续时间偏短；
若：T＞24，则低温持续时间偏长；
若：T＜12，则低温持续时间偏短；
若：tT+1＞tT，tT+2＞tT+1，tT+3＞tT+2，则温度上升较慢；
若：tT+1＜tT+0.3，则温度上升幅度偏小；
若：tL-1＞tL，tL-2＞tL-1，tL-3＞tL-2，则温度下降较慢；
若：tL-1-0.3＜tL，则温度下降幅度偏小。
4.根据权利要求1所述的基础体温数据的分析方法，其特征在于，在所述步骤3中，对于单相基础体温曲线：
设上一历史周期内温度处于36.0℃-36.5℃有L1天，温度大于36.5℃有L2天，周期共L天；
若：L1≥0.7*L，则单相体温偏低；
若：L2≥0.7*L，则单相体温偏高；
若不符合上述两种情况，则属于单相体温交错。
5.根据权利要求3所述的基础体温数据的分析方法，其特征在于，若基础体温曲线呈双相：则月评分Score为：
Score＝(S低温期+S上升期+S高温期+S下降期)/4 (1)
S低温期、S上升期、S高温期、S下降期分别代表基础温度处于低温期、上升期、高温期和下降期的评分。
6.根据权利要求5所述的基础体温数据的分析方法，其特征在于，
(1)基础体温处于低温期时：
A、低温期基础体温偏高，低温期体温持续大于36.5℃
月评分模型：统计周期内低温期天数，若在低温期区间内存在n天温度高于36.5℃，则：S低温期＝100-3n；
B、低温期基础体温偏低，低温期体温持续小于36.3℃
月评分模型：统计周期内低温期天数，若在低温期区间内存在n天温度低于36.3℃，则：S低温期＝100-3n；
C、低温期偏短，低温持续时间小于12天
月评分模型：统计周期内低温期天数，若低温期天数小于12天，则：
S低温期＝100-20；
D、低温期偏长，低温持续时间大于18天
月评分模型：统计周期内低温期天数，若低温期天数大于18天，则：
S低温期＝100-20；
E、不满足上述A-D的情况时，则低温期正常
月评分模型：S低温期＝100；
(2)基础体温处于上升期时：
A、上升缓慢，上升天数大于3天
月评分模型：统计周期内上升期天数，若上升期天数大于3天，则：
S上升期＝100-40；
B、不满足上述情况时，上升期处于正常
月评分模型：S上升期＝100；
(3)基础体温处于高温期时：
A、高温期基础体温偏低，高温期体温持续小于36.8℃
月评分模型：统计周期内高温期天数，若在高温期区间内存在n天温度低于36.5℃，则：S高温期＝100-3n；
B、高温期偏短，高温期持续时间少于12天
月评分模型：统计周期内高温期天数，若高温期天数小于12天，则：
S高温期＝100-20；
C、不满足上述A-B情况时，高温期正常
月评分模型：S高温期＝100；
(4)基础体温处于下降期时：
A、下降缓慢，下降天数大于3天
月评分模型：统计周期内下降期天数，若下降期天数大于3天，则：
S下降期＝100-40；
B、不满足上述情况时，下降期正常
月评分模型：S下降期＝100。
7.根据权利要求4所述的基础体温数据的分析方法，其特征在于，若基础体温曲线呈单相，则月评分Score为：Score＝40。
8.根据权利要求5-7任一项所述的基础体温数据的分析方法，其特征在于，历史周期基础体温数据的月评分小于等于40，则表示基础体温出现异常；月评分大于80，则表示基础体温正常；月评分在40-80之间，则表示基础体温有可能出现异常。
9.一种基础体温数据的分析装置，其特征在于，包括：
周期基础体温曲线获取单元，用于获取历史周期的基础体温数据，并绘制周期基础体温曲线；
周期基础体温曲线单、双相判断单元，用于判断周期基础体温曲线单相基础体温曲线或双相基础体温曲线；
单、双相基础体温曲线的异常情况判断单元，用于对双相基础体温曲线或单相基础体温曲线的各种异常情况做进一步地判断；
评分单元，用于建立基础体温月评分模型，并根据单、双相基础体温曲线的异常情况判断单元的判断结果对该历史周期的基础体温数据进行评分；
周期基础体温异常判断单元，用于根据整个周期的总的月评分，判断基础体温周期是否出现异常情况。
10.根据权利要求9所述的基础体温数据的分析装置，其特征在于，所述周期基础体温曲线单、双相判断单元判断每个周期的基础体温曲线是否有明显变化，如果有明显变化，则为双相基础体温曲线，如果没有明显变化，则为单相基础体温曲线，所述明显变化是指在周期后半期，即排卵后，体温增高0.3～0.5℃。
11.根据权利要求9所述的基础体温数据的分析装置，其特征在于，所述单、双相基础体温曲线的异常情况判断单元对于双相基础体温曲线作如下判断：
设上一历史周期有L天，上一周期排卵日为周期第T日，第一次使用时记T为14，周期中第i天的温度为ti；
若：L-T＜12，则高温相持续时间偏短；
若：T＞24，则低温持续时间偏长；
若：T＜12，则低温持续时间偏短；
若：tT+1＞tT，tT+2＞tT+1，tT+3＞tT+2，则温度上升较慢；
若：tT+1＜tT+0.3，则温度上升幅度偏小；
若：tL-1＞tL，tL-2＞tL-1，tL-3＞tL-2，则温度下降较慢；
若：tL-1-0.3＜tL，则温度下降幅度偏小。
12.根据权利要求9所述的基础体温数据的分析装置，其特征在于，所述单、双相基础体温曲线的异常情况判断单元对于单相基础体温曲线作如下判断：
设上一历史周期内温度处于36.0℃-36.5℃有L1天，温度大于36.5℃有L2天，周期共L天；
若：L1≥0.7*L，则单相体温偏低；
若：L2≥0.7*L，则单相体温偏高；
若不符合上述两种情况，则属于单相体温交错。
13.根据权利要求11所述的基础体温数据的分析装置，其特征在于，若基础体温曲线呈双相：则所述评分单元计算的月评分Score为：
Score＝(S低温期+S上升期+S高温期+S下降期)/4 (1)
S低温期、S上升期、S高温期、S下降期分别代表基础温度处于低温期、上升期、高温期和下降期的评分。
14.根据权利要求13所述的基础体温数据的分析装置，其特征在于，
所述评分单元根据下述条件进行评分计算；
(1)基础体温处于低温期时：
A、低温期基础体温偏高，低温期体温持续大于36.5℃
月评分模型：统计周期内低温期天数，若在低温期区间内存在n天温度高于36.5℃，则：S低温期＝100-3n；
B、低温期基础体温偏低，低温期体温持续小于36.3℃
月评分模型：统计周期内低温期天数，若在低温期区间内存在n天温度低于36.3℃，则：S低温期＝100-3n；
C、低温期偏短，低温持续时间小于12天
月评分模型：统计周期内低温期天数，若低温期天数小于12天，则：
S低温期＝100-20；
D、低温期偏长，低温持续时间大于18天
月评分模型：统计周期内低温期天数，若低温期天数大于18天，则：
S低温期＝100-20；
E、不满足上述A-D情况时，低温期正常
月评分模型：S低温期＝100；
(2)基础体温处于上升期时：
A、上升缓慢，上升天数大于3天
月评分模型：统计周期内上升期天数，若上升期天数大于3天，则：
S上升期＝100-40；
B、不满足上述情况时，上升期处于正常
月评分模型：S上升期＝100；
(3)基础体温处于高温期时：
A、高温期基础体温偏低，高温期体温持续小于36.8℃
月评分模型：统计周期内高温期天数，若在高温期区间内存在n天温度低于36.5℃，则：S高温期＝100-3n；
B、高温期偏短，高温期持续时间少于12天
月评分模型：统计周期内高温期天数，若高温期天数小于12天，则：
S高温期＝100-20；
C、不满足上述A-B情况时，高温期正常
月评分模型：S高温期＝100；
(4)基础体温处于下降期时：
A、下降缓慢，下降天数大于3天
月评分模型：统计周期内下降期天数，若下降期天数大于3天，则：
S下降期＝100-40；
B、不满足上述情况时，下降期正常
月评分模型：S下降期＝100。
15.根据权利要求12所述的基础体温数据的分析装置，其特征在于，若基础体温曲线呈单相，则所述评分单元给出的月评分Score为：Score＝40。
16.根据权利要求13-15任一项所述的基础体温数据的分析装置，其特征在于，所述评分单元计算得出的历史周期基础体温数据的月评分小于等于40，则表示基础体温出现异常；月评分大于80，则表示基础体温正常；月评分在40-80之间，则表示基础体温有可能出现异常。
CN201810517035.0A 2018-05-25 2018-05-25 一种基础体温数据的分析方法及装置 Pending CN108903976A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810517035.0A CN108903976A (zh) 2018-05-25 2018-05-25 一种基础体温数据的分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810517035.0A CN108903976A (zh) 2018-05-25 2018-05-25 一种基础体温数据的分析方法及装置

Publications (1)

Publication Number Publication Date
CN108903976A true CN108903976A (zh) 2018-11-30

Family

ID=64410636

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810517035.0A Pending CN108903976A (zh) 2018-05-25 2018-05-25 一种基础体温数据的分析方法及装置

Country Status (1)

Country Link
CN (1) CN108903976A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07270249A (ja) * 1991-09-03 1995-10-20 Naohiro Yamamoto コンピュータ付き基礎体温測定器
TW563517U (en) * 2002-10-23 2003-11-21 Wang Nai Dung Wrist watch capable of recording body temperature and informing pregnable period
CN101477594A (zh) * 2009-01-13 2009-07-08 深圳市同洲电子股份有限公司 一种健康评分方法、装置和系统
CN103479337A (zh) * 2013-09-09 2014-01-01 惠州Tcl移动通信有限公司 移动终端的基础体温测量监测方法及移动终端
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
US20160140314A1 (en) * 2014-11-14 2016-05-19 Conceivable, Inc. Conceivable basal body temperatures and menstrual cycle
CN105640596A (zh) * 2016-03-10 2016-06-08 深圳还是威健康科技有限公司 推算生理周期的方法和智能手环

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07270249A (ja) * 1991-09-03 1995-10-20 Naohiro Yamamoto コンピュータ付き基礎体温測定器
TW563517U (en) * 2002-10-23 2003-11-21 Wang Nai Dung Wrist watch capable of recording body temperature and informing pregnable period
CN101477594A (zh) * 2009-01-13 2009-07-08 深圳市同洲电子股份有限公司 一种健康评分方法、装置和系统
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
CN103479337A (zh) * 2013-09-09 2014-01-01 惠州Tcl移动通信有限公司 移动终端的基础体温测量监测方法及移动终端
US20160140314A1 (en) * 2014-11-14 2016-05-19 Conceivable, Inc. Conceivable basal body temperatures and menstrual cycle
CN105640596A (zh) * 2016-03-10 2016-06-08 深圳还是威健康科技有限公司 推算生理周期的方法和智能手环

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Similar Documents

Publication Publication Date Title
Estève et al. Relative survival and the estimation of net survival: elements for further discussion
CN105701342B (zh) 基于代理的直觉模糊理论医疗诊断模型的构建方法及装置
Vedhara et al. An investigation into the relationship between salivary cortisol, stress, anxiety and depression
Berres et al. Normal ranges of neuropsychological tests for the diagnosis of Alzheimer’s disease
Clarke et al. Activity patterns and time allocation during pregnancy: a longitudinal study of British women
DE202014011334U1 (de) Datenanalysesystem
Gritz et al. A randomized trial of a self-help smoking cessation intervention in a nonvolunteer female population: testing the limits of the public health model.
CN113409941B (zh) Osahs识别方法、模型、模型建立方法、及装置
Huang et al. Determination of relative timing of pubertal maturation through ordinal logistic modeling: evaluation of growth and timing parameters
Bradley et al. Handover: Faster and safer?
Gollwitzer et al. Response styles in the assessment of anger expression.
Williams et al. Everyday cognition in prodromal Huntington disease.
CN107799180A (zh) 基于认知行为疗法的心理资本提升训练方法及系统
Eggleston et al. Quality adjustment for health care spending on chronic disease: evidence from diabetes treatment, 1999–2009
Webb et al. Self-concept, social support and hysterectomy
Morant Secular changes in the heights of British people
Ashwal et al. Pre-induction cervical ripening: comparing between two vaginal preparations of dinoprostone in women with an unfavorable cervix
CN108903976A (zh) 一种基础体温数据的分析方法及装置
Mullins et al. An examination of the effects of self-rated and objective indicators of health condition and economic condition on the loneliness of older persons
Glantz Cesarean delivery risk adjustment for regional interhospital comparisons
Breakwell et al. Explaining the psychological effects of unemployment for young people: The importance of specific situational factors
Vignesh et al. Rule extraction for diagnosis of diabetes mellitus used for enhancing regular covering technique
Willekens et al. Age-period-cohort (APC) analysis of mortality with applications to Soviet data
Selvin et al. Seasonal variation in twin births
CN108903977A (zh) 一种基础体温的周期监测方法及装置

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181130