CN109259743B - 一种生命体征感知系统 - Google Patents

Abstract

本发明涉及一种生命体征感知系统，包括：载体，用于承载人体；生命活动传感装置，用于获取所述人体的生命体征参数，与所述载体连接；系统工作站，用于对所述生命活动传感装置获取的生命体征参数进行处理、根据处理所得的数据对所述人体的生命体征状态进行监护、初步预判后与模型预测数据进行对比，并对人体的异常生命体征状态进行报警，与所述生命活动传感装置连接。本发明通过模型预测数据与预设参数表，能够实现快速准确的预判，能够对不同类型的病人进行智能化准确预测。

Description

一种生命体征感知系统

技术领域

本发明涉及一种生命体征感知系统。

背景技术

生命体征包括以下关键目标临床测量：心率、呼吸速率、体温、血压以及适宜条件下的血氧饱和度。这些数值提供了关于患者的健康状态的重要体征信息。可以对所有这些生命体征进行观察、测量和监测，测量的结果使得能够对个体的机能水平进行评估。

具体而言，生命体征可以指示人的生命状态、识别急性医学问题的存在、作为快速量化疾病的等级以及身体如何应对综合生理性压力的手段，并且可以充当诸如限定为慢性血压升高的高血压的慢性病状态的标记。

尽管对临床生命体征进行测量、监测、观察和收集的重要性毋庸置疑，但是医学工作者用户可能对这些测量的生命体征的精确性和可靠性存在疑问。从急症护理监测器手动收集的生命体征或者来自CIS中的经护士验证的生命体征的问题是：这样的生命体征是在那一时刻的生命体征的表示。这样测量是点提取，其不能从取自最后测量、监测、观察和收集生命体征之后的生命体征的诸如峰值、谷值、以及行进的路径的最有生理意义的值。另外，即使可以对病人进行心率、呼吸速率、血压、血氧、脉搏、体温等生命体征测量或实时监测，以排除病人在某一时段呈现的特殊生理参数被错过的可能性，但都需要采用接触式测量或实时监测，长时间进行会导致病人产生不适，尤其是一般测量或实时监测的过程中对人体有严格的要求，例如静卧、平躺等，不利于长时间的测量或监测。

此外，医疗监护领域中，对体征参数的判断往往不存在精确的阈值，由于每个人的特征参数范围都是特有的，根据体征参数的数据，无法对病人的实际状况进行判断。所以，在对体征进行预测判断时，传统的判断方法极易出现误判，无法准确对病人的状况进行预判和预测。

发明内容

为了解决上述技术问题，本发明提供了一种生命体征感知系统，包括：

载体，用于承载人体；

生命活动传感装置，用于获取所述人体的生命体征参数，与所述载体连接；

系统工作站，用于对所述生命活动传感装置获取的生命体征参数进行处理、根据处理所得的数据对所述人体的生命体征状态进行监护、初步预判后与模型预测数据进行对比，并对人体的异常生命体征状态进行报警，与所述生命活动传感装置连接。

所述模型预测数据通过以下步骤得到：

在实时检测的时间序列数据中，提取相对平稳的时间序列；

计算时间序列的自相关函数ACF，判断该时间序列是否为平稳时间序列；

对时间序列进行零均值处理；

计算时间序列的自相关函数ACF以及偏自相关函数PACF，判断是否存在拖尾和截尾，从而确定模型类别；

通过准则函数法确定最大的模型阶数，

根据模型类别和模型阶数，确定模型参数的估计值从而得到模型预测数据。

所述系统工作站还包括预设参数表单元、参数组选择单元、异常判断单元以及预测单元；

预设参数表单元，所述预设参数表单元储存预设参数表，所述预设参数表中由多组参数组组成，所述参数组由预设数据、预设数据变化量、预设数据变化率、预设变化量阈值、预设变化率阈值组成；

参数组选择单元，所述参数组选择单元接收一当前数据，计算当前数据与参考数据，计算当前数据变化量、当前数据变化率，将预设参数表中所有参数组中的预设数据、预设数据变化量、预设数据变化率与当前数据、当前数据变化量、当前数据变化率进行对比，选择含有与当前数据最接近参数组作为预设参数组，所述参考数据为当前数据之前的任意一数据，

异常判断单元，所述异常判断单元根据预设指令中的预设数据变化量和预设数据变化率，计算数据变化量与预设数据变化量的差值得到变化量差值率、计算数据变化率与预设数据变化率的差值得到变化率差值率，判断变化量差值率是否超出预设参数组中的预设变化量阈值、判断变化率差值率是否超出预设参数组中的预设变化率阈值；

预测单元，所述预测单元采用以下步骤进行预测：

若变化量差值率、变化率差值率中至少一个超出预设参数组中的阈值，则将参考数据与当前数据之间的所有数据与模型预测数据进行对比，计算单位时间绝对差值：

若单位时间绝对差值未超出预设值，则提高预设参数组中的预设变化量阈值、预设变化率阈值，将当前数据、当前数据变化量、当前数据变化率、提高后预设变化量阈值、提高后的预设变化率阈值作为一组新的参数组储存至预设参数表中，此时，当前数据作为参数组中的预设数据，当前数据变化率作为参数组中的预设数据变化率，当前数据变化量作为参数组中的预设数据变化量；

若单位时间绝对差值超出预设值，则发出报警，同时，将当前数据、当前数据变化量、将当前数据变化率、预设变化量阈值、预设变化率阈值作为一组新的参数组储存至参数指令表中，此时，当前数据作为参数组中的预设数据，当前数据变化率作为参数组中的预设数据变化率，当前数据变化量作为参数组中的预设数据变化量；

若变化量差值率、变化率差值率均未超出预设参数组中的阈值，则处理下一当前数据。

所述载体为床垫、躺椅、靠背椅中的任意一种或多种。

所述生命活动传感装置包括：

探测器，用于检测所述人体的生命体征参数，设置于所述载体上；

数据采集装置，用于采集所述探测器的探测数据并对该探测数据进行干扰去除和分类，与所述探测器连接；

第一数据通讯装置，用于发送所述数据采集装置进行干扰去除和分类后的探测数据，与所述数据采集装置连接；

所述生命活动传感装置还包括：

报警装置，用于当接收到所述数据服务器发出的报警信息时触发警报，与所述数据服务器连接。

所述的生命体征感知系统，还包括：

中央信息服务平台，用于整合所述系统工作站处理后的数据并对该数据进行集中显示和监控。

一种生命体征感知系统的预测方法，所述方法包括以下步骤：

所述生命体征感知系统包括系统工作站，

系统工作站对所述生命活动传感装置获取的生命体征参数进行处理、

根据处理所得的数据对所述人体的生命体征状态进行监护、初步预判后与模型预测数据进行对比，并对人体的异常生命体征状态进行报警。

所述预测方法包括以下步骤：

接收一当前数据，计算当前数据与参考数据，计算当前数据变化量、当前数据变化率，将预设参数表中所有参数组中的预设数据、预设数据变化量、预设数据变化率与当前数据、当前数据变化量、当前数据变化率进行对比，选择含有与当前数据最接近参数组作为预设参数组，所述参考数据为当前数据之前的任意一数据，

根据预设指令中的预设数据变化量和预设数据变化率，计算数据变化量与预设数据变化量的差值得到变化量差值率、计算数据变化率与预设数据变化率的差值得到变化率差值率，判断变化量差值率是否超出预设参数组中的预设变化量阈值、判断变化率差值率是否超出预设参数组中的预设变化率阈值；

若变化量差值率、变化率差值率中至少一个超出预设参数组中的阈值，则将参考数据与当前数据之间的所有数据与模型预测数据进行对比，计算单位时间绝对差值：

若单位时间绝对差值未超出预设值，则提高预设参数组中的预设变化量阈值、预设变化率阈值，将当前数据、当前数据变化量、当前数据变化率、提高后预设变化量阈值、提高后的预设变化率阈值作为一组新的参数组储存至预设参数表中，此时，当前数据作为参数组中的预设数据，当前数据变化率作为参数组中的预设数据变化率，当前数据变化量作为参数组中的预设数据变化量；

若单位时间绝对差值超出预设值，则发出报警，同时，将当前数据、当前数据变化量、将当前数据变化率、预设变化量阈值、预设变化率阈值作为一组新的参数组储存至参数指令表中，此时，当前数据作为参数组中的预设数据，当前数据变化率作为参数组中的预设数据变化率，当前数据变化量作为参数组中的预设数据变化量；

若变化量差值率、变化率差值率均未超出预设参数组中的阈值，则处理下一当前数据。

所述模型预测数据通过以下步骤得到：

在实时检测的时间序列数据中，提取相对平稳的时间序列；

计算时间序列的自相关函数ACF，判断该时间序列是否为平稳时间序列；

对时间序列进行零均值处理；

计算时间序列的自相关函数ACF以及偏自相关函数PACF，判断是否存在拖尾和截尾，从而确定模型类别；

通过准则函数法确定最大的模型阶数，

根据模型类别和模型阶数，确定模型参数的估计值从而得到模型预测数据。

1、本发明所述的生命体征感知系统，可以采用非接触式对病人进行心率、呼吸速率、血压、血氧、脉搏、体温等生命体征的测量或实时监测，有利于长时间的测量或监测。

2、本发明所述的生命体征感知系统的管理装置，可以自行进行初始化设定和规则设定，以适应不同场合或不同病人的情况，灵活、智能性高。

3、本发明所述的生命体征感知系统的存储装置，可以存储第二数据通讯装置接收的探测数据、数据服务器处理后的数据以及管理装置的初始化信息和规则信息，有利于完善电子医学记录和电子患者记录系统。

4、本发明所述的生命体征感知系统的便携式监测终端，可以外出随身携带，进一步提升了对病人监测的灵活性。

5、本发明所述的生命体征感知系统的中央信息服务平台，可以与若干系统工作站连接，实现对多个系统工作站处理后的数据的整合以及集中显示和监控，进一步提升了安全性。

6、本发明所述的生命体征感知系统，不仅适用于医院、护理中心等场所，还适用于家庭，应用广泛。

7、本发明通过模型预测数据与预设参数表，能够实现快速准确的预判，能够对不同类型的病人进行智能化准确预测。

参考以下详细说明更易于理解本申请的上述以及其他特征、方面和优点。

附图说明

图1为本发明生命体征感知系统的结构示意图。

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的附图，对本发明实施例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的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。

除非另作定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。

一种生命体征感知系统，包括：

载体，用于承载人体；

生命活动传感装置，用于获取所述人体的生命体征参数，与所述载体连接；

系统工作站，用于对所述生命活动传感装置获取的生命体征参数进行处理、根据处理所得的数据对所述人体的生命体征状态进行监护、初步预判后与模型预测数据进行对比，并对人体的异常生命体征状态进行报警，与所述生命活动传感装置连接。

所述模型预测数据通过以下步骤得到：

在实时检测的时间序列数据中，提取相对平稳的时间序列；

计算时间序列的自相关函数ACF，判断该时间序列是否为平稳时间序列；

对时间序列进行零均值处理；计算所有的数据的均值，得到均值后，对每个数据进行零均值处理。

计算时间序列的自相关函数ACF以及偏自相关函数PACF，判断是否存在拖尾和截尾，从而确定模型类别；

对于时间序列{x_t,t∈T}自相关函数ACF如下，

随着逐渐增大，如果样本自相关函数迅速的 ，则认为序列是平稳的。如果其衰减的缓慢，则认为该序列是非平稳的。

时间平稳序列的数学模型：

本发明采用的BOX-JENKINS方法，其大致的应用步骤如下：

BOX-JENKINS方法 的模型主要有3中：分别为自回归模型【AR(n)】、移动平均模型【MA(m)】以及自回归移动平均模型【ARMA(n,m)】。自回归模型是对目标属性自身状态的研究，移动平均模型是对影响目标属性的噪声进行分析，自回归移动平均模型是二者的结合，包括对目标属性自身状态的研究和对影响目标属性的噪声进行分析。

对于一个确定的时间序列，在确定该时间序列为平稳时间序列后，采用时间序列模型对获得的数据检测，能够确定该数据是否处于平稳状态，所以模型的识别显得非常重要。本发明通过自相关函数和偏自相关函数的统计特性进行确定。见下图：

模型定阶：

在选定参考模型以后，需要确定参考模型的阶数n。可以使用的定阶的方法包括ACF和PCAF收敛性定阶法、残差方差图定阶法、F检验定阶法、准则函数定阶法。所有的定阶法都是一个循环的过程，通过拟合一系列阶数的模型，然后对比各个模型之间的差异和性能。最终选用一个合适的模型阶数。本发明通过准则函数法确定最大的模型阶数。

模型参数估计：

以自回归模型为例，采用最小二乘估计算法：

由此计算得到的模型参数的估计值为：

根据模型类别和模型阶数，确定模型参数的估计值从而得到模型预测数据。

所述系统工作站包括预设参数表单元、参数组选择单元、异常判断单元以及预测单元；

预设参数表单元，所述预设参数表单元储存预设参数表，所述预设参数表中由多组参数组组成，所述参数组由预设数据、预设数据变化量、预设数据变化率、预设变化量阈值、预设变化率阈值组成；本发明的预设参数表中可以含有多组数据。预设数据例如，可以为体温、心电图、血糖、心跳、呼吸等。数据变化率是通过时间序列数据中一数据与该数据的上一数据计算得到。

参数组选择单元，所述参数组选择单元接收一当前数据，计算当前数据与参考数据，计算当前数据变化量、当前数据变化率，将预设参数表中所有参数组中的预设数据、预设数据变化量、预设数据变化率与当前数据、当前数据变化量、当前数据变化率进行对比，选择含有与当前数据最接近参数组作为预设参数组，所述参考数据为当前数据之前的任意一数据，本发明的参考数据是随机选择的，通过随机选择参考数据，可以减少数据的实际计算量。具体地，预设数据变化率采用的是时间序列数据中的上一数据计算得到，而本发明选择了随机的参考数据计算当前数据变化率。如果时间序列数据如果处于平稳状态，预设数据变化率与当前数据变化率的差值肯定会在一个特定的范围之类，本发明通过这一设定，提高了判断准确性，能够更快地发现时间序列数据处于不正常状态。

异常判断单元，所述异常判断单元根据预设指令中的预设数据变化量和预设数据变化率，计算数据变化量与预设数据变化量的差值得到变化量差值率、计算数据变化率与预设数据变化率的差值得到变化率差值率，判断变化量差值率是否超出预设参数组中的预设变化量阈值、判断变化率差值率是否超出预设参数组中的预设变化率阈值；

预测单元，所述预测单元采用以下步骤进行预测：

若变化量差值率、变化率差值率中至少一个超出预设参数组中的阈值，则将参考数据与当前数据之间的所有数据与模型预测数据进行对比，计算单位时间绝对差值：

若单位时间绝对差值未超出预设值，则提高预设参数组中的预设变化量阈值、预设变化率阈值，将当前数据、当前数据变化量、当前数据变化率、提高后预设变化量阈值、提高后的预设变化率阈值作为一组新的参数组储存至预设参数表中，此时，当前数据作为参数组中的预设数据，当前数据变化率作为参数组中的预设数据变化率，当前数据变化量作为参数组中的预设数据变化量；

若单位时间绝对差值超出预设值，则发出报警，同时，将当前数据、当前数据变化量、将当前数据变化率、预设变化量阈值、预设变化率阈值作为一组新的参数组储存至参数指令表中，此时，当前数据作为参数组中的预设数据，当前数据变化率作为参数组中的预设数据变化率，当前数据变化量作为参数组中的预设数据变化量；

若变化量差值率、变化率差值率均未超出预设参数组中的阈值，则处理下一当前数据。

所述载体为床垫、躺椅、靠背椅中的任意一种或多种。

所述生命活动传感装置包括：

探测器，用于检测所述人体的生命体征参数，设置于所述载体上；

数据采集装置，用于采集所述探测器的探测数据并对该探测数据进行干扰去除和分类，与所述探测器连接；

第一数据通讯装置，用于发送所述数据采集装置进行干扰去除和分类后的探测数据，与所述数据采集装置连接；

所述生命活动传感装置还包括：

报警装置，用于当接收到所述数据服务器发出的报警信息时触发警报，与所述数据服务器连接。

所述的生命体征感知系统，还包括：

中央信息服务平台，用于整合所述系统工作站处理后的数据并对该数据进行集中显示和监控。

一种生命体征感知系统的预测方法，所述方法包括以下步骤：

所述生命体征感知系统包括系统工作站，

系统工作站对所述生命活动传感装置获取的生命体征参数进行处理、

根据处理所得的数据对所述人体的生命体征状态进行监护、初步预判后与模型预测数据进行对比，并对人体的异常生命体征状态进行报警。

本发明所述的生命体征感知系统的具体功能如下：

1、生命活动的感知记录：

采用分布式的高感度传感器探测心跳、呼吸、体动等基础生命活动信息元素；

采用数据模型分析计算及滤波分型分离出心跳、呼吸及特异性体动事件。

2、生命活动的危机值监视与报警：

系统可以设定心脏搏动正常值，并提供数据监视功能，在超出设定范围后报警；

系统可以设定呼吸次数正常值，并提供数据监视功能，在超出设定范围后报警；

系统可以记录各种可分析测定的传感状态及生命活动状态，并提供数据监视功能，在超出设定范围后报警。

3、基础生命活动事件的分析：

测定正常活动状态：例如卧床；

测定非活动状态：例如离床（符合离床数据模型）；

测定特异性非活动状态：例如生命活动消失（符合特异性数据模型）；

测定为异常活动状态：例如持续咳嗽、翻滚等

测定异常活动状态：例如摔床（符合摔床数据模型）

测定异常活动状态：例如夜间频繁离床

4、基础生命活动事件特殊状态报警：

中央信息服务平台及便携式监测终端可设定各种测定状态的阀值，将提供各种测定状态的通报、警示及报警功能，例如：

离床报警：对部分不能离床的患者定义报警要求，在系统检测到状态为离床时报警（防坠床）；

生命活动消失报警：符合特异性数据模型，对可判定为生命活动消失的传感床位向中央信息服务平台及便携式监测终端发出报警信号；

巡床记录：不同的护理级别对巡床次数有定义，系统可实现对巡床次数的记录；

特殊活动记录：系统对数据进行分析处理，分析并记录可能存在的活动状态，如咳嗽、摔床、起夜、翻滚等；

夜间活动记录：将重点捕捉夜间生命活动事件，为临床医疗分析提供协助；

5、触发时间的设定与提醒：

系统将提供触发事件管理功能，如：按时间触发、按入院时间触发、按卧床时间触发、按离床时间触发、按呼吸或心跳数触发等；

所有触发事件将提供显示、警示及报警，便携式监测终端将同步提供服务。

6、紧急呼叫：

提供床边贴身呼叫按钮，提供紧急呼叫服务。

7、便携式监测终端：

提供可移动的生命活动传感数据浏览终端；

可提供WIFI/3G等不同的网络登陆及数据访问模式。

因此，本发明所述的生命体征感知系统，不仅适用于医院、护理中心等场所，还适用于家庭，应用广泛。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡是根据本发明内容所做的均等变化与修饰，均涵盖在本发明的专利范围内。

Claims (6)

1.一种生命体征感知系统，其特征在于，包括：

载体，用于承载人体；

生命活动传感装置，用于获取所述人体的生命体征参数，与所述载体连接；

系统工作站，用于对所述生命活动传感装置获取的生命体征参数进行处理、根据处理所得的数据对所述人体的生命体征状态进行监护、初步预判后与模型预测数据进行对比，并对人体的异常生命体征状态进行报警，与所述生命活动传感装置连接；

所述系统工作站包括预设参数表单元、参数组选择单元、异常判断单元以及预测单元；

预设参数表单元，所述预设参数表单元储存预设参数表，所述预设参数表中由多组参数组组成，所述参数组由预设数据、预设数据变化量、预设数据变化率、预设变化量阈值、预设变化率阈值组成；

参数组选择单元，所述参数组选择单元接收一当前数据，确定当前数据与参考数据，计算当前数据变化量、当前数据变化率，将预设参数表中所有参数组中的预设数据、预设数据变化量、预设数据变化率与当前数据、当前数据变化量、当前数据变化率进行对比，选择含有与当前数据最接近参数组作为预设参数组，所述参考数据为当前数据之前的任意一数据，

异常判断单元，所述异常判断单元根据预设指令中的预设数据变化量和预设数据变化率，计算数据变化量与预设数据变化量的差值得到变化量差值率、计算数据变化率与预设数据变化率的差值得到变化率差值率，判断变化量差值率是否超出预设参数组中的预设变化量阈值、判断变化率差值率是否超出预设参数组中的预设变化率阈值；

预测单元，所述预测单元采用以下步骤进行预测：

若变化量差值率、变化率差值率中至少一个超出预设参数组中的阈值，则将参考数据与当前数据之间的所有数据与模型预测数据进行对比，计算单位时间绝对差值：

若单位时间绝对差值未超出预设值，则提高预设参数组中的预设变化量阈值、预设变化率阈值，将当前数据、当前数据变化量、当前数据变化率、提高后预设变化量阈值、提高后的预设变化率阈值作为一组新的参数组储存至预设参数表中，此时，当前数据作为参数组中的预设数据，当前数据变化率作为参数组中的预设数据变化率，当前数据变化量作为参数组中的预设数据变化量；

若单位时间绝对差值超出预设值，则发出报警，同时，将当前数据、当前数据变化量、当前数据变化率、预设变化量阈值、预设变化率阈值作为一组新的参数组储存至预设参数表中，此时，当前数据作为参数组中的预设数据，当前数据变化率作为参数组中的预设数据变化率，当前数据变化量作为参数组中的预设数据变化量；

若变化量差值率、变化率差值率均未超出预设参数组中的阈值，则处理下一当前数据。

2.根据权利要求1所述的一种生命体征感知系统，其特征在于，所述模型预测数据通过以下步骤得到：

在实时检测的时间序列数据中，提取相对平稳的时间序列；

计算时间序列的自相关函数ACF，判断该时间序列是否为平稳时间序列；

对时间序列进行零均值处理；

计算时间序列的自相关函数ACF以及偏自相关函数PACF，判断是否存在拖尾和截尾，从而确定模型类别；

通过准则函数法确定最大的模型阶数，

根据模型类别和模型阶数，确定模型参数的估计值从而得到模型预测数据。

3.根据权利要求1所述的一种生命体征感知系统，其特征在于，所述载体为床垫、躺椅、靠背椅中的任意一种或多种。

4.根据权利要求1所述的一种生命体征感知系统，其特征在于，所述生命活动传感装置包括：

探测器，用于检测所述人体的生命体征参数，设置于所述载体上；

数据采集装置，用于采集所述探测器的探测数据并对该探测数据进行干扰去除和分类，与所述探测器连接；

第一数据通讯装置，用于发送所述数据采集装置进行干扰去除和分类后的探测数据，与所述数据采集装置连接。

5.根据权利要求1所述的一种生命体征感知系统，其特征在于，所述生命活动传感装置还包括：

报警装置，用于当接收到所述系统工作站发出的报警信息时触发警报，与所述系统工作站 连接。

6.根据权利要求1所述的一种生命体征感知系统，其特征在于，所述的生命体征感知系统，还包括：

中央信息服务平台，用于整合所述系统工作站处理后的数据并对该数据进行集中显示和监控。

Images