CN112656384A - 一种核心温度测量探头、系统及方法 - Google Patents

Abstract

本发明涉及一种核心温度测量探头、系统及方法，涉及人体参数监测领域，该探头包括外层绝热结构以及用外层绝热结构以圆环式包裹的内层夹心式结构；内层夹心式结构从下至上依次包括测量模块、辐射隔离层以及良导热层；测量模块与辐射隔离层之间为导热灌注材料，辐射隔离层与良导热层之间为空气；测量模块包括电路结构、设置在电路结构上的温度传感器和热流传感器、以及设置在电路结构下的脉搏波发射器和脉搏波接收器，且温度传感器和热流传感器均与所述导热灌注材料接触。本发明能从多维角度准确预测核心温度。

Description

一种核心温度测量探头、系统及方法

技术领域

本发明涉及人体参数监测领域，特别是涉及一种核心温度测量探头、系统及方法。

背景技术

体温是人体四大生命体征之一，是成为人们判断人体健康与否的重要依据；保持恒定的体温，是保证新陈代谢和生命活动正常进行的必要条件。所以，人体温度是反映身体健康状况的晴雨表，有效地监测人体体温成为一个重要的话题。在睡眠障碍患者辅助诊断、女性生理周期管理、生物热应变监测等场景下，核心体温的连续监测可以获得更为准确的生物节律预测和生理状况评估。

核心体温指的是人体内部器官的温度，一般稳定在36.5-37.5℃的范围内，通常认为是人体颅腔、腹腔、胸腔的温度。相比体表温度，核心体温由于不易受到外部环境温度波动、汗液蒸发、个人衣着的影响，能更准确地反映人体的健康情况。

目前获得核心温度的方式，包括直接测量血液温度、直接测量膀胱温度等，是有创检测方式，会给被测者带来一定创伤。此外也可在不伤及人体的情况下，通过无创检测方式测量直肠温度、鼓膜温度、舌下温度、腋下温度等，但其存在检测非连续、且测量准确度不高等问题。

核心温度的典型测量部位有：食道、鼻咽、直肠、鼓膜/听道等，目前普遍以直肠温度为金标准，但直肠体温计有着诸多不便，其卫生问题带来的一次性、侵入式带来的依从性差(特别是长期监测)、职业(消防员、矿工)健康护理等野外条件的限制导致这种金标准在生活中普及存在诸多障碍。但因核心温度在临床及生活中的广泛应用和应用意义，因此对于一种核心温度的连续无创检测研究，显得更加迫切。

目前基于热流原理测核心温度方法是主流非侵入式估测核心温度方法之一。单通道热流模型的建立基于无热源的一维稳态热传导的假设，即人体内无热源且忽略因血液流动带走的热量，这显然是不合理的，与广泛应用的人体传热Pennes模型不符。

仅就生物组织热物性测试方法而言，到目前为止，还没有建立任何一种算法和模型能够完成热物性参数如热扩散率a、热导率K、血液灌注率PI和代谢率Q_met的同时测定，更没有考虑这些参数随空间变化或时间变化时的测定。

发明内容

本发明的目的是提供一种核心温度测量探头、系统及方法，能从多维角度准确预测核心温度。

为实现上述目的，本发明提供了如下方案：

一种核心温度测量探头，包括外层绝热结构以及用所述外层绝热结构以圆环式包裹的内层夹心式结构；

所述内层夹心式结构从下至上依次包括测量模块、辐射隔离层以及良导热层；其中，所述测量模块与所述辐射隔离层之间为导热灌注材料，所述辐射隔离层与所述良导热层之间为空气；

所述测量模块包括电路结构、设置在所述电路结构上的温度传感器和热流传感器、以及设置在所述电路结构下的脉搏波发射器和脉搏波接收器，且所述温度传感器和所述热流传感器均与所述导热灌注材料接触。

可选的，所述测量模块还包括外温度传感器；所述外温度传感器设置在所述辐射隔离层与所述良导热层之间且通过粘性胶固定于所述良导热层下。

可选的，所述测量模块还包括生物相容性层；所述生物相容性层设置在所述电路结构下且所述生物相容性层用于粘性连接人体皮肤与核心温度测量探头；其中，所述脉搏波发射器和所述脉搏波接收器均镶嵌在所述生物相容性层。

可选的，所述辐射隔离层的材料为金属铝，所述良导热层的材料为金属铜，所述外层绝热结构的材料为绝热泡沫；所述生物相容性层为生物相容性胶体。

一种核心温度测量系统，包括微控制器以及与所述微控制器进行数据传输的一种核心温度测量探头；

所述微控制器用于对获取的热流传感器采集到的热流信号、温度传感器采集到的温度信号以及脉搏波接收器采集到的光电流信号进行处理，得到热流值、温度值、人体心率数值、人体血氧数值以及血液灌注率；

所述微控制器还用于获取用户预先输入的基础参数；所述基础参数包括BMI指数；

所述微控制器还用于将所述热流值、所述温度值、所述人体心率数值、所述人体血氧数值、所述血液灌注率以及所述基础参数输入到核心温度预测模型，以预测核心温度；其中，所述核心温度预测模型是将训练样本输入到RBF神经网络以对所述RBF神经网络进行训练得到的；所述训练样本包括人体历史实际核心温度以及所述人体历史实际核心温度对应的历史基础参数、历史热流值、历史温度值、历史人体心率数值、历史人体血氧数值以及历史血液灌注率。

可选的，还包括光电驱动电路和采样电路；

所述微控制器用于驱动所述光电驱动电路以设定脉搏波发射器内的光发射器的发光强度，驱动所述光电驱动电路以控制所述光发射器的发光模式；

所述微控制器用于驱动所述采样电路以同时获取热流传感器采集到的热流信号、温度传感器采集到的温度信号以及脉搏波接收器采集到的光电流信号。

一种核心温度测量方法，包括：

将核心温度测量探头放置于用户测量部位以获取热流传感器采集到的热流信号、温度传感器采集到的温度信号以及脉搏波接收器采集到的光电流信号；

对所述热流信号、所述温度信号以及所述光电流信号进行处理，以得到热流值、温度值、人体心率数值、人体血氧数值以及血液灌注率；

获取用户预先输入的基础参数；所述基础参数包括BMI指数；

将所述热流值、所述温度值、所述人体心率数值、所述人体血氧数值、所述血液灌注率以及所述基础参数输入到核心温度预测模型，以预测核心温度；其中，所述核心温度预测模型是将训练样本输入到RBF神经网络以对所述RBF神经网络进行训练得到的；所述训练样本包括人体历史实际核心温度以及所述人体历史实际核心温度对应的历史基础参数、历史热流值、历史温度值、历史人体心率数值、历史人体血氧数值以及历史血液灌注率。

可选的，所述对所述热流信号、所述温度信号以及所述光电流信号进行处理，以得到热流值、温度值、人体心率数值、人体血氧数值以及血液灌注率，具体包括：

对所述光电流信号进行信号处理以提取所述光电流信号中的脉搏波波峰和脉搏波波谷；

对所述光电流信号进行信号处理以提取所述光电流信号的高低包络信息；

根据所述脉搏波波峰和所述脉搏波波谷，计算人体心率数值和人体血氧数值；

根据所述高低包络信息计算血液灌注率；

对所述热流信号进行信号处理以获取热流值，对所述温度信号进行信号处理以获取温度值。

可选的，所述根据所述脉搏波波峰和所述脉搏波波谷，计算人体心率数值和人体血氧数值，具体包括：

根据所述脉搏波波峰和所述脉搏波波谷，采用朗伯比尔定律，计算人体心率数值和人体血氧数值。

可选的，所述核心温度预测模型的训练过程为：

确定训练样本；所述训练样本包括同时间尺度的历史基础参数、历史热流值、历史温度值、历史人体心率数值、历史人体血氧数值、历史血液灌注率和人体历史实际核心温度；

将所述训练样本输入到RBF神经网络中以对所述RBF神经网络进行训练，进而得到核心温度预测模型；所述RBF神经网络为采用径向基函数的神经网络。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明在现有核心温度测量探头上增加了脉搏波发射器和脉搏波接收器，可获得血液灌注率、心率等参数；同时在核心温度测量方法上增加了上述参数及BMI指数等，可以更准确的测量核心温度。

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，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明核心温度测量探头的结构示意图；

图2为本发明核心温度测量方法的流程示意图；

图3为本发明RBF神经网络的神经元结构功能图。

具体实施方式

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，所描述的实施例仅仅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做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。

本发明的目的是提供一种核心温度测量探头、系统及方法，能从多维角度准确预测核心温度。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例一

如图1所示，本实施例提供的一种核心温度测量探头包括外层绝热结构1以及用外层绝热结构1以圆环式包裹的内层夹心式结构。

外层绝热结构1的材料为绝热泡沫，可以隔绝水平方向上的环境温度，并且小体积的水平尺度可以很好的减小水平热流。其中，依据仿真结果，水平尺度在半径3mm尺度以下可有最优值，实际水平尺度的半径为2.6mm。

内层夹心式结构从下至上依次包括测量模块、辐射隔离层2以及良导热层3；其中，测量模块与辐射隔离层3之间为导热灌注材料4，辐射隔离层2与良导热层3之间为空气。测量模块包括电路结构5、设置在电路结构5上的温度传感器6和热流传感器7、以及设置在电路结构5下的脉搏波发射器10和脉搏波接收器11，且温度传感器6和热流传感器7均与导热灌注材料4接触。内层夹心式结构可以有效屏蔽环境扰动，并使得竖直方向的热流通道得以快速有效建立

热流传感器7(响应时间：0.7s)以及温度传感器6负责测量流入核心温度测量探头的热流及温度；热流传感器7、温度传感器6、脉搏波发射器10和脉搏波接收器11通过焊接方式固定在电路结构5上。

导热灌注材料4固化后与绝热泡沫粘性连接，且良导热层3、辐射隔离层2以及电路结构5部分嵌入绝热泡沫中并与绝热泡沫嵌入式连接，即，良导热层3、辐射隔离层2以及电路结构5部分嵌入在外层绝热结构1上。

作为一种优选的实施方式，本实施例提供的测量模块还包括外温度传感器8和生物相容性层9；外温度传感器8设置在辐射隔离层5与良导热层3之间且通过粘性胶固定于良导热层3下，外温度传感器8测量外部温度的基准变化，进行温度基准的补偿，即能够通过外温度传感器8补偿环境温度的影响；生物相容性层9设置在电路结构5下且生物相容性层9用于粘性连接人体皮肤与核心温度测量探头，并提供良好的热接触，为消耗品；其中，脉搏波发射器10和脉搏波接收器11均镶嵌在生物相容性层9，且脉搏波发射器10和脉搏波接收器11之间设置有温度传感器6和热流传感器7。

作为一种优选的实施方式，本实施例提供的导热灌注材料4为PDMS，具有良好的生物相容性，较高的导热系数使得竖直方向的热流通道得以快速有效建立。导热灌注材料4的初始状态为液态，将导热灌注材料4灌注入核心温度测量探头内进行加热后固化，且导热灌注材料4与外层绝热结构1、辐射隔离层2以及电路结构5依靠粘性连接。

作为一种优选的实施方式，本实施例提供的辐射隔离层2的材料为金属铝，金属铝可以有效的屏蔽热辐射传播途径，但不会阻止热量通过导热灌注材料4的竖直方向传导传热。辐射隔离层2与导热灌注材料4依靠粘性连接，辐射隔离层2与外层绝热结构1依靠嵌入结构连接。

作为一种优选的实施方式，本实施例提供的稀薄空气的导热率小于等于0.0311W/(m·K)，与辐射隔离层2的共同作用下，对外部环境温度的变化起到了缓冲的效果，可以有效的屏蔽环境扰动。稀薄空气依靠辐射隔离层2、外层绝热结构1、良导热层3形成封闭腔密闭于核心温度测量探头内部。

作为一种优选的实施方式，本实施例提供的良导热层3的材料为金属铜，金属铜可以防止热量积累。良导热层3与外层绝热结构1依靠嵌入结构连接，并辅助加以密封胶固定。

本实施例中的热流传感器7(响应时间：0.7s)以及温度传感器6负责测量流入传感器的热流及温度；外温度传感器测量外部温度的基准变化，进行温度基准的补偿；同时脉搏波发射器10和脉搏波接收器11的使用，可以获取测量部位的脉搏波数据，从中可以获得对应的血液灌注率(PI)、心率以及血氧数据，显然本实施例提供的探头可以从多维角度预测人体的核心温度。

实施例二

本实施例提供了一种核心温度测量系统，包括微控制器以及与微控制器进行数据传输的实施例一所述的一种核心温度测量探头。

微控制器用于对获取的热流传感器采集到的热流信号、温度传感器采集到的温度信号以及脉搏波接收器采集到的光电流信号进行处理，得到热流值、温度值、人体心率数值、人体血氧数值以及血液灌注率。

微控制器还用于获取用户预先输入的基础参数；所述基础参数包括BMI指数。

微控制器还用于将所述热流值、所述温度值、所述人体心率数值、所述人体血氧数值、所述血液灌注率以及所述基础参数输入到核心温度预测模型，以预测核心温度；其中，所述核心温度预测模型是将训练样本输入到RBF神经网络以对所述RBF神经网络进行训练得到的；所述训练样本包括人体历史实际核心温度以及所述人体历史实际核心温度对应的历史基础参数、历史热流值、历史温度值、历史人体心率数值、历史人体血氧数值以及历史血液灌注率。

作为一种具体实施方式，本实施例提供的系统还包括光电驱动电路和采样电路。

所述微控制器用于驱动所述光电驱动电路以设定脉搏波发射器内的光发射器的发光强度，驱动所述光电驱动电路以控制所述光发射器的发光模式。

所述微控制器用于驱动所述采样电路以同时获取热流传感器采集到的热流信号、温度传感器采集到的温度信号以及脉搏波接收器采集到的光电流信号。

实施例三

针对背景技术提出的问题，本发明只选取了固定数值的BMI指数以及动态，即本发明只选取了变化的血液灌注率PI，血氧、心率动态更新模型中的数值，选取固定的BMI指数以及热扩散率a、热导率K等计算公式。

如图2所示，本实施例提供的核心温度测量方法包括如下步骤。

步骤101：将核心温度测量探头放置于测量部位以获取热流传感器采集到的热流信号、温度传感器采集到的温度信号以及脉搏波接收器采集到的光电流信号。

在执行步骤101之前，还包括通过微控制器驱动光电驱动电路以设定脉搏波发射器内的660nm/940nm光发射器的发光强度，通过微控制器驱动光电驱动电路以控制660nm/940nm光发射器的发光模式。

步骤101具体包括：通过微控制器控制采样电路，对热流传感器采集到的热流信号、温度传感器采集到的温度信号以及脉搏波接收器采集到的光电流信号同时多路采集。

步骤102：对热流信号、温度信号以及光电流信号进行处理，以得到热流值、温度值、人体心率数值、人体血氧数值以及血液灌注率。

步骤102具体包括：

步骤1021：对光电流信号进行信号处理以提取光电流信号中的脉搏波波峰和脉搏波波谷。

其中，提取脉搏波波峰和脉搏波波谷的方法为阈值提取算法。因为每个脉搏波波峰虽有波动，但在统计分析后发现均基本不超过每周期最大波形高度的0.3倍，因此以实际波形高度的0.4倍为阈值。假设脉搏波为数字信号序列下x[j]，认为峰值在每个周期中波形最大值的附近，实际波峰x[j_p]的判别条件为：

其中，t为脉搏波的半周期时间，R_t为采样频率，Δ＝(max{x[j]}-min{x[j]})×0.4，且j∈[0，N]。

同理，波谷为一个脉搏波周期内的最小值，找到波峰x[j_p]内的最大值记为P_max，将整个波形翻转，得到波形数字信号序列x’[j]。

x'[j]＝P_max-x[j] j∈[0，N]；

重复波峰寻找过程即得到波谷。

步骤1022：对光电流信号进行信号处理以提取光电流信号的高低包络信息。

其中，为了更好的获得PPG信号的包络线信息，采用EMD分解算法中的改进三次样条差值方法来获取PPG信号的包络线信息。

步骤1023：根据脉搏波波峰和脉搏波波谷，计算人体心率数值和人体血氧数值。若5秒内识别的波峰数目为n，则人体心率数值HR为

HR＝n×12；

使用朗伯比尔定律，从脉搏波获取人体血氧参数；其中，人体血氧数值SpO₂计算公式为：SpO₂＝A+B·R。

式中A、B理论数值分别为

为氧合血红蛋白的吸收系数，

为还原血红蛋白的吸收系数，λ₁为氧合血红蛋白吸收系数和还原血红蛋白吸收系数的交点，而在实验中需要通过定标实验确定。

R为：

I_max(λ₁)为接收到的λ₁波长的最大光强，I_min(λ₁)为接收到的λ₁波长的最小光强，同理I_max(λ₂)、I_min(λ₂)为接收到的λ₂波长的最大光强、最小光强。

步骤1024：根据高低包络信息计算血液灌注率。

PPG信号的交流分量为上下包络线的差值，直流分量为上下包络线的均值，代入血流灌注指数计算公式即可得到PI值，即血液灌注率。

步骤1025：对热流信号进行信号处理以获取热流值，对温度信号进行信号处理以获取温度值。

步骤103：获取用户预先输入的基础参数；所述基础参数包括BMI指数。

步骤104：将热流值、温度值、人体心率数值、人体血氧数值、血液灌注率以及基础参数输入到核心温度预测模型，以预测核心温度；其中，核心温度预测模型是将训练样本输入到RBF神经网络以对RBF神经网络进行训练得到的；训练样本包括人体历史实际核心温度以及所述人体历史实际核心温度对应的历史基础参数、历史热流值、历史温度值、历史人体心率数值、历史人体血氧数值以及历史血液灌注率。

其中，核心温度预测模型的训练过程如下：

对历史数据进行处理以确定训练样本，具体为：将历史数据中用户预先输入的基础参数(包括但不限于BMI指数、年龄)，以及通过核心温度测量探头获得的热流值、温度值、人体心率数值、人体血氧数值以及血液灌注率进行时间同步处理，得到与人体历史实际核心温度数据点数相同的数据。对得到的六组数据以及人体历史实际核心温度进行归一化处理，得到六个网络输入参数：HR(人体心率数值)、SpO₂(人体血氧数值)、PI(血液灌注率)、HFS(热流值)、T(温度值)、BMI指数，一个输出参数：人体历史实际核心温度。

将训练样本输入采用径向基函数的神经网络(简称RBF神经网络)，如图3所示，设置输入层为六个神经元，输出层为一个神经元，初始化隐含层至输出层的连接权值；对于RBF神经网络，中间隐含层的神经元的个数会在训练过程中自适应地取定，运行结果较为稳定。隐含层神经元核函数(作用函数)是高斯函数，训练目标误差GOAL设置为0，规定隐含层神经元的上限MN＝300，每次迭代增加DF＝5个神经元。RBF神经网络权重参数的训练方法取为梯度下降法，不断更新权重直至结果达到预期。

固定权重后，即可得到核心温度预测模型，可进行预测核心温度。

本发明在考虑人体机体的物理性质后，考察与核心温度相关的各个参数并测量，通过研发新型夹心式结构获取更加稳定的皮肤处的温度以及热流，利用机器学习的方式，将BMI指数、血氧、心率、PI、皮肤处的温度以及热流纳入核心温度的预测过程，使得预测的核心温度数值更加准确。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种核心温度测量探头，其特征在于，包括外层绝热结构以及用所述外层绝热结构以圆环式包裹的内层夹心式结构；

所述内层夹心式结构从下至上依次包括测量模块、辐射隔离层以及良导热层；其中，所述测量模块与所述辐射隔离层之间为导热灌注材料，所述辐射隔离层与所述良导热层之间为空气；

所述测量模块包括电路结构、设置在所述电路结构上的温度传感器和热流传感器、以及设置在所述电路结构下的脉搏波发射器和脉搏波接收器，且所述温度传感器和所述热流传感器均与所述导热灌注材料接触。

2.根据权利要求1所述的一种核心温度测量探头，其特征在于，所述测量模块还包括外温度传感器；所述外温度传感器设置在所述辐射隔离层与所述良导热层之间且通过粘性胶固定于所述良导热层下。

3.根据权利要求1所述的一种核心温度测量探头，其特征在于，所述测量模块还包括生物相容性层；所述生物相容性层设置在所述电路结构下且所述生物相容性层用于粘性连接人体皮肤与核心温度测量探头；其中，所述脉搏波发射器和所述脉搏波接收器均镶嵌在所述生物相容性层。

4.根据权利要求1所述的一种核心温度测量探头，其特征在于，所述辐射隔离层的材料为金属铝，所述良导热层的材料为金属铜，所述外层绝热结构的材料为绝热泡沫；所述生物相容性层为生物相容性胶体。

5.一种核心温度测量系统，其特征在于，包括微控制器以及与所述微控制器进行数据传输的权利要求1所述的一种核心温度测量探头；

所述微控制器用于对获取的热流传感器采集到的热流信号、温度传感器采集到的温度信号以及脉搏波接收器采集到的光电流信号进行处理，得到热流值、温度值、人体心率数值、人体血氧数值以及血液灌注率；

所述微控制器还用于获取用户预先输入的基础参数；所述基础参数包括BMI指数；

所述微控制器还用于将所述热流值、所述温度值、所述人体心率数值、所述人体血氧数值、所述血液灌注率以及所述基础参数输入到核心温度预测模型，以预测核心温度；其中，所述核心温度预测模型是将训练样本输入到RBF神经网络以对所述RBF神经网络进行训练得到的；所述训练样本包括人体历史实际核心温度以及所述人体历史实际核心温度对应的历史基础参数、历史热流值、历史温度值、历史人体心率数值、历史人体血氧数值以及历史血液灌注率。

6.根据权利要求5所述的一种核心温度测量系统，其特征在于，还包括光电驱动电路和采样电路；

所述微控制器用于驱动所述光电驱动电路以设定脉搏波发射器内的光发射器的发光强度，驱动所述光电驱动电路以控制所述光发射器的发光模式；

所述微控制器用于驱动所述采样电路以同时获取热流传感器采集到的热流信号、温度传感器采集到的温度信号以及脉搏波接收器采集到的光电流信号。

7.一种核心温度测量方法，其特征在于，包括：

将核心温度测量探头放置于用户测量部位以获取热流传感器采集到的热流信号、温度传感器采集到的温度信号以及脉搏波接收器采集到的光电流信号；

对所述热流信号、所述温度信号以及所述光电流信号进行处理，以得到热流值、温度值、人体心率数值、人体血氧数值以及血液灌注率；

获取用户预先输入的基础参数；所述基础参数包括BMI指数；

将所述热流值、所述温度值、所述人体心率数值、所述人体血氧数值、所述血液灌注率以及所述基础参数输入到核心温度预测模型，以预测核心温度；其中，所述核心温度预测模型是将训练样本输入到RBF神经网络以对所述RBF神经网络进行训练得到的；所述训练样本包括人体历史实际核心温度以及所述人体历史实际核心温度对应的历史基础参数、历史热流值、历史温度值、历史人体心率数值、历史人体血氧数值以及历史血液灌注率。

8.根据权利要求7所述的一种核心温度测量方法，其特征在于，所述对所述热流信号、所述温度信号以及所述光电流信号进行处理，以得到热流值、温度值、人体心率数值、人体血氧数值以及血液灌注率，具体包括：

对所述光电流信号进行信号处理以提取所述光电流信号中的脉搏波波峰和脉搏波波谷；

对所述光电流信号进行信号处理以提取所述光电流信号的高低包络信息；

根据所述脉搏波波峰和所述脉搏波波谷，计算人体心率数值和人体血氧数值；

根据所述高低包络信息计算血液灌注率；

对所述热流信号进行信号处理以获取热流值，对所述温度信号进行信号处理以获取温度值。

9.根据权利要求8所述的一种核心温度测量方法，其特征在于，所述根据所述脉搏波波峰和所述脉搏波波谷，计算人体心率数值和人体血氧数值，具体包括：

根据所述脉搏波波峰和所述脉搏波波谷，采用朗伯比尔定律，计算人体心率数值和人体血氧数值。

10.根据权利要求7所述的一种核心温度测量方法，其特征在于，所述核心温度预测模型的训练过程为：

确定训练样本；所述训练样本包括同时间尺度的历史基础参数、历史热流值、历史温度值、历史人体心率数值、历史人体血氧数值、历史血液灌注率和人体历史实际核心温度；

将所述训练样本输入到RBF神经网络中以对所述RBF神经网络进行训练，进而得到核心温度预测模型；所述RBF神经网络为采用径向基函数的神经网络。

Images