CN109223042A - 人体多点机械振动参数随时间演进的混合测量方法与装置 - Google Patents

人体多点机械振动参数随时间演进的混合测量方法与装置 Download PDF

Info

Publication number
CN109223042A
CN109223042A CN201810909776.3A CN201810909776A CN109223042A CN 109223042 A CN109223042 A CN 109223042A CN 201810909776 A CN201810909776 A CN 201810909776A CN 109223042 A CN109223042 A CN 109223042A
Authority
CN
China
Prior art keywords
vibration
data
test point
acquisition
wave
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
Application number
CN201810909776.3A
Other languages
English (en)
Other versions
CN109223042B (zh
Inventor
韦岗
曹燕
王歌
王一歌
赵明剑
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.)
Guangzhou Phonpad Information Technology Cooperation Ltd
Original Assignee
Guangzhou Phonpad Information Technology Cooperation 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 Guangzhou Phonpad Information Technology Cooperation Ltd filed Critical Guangzhou Phonpad Information Technology Cooperation Ltd
Priority to CN201810909776.3A priority Critical patent/CN109223042B/zh
Publication of CN109223042A publication Critical patent/CN109223042A/zh
Application granted granted Critical
Publication of CN109223042B publication Critical patent/CN109223042B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/02—Measuring pulse or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4854—Diagnosis based on concepts of traditional oriental medicine
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0866—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving foetal diagnosis; pre-natal or peri-natal diagnosis of the baby
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0875—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of bone
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Engineering & Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Cardiology (AREA)
  • Pregnancy & Childbirth (AREA)
  • Gynecology & Obstetrics (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Alternative & Traditional Medicine (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明提供一种人体多点机械振动参数随时间演进的混合测量方法与装置，采用被动及主动相结合的混合检测方式，在人体不同的空间检测点长时检测机械振动波，提取振动源的多维波参数与振动源到探测点之间的肌肉、脂肪、皮肤等生物组织的声衰减参数，不断积累形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进特性模型，对于单次的采集数据进行测试评判。本发明不再局限于某一次的检测偶然性，有利于监测亚健康状态、人体怀孕、胎儿心跳首次出现，以及跟踪慢性疾病等。本方法整体观的思想与中医把人作为系统的思想类似，可作为中医望闻问切四诊中切‑‑‑“脉诊”的具体实施和更为全面的拓展。

Description

人体多点机械振动参数随时间演进的混合测量方法与装置
技术领域
本发明主要涉及人体振动特性检测技术领域，具体涉及人体多点机械振动波参数、生物组织声衰减参数，及其随时间演进特性的检测方法与装置。
背景技术
正常的人体有很多振动，其中最大的振动源是心脏。正常的心脏是一个强有力的肌肉器官，就像一个水泵，它日夜不停地、有节律地搏动着，是人体血液循环系统的动力装置。人体血液循环系统除了心脏，还包含血管和血液，负责人体氧气、二氧化碳、养分及废物的运送。血管按构造功能不同，分为动脉、静脉和毛细血管三种。血液经由心脏的左心室收缩而挤压流入主动脉，随即传递到全身动脉。动脉为富有弹性的结缔组织与肌肉所形成的管路。当大量血液进入动脉将使动脉压力变大而使管径扩张，在体表较浅处动脉即可感受到此扩张，触摸到此搏动，即所谓的脉搏。
心脏在一分钟内跳动(振动)的次数被称为心率，正常成年人的心率每分钟为60～100次。根据物理学的惠更斯原理，振动路径(管路)上的点都可以看成是下一级振动源，振动频率和振动源的频率一样，因此，正常人的脉搏的次数与心跳的次数是一致的。当人体血液粘稠或者血管发生堵塞，血管变硬就会影响振动的快慢，从而使得脉搏的振动和心跳的形态与正常情况相比有些不同。为此，在医学上可以通过监测心脏和脉搏的振动形态，如振动的频率、相位、幅度、谐波成分等多维波参数，来判断人体是否健康。西医的心电图、中医的脉诊等就属此类检查。
心电图的原理是检测心脏在搏动(振动)前后，心肌发生激动过程中产生的微弱电流，该电流经人体组织向身体表面的各个部位传导。由于身体各部分组织不同，距心脏的距离不同，心电信号在身体不同的部位所表现出的电位也不同。对正常心脏来说，心电信号变化的方向、频率、幅度等是有规律的。若通过电极将体表不同部位的电信号检测出来，再用放大器加以放大，并用记录器描记下来，就可得到心电图形。医生根据所记录的心电图波形的形态、波幅大小以及各波之间的相对时间关系，再与正常心电图相比较，便能诊断出诸如心电节律不齐、心肌梗塞、期前收缩、高血压、心脏异位搏动等心脏疾病。
脉诊是中医独有的一种疾病诊断方法，中医师通过切按手腕部的动脉脉搏来诊断。手腕部动脉脉搏是心脏搏动沿着动脉血管和血流向外周传播而形成，它所表现出来的形态、强度、速度与节律等方面的综合信息反映出人体心血管系统的许多生理和病理特征。中医师感知动脉搏动显现部位的深浅、速率的快慢及其强度、节律和形态等方面，根据获得的脉象分辨疾病成因、推断疾病变化、识别病情真假和判断疾病预后等，但这些脉象要靠中医师凭手指感知，且完全依赖于个人的经验做出主观判断。因此，常常出现不同的中医师对同一就诊者的脉象做出不同解析的情况。
由此可见，对人体的振动进行检测，是一种诊断与预警身体疾病的手段。但是对于个人来说，实际情形经常是：已经感觉到身体很不舒服或发现某些疾病征兆后，才去医院进行检测的，往往一查就是大病的后期，失去了宝贵的初期治愈的时间窗口。其实，冰冻三尺非一日之寒，除非是突发的外部事故，人体脏器器官、血管、血液等若出现问题，必定是长期日积月累的结果。因此，如果能对人体的生理特性经常进行检测，并进行长期的对比分析，就可以尽早发出疾病预警并及时医治。目前，可以用家用血压计、智能体温计等进行人体血压、体温的日常记录及长时间观测。但是血压、体温这类标量参数太过单一，且随时间的变化非常缓慢，携带的信息量太小，很难反映人体心血管特性等生理参数。因此，要实现对人体健康状况的评估、疾病的预警，还必须有更多包含人体器官及心血管特性的信息，并且最好是这些信息能够用简便、对人体无损、无创的方式获得。中医脉诊、西医心电图的诊断经验充分证明，通过检测人体不同位置的振动，提取出相关的振动矢量参数，进行长时间的数据积累，并对振动矢量参数随时间的变化进行对比分析，可以判别出人体心血管的状况，从而实现健康评估及疾病预警。
为了更多地获取人体器官活动的信息，以及更好地鉴别不同器官的活动特性，很有必要同时测量人体多点的振动特性。比如，当母体怀孕有胎儿的时候，会多一个胎儿心跳的振动源，要将母体的心跳振动信息与胎儿的心跳振动信息加以区分，就需要进行多点测试和孕前孕后的长时监测。这对于尽早捕捉到胎儿的心跳、分析其是否有先天性心脏病十分重要。
人体的振动会产生生物电信号，因此可以通过测量人体生物电信号的方式记录人体的振动。但由于人有许多器官，不同器官的活动均会激发生物电，而人体是导电体，所有的生物电流会瞬时传遍全身。因此电测量的方法主要适合于记录比较强的振动，如心脏的跳动。必须指出，即使在人体心脏组织附近测量到的电信号，也并非仅仅是心脏器官活动产生的生物电信号，而是人体中各类生物电信号经过多条路径传播后的综合结果。因此，在进行心电图测量时，人体需要平躺、不说话、最好闭上眼睛，以尽量避免其他非心脏器官活动产生的生物电信号。
为了避免生物电信号瞬间在人体全身中的混合，也可以通过直接测量人体机械振动波，获取人体多点振动特性，包括被动、主动以及主被动混合测量的方式。所谓被动检测方式，即采用振动传感器直接记录机械振动，其优点是简单、成本低，缺点则是振动测量强度易受肌肉、脂肪及皮肤等的阻隔，导致有用信号微弱。所谓主动检测方式，是在人体某些位置向人体内部发射探测信号，然后接收反射信号，根据探测信号与反射信号的差异来判断振动的特性。为了对人体无害，常采用一定功率限制的超声信号(其频率要比振动源的振动频率高很多)作为发射探测信号。前期我们申请的专利“基于心脏点波动传导特性的血管状态检测方法与装置”就是采用超声有源主动探测来采集心脏的波动和不同血管处的脉搏波，然后根据不同点采集到的信号，对血管的声波传输特性进行分析。
与被动检测方式一样，主动检测方式同样会受到干扰，主要是超声信号的多径传输干扰。主动探测可以通过发射频率调制信号的方式，对振动源进行探测，而频率调制探测信号抗幅度衰减的能力很强。因此，将被动检测与主动检测的结果相结合，除可以在检测振动源的频率、相位、幅度、谐波构成等多维波参数外，还可提取振动源到探测点之间的肌肉、脂肪及皮肤等组织的声衰减特性，从而更全面地评估人体的健康状况，更准确地进行疾病预警。
故本专利提出，采用被动及主动相结合的混合检测方式，对人体振动进行空间多点、长时监测，提取振动源的多维波参数与振动源到探测点之间的肌肉、脂肪、皮肤等生物组织的声衰减参数，及其随时间演进特性的测量方法与装置。
发明内容
针对人体振动可以反映人体生命的健康状态，而目前多是单次采集心跳和脉搏波，以及采集信号以电为主等，本发明提供一种人体多点机械振动参数随时间演进的混合测量方法与装置，采用被动及主动相结合的混合检测方式，在人体不同的空间检测点长时检测机械振动波，提取振动源的多维波参数与振动源到探测点之间的肌肉、脂肪、皮肤等生物组织的声衰减参数，不断积累形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进特性模型，并对于单次的采集数据进行测试，得到评判结果。
为了实现上述目的，本发明给出的人体多点机械振动参数随时间演进的混合测量方法，其特征在于在人体不同的空间检测点进行被动及主动相结合的混合检测方式，检测机械振动波，获取时间上可控相关性、空间上强相关性的检测数据序列，提取振动源的多维波参数与振动源到探测点之间的肌肉、脂肪、皮肤等生物组织的声衰减参数，形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进特性模型。
上述被动及主动相结合的混合检测方式是指：在同一空间检测点既采取被动检测也采取主动检测；被动检测是采用振动传感器直接记录机械振动；主动检测是在此空间检测点向人体内部发射探测信号，然后接收反射信号，根据探测信号与反射信号的差异来判断振动的特性。
上述检测数据序列是指：在某时刻n上采集的检测数据为y(n)＝[y1(n),y2(n),y3(n),...,yM(n)]T，这里假设有M个空间检测点，y1(n)是空间检测点1的检测数据，y2(n)是空间检测点2的检测数据，.......，yM(n)是空间检测点M的检测数据。每个检测数据都包含两部分，一部分是被动检测获取的被动检测数据，一部分是主动检测获取的主动检测数据。在下一时刻n+1上采集的检测数据为y(n+1)＝[y1(n+1),y2(n+1),y3(n+1),...,yM(n+1)]T。依次根据时间的演进，形成检测数据矩阵Y＝[y(n),y(n+1),y(n+2),......]，该矩阵的每一行则称为一个检测数据序列，它对应于某一空间检测点采集的机械振动波的长时累积，如对空间检测点1的检测数据进行时间维度上的积累，形成空间检测点1的检测数据序列y1＝[y1(n),y1(n+1),y1(n+2),......]。
上述时间上可控相关性是指检测数据序列根据不同的抽取频率，可以得到采集数据的时辰志、日志、周志和月志等，这样在时间轴上可以得到不同相关程度的数据。
上述人体不同的空间检测点采集的机械振动波，即检测数据序列是有空间关联的，如，在空间检测点1采集的检测数据y1(n)，在空间检测点2处采集的检测数据y2(n)，则y1(n)和y2(n)的关联反映了空间检测点1到空间检测点2之间管道的状态。由于空间检测点1到空间检测点2经过多种介质，如经过肌肉、皮肤、血管等特殊的管道，故此管道的状态不局限于血管。
上述同一空间检测点的位置确定是通过被动采集附近区域的机械振动波来比较，获得最大机械振动波处的位置则定位为这块区域的空间检测点，并且做好标记。采集检测数据时，若标记在，则直接在此标记处采集，若标记不清晰，则用同样的方法重新确定此同一个空间检测点。
上述振动参数的矢量时间序列的形成是指：对于某一个空间检测点，某时刻n上采集的检测数据y1(n)，假设其长度为L，前面L1长度的检测数据为被动检测数据，后面L-L1长度的检测数据为主动检测数据，根据被动检测数据、主动检测数据以及发射探测信号，反演出该空间检测点到振动源之间的肌肉、脂肪、皮肤等生物组织的声衰减参数，以及计算出振动源的多维波参数，包括振动源的频率、相位、幅度、谐波成分等，组成参数矢量c1(n)，M个空间检测点，则形成c(n)＝[c1(n),c2(n),c3(n),...,cM(n)]T。同理，根据下一时刻n+1上采集的检测数据，M个空间检测点，形成c(n+1)＝[c1(n+1),c2(n+1),c3(n+1),...,cM(n+1)]T。依次根据时间的演进，形成振动参数的矢量时间矩阵C＝[c(n),c(n+1),c(n+2),......]，该矩阵的每一行为某个空间检测点的振动参数的矢量时间序列。
上述振动参数的矢量时间矩阵，是通过M个空间检测点不同时间上的累积采集数据计算和形成的，通过深度学习，在时空维度上建立振动参数的演进特性模型，获取人体振动的非线性时空特性。
当某个空间检测点某次测的振动参数不匹配原来学习的振动参数的演进特性模型则提示该空间检测点部位有可能异常，当某两个空间检测点的振动参数不匹配原来学习的振动参数的演进特性模型则提示该两个空间检测点之间出现异常。
上述采集的振动波数据在某个个体上还比较少时，可以用通用标准的振动波数据来训练。先在健康、亚健康、不同病症的的人体身上使用佩戴一段时间，采集各个部位的机械振动波，即检测数据，形成时辰志、日志、周志和月志等，通过这些检测数据提取振动源的多维波参数与振动源到探测点之间的肌肉、脂肪、皮肤等生物组织的声衰减参数，形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进特性模型。通过标准的振动波数据训练出来的模型为标准通用的振动参数的演进特性模型。即是说，从当前采集的检测数据获取的振动参数的矢量时间序列既可以基于自己前面的振动参数的演进特性模型做测试，也可以和标准通用的振动参数的演进特性模型做测试。后台处理器上存有标准通用的振动参数演进特性模型数据库。
实现上述方法的人体多点机械振动参数随时间演进的混合测量装置，其特征在于包括多个振动波数据采集模块、人机交互模块和后台处理器；振动波数据采集模块主要负责采集振动波数据，做成柔性的带状式绑在人体的各个部位；人机交互模块负责多个振动波数据采集模块的协同工作和开关控制，存储和传输多个振动波数据采集模块的采集数据，以及显示监测结果；后台处理器对多个振动波数据采集模块的检测数据提取振动源的多维波参数与振动源到探测点之间的肌肉、脂肪、皮肤等生物组织的声衰减参数，形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进特性模型，以及对每次的采集数据进行测评，给出评价结果。
上述人体多点机械振动参数随时间演进的混合测量装置的振动波数据采集模块包括多种采集传感器，多个超声波收发阵列，采集控制单元，缓存器，无线传输单元；它们植入于一个柔性带子上，工作时采集传感器和超声波收发阵列紧贴皮肤，超声波收发阵列还涂抹耦合剂以隔绝空气；采集传感器包括多种标量传感器和振动被动采集传感器；超声波收发阵列按照一定的方式排列成多个收发组，每个收发组采取中间探头发送超声波、周围的探头接收超声波的方式来排列，每个收发组轮流工作，可以只收不发，实现被动采集，也可以也发也收，实现主动采集；采集控制单元控制超声波收发阵列和振动被动采集传感器采集振动波数据，以及标量传感器采集标量数据，然后缓存到缓存器，随后通过无线传输单元传给人机交互模块；另外超声波收发阵列的发送数据也由人机交互模块通过无线传输单元发送过来通过无线传输单元接收，经由采集控制单元交由多个超声波收发阵列转换成超声发射出去。振动波数据采集模块的形状多样以适用不同的部位。注意振动被动采集传感器也可以不设置，而由超声波收发阵列来实现被动采集即可。
上述人体多点机械振动参数随时间演进的混合测量装置的人机交互模块包括人机交互界面、控制单元、存储器和通信单元；人机交互界面负责接收用户的输入指令和参数，控制单元根据指令和参数控制遥控多个振动波数据采集模块的协同工作，负责按照用户的要求产生特定的发送数据和按照特定的时序供超声波收发阵列的发送探头发送，以及对每个振动波数据采集模块采集的数据进行对应分类后给存储器进行缓存，控制单元控制超声波收发阵列的发送探头按照特定的时序发送超声波，发送时序严格可控，可以同时发送，也可以异步发送；通信单元主要实现人机交互模块和多个振动波数据采集模块的无线通信，传输控制指令和数据的双向传输；以及实现人机交互模块和后台处理器的通信，这可以是无线方式，也可以是有线方式，甚至是用存储卡的方式，每次存储传输多个振动波数据采集模块的单次数据采集。
上述人体多点机械振动参数随时间演进的混合测量装置的后台处理器对振动波数据采集模块采集的所有数据先进行简单的处理，如滤波去噪，去相关等处理后，然后按照不同的空间检测点分类，对每个空间检测点的振动波数据提取振动源的多维波参数与振动源到探测点之间的肌肉、脂肪、皮肤等生物组织的声衰减参数，形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进特性模型，在有模型的基础上对单次数据采集进行测试、智能分析，给出直观分析结果，同时传给人机交互界面进行显示。后台处理器存有用户的振动波采集数据和每个人特有的振动参数演进特性模型，以及标准通用的振动参数演进特性模型数据库。
在后台处理器上已经存有标准通用的振动参数演进特性模型数据库的情形下，人体多点机械振动参数随时间演进的混合测量，进行单次混合测量的使用方法包括如下步骤：
(1)多个振动波数据采集模块佩戴在身体的各个部位，做好空间检测点的标记，以及空间检测点的对应，即是和人机交互模块做好空间检测点的对应关系。
空间检测点标记的目的是便于在不同时间采集时找到同一空间检测点。空间检测点位置确定通过常见的振动传感器来采集某一被测点附近区域的机械振动波，然后比较，获得最大机械振动波处的位置则定位为这块区域的空间检测点，做好标记(可以用彩色笔或者喷墨笔做标记)。采集检测数据时，若标记还在，则下次时间点直接在此标记处采集，若标记不清晰，则用同样的方法重新确定此同一个空间检测点。
多个振动波数据采集模块有不同的外形，植入于一个柔性带子上，柔性的带子为了适应不同的检测部位和区域有不同的外形，但是有的外形是一样的。为了区别是放置在哪个空间检测点的，即是采集的检测数据是对应哪个位置的，需要一个空间检测点的对应。如佩戴一个振动波数据采集模块于肚脐上，打开其开关，则其无线传输单元发一个通信握手信号给人机交互模块，人机交互模块收到后则提示用户输入检测部位，同时发“设置完毕”的反馈信息给对应的振动波数据采集模块。
多个振动波数据采集模块佩戴的时候还要涂抹一定的耦合液，使超声波收发阵列和皮肤紧贴在一起。
(2)多个振动波数据采集模块同时开始采集工作，每个振动波数据采集模块采用被动及主动相结合的混合检测方式采集检测数据。
人机交互模块发出控制指令给每个振动波数据采集模块，命令其开始采集工作。
温度传感器、压力传感器等采集所测部位的温度和压力；振动被动采集传感器被动采集所测部位的振动波；
超声波收发阵列每个收发组的接收探头先进行被动采集振动波，然后按照次序，每个收发组的发送探头发超声波，同组内的接收探头接收回波。振动波数据按照序号分类存储到缓存器。
每个收发组的发送探头发的超声波是经由人机交互模块通过无线传输单元发送过来的。
(3)人机交互模块汇总多个振动波数据采集模块采集的检测数据。
每个振动波数据采集模块都通过自身的无线传输单元把缓存器里面存储的单次采集数据加上自己的空间检测点标记传给人机交互模块。人机交互模块根据空间检测点标记来汇总每个振动波数据采集模块采集的数据。
(4)人机交互模块把汇总的采集检测数据传给后台服务器。
人机交互模块采用无线或者有线的方式，甚至是用存储卡的方式，把汇总的采集数据加上个人标签信息传给后台服务器。
(5)后台服务器对振动波数据采集模块采集的所有数据提取振动参数，通过深度学习得到振动参数的矢量时间序列的演进模型，以及对当次的采集数据给出评价结果。
后台处理器对振动波数据采集模块采集的所有数据按照空间检测点来进行处理，对每个空间检测点获取的被动检测数据、主动检测数据以及发射探测信号，反演出该检测点到振动源之间的肌肉、脂肪、皮肤等生物组织的声衰减参数，以及计算出振动源的多维波参数，包括振动源的频率、相位、幅度、谐波成分等，组成参数矢量。综合每个空间检测点的参数矢量，以及在原来获取的振动参数基础之上累积，形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进特性模型。
然后在有模型的基础上对单次振动参数进行智能评价。当某个空间检测点某次测的振动参数不匹配原来学习的振动参数的演进特性模型则提示该空间检测点部位有可能异常，当某两个空间检测点的振动波参数不匹配原来学习的振动参数的演进特性模型则提示该两点之间出现异常。
(6)后台服务器把分析结果反馈给用户。
后台服务器给出直观分析结果，同时传给人机交互界面进行显示。
本发明所提出的人体多点机械振动参数随时间演进的混合测量方法与装置，具有以下优点：
(1)本发明对人体的振动进行多点长时监测，在人体不同的空间检测点长时检测机械振动波，获取时间上可控相关性、空间上强相关性的检测数据序列，不再局限于某一次的检测，用大数据来说话。
(2)本发明采用被动及主动相结合的混合检测方式，利用被动及主动检测获取的不同的机械振动波数据的来反演振动源到探测点之间的肌肉、脂肪、皮肤等生物组织的声衰减参数，以及提取振动源的多维波参数，参数信息丰富，不仅能说明该振动源的状态，也能分析振动源到探测点之间多层生物特征。
(3)本发明不仅可以对标量的一些检测量，如体温和血压等做常规检测，还能通过主动有源的方式对身体部位发一个超声波后检测其回波，根据多点的检测，能够获取不同空间检测点上不同时间上采集的机械振动波，显然具有时空多维特性，不再是标量，含有丰富的信息量。
(4)本发明在身体的多个部位进行多点振动检测，相当于对振动的观察有多条并行的通道，由于检查的机械振动波是一种声波，在血管、肌肉、皮肤传播都比较慢，有足够的延时可以捕捉。而非像心电图一样捕捉各个部位的电信号，电信号传播快，几乎不能捕捉到延时特性，故心电图不会观测此延时特征。但是延时特征跟管道的通畅程度密切相关，本发明在不同空间检测点检测采集机械振动波分析空间特性时能充分利用此延时特征。
(5)本发明采集的机械振动波数据每天积累，形成大数据，再结合人工智能深度学习建立每个人特有的不同空间检测点振动参数的矢量时间序列的演进模型，可以根据今天和昨天的不同，查出身体微弱的不同；另外也可以采用标准通用的振动参数演进特性模型进行测试。
(6)本发明装置适用性强，除一些特殊形状的振动波数据采集模块仅在特殊部位使用外，另外的振动波数据采集模块可以在不同的地方使用。而且，本发明装置在运动时也可以使用，因为人体运动，如走路，人体走路带来的振动跟心跳和脉搏的振动区别大，容易被滤波筛除。
(7)本发明装置的多点检测，是用整体观对健康的状态和细微区别进行监测，容易查出细微的身体状况区别，如是否怀孕，以及胎儿的心跳是什么时候出现等。
(8)本方法整体观的思想与中医把人作为整个系统的思想类似，以及机械振动波的多点检测可以作为中医望闻问切四诊中切---“脉诊”的具体实施和拓展。
附图说明
图1是本实施例人体多点机械振动参数随时间演进的混合测量装置示意图；
图2是本实施例人体多点机械振动参数随时间演进的混合测量装置结构图；
图3(a)是本实施例装置超声波阵列含有3个收发组的振动波数据采集模块的上面示意图；
图3(b)是本实施例装置超声波阵列含有3个收发组的振动波数据采集模块的下面示意图；
图3(c)是本实施例装置超声波阵列含有2个收发组的振动波数据采集模块的上面示意图；
图4是本实施例人体多点机械振动参数随时间演进的混合测量装置的超声波收发阵列；
图5是本实施例人体多点机械振动参数随时间演进的混合测量装置放置在人体上进行测试的示意图；
图6是本实施例人体多点机械振动参数随时间演进的混合测量方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明，但本发明的实施不限于此。
如图1所示，是本实施例人体多点机械振动参数随时间演进的混合测量装置示意图，包括多个振动波数据采集模块101、人机交互模块102和后台处理器103。振动波数据采集模块101主要负责采集振动波数据，做成柔性的带状式绑在或者贴在人体的各个部位。人机交互模块102负责多个振动波数据采集模块的协同工作和开关控制，存储和传输多个振动波数据采集模块的采集数据，以及显示监测结果。后台处理器103对多个振动波数据采集模块的采集检测数据进行积累，提取振动源的多维波参数与振动源到探测点之间的肌肉、脂肪、皮肤等生物组织的声衰减参数，形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进特性模型，以及对每次的采集数据给出评价结果。
如图2所示，是本实施例人体多点机械振动参数随时间演进的混合测量装置结构图。振动波数据采集模块包括采集传感器，多个超声波收发阵列，采集控制单元，缓存器，无线传输单元。人机交互模块包括人机交互界面、控制单元、存储器和通信单元。采集传感器包括多种标量传感器，如温度传感器，以及振动被动采集传感器，可采用薄膜振动传感器来实现；超声波收发阵列采集振动波数据，这些数据由采集控制单元统一控制采集，经过缓存器缓存后通过无线传输单元传给人机交互模块；另外超声波收发阵列的发送数据也由人机交互模块发送过来通过无线传输单元接收，经由采集控制单元交由多个超声波收发阵列转换成超声发射出去。人机交互模块对每个振动波数据采集模块采集的数据进行对应分类后给存储器进行缓存；通信单元实现人机交互模块和多个振动波数据采集模块的无线通信，即是实现传输控制指令和数据的双向传输；另外还负责人机交互模块和后台处理器的通信，这可以是无线方式，也可以是有线方式，甚至是用存储卡的方式，传输多个振动波数据采集模块的单次数据采集。
如图3所示，是本实施例人体多点机械振动参数随时间演进的混合测量装置的振动波数据采集模块示意图，实施例这里包括温度采集传感器301、压力采集传感器302、振动被动采集传感器303，超声波收发阵列304，缓存器305，无线传输单元306；它们植入于一个柔性带子307上，温度采集传感器、压力采集传感器，振动被动采集传感器，超声波收发阵列要对着皮肤采集数据，故嵌入柔性带子的下方，工作时采集传感器和超声波收发阵列紧贴皮肤，超声波收发阵列还涂抹耦合剂以隔绝空气，如图3(a)所示。实施例中振动被动采集传感器303被动采集振动波检测数据，假设经过空间检测点确定和标记后，超声波收发阵列304的中间发探头对准标记位，中间探头的外围的环形状的一圈为振动被动采集传感器303，其中心也是对准振动源，有利于被动采集振动波。图3(a)中示意的是超声波收发阵列有3个收发组。缓存器和无线传输单元植入在柔性带子的上方，如图3(b)所示。超声波收发阵列收发组的个数视检查部位设定，图3(c)示意了只有2个收发组的超声波收发阵列的振动波数据采集模块，用在手下臂等。
如图4所示，是本实施例人体多点机械振动参数随时间演进的混合测量装置的超声波收发阵列按照一定的方式排列成多个收发组，这里示意了3个收发组，每个收发组采取中间探头401发送超声波，旁边的8个探头402接收超声波的方式来排列。每个收发组轮流工作，可以只收不发，即为被动探测，也可以也发也收，则为主动探测。所有的探头都可以采集被动检测数据。
如图5所示，是本实施例人体多点机械振动参数随时间演进的混合测量装置放置在人体上进行测试的示意。在人体放置了若干个振动波数据采集模块，图中示意了在心脏o处放置1个，监测心脏附件的机械振动波；从右肩开始依次在右臂上放置5个，组成OA通路，包含OA1、A1A2、A2A3、A3A4、A4A5子通路、从左肩开始依次在左臂上放置5个，组成OB通路，包含OB1、B1B2、B2B3、B3B4、B4B5子通路,监测肩部和上下臂的机械振动波；在上腹部放置D1、D2和E1，组成OD通路和OE通路；在腹部中间开始放置13个至下肢，组成OC通路，包含OC1、C1C2、C2C3、以及C3之后两个并联的支路C3C4-C4C5-C5C6-C6C7-C7C8和C3C9-C9C10-C10C11-C11C12-C12C13。
图中在人体不同的空间检测点放置振动波数据采集模块，采用被动及主动相结合的混合检测方式长时检测机械振动波，获取时间上可控相关性、空间上强相关性的检测数据序列，提取振动源的多维波参数与振动源到探测点之间的肌肉、脂肪、皮肤等生物组织的声衰减参数，形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进模型。
上述检测数据序列是指：在某时刻n上采集的检测数据为y(n)＝[y1(n),y2(n),y3(n),...,yM(n)]T，这里假设有M个空间检测点，y1(n)是空间检测点1(心脏o处)的检测数据，y2(n)是空间检测点2(A1处)的检测数据，.......，yM(n)是空间检测点M(E1处)的检测数据。每个检测数据都包含两部分，一部分是被动检测获取的被动检测数据，一部分是主动检测获取的主动动检测数据。
在下一时刻n+1上采集的检测数据为y(n+1)＝[y1(n+1),y2(n+1),y3(n+1),...,yM(n+1)]T。依次根据时间的演进，形成检测数据矩阵Y＝[y(n),y(n+1),y(n+2),......]，该矩阵的每一行则称为一个检测数据序列，它对应于某一空间检测点采集的机械振动波的长时累积，如固定对空间检测点1(心脏o处)的检测数据进行时间维度上的积累，形成空间检测点1的检测数据序列y1＝[y1(n),y1(n+1),y1(n+2),......]。
上述时间上可控相关性是指检测数据序列根据不同的抽取频率，可以得到采集数据的时辰志、日志、周志和月志等，这样在时间轴上可以得到不同相关程度的数据。
上述振动参数的矢量时间序列的形成是指：假设对于空间检测点1(心脏o处)，某时刻n上采集的检测数据y1(n)，假设其长度为L，前面L1长度的检测数据为被动检测数据，后面L-L1长度的检测数据为主动检测数据，根据被动检测数据、主动检测数据以及发射探测信号，反演出该检测点到振动源之间的肌肉、脂肪、皮肤等生物组织的声衰减参数，以及计算出振动源的多维波参数，包括振动源的频率、相位、幅度、谐波成分等，组成参数矢量c1(n)，M个空间检测点，则形成c(n)＝[c1(n),c2(n),c3(n),...,cM(n)]T。同理，根据下一时刻n+1上采集的检测数据，M个空间检测点，形成c(n+1)＝[c1(n+1),c2(n+1),c3(n+1),...,cM(n+1)]T。依次根据时间的演进，形成振动参数的矢量时间矩阵C＝[c(n),c(n+1),c(n+2),......]，该矩阵的每一行为某个空间检测点的振动参数的矢量时间序列。
上述振动参数的矢量时间矩阵，是通过M个空间检测点不同时间上的累积采集数据计算和形成的，通过深度学习，在时空维度上建立振动参数的演进特性模型，获取人体振动的非线性时空特性。
当某个空间检测点某次测的振动参数不匹配原来学习的振动参数的演进特性模型则提示该空间检测点部位有可能异常，当某两个空间检测点的振动波参数不匹配原来学习的振动参数的演进特性模型则提示该两个空间检测点之间出现异常。如，A2空间检测点这次测的振动振动参数不匹配原来学习的振动参数的演进特性模型，则提示该空间检测点部位有可能异常。在OA通路上，上臂处采集的振动波数据和在肩颈处采集的振动波数据中间经过肌肉、皮肤、血管等一定的管道，通过长时采集的检测数据计算出的这两个空间检测点的振动波参数的矢量时间序列，通过人工智能深度学习训练这条管道的传导模型参数，当这次测的两个空间检测点的振动波参数不匹配原来学习的振动参数的演进特性模型则提示该管道及其部位有可能异常。
如图6所示，是本实施例人体多点机械振动参数随时间演进的混合测量方法的流程图。
在人体多点机械振动参数随时间演进的混合测量装置成为产品，服务于未知健康状态的人体之前，先在健康、亚健康、不同病症的的人体身上使用佩戴一段时间，采集各个部位的振动波数据，形成时辰志、日志、周志和月志等，用这些数据训练出一个标准通用的振动参数演进特性模型。当服务于未知健康状态的人体时，由于前期采集的数据有限而没有自己独特的振动参数演进特性模型时，参考此标准通用的振动参数演进特性模型来评估用户的健康状态。
在后台处理器上已经存有标准通用的振动参数演进特性模型数据库时，人体多点机械振动参数随时间演进的混合测量，进行单次混合测量的使用方法包括如下步骤：
(1)多个振动波数据采集模块佩戴在身体的各个部位，做好空间检测点的标记，以及空间检测点的对应，即是和人机交互模块做好空间检测点的对应关系。
空间检测点标记的目的是便于在不同时间采集时找到同一空间检测点。空间检测点位置确定通过常见的振动传感器来采集某一被测点附近区域的机械振动波，然后比较，获得最大机械振动波处的位置则定位为这块区域的空间检测点，做好标记(可以用彩色笔或者喷墨笔做标记)。采集检测数据时，若标记还在，则下次时间点直接在此标记处采集，若标记不清晰，则用同样的方法重新确定此同一个空间检测点。
多个振动波数据采集模块有不同的外形，植入于一个柔性带子上，柔性的带子为了适应不同的检测部位和区域有不同的外形，但是有的外形是一样的。为了区别是放置在哪个空间检测点的，即是采集的检测数据是对应哪个位置的，需要一个空间检测点的对应。如佩戴一个振动波数据采集模块于肚脐上，打开其开关，则其无线传输单元发一个通信握手信号给人机交互模块，人机交互模块收到后则提示用户输入检测部位，同时发“设置完毕”的反馈信息给对应的振动波数据采集模块。
多个振动波数据采集模块佩戴的时候还要涂抹一定的耦合液，使超声波收发阵列和皮肤紧贴在一起。
(2)多个振动波数据采集模块同时开始采集工作，每个振动波数据采集模块采用被动及主动相结合的混合检测方式采集检测数据。
人机交互模块发出控制指令给每个振动波数据采集模块，命令其开始采集工作。
温度传感器、压力传感器等采集所测部位的温度和压力；振动被动采集传感器被动采集所测部位的振动波；
超声波收发阵列每个收发组的接收探头先进行被动采集振动波，然后按照次序，每个收发组的发送探头发超声波，同组内的接收探头接收回波。振动波数据按照序号分类存储到缓存器。
每个收发组的发送探头发的超声波是经由人机交互模块通过无线传输单元发送过来的。
(3)人机交互模块汇总多个振动波数据采集模块采集的检测数据。
每个振动波数据采集模块都通过自身的无线传输单元把缓存器里面存储的单次采集数据加上自己的空间检测点标记传给人机交互模块。人机交互模块根据空间检测点标记来汇总每个振动波数据采集模块采集的数据。
(4)人机交互模块把汇总的采集检测数据传给后台服务器。
人机交互模块采用无线或者有线的方式，甚至是用存储卡的方式，把汇总的采集数据加上个人标签信息传给后台服务器。
(5)后台服务器对振动波数据采集模块采集的所有数据提取振动参数，通过深度学习得到振动参数的矢量时间序列的演进模型，以及对当次的采集数据给出评价结果。
后台处理器对振动波数据采集模块采集的所有数据按照空间检测点来进行处理，对每个空间检测点获取的被动检测数据、主动检测数据以及发射探测信号，反演出该检测点到振动源之间的肌肉、脂肪、皮肤等生物组织的声衰减参数，以及计算出振动源的多维波参数，包括振动源的频率、相位、幅度、谐波成分等，组成参数矢量。综合每个空间检测点的参数矢量，以及在原来获取的振动参数基础之上累积，形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进特性模型。
然后在有模型的基础上对单次振动参数进行智能评价。当某个空间检测点某次测的振动参数不匹配原来学习的振动参数的演进特性模型则提示该空间检测点部位有可能异常，当某两个空间检测点的振动波参数不匹配原来学习的振动参数的演进特性模型则提示该两点之间出现异常。
(6)后台服务器把分析结果反馈给用户。
后台服务器给出直观分析结果，同时传给人机交互界面进行显示。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围。

Claims (9)

1.人体多点机械振动参数随时间演进的混合测量方法，其特征在于，在人体不同的空间检测点进行被动及主动相结合的混合检测方式，长时检测机械振动波，获取时间上可控相关性、空间上强相关性的检测数据序列，提取振动源的多维波参数与振动源到探测点之间的生物组织的声衰减参数，形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进特性模型，对于单次的采集数据进行测试，得到评判结果，所述生物组织至少包括肌肉、脂肪、皮肤。
2.根据权利要求1所述的人体多点机械振动参数随时间演进的混合测量方法，其特征在于，所述被动及主动相结合的混合检测方式是指：在同一空间检测点既采取被动检测也采取主动检测；被动检测是采用振动传感器直接记录机械振动；主动检测是在此空间检测点向人体内部发射探测信号，然后接收反射信号，根据探测信号与反射信号的差异来判断振动的特性；
检测数据序列是指：在某时刻n上采集的检测数据为y(n)＝[y1(n),y2(n),y3(n),...,yM(n)]T，这里假设有M个空间检测点，y1(n)是空间检测点1的检测数据，y2(n)是空间检测点2的检测数据，.......，yM(n)是空间检测点M的检测数据；每个检测数据都包含两部分，一部分是被动检测获取的被动检测数据，一部分是主动检测获取的主动动检测数据；
在下一时刻n+1上采集的检测数据为y(n+1)＝[y1(n+1),y2(n+1),y3(n+1),...,yM(n+1)]T；依次根据时间的演进，形成检测数据矩阵Y＝[y(n),y(n+1),y(n+2),......]，该矩阵的每一行则称为一个检测数据序列，它对应于某一空间检测点采集的机械振动波的长时累积，如对空间检测点1的检测数据进行时间维度上的积累，形成空间检测点1的检测数据序列y1＝[y1(n),y1(n+1),y1(n+2),......]；
时间上可控相关性是指检测数据序列根据不同的抽取频率，可以得到采集数据包括时辰志、日志、周志和月志，这样在时间轴上可以得到不同相关程度的数据；
人体不同的空间检测点采集的机械振动波，即检测数据序列是有空间关联的，如，在空间检测点1采集的检测数据y1(n)，在空间检测点2采集的检测数据y2(n)，则y1(n)和y2(n)的关联反映了空间检测点1到空间检测点2之间管道的状态；由于空间检测点1到空间检测点2经过多种介质，如经过肌肉、皮肤、血管等特殊的管道，故此管道的状态不局限于血管。
3.根据权利要求1所述的人体多点机械振动参数随时间演进的混合测量方法，其特征在于，同一空间检测点的位置确定是通过被动采集附近区域的机械振动波来比较，获得最大机械振动波处的位置则定位为这块区域的空间检测点，并且做好标记；采集检测数据时，若标记在，则直接在此标记处采集，若标记不清晰，则用同样的方法重新确定此同一个空间检测点。
4.根据权利要求1所述的人体多点机械振动参数随时间演进的混合测量方法，其特征在于，振动参数的矢量时间序列的形成是指：对于某一个空间检测点，某时刻n上采集的检测数据y1(n)，假设其长度为L，前面L1长度的检测数据为被动检测数据，后面L-L1长度的检测数据为主动检测数据，根据被动检测数据、主动检测数据以及发射探测信号，反演出该检测点到振动源之间的生物组织的声衰减参数，以及计算出振动源的多维波参数，包括振动源的频率、相位、幅度、谐波成分，组成参数矢量c1(n)，M个空间检测点，则形成c(n)＝[c1(n),c2(n),c3(n),...,cM(n)]T，同理，根据下一时刻n+1上采集的检测数据，M个空间检测点，形成c(n+1)＝[c1(n+1),c2(n+1),c3(n+1),...,cM(n+1)]T；依次根据时间的演进，形成振动参数的矢量时间矩阵C＝[c(n),c(n+1),c(n+2),......]，该矩阵的每一行为某个空间检测点的振动参数的矢量时间序列。
5.根据权利要求1所述的人体多点机械振动参数随时间演进的混合测量方法，其特征在于，振动参数的矢量时间矩阵，是通过M个空间检测点不同时间上的累积采集数据计算和形成的，通过深度学习建立振动参数的矢量时间序列的演进特性模型，获取人体振动的非线性时空特性，
当某个空间检测点某次测的振动参数不匹配原来学习的振动参数的矢量时间序列的演进特性模型则提示该空间检测点部位有可能异常，当某两个空间检测点的振动波参数不匹配原来学习的振动参数的矢量时间序列的演进特性模型则提示该两个空间检测点之间出现异常，
上述采集的振动波数据在某个个体上还比较少时，可以用通用标准的振动波数据来训练，先在健康、亚健康、不同病症的的人体身上使用佩戴一段时间，采集各个部位的机械振动波，即检测数据，形成包括时辰志、日志、周志和月志，通过这些检测数据提取振动源的多维波参数与振动源到探测点之间的生物组织的声衰减参数，形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进特性模型，通过标准的振动波数据训练出来的模型为标准通用的振动参数的演进特性模型，即是说，从当前采集的检测数据获取的振动参数的矢量时间序列既可以基于自己前面的振动参数的演进特性模型做测试，也可以和标准通用的振动参数的演进特性模型做测试，后台处理器上存有标准通用的振动参数演进特性模型数据库。
6.人体多点机械振动参数随时间演进的混合测量装置，其特征在于，包括多个振动波数据采集模块、人机交互模块和后台处理器；振动波数据采集模块主要负责采集振动波数据，做成柔性的带状式绑在人体的各个部位；人机交互模块负责多个振动波数据采集模块的协同工作和开关控制，存储和传输多个振动波数据采集模块的采集数据，以及显示监测结果；后台处理器对多个振动波数据采集模块的检测数据提取振动源的多维波参数与振动源到探测点之间的生物组织的声衰减参数，形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进特性模型，以及对每次的采集数据进行测评，给出评价结果，所述生物组织至少包括肌肉、脂肪和皮肤。
7.根据权利要求6所述的人体多点机械振动参数随时间演进的混合测量装置，其特征在于，振动波数据采集模块包括多种采集传感器，多个超声波收发阵列，采集控制单元，缓存器，无线传输单元；它们植入于一个柔性带子上，工作时采集传感器和超声波收发阵列紧贴皮肤，超声波收发阵列还涂抹耦合剂以隔绝空气；采集传感器包括多种标量传感器和振动被动采集传感器；超声波收发阵列按照一定的方式排列成多个收发组，每个收发组采取中间探头发送超声波、周围的探头接收超声波的方式来排列，每个收发组轮流工作，可以只收不发，实现被动采集，也可以也发也收，实现主动采集；采集控制单元控制超声波收发阵列和振动被动采集传感器采集振动波数据，以及标量传感器采集标量数据，然后缓存到缓存器，随后通过无线传输单元传给人机交互模块；另外超声波收发阵列的发送数据也由人机交互模块通过无线传输单元发送过来通过无线传输单元接收，经由采集控制单元交由多个超声波收发阵列转换成超声发射出去。
8.根据权利要求6所述的人体多点机械振动参数随时间演进的混合测量装置，其特征在于，人机交互模块包括人机交互界面、控制单元、存储器和通信单元；人机交互界面负责接收用户的输入指令和参数，控制单元根据指令和参数控制遥控多个振动波数据采集模块的协同工作，负责按照用户的要求产生特定的发送数据和按照特定的时序供超声波收发阵列的发送探头发送，以及对每个振动波数据采集模块采集的数据进行对应分类后给存储器进行缓存，控制单元控制超声波收发阵列的发送探头按照特定的时序发送超声波，发送时序严格可控，可以同时发送，也可以异步发送；通信单元主要实现人机交互模块和多个振动波数据采集模块的无线通信，传输控制指令和数据的双向传输；以及实现人机交互模块和后台处理器的通信，传输多个振动波数据采集模块的单次数据采集，
后台处理器对振动波数据采集模块采集的所有数据先进行简单的滤波去噪、去相关处理后，然后按照不同的空间检测点分类，然后对每个点的振动波数据提取振动源的多维波参数与振动源到探测点之间的生物组织的声衰减参数，形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进特性模型，在有模型的基础上对单次数据采集进行智能分析，给出直观分析结果，同时传给人机交互界面进行显示。
9.根据权利要求6所述的人体多点机械振动参数随时间演进的混合测量装置，其特征在于，在后台处理器上已经存有标准通用的振动参数演进特性模型数据库的情形下，人体多点机械振动参数随时间演进的混合测量，进行单次混合测量的使用方法包括如下步骤：
(1)多个振动波数据采集模块佩戴在身体的各个部位，做好空间检测点的标记，以及空间检测点的对应，即是和人机交互模块做好空间检测点的对应关系；
空间检测点标记的目的是便于在不同时间采集时找到同一空间检测点，空间检测点位置确定通过常见的振动传感器来采集某一被测点附近区域的机械振动波，然后比较，获得最大机械振动波处的位置则定位为这块区域的空间检测点，做好标记；采集检测数据时，若标记还在，则下次时间点直接在此标记处采集，若标记不清晰，则用同样的方法重新确定此同一个空间检测点；
多个振动波数据采集模块有不同的外形，植入于一个柔性带子上，柔性的带子为了适应不同的检测部位和区域有不同的外形，但是有的外形是一样的，为了区别是放置在哪个空间检测点的，即是采集的检测数据是对应哪个位置的，需要一个空间检测点的对应，每个振动波数据采集模块在人体上放置好之后，打开其开关，则其无线传输单元发一个通信握手信号给人机交互模块，人机交互模块收到后则提示用户输入检测部位，同时发“设置完毕”的反馈信息给对应的振动波数据采集模块；
多个振动波数据采集模块佩戴的时候还要涂抹一定的耦合液，使超声波收发阵列和皮肤紧贴在一起；
(2)多个振动波数据采集模块同时开始采集工作，每个振动波数据采集模块采用被动及主动相结合的混合检测方式采集检测数据；
人机交互模块发出控制指令给每个振动波数据采集模块，命令其开始采集工作；
温度传感器、压力传感器等采集所测部位的温度和压力；振动被动采集传感器被动采集所测部位的振动波；
超声波收发阵列每个收发组的接收探头先进行被动采集振动波，然后按照次序，每个收发组的发送探头发超声波，同组内的接收探头接收回波，振动波数据按照序号分类存储到缓存器；
每个收发组的发送探头发的超声波是经由人机交互模块通过无线传输单元发送过来的；
(3)人机交互模块汇总多个振动波数据采集模块采集的检测数据；
每个振动波数据采集模块都通过自身的无线传输单元把缓存器里面存储的单次采集数据加上自己的空间检测点标记传给人机交互模块，人机交互模块根据空间检测点标记来汇总每个振动波数据采集模块采集的数据；
(4)人机交互模块把汇总的采集检测数据传给后台服务器；
人机交互模块采用无线或者有线的方式，或者用存储卡的方式，把汇总的采集数据加上个人标签信息传给后台服务器；
(5)后台服务器对振动波数据采集模块采集的所有数据提取振动参数，通过深度学习得到振动参数的矢量时间序列的演进模型，以及对当次的采集数据给出评价结果；
后台处理器对振动波数据采集模块采集的所有数据按照空间检测点来进行处理，对每个空间检测点获取的被动检测数据、主动检测数据以及发射探测信号，反演出该检测点到振动源之间的生物组织的声衰减参数，以及计算出振动源的多维波参数，包括振动源的频率、相位、幅度、谐波成分，组成参数矢量，综合每个空间检测点的参数矢量，以及在原来获取的振动参数基础之上累积，形成振动参数的矢量时间序列，再通过深度学习得到振动参数的矢量时间序列的演进特性模型；
然后在有模型的基础上对单次振动参数进行智能评价；当某个空间检测点某次测的振动参数不匹配原来学习的振动参数的演进特性模型则提示该空间检测点部位有可能异常，当某两个空间检测点的振动波参数不匹配原来学习的振动参数的演进特性模型则提示该两点之间出现异常；
(6)后台服务器把分析结果反馈给用户；
后台服务器给出直观分析结果，同时传给人机交互界面进行显示。
CN201810909776.3A 2018-08-10 2018-08-10 人体多点机械振动参数随时间演进的混合测量装置 Expired - Fee Related CN109223042B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810909776.3A CN109223042B (zh) 2018-08-10 2018-08-10 人体多点机械振动参数随时间演进的混合测量装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810909776.3A CN109223042B (zh) 2018-08-10 2018-08-10 人体多点机械振动参数随时间演进的混合测量装置

Publications (2)

Publication Number Publication Date
CN109223042A true CN109223042A (zh) 2019-01-18
CN109223042B CN109223042B (zh) 2020-01-31

Family

ID=65071181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810909776.3A Expired - Fee Related CN109223042B (zh) 2018-08-10 2018-08-10 人体多点机械振动参数随时间演进的混合测量装置

Country Status (1)

Country Link
CN (1) CN109223042B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116257963A (zh) * 2023-05-16 2023-06-13 华能济南黄台发电有限公司 一种发电厂管道状态参数确认方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140187971A1 (en) * 2008-08-09 2014-07-03 PhonoFlow Medical, LLC Spectrum analysis of coronary artery turbulent blood flow
CN104873186A (zh) * 2015-04-17 2015-09-02 中国科学院苏州生物医学工程技术研究所 一种可穿戴的动脉检测装置及其数据处理方法
CN105249987A (zh) * 2015-10-28 2016-01-20 广州丰谱信息技术有限公司 心脉跳动频谱映射听诊装置的使用方法与装置
CN105286919A (zh) * 2015-10-13 2016-02-03 广州丰谱信息技术有限公司 基于心脏点波动传导特性的血管状态检测方法与装置
US20160150980A1 (en) * 2013-03-01 2016-06-02 Pacesetter, Inc. Vascular branch characterization
CN105780894A (zh) * 2016-05-19 2016-07-20 广州丰谱信息技术有限公司 一种人体尿检/粪检数据采集及辅助保健的坐便器和方法
US20170188862A1 (en) * 2016-01-04 2017-07-06 AventuSoft, LLC System and Method of Extraction, Identification, Marking and Display of Heart Valve Signals

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140187971A1 (en) * 2008-08-09 2014-07-03 PhonoFlow Medical, LLC Spectrum analysis of coronary artery turbulent blood flow
US20160150980A1 (en) * 2013-03-01 2016-06-02 Pacesetter, Inc. Vascular branch characterization
CN104873186A (zh) * 2015-04-17 2015-09-02 中国科学院苏州生物医学工程技术研究所 一种可穿戴的动脉检测装置及其数据处理方法
CN105286919A (zh) * 2015-10-13 2016-02-03 广州丰谱信息技术有限公司 基于心脏点波动传导特性的血管状态检测方法与装置
CN105249987A (zh) * 2015-10-28 2016-01-20 广州丰谱信息技术有限公司 心脉跳动频谱映射听诊装置的使用方法与装置
US20170188862A1 (en) * 2016-01-04 2017-07-06 AventuSoft, LLC System and Method of Extraction, Identification, Marking and Display of Heart Valve Signals
CN105780894A (zh) * 2016-05-19 2016-07-20 广州丰谱信息技术有限公司 一种人体尿检/粪检数据采集及辅助保健的坐便器和方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116257963A (zh) * 2023-05-16 2023-06-13 华能济南黄台发电有限公司 一种发电厂管道状态参数确认方法及装置

Also Published As

Publication number Publication date
CN109223042B (zh) 2020-01-31

Similar Documents

Publication Publication Date Title
CN104873186B (zh) 一种可穿戴的动脉检测装置及其数据处理方法
EP3363366B1 (en) A device that detects vascular condition based on point fluctuation conduction characteristics of the heart
US20180108440A1 (en) Systems and methods for medical diagnosis and biomarker identification using physiological sensors and machine learning
EP3691535B1 (en) System and method for fusing ultrasound with additional signals
CN108289653A (zh) 用于确定胎儿心率的设备和方法
CN109691994A (zh) 一种基于心电图的心率监测分析方法
JP2010517644A (ja) 生理的状態のモニタリングおよび異常検出方法
JP6442695B2 (ja) 生体情報測定装置および生体情報測定装置もしくは生体情報測定システムの作動方法
CN108024788A (zh) 用于确定胎儿心率的设备和方法
WO2011135507A1 (en) Visualization of myocardial infarct size in diagnostic ecg
Park et al. Heartquake: Accurate low-cost non-invasive ecg monitoring using bed-mounted geophones
Chourasia et al. A review and comparative analysis of recent advancements in fetal monitoring techniques
CN109223042A (zh) 人体多点机械振动参数随时间演进的混合测量方法与装置
US20220395226A1 (en) Headset for diagnosis of concussion
CN1422591A (zh) 能由颈部同时测量心电、脉搏和声波信号的传感器
Chen et al. Beat-to-beat heart rate detection based on seismocardiogram using BiLSTM network
KR20030070315A (ko) 60GHz 마이크로웨이브를 이용한 비접촉식 심혈관-호흡신호분석 장치
CN114587365B (zh) 一种面向可穿戴设备的心电信号异常检测方法
Kosa et al. Experiences with fetal phonocardiographic telemonitoring and future possibilities
CN106137245A (zh) 一种参考多种心电测量仪信号分析的听诊方法
JP2024516573A (ja) 生理学パラメータ検知システム及び方法
WO2020029255A1 (zh) 人体多点机械振动参数随时间演进的混合测量方法与装置
CN109009015A (zh) 基于多参数采集的系统
CN111265240A (zh) 胎心监护仪及胎心测量方法
AU2021102760A4 (en) AN IoT ENABLED HEALTHCARE SYSTEM WITH QUALITY ECG SIGNAL TRANSMISSION

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200131