CN112914544B - 一种内脏脂肪测量方法、装置、设备及存储介质 - Google Patents
一种内脏脂肪测量方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112914544B CN112914544B CN202110084841.5A CN202110084841A CN112914544B CN 112914544 B CN112914544 B CN 112914544B CN 202110084841 A CN202110084841 A CN 202110084841A CN 112914544 B CN112914544 B CN 112914544B
- Authority
- CN
- China
- Prior art keywords
- fat
- leg
- arm
- weight
- lean body
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0537—Measuring body composition by impedance, e.g. tissue hydration or fat content
-
- 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
- A61B5/4869—Determining body composition
- A61B5/4872—Body fat
-
- 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
- A61B8/0858—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving measuring tissue layers, e.g. skin, interfaces
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明实施例公开了一种内脏脂肪测量方法、装置、设备及存储介质,其中,所述内脏脂肪测量方法,包括:测量出被测试者身高H;测量出被测者体重G和四肢和躯干的重量G’;测量出四肢和躯干的皮脂厚度;测量左臂瘦体阻抗,右臂瘦体阻抗,左腿瘦体阻抗,右腿瘦体阻抗和躯干瘦体阻抗;计算左臂瘦体,右臂瘦体,左腿瘦体,右腿瘦体和躯干瘦体的瘦体重;计算左臂,右臂,左腿,右腿和躯干的皮下脂肪重;计算内脏脂肪重,其能够方便,快速,精准的检测出内脏脂肪量。
Description
技术领域
本发明涉及内脏脂肪测量技术领域,主要指一种内脏脂肪测量方法、装置、设备及存储介质,尤其涉及一种基于人体成分仪的内脏脂肪测量方法、装置、设备及存储介质。
背景技术
内脏脂肪是人体脂肪中的一种。它与皮下脂肪(也就是我们平时所了解的身体上可以摸得到的“肥肉”)不同,它围绕着人的脏器,主要存在于腹腔内。内脏脂肪对于我们的健康意义重大。也就是说,内脏脂肪是人体脂肪的一种,不同与皮下脂肪,它围绕着人的器脏,主要存在于腹腔内。研究表明,内脏脂肪的多少与高血压,糖尿病,脂代谢紊乱,动脉粥样硬化等疾病有密切相关性。内脏脂肪的控制对人们的健康意义重大。
目前内脏脂肪面积的检测方法有CT(Computed Tomography,计算机断层)、 MRI(Magnetic Resonance Imaging,磁共振成像)、内脏生物电阻抗法。其中,CT和MRI是目前定量判断内脏脂肪分布的金标准,是三维成像技术,可以鉴别内脏、深部及浅部脂肪。内脏生物电阻抗法,采用4片或者8片电极贴在腹部周围,通过在不同电极片之间不同频率下进行通断电来检测电压的方法,进一步计算出腹部脂肪的多少。上述方法具有无创,无害,廉价,操作简单的特点。
虽然CT和MRI检测方法是检测内脏脂肪的金标准,但是CT检查使患者暴露于射线之下,MRI扫描时间长,而且CT和MRI价格昂贵,不适合于临床常规应用及大样本人群的筛查,更不适合于长期频繁监测内脏脂肪的变化。
专利公开号为CN 104287694A的现有技术方案公布了一种内脏脂肪计算方法,采用体重乘以体脂率计算出全身的体脂肪,再计算出全身皮下脂肪,将全身体脂肪减去全身皮下脂肪得到内脏脂肪。该种办法具有无创,廉价,操作方便的特点。
这种计算方法的问题在于没办法获取准确的体脂率和皮下脂肪面积。而体脂率和皮下脂肪作为CN 104287694A专利内脏脂肪计算公式的变量,因此体脂率和皮下脂肪的测量不准确将会直接影响到内脏脂肪的结算结果。
发明内容
为了准确,方便的测量出内脏脂肪,本发明实施例提供了一种内脏脂肪测量方法、装置、设备及存储介质。本发明不采用体脂率作为影响内脏脂肪的变量,同时避开了因为躯干内脏复杂,不利于直接测量躯干内脏脂肪的问题。为了达到目的,本发明的测定装置如下:
人机交互模块。人机交互模块采用一块7寸电容触摸屏和一块800*480 的显示屏。人机交互界面的作用是输入和显示被测量者的身高,体重,并显示测量进度,提供测量控制按钮。
电源输出模块。电源输出模块由两个作用,作用一是用于输出特定电流大小和特定频率的交流电通过人体特定部位来计算人体阻抗。作用二是产生高压脉冲穿透人体部位计算人体脂肪厚度。
皮下脂肪测量模块。脂肪测量模块输出超声高压脉冲,同时记录当下高压发射时间,在脉冲经过皮肤和脂肪层后,会在脂肪和肌肉交界层返回脉冲波,放大电路接受到返回的脉冲信号后,触发记录接受时间,利用发送和接收时间差来计算皮下脂肪厚度。
阻抗测量模块。阻抗测量模块用于测量出被测部位的电阻抗。由电流输入输出模块和电压检测模块组成。
本发明实施例提供了一种内脏脂肪测量方法,包括:
首先通过交互界面,输入测试者基本信息,包括性别,年龄。
再利用身高测量仪测量出被测试者身高H;利用体重秤测量出被测者体重G;身高测量仪和主机通过蓝牙连接,测量的身高体重直接通过蓝牙将数据传输到主机。
利用超声探头测量出左臂皮质厚度lla,右臂皮质厚度lra,躯干皮质厚度ltr, 左腿皮质厚度lll,右腿皮质厚度lrl;
测量左臂瘦体阻抗Rla,右臂瘦体阻抗Rra,左腿瘦体阻抗Rll,右腿瘦体阻抗Rrl和躯干瘦体阻抗Rtr;
计算左臂瘦体重量FFMla,右臂瘦体重量FFMra,左腿瘦体重量FFMll,右腿瘦体重量FFMrl和躯干瘦体重量FFMtr;
计算左臂皮下脂肪重BFMla,右臂皮下脂肪重BFMra,左腿皮下脂肪重 BFMll,右腿皮下脂肪重BFMrl和躯干皮下脂肪重BFMtr;
计算内脏脂肪重。
进一步的,所述四肢和躯干的总重量的计算公式如公式(1)所示:
G’=G*92.2% (1)。
进一步的,计算全身脂肪量:
Gfat=G’-FFMla-FFMra-FFMll-FFMrl-FFMtr
进一步的,计算躯干脂肪量:
fattr=G’-BFMla-BFMra-BFMll-BFMrl
进一步的,计算出内脏脂肪量:
BFM内脏=fattr-BFMtr
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
图1是本发明实施例的所述内脏脂肪测量方法的整体流程图;
图2是本发明实施例的所述内脏脂肪测量设备的结构图。
图3是本发明实施例的所述内脏脂肪测量设备的功能图。
图4超声探头探测原理图。
图5是本发明实施例的所述瘦体阻抗测量方法示意图;
图6是本发明实施例的电极在人体的分布示意图;
图7是本发明实施例的人体的等价电阻的示意图;
图8是本发明实施例的前20个相关系数的示意图;
图9是本发明实施例的K的结果的示意图;
图10是本发明实施例的循环提取主成分直到求出所有主成分的示意图。
图11是本发明实施例的循环提取主成分直到满足要求的示意图。
具体实施方式
下文中将结合附图对本发明的实施例进行详细说明。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1-图11所示,本发明实施例提出一种内脏脂肪测量方法,其具体包括:
步骤101,通过人机交互界面的基本信息输入模块,可以手动输入姓名,年龄,性别,身高和体重。身高,体重也可以通过身高体重测量仪测量后直接将数据通过蓝牙传输到主机。
步骤102,利用红外身高测量仪测量出被测者的身高H,利用体重秤测量出被测者体重G;身高测量仪和主机通过蓝牙连接,测量的身高体重直接通过蓝牙将数据传输到主机。
步骤103,测量出四肢和躯干的皮下脂肪厚度。测量原理如图4。超声探头贴近被测部位,超声波在t0时刻发出脉冲波,超声脉冲波在表皮层,真皮层和脂肪层以速度v传播,并且在脂肪层和肌肉层交界处的筋膜层发生反射,反射波又原路返回,在t1时刻,超声接收放大器检测到超声回波。因此可以得出表皮层,真皮层和脂肪层的厚度。
其中,所述测量出四肢和躯干的皮脂厚度依次是:左臂皮质厚度lla,右臂皮质厚度lra,躯干皮质厚度ltr,左腿皮质厚度lll,右腿皮质厚度lrl,具体地,所述左臂lla和右臂lra的测量位置固定在肱二头肌位置上,所述左腿lll和右腿lrl的测量位置在大腿内侧位置上,所述躯干ltr的测量位置在肚脐周围位置。测量方法是使用皮下脂肪测量探头贴在被测部位,可以快速准确的测出皮下脂肪厚度。测量示意图如图4。在人机交互界面上依次点击按钮触发测量右手臂脂肪厚度,左手臂脂肪厚度,右下肢脂肪厚度,左下肢脂肪厚度,躯干脂肪厚度。以测量右臂脂肪厚度为例,介绍本专利测量脂肪厚度的步骤:
(1)检测探头对准右臂肱二头肌位置,交互界面点击测量,探头开始发射超声波脉冲,当主界面提示检测成功后,表示检测完成,可以拿开探头。
(2)脂肪厚度算法计算脂肪厚度。首先人体各部位的表皮层和真皮层不一致,并且相差很大,背部、项部、手掌和足底等处最厚,腋窝和面部最薄,因此在计算皮下脂肪厚度的时候要考虑不同部位表皮层和真皮层的厚度。其次,不同性别,不同年龄的皮肤厚度相差也较大,造成声波在经过皮肤消耗的时间差别较大。因此如果直接采用的方法,其中v是声波在人体脂肪传播速度,这里取值是1200m/s。Δt是接收到超声回波时间点到发出超声的时间差。l是脂肪厚度。因为表皮层和真皮层厚度与年龄,性别存在显著相关性,因此采用分组+线性回归的方法计算脂肪厚度。按性别,不同部位进行分组,将年龄和体脂率作为计算公式的影响因子。
具体而言,通过线性回归后获得的系数形成计算公式,将50例右臂计算的结果和皮质卡尺测量的结果对比,结果如下表5所示:
表5
本专利测量结果(mm) | 卡尺测量结果(mm) | 误差 |
32.8 | 32.5 | 0.9% |
49.2 | 50 | 1.6% |
25.8 | 26.1 | 1.1% |
28.8 | 28.9 | 0.3% |
39.6 | 39.8 | 0.5% |
... | ... | ... |
22.2 | 22.0 | 0.9% |
(3)计算皮下脂肪重量。依然采用带核函数的偏最小二乘法计算右臂皮下脂肪重量。将皮下脂肪厚度,身高,体重,做为模型的影响因素。
步骤104,利用体重秤测量出被测者体重G。
其中,根据头和颈的重量占据被测者体重的7.8%,可以计算出除颈和头之外的四肢和躯干的重量G’=G*92.2%,在一个实施例中,所述四肢和躯干的重量的计算公式如公式(1)所示:
G’=G*92.2% (1)。
步骤105,测量左臂瘦体阻抗,右臂瘦体阻抗,左腿瘦体阻抗,右腿瘦体阻抗和躯干瘦体阻抗。
其中,在一个实施例中,在所述测量左臂瘦体阻抗,右臂瘦体阻抗,左腿瘦体阻抗,右腿瘦体阻抗和躯干瘦体阻抗时,电极夹需要夹住人体测量部位。如图3,将第一个电极夹夹在右臂手腕处,将第二个电极夹夹在左臂手腕处,第三个电极夹夹在右腿脚踝处,第四个电极夹夹在左腿脚踝处。全身一共4 个电极夹,每个电极夹有1个激励电极和1个检测电极,4个激励电极分别为E1电极,E3电极,E5电极和E7电极,4个检测电极,分别为E2电极, E4电极,E6电极和E8电极;所述激励电极为电源机构输出电流,电流经过导线输入激励电极,电流通过人体,再经其他激励电极流出,最后通过导线流出电源机构。所述检测电极为主机内的电压检测模块通过导线引伸出的检测点,当电流经过人体时,再电流流经的部位,可以检测出此处的电压。具体而言,测量左臂瘦体阻抗,右臂瘦体阻抗,左腿瘦体阻抗,右腿瘦体阻抗和躯干瘦体阻抗的方法为:主机控制模块首先让电源模块输出500KHz电流 I,依次流经电极E1,人体右臂,左臂,电极E3,最后流回电源模块。电压检测模块通过电极E2,电极E4测得电压V24,得到公式(2)。主机控制模块控制电源模块输出500KHz电流I,依次流经电极E1,人体右臂,躯干,右腿,电极E5,最后流回电源模块。电压检测模块通过电极E2,电极E6测得电压V26,得到公式(3)。主机控制模块控制电源模块输出500KHz电流I,依次流经电极E1,人体右臂,躯干,左腿,电极E7,最后流回电源模块。电压检测模块通过电极E2,电极E8测得电压V28,得到公式(4)。主机控制模块控制电源模块输出500KHz电流I,依次流经电极E3,人体左臂,躯干,左腿,电极E7,最后流回电源模块。电压检测模块通过电极E4,电极 E8测得电压V48,得到公式(5)。主机控制模块控制电源模块输出500KHz 电流I,依次流经电极E5,人体右腿,左腿,电极E7,最后流回电源模块。电压检测模块通过电极E6,电极E8测得电压V68,得到公式(6)。
(Rra+Rla)*I=V24 (2)
(Rra+Rtr+Rrl)*I=V26 (3)
(Rra+Rtr+Rll)*I=V28 (4)
(Rla+Rtr+Rll)*I=V48 (5)
(Rrl+Rll)*I=V68 (6)
公式(2)-公式(6)中,Rra是右臂瘦体阻抗,Rla是左臂瘦体阻抗,Rtr是躯干瘦体阻抗,Rrl是右腿瘦体阻抗,Rll是左腿瘦体阻抗。由公式(2)-公式 (6)可以计算出Rra,Rla,Rtr,Rrl,Rll的阻抗值。
步骤106,计算左臂瘦体重量FFMla,右臂瘦体重量FFMra,左腿瘦体重量FFMll,右腿瘦体重量FFMrl和躯干瘦体重量FFMtr;
其中,在一个实施例中,所述计算左臂瘦体,右臂瘦体,左腿瘦体,右腿瘦体和躯干瘦体的瘦体重的方法。包括:
采用带核函数的偏最小二乘法作为瘦体重预测算法,通过对大量样本的训练,获得训练模型,将预测样本输入到训练模型来训练样本,得出瘦体重,其训练样本的参数包括:身高H,体重G,性别sex,年龄age,以及瘦体重,R为阻抗;这样,通过对同年龄段和同性别的训练样本的训练,分别得出左臂瘦体重FFMla,右臂瘦体重FFMra,左腿瘦体重FFMll,右腿瘦体重 FFMrl以及躯干瘦体重FFMtr。以计算躯干瘦体的瘦体重为例,具体如下:
(1)特征参数选取;根据瘦体测量原理,结合人体电阻抗模型,选择将G和H作为瘦体计算模型中的影响因子。相比于将所有可能的影响因子纳入到计算模型来说,这将大大减少模型的复杂度。因为对于多影响因素之间是否有相关性未知,而相关性对于计算结果也是有影响的。同时,个数少的影响因子也节省了预测时间。
(2)建立训练样本数据库,训练样本数据库的建立,需要前期采集包含特征参数和瘦体的样本,这里有如表1所示的500例训练样本。假设预测样本为:1487.7,55.7,165。
表1
(3)临时样本选取:根据待测样本的性别和年龄,对全部样本进行分组。年龄段分组为7-13岁,14-25岁,26-40岁,41-60岁,61-100岁。首先选取出和待测样本同年龄段同性别样本,再采用属性加权的欧氏距离作为样本相似性的计算标准,选取出N个临时样本。样本属性权重的计算公式如下:
其中,m是训练样本特征参数的个数,N是训练样本的个数,Xij表示第 i个样本的第j个特征参数值,Xj表示样本第j个特征参数的均值,Yi表示第i 个训练样本的输出值,Yj表示训练样本的输出值均值。例如,经过计算后,得出的权重系数为:0.687,体重的权重系数为:0.818,身高的权重系数为0.611。
其中,d是样本特征参数个数,x1j是第一个样本的第j个特征参数值,x2j是第二个样本的第j个特征参数值,依次计算训练样本中每个样本和待测试样本的相似度,根据训练要求选取最相似的前20个样本作为最终的临时训练样本。s是任意一个样本和测试样本之间的相关系数。例如,从大到小,前20个相关系数如图8所示:
相关系数对应的前20样本依次是359.9,335.5,331,317.7...133.9。最终的临时样本如下的表2所示:
表2
(4)标准化20个临时样本,而如表3所示:
表3
(5)如公式(8)所示将标准化后的临时样本矩阵,转到高维核函数矩阵。
K(i,j)=exp(-(sqrt(sum)/32)) (8)
其中,K是一个20*20的矩阵,其中Sum是||X1-X2||2,32是固定的学习样本间相似性的特征长度尺度。例如,K的结果如图9所示:
(6)如公式(9)所示进行核函数中心化。
Kb=(unitM-oneM*oneM'/sampleSize)*K*(unitM-oneM*oneM'/sampleSize) (9)
Kb是经过中心化后的核函数,unitM是单位矩阵,oneM是全一矩阵。 oneM'是全一矩阵的转置。sampleSize是样本个数。
(7)对Kb循环提取主成分。
先求Kb第一主成分,设E0是Kb的自变量矩阵,F0是Kb的因变量矩阵。设t1为E0的第一主成分,u1为F0的第一主成分,这里使t1与u1的协方差达到最大值,即如公式(10)所示:
Cov(t1,u1)–>max (10)
由于t1是E0的线性组合,设权重系数为W1,即t1=E0W1,u1是F0的线性组合,权重系数为C1,即u1=F0C1,又要求W1和C1同为单位向量,数学表达式为公式(11)-公式(13)所示:
Max<E0W1,F0C1> (11)
||W1||=1 (12)
||C1||=1 (13)
通过拉格朗日求解,w1和c1满足公式组(14)所示:
(8)建立主成分与原自变量,原因变量的回归,建立方程如下公式(15) 和公式(16)所示:
E1和F1分别为回归方程的残差矩阵,回归系数向量为公式(17)和公式 (18)所示:
用残差矩阵E1和F1取代E0和F0,然后求W2和C2以及第二个成分t2,u2,如公式(19)和公式(20)所示:
t2=E1w2 (19)
u2=F1c2 (20)
循环提取主成分直到求出所有主成分或者满足要求。结果如图10和图11所示:
并如公式(21)计算新的径向基核函数。
(9)取得检测样本1487.7,55.7,165,并如公式(22)所示标准化后,转到高维核函数矩阵。
Kpredict(i,j)=exp(-(sqrt(sum)/32)) (22)
Kpredict(i,j)是基于测试样本的径向基核函数。
(10)如公式(23)-公式(25)所示计算预测样本的预测值。
Kp=(Kpredict-sp*(oneM.transpose())*K/sampleSize)*(unitM-oneM*(oneM.transpose())/sampleSize)
(23)
Kp是经过中心化后的核函数。Sp是一列矩阵,oneM.transpose()为全一矩阵的转置,K是训练样本的核函数矩阵,unitM为单位矩阵,oneM为全一矩阵。
Ftemp=Kp*u*(t.transpose()*Kb*u).inverse())*(t.transpose())*Yb (24)
U是自变量主成分,t.transpose()是因变量主成分的转置,Kb是基于训练样本的新的径向基核函数。Yb是预测样本的因变量矩阵。Ftemp的值为0.119。
Fp=(std(x_dimension))*Ftemp+mean(x_dimension)*sp (25)
例如,Fp即为预测结果,mean()为样本平均值,值为1行4列的矩阵,值为1620,66.4,173,23.1。Std():样本标准差,值为1行4列的矩阵,值为206.88,8.49,4.35,2.46。Sp的值为1.0。这里计算得Fp(躯干瘦体重) 的值为23.4。
以同样的方法计算得到左臂瘦体的瘦体重为2.57Kg,右臂瘦体的瘦体重为2.45Kg,左腿瘦体的瘦体重为7.43Kg,右腿瘦体的瘦体重为7.65Kg。
步骤107,计算左臂,右臂,左腿,右腿和躯干的皮下脂肪重。
其中,在一个实施例中,所述计算左臂,右臂,左腿,右腿和躯干的皮下脂肪重的方法,包括:同样采用带核函数的偏最小二乘法作为皮下脂肪重量预测算法,通过对大量样本的训练,得出上肢,下肢和躯干的皮下脂肪计算模型,将预测样本输入到训练模型进行训练样本,得出皮下脂肪重,训练样本参数包括:皮脂厚度,体重,身高和皮下体脂重量,通过对同年龄段,同性别的训练样本的训练,依次计算左臂的皮下脂肪重Gl_arm_fat,右臂的皮下脂肪重Gr_arm_fat,左腿的皮下脂肪重Gl_leg_fat,右腿的皮下脂肪重Gr_leg_fat以及躯干的皮下脂肪重Gtr_fat。例如,计算结果的左臂的皮下脂肪重为0.215Kg,右臂的皮下脂肪重为0.335Kg,左腿的皮下脂肪重为2.15Kg,右腿的皮下脂肪重为1.93Kg以及躯干的皮下脂肪重为1.7Kg。
步骤107,计算内脏脂肪重。
其中,如图2所示,在一个实施例中,所述计算内脏脂肪重的方法,包括:
步骤201,首先计算全身脂肪量,即:全身脂肪量
Gfat=G’-FFMla-FFMra-FFMll-FFMrl-FFMtr;
步骤202,计算躯干脂肪量。
fattr=Gfat-BFMla-BFMra-BFMll-BFMrl
步骤203,计算出内脏脂肪量:
BFM内脏=fattr-BFMtr。例如,计算结果的内脏脂肪量为1.23kg。
通过CT方式扫描88例男性年龄在20-40岁之间的用户,测得内脏脂肪数据。并选择其中的68例作为训练样本。剩下的20例作为预测样本。样本参数包括:性别,身高,体重,年龄,四肢以及躯干皮脂厚度。通过方法1 (本发明方法)计算20例测试样本的内脏脂肪。将结果和CT扫描结果做比对。方法2(采用现有的方法)对同样20例测试数据做内脏脂肪计算并和CT 结果比对),结果如下的表4所示:
表4
检测方法 | 相关系数 | 均方误差 | 平均准确率 |
方法1 | 0.87 | 22.34 | 88% |
方法2 | 0.79 | 5.2 | 79% |
通过上面的对比可以发现,方法1的相关系数优于方法2,显然方法2 计算的结果更接近标准值,从均方误差也可以看出方法2计算的值偏离度要小于方法2。
如图3所示,本发明实施例还提供一种内脏脂肪测量装置,包括:
测量模块71,用于测量四肢和躯干的重量G’,所述四肢和躯干的重量的计算公式如公式(1)所示:
G’=G*92.2% (1);
计算模块一72,用于计算左臂瘦体,右臂瘦体,左腿瘦体,右腿瘦体和躯干瘦体的瘦体重;还用于采用带核函数的偏最小二乘法作为瘦体重预测算法,通过对大量样本的训练,获得训练模型,将预测样本输入到训练模型来训练样本,得出瘦体重,其训练样本的参数包括:身高H,体重G,性别sex,年龄以及瘦体重;这样,通过对同年龄段和同性别的训练样本的训练,分别得出左臂瘦体重Gl_arm_ffm,右臂瘦体重Gr_arm_ffm,左腿瘦体重Gl_leg_ffm,右腿瘦体重Gr_leg_ffm以及躯干瘦体重Gtr_ffm;
计算模块二73,用于计算左臂,右臂,左腿,右腿和躯干的皮下脂肪重;还用于同样采用带核函数的偏最小二乘法作为皮下脂肪重量预测算法,通过对大量样本的训练,得出皮下脂肪计算模型,将预测样本输入到训练模型进行训练样本,得出皮下脂肪重,训练样本参数包括:皮脂厚度,体重,身高和皮下体脂重量,通过对同年龄段,同性别的训练样本的训练,依次计算左臂的皮下脂肪重Gl_arm_fat,右臂的皮下脂肪重Gr_arm_fat,左腿的皮下脂肪重Gl_leg_fat,右腿的皮下脂肪重Gr_leg_fat以及躯干的皮下脂肪重Gtr_fat;
计算模块三74,用于计算内脏脂肪重;还用于首先计算全身脂肪量,即:全身脂肪量Gfat=G’-Gl_arm_ffm-Gr_arm_ffm-Gl_leg_ffm-Gr_leg_ffm-Gtr_ffm;导出内脏脂肪量,即:内脏脂肪量Gvf=Gfat-Gl_arm_fat-Gr_arm_fat-Gl_leg_fat-Gr_leg_fat-Gtr_fat。
这样,就能在原人体成分仪的基础上,测量身体各节段阻抗值,并采用带核函数的偏最小二乘法精确计算出人体各节段的瘦体重和皮下脂肪重,使得内脏脂肪面积的计算准确更有保障。
本发明实施例还提供一种内脏脂肪测量设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述内脏脂肪测量方法。
如图4所示,本发明实施例还提供一种内脏脂肪测量设备,包括皮质厚度测量模块,体重检测模块,控制模块,电压检测模块,电源输出模块,阻抗计算模块,基本信息输入模块,内脏脂肪计算模块:
所述皮脂厚度测量模块,采用超声皮脂测量探头测量,需要测量的部位依次是人体的左臂Hl_arm,右臂Hr_arm,左腿Hl_leg,右腿Hr_leg和躯干Htr,所述左臂和右臂的测量位置固定在肱二头肌位置上,左腿和右腿的测量位置在大腿内侧位置上,躯干的测量位置在肚脐周围位置;
体重测量模块,主要由称重传感器构成,负责测量体重G;这样根据头和颈重量占据体重7.8%,可以计算出除颈和头以外的重量G’=G*92.2%。
基本信息输入模块,用于输入用户的性别sex,年龄age,身高基本信息 H;
电流控制模块,用于根据检测需要,有顺序的在各电极间通断不同频率的电流,在输入电流的同时,检测电极的电压值;
内脏脂肪计算模块,用于把计算出的四肢部分和躯干的阻抗值,作为其输入来计算而出内脏脂肪量。
本发明实施例还提供一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行所述内脏脂肪测量方法。
为了达到数据共享的目的,所述内脏脂肪计算模块往往为连接有液晶屏和WIFI模块的单片机,于是所述内脏脂肪计算模块即可经由其WIFI模块来通过WLAN达到把所述计算得到的内脏脂肪量的数据彼此传递而送达液晶屏上展示,以此达到数据共享的目的,因为WLAN可以符合较高带宽的传递的要求,WLAN在充电桩体系里运用越来越普遍,相应的,运用若干无线 AP构成了WLAN的骨架,这里,各个无线AP相连着若干内脏脂肪计算模块的单片机;在充电桩体系里的WLAN内,内脏脂肪计算模块的单片机把计算得到的内脏脂肪量的数据包传递给相接的无线AP,无线AP通过WLAN 把计算得到的内脏脂肪量的数据包传递给另外的无线AP,另外的无线AP接着把计算得到的内脏脂肪量的数据包中继至同另外的无线AP相连的内脏脂肪计算模块的单片机。
所述内脏脂肪计算模块还能经由其WIFI模块来通过WLAN达到把所述计算得到的内脏脂肪量的数据彼此传递而送达液晶屏上展示,以此达到数据共享的目的;
目前是把所述内脏脂肪计算模块任意的划成若干逻辑组织单元,各个逻辑组织单元内具有一个以上的内脏脂肪计算模块,在传递数据的内脏脂肪计算模块的单片机把计算得到的内脏脂肪量的数据包传递给收受数据的内脏脂肪计算模块的单片机之际,若收受数据的内脏脂肪计算模块的单片机和传递数据的内脏脂肪计算模块的单片机不处于同一逻辑组织单元之际,那么传递数据的内脏脂肪计算模块的单片机把计算得到的内脏脂肪量的数据包传递给控制传递数据的内脏脂肪计算模块的单片机的无线AP,无线AP通过WLAN 把数据用群发的模式传递而出,于是相连进WLAN的全部无线AP均会得到传递数据的内脏脂肪计算模块的单片机的计算得到的内脏脂肪量的数据包,还中继至所控制的内脏脂肪计算模块的单片机。因此收受数据的内脏脂肪计算模块的单片机在收受到计算得到的内脏脂肪量的数据包之际,另外的内脏脂肪计算模块的单片机亦会得到该计算得到的内脏脂肪量的数据包,不利于另外的内脏脂肪计算模块的单片机的运作性能,而且在另外的内脏脂肪计算模块的单片机收受所需的计算得到的内脏脂肪量的数据包时,这些计算得到的内脏脂肪量的数据包会占用另外的内脏脂肪计算模块的单片机的数据传递链路,造成数据冗余充斥,还有对WLAN的带宽的耗损。
要克服上述缺陷,经过改进,所述内脏脂肪计算模块通过WLAN达到把所述计算得到的内脏脂肪量的数据彼此传递的方法,包括:
A-1:内脏脂肪计算模块一的单片机把计算得到的内脏脂肪量的数据包传递给所述无线AP一;
A-2:在所述计算得到的内脏脂肪量的数据包是要中继的计算得到的内脏脂肪量的数据包时,所述无线AP一把所述中继的计算得到的内脏脂肪量的数据包传递给所述无线路由器;
A-3:所述无线路由器凭借所述中继的计算得到的内脏脂肪量的数据包认定出无线AP二;
A-4:所述无线路由器把所述中继的计算得到的内脏脂肪量的数据包传递给所述无线AP二;
A-5:所述无线AP二把所述中继的计算得到的内脏脂肪量的数据包传递给内脏脂肪计算模块二的单片机,所述内脏脂肪计算模块二的单片机与所述无线AP二相连。
这里,针对餐饮企业的GIS装置包括无线路由器、若干无线AP和若干内脏脂肪计算模块的单片机,若干无线AP经由WLAN相连进无线路由器,各个无线AP分别操控若干内脏脂肪计算模块的单片机内的部分内脏脂肪计算模块的单片机的计算得到的内脏脂肪量的数据包的中继传递;
无线路由器在得到中继的计算得到的内脏脂肪量的数据包之际会凭借中继的计算得到的内脏脂肪量的数据包经若干无线AP内认定出相应的无线 AP,且把中继的计算得到的内脏脂肪量的数据包传递给相应的无线AP,于是相应的无线AP即可把中继的计算得到的内脏脂肪量的数据包传递给显示器内脏脂肪计算模块的单片机。
这样,可以把中继的计算得到的内脏脂肪量的数据包有目标的执行中继,克服了中继的计算得到的内脏脂肪量的数据包对另外的内脏脂肪计算模块的单片机的扰乱,降低了对另外的内脏脂肪计算模块的单片机的数据传递链路的冗余充斥。
所述内脏脂肪计算模块通过WLAN达到把所述计算得到的内脏脂肪量的数据彼此传递的方法,包括:
B-1:所述无线AP一认定出同所述中继的计算得到的内脏脂肪量的数据包相应的用于中继的记号数据一;
B-2:所述无线AP一把所述用于中继的记号数据一增设至所述中继的计算得到的内脏脂肪量的数据包内;
B-3:所述无线AP一把带着所述用于中继的记号数据一的中继的计算得到的内脏脂肪量的数据包传递给所述无线路由器;
B-4:所述无线路由器经所述中继的计算得到的内脏脂肪量的数据包里读出所述用于中继的记号数据一;
B-5:所述无线路由器认定出同所述用于中继的记号数据一相应的无线 AP二。
这里,无线AP一内会贮存着计算得到的内脏脂肪量的数据包与记号数据的相应的关联数据一,在无线路由器中亦会贮存着记号数据和无线AP的相应的关联数据二,内脏脂肪计算模块一的单片机在传递中继的计算得到的内脏脂肪量的数据包之际,无线AP一即可凭借相应的关联数据一在中继的计算得到的内脏脂肪量的数据包内增设用于中继的记号数据一,而无线路由器就可以凭借相应的关联数据二,认定出与用于中继的记号数据一相应的无线AP二,在无线路由器把中继的计算得到的内脏脂肪量的数据包中继至无线AP二之际,无线AP二即可以把中继的计算得到的内脏脂肪量的数据包中继至内脏脂肪计算模块二的单片机。这样,在计算得到的内脏脂肪量的数据包的中继期间,可以凭借无线AP一和无线路由器的中继,一步步的认定出收受计算得到的内脏脂肪量的数据包的目的无线AP和目的内脏脂肪计算模块的单片机,保障了计算得到的内脏脂肪量的数据包中继的正确性。
所述内脏脂肪计算模块通过WLAN达到把所述计算得到的内脏脂肪量的数据彼此传递的方法,包括:
C-1:在所述中继的计算得到的内脏脂肪量的数据包具有X个子数据包时,所述无线AP一把所述X个子数据包组合成Y个基于TCP标准的子数据包,这里,X是不低于3的自然数,Y是低于X的自然数;
C-2:所述无线AP一把所述Y个基于TCP标准的子数据包组合成Z个基于WLAN通信标准的子数据包,这里,Z是低于Y的自然数;
C-3:所述无线AP一把所述Z个基于WLAN通信标准的子数据包传递给所述无线路由器。
这里,无线AP在中继的计算得到的内脏脂肪量的数据包之际,可以对中继的计算得到的内脏脂肪量的数据包执行组合,接着继续把组合好的中继的计算得到的内脏脂肪量的数据包执行中继;因为中继的计算得到的内脏脂肪量的数据包具有若干(X个)子数据包,在数据组合期间,无线AP要求对各个子数据包执行处置,组合性能不高。
因此这里,把X个子数据包划成Y簇,Y簇同步组合成Y个子数据包,接着把Y个子数据包,组合成Z个子数据包,改善了计算得到的内脏脂肪量的数据包的组合性能。
详细而言,用X是20,Y是10,Z是2来说,无线AP一先把20个子数据包执行分簇,划成10簇,把20个子数据包同步组合成20个基于TCP 标准的子数据包,接着把10个基于TCP标准的子数据包组合成2个基于WLAN通信标准的子数据包,且把基于WLAN通信标准的子数据包中继至无线路由器。
另外,这里对子数据包分簇之际,亦可以凭借子数据包的时间段来分簇,亦可以依照子数据包的长度来分簇,可以凭借运用着的具体状况而定,在此不作约束。
所述内脏脂肪计算模块通过WLAN达到把所述计算得到的内脏脂肪量的数据彼此传递的方法,包括:
D-1:所述无线AP一把校对数据增设至所述中继的计算得到的内脏脂肪量的数据包内;
D-2:所述无线AP一把带着所述校对数据的中继的计算得到的内脏脂肪量的数据包传递给所述无线路由器;
D-3:所述无线AP二对带着所述校对数据的中继的计算得到的内脏脂肪量的数据包执行可靠性校对,得到可靠性校对符;
D-4:在所述可靠性校对符和所述校对数据适配之际,所述无线AP二把带着所述校对数据的中继的计算得到的内脏脂肪量的数据包传递给所述内脏脂肪计算模块二的单片机。
因为内脏脂肪计算模块一的单片机的中继的计算得到的内脏脂肪量的数据包经过无线AP一、无线路由器与无线AP二方可传递到内脏脂肪计算模块二的单片机,中继环节不少,另外无线AP与无线路由器处理的计算得到的内脏脂肪量的数据包不少,常会产生出错中继的现象,而这些中继的计算得到的内脏脂肪量的数据包都为针对餐饮企业的GIS装置的顺畅运作密切有关的,这就要求保障中继的计算得到的内脏脂肪量的数据包的正确性。
因此,这里可以在中继的计算得到的内脏脂肪量的数据包内增设校对数据,在无线AP二收受到中继的计算得到的内脏脂肪量的数据包之际,可以先执行可靠性校对,得到可靠性校对符;若校对数据和可靠性校对符不适配之际,可靠性校对就未成功,代表该中继的计算得到的内脏脂肪量的数据包中继错误,无线AP二不要求对把该中继的计算得到的内脏脂肪量的数据包中继至内脏脂肪计算模块二的单片机;若可靠性校对符与中继的计算得到的内脏脂肪量的数据包中的校对数据适配,那么可靠性校对成功,无线AP二把中继的计算得到的内脏脂肪量的数据包中继至内脏脂肪计算模块二的单片机。可靠性校对可以采用循环冗余检错方法,校对数据可以是循环冗余码。
这里,无线AP二仅可在可靠性校对成功的条件下方可把中继的计算得到的内脏脂肪量的数据包中继至内脏脂肪计算模块二的单片机,克服了内脏脂肪计算模块的单片机被出错的中继的计算得到的内脏脂肪量的数据包的扰乱,改善了计算得到的内脏脂肪量的数据包中继的正确性。
所述内脏脂肪计算模块通过WLAN达到把所述计算得到的内脏脂肪量的数据彼此传递的方法,包括:
E-1:在所述中继的计算得到的内脏脂肪量的数据包内带着的用于中继的记号数据二为用于中继的记号数据一时,所述无线AP一把校对数据一增设进所述中继的计算得到的内脏脂肪量的数据包;
E-2:在所述用于中继的记号数据二是用于中继的记号数据二之际,所述无线AP一把所述用于中继的记号数据二增设进所述中继的计算得到的内脏脂肪量的数据包。
因为部分内脏脂肪计算模块的单片机会同外部装置相连,在此类内脏脂肪计算模块的单片机在同外部装置数据传递之际,常会把充电桩的要保密的数据外传,不利于充电桩如常运作;因此,这里,在这些内脏脂肪计算模块的单片机与另外的内脏脂肪计算模块的单片机彼此传递计算得到的内脏脂肪量的数据包之际,可以把校对的级别增大,运用更为繁琐的校对数据。
这里,改善了计算得到的内脏脂肪量的数据包中继的可靠性,保障了充电桩的舒畅运作。
本发明的无线路由器,无线AP一和内脏脂肪计算模块一的单片机;内脏脂肪计算模块一的单片机通过无线AP一把中继的计算得到的内脏脂肪量的数据包传递给无线路由器,无线路由器凭借中继的计算得到的内脏脂肪量的数据包认定出无线AP二,且把中继的计算得到的内脏脂肪量的数据包传递给无线AP二,接着经无线AP二把中继的计算得到的内脏脂肪量的数据包传递给内脏脂肪计算模块二的单片机;于是,内脏脂肪计算模块一的单片机在朝内脏脂肪计算模块二的单片机传递中继的计算得到的内脏脂肪量的数据包之际,分别通过无线AP一和无线路由器对中继的计算得到的内脏脂肪量的数据包的中继,认定出操控内脏脂肪计算模块二的单片机的无线AP二,接着经无线AP二把中继的计算得到的内脏脂肪量的数据包传递给内脏脂肪计算模块二的单片机,改善了计算得到的内脏脂肪量的数据包中继的正确性。
在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,ReadOnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号。
Claims (6)
1.一种内脏脂肪测量方法,其特征在于,包括:
测量出被测试者身高H;
测量出被测者体重G和四肢和躯干的重量G’;所述四肢和躯干的重量的计算公式如公式(1)所示:
G’=G*92.2% (1)
测量出四肢和躯干的皮脂厚度;
测量左臂瘦体阻抗,右臂瘦体阻抗,左腿瘦体阻抗,右腿瘦体阻抗和躯干瘦体阻抗;
计算左臂瘦体,右臂瘦体,左腿瘦体,右腿瘦体和躯干瘦体的瘦体重;包括:采用带核函数的偏最小二乘法作为瘦体重预测算法,通过对大量样本的训练,获得训练模型,将预测样本输入到训练模型进行样本训练,得出瘦体重,其训练样本的参数包括:身高H,体重G,性别sex,年龄age,以及瘦体重,R为阻抗;这样,通过对同年龄段和同性别的训练样本的训练,分别得出左臂瘦体重Gl_arm_ffm,右臂瘦体重Gr_arm_ffm,左腿瘦体重Gl_leg_ffm,右腿瘦体重Gr_leg_ffm以及躯干瘦体重Gtr_ffm;
计算左臂,右臂,左腿,右腿和躯干的皮下脂肪重,包括:同样采用带核函数的偏最小二乘法作为皮下脂肪重量预测算法,通过对大量样本的训练,得出皮下脂肪计算模型,将预测样本输入到训练模型进行样本训练,得出皮下脂肪重,训练样本参数包括:皮脂厚度,体重,身高和皮下体脂重量,通过对同年龄段,同性别的训练样本的训练,依次计算左臂的皮下脂肪重Gl_arm_fat,右臂的皮下脂肪重Gr_arm_fat,左腿的皮下脂肪重Gl_leg_fat,右腿的皮下脂肪重Gr_leg_fat以及躯干的皮下脂肪重Gtr_fat;
计算内脏脂肪重;包括:
首先计算全身脂肪量,即:全身脂肪量Gfat=G’-Gl_arm_ffm-Gr_arm_ffm-Gl_leg_ffm-Gr_leg_ffm-Gtr_ffm;
导出内脏脂肪量,即:内脏脂肪量Gvf=Gfat-Gl_arm_fat-Gr_arm_fat-Gl_leg_fat-Gr_leg_fat-Gtr_fat。
2.根据权利要求1所述的内脏脂肪测量方法,其特征在于,在所述测量左臂瘦体阻抗,右臂瘦体阻抗,左腿瘦体阻抗,右腿瘦体阻抗和躯干瘦体阻抗时,电极夹需要夹住人体测量部位,将第一个电极夹夹在右臂手腕处,将第二个电极夹夹在左臂手腕处,第三个电极夹夹在右腿脚踝处,第四个电极夹夹在左腿脚踝处, 全身一共4个电极夹,每个电极夹有1个激励电极和1个检测电极,4个激励电极分别为E1电极,E3电极,E5电极和E7电极,4个检测电极,分别为E2电极,E4电极,E6电极和E8电极;所述激励电极为电源机构输出电流,电流经过导线输入激励电极,电流通过人体,再经其他激励电极流出,最后通过导线流出电源机构;所述检测电极为主机内的电压检测模块通过导线引伸出的检测点,当电流经过人体时,在电流流经的部位,可以检测出此处的电压;
具体而言,测量左臂瘦体阻抗,右臂瘦体阻抗,左腿瘦体阻抗,右腿瘦体阻抗和躯干瘦体阻抗的方法为:
主机控制模块首先让电源模块输出500KHz电流I,依次流经电极E1,人体右臂,左臂,电极E3,最后流回电源模块;电压检测模块通过电极E2,电极E4测得电压V24,得到公式(2);
主机控制模块控制电源模块输出500KHz电流I,依次流经电极E1,人体右臂,躯干,右腿,电极E5,最后流回电源模块;电压检测模块通过电极E2,电极E6测得电压V26,得到公式(3);
主机控制模块控制电源模块输出500KHz电流I,依次流经电极E1,人体右臂,躯干,左腿,电极E7,最后流回电源模块, 电压检测模块通过电极E2,电极E8测得电压V28,得到公式(4);
主机控制模块控制电源模块输出500KHz电流I,依次流经电极E3,人体左臂,躯干,左腿,电极E7,最后流回电源模块;电压检测模块通过电极E4,电极E8测得电压V48,得到公式(5);
主机控制模块控制电源模块输出500KHz电流I,依次流经电极E5,人体右腿,左腿,电极E7,最后流回电源模块;电压检测模块通过电极E6,电极E8测得电压V68,得到公式(6);
(Rra+Rla)*I=V24 (2)
(Rra+Rtr+Rrl)*I=V26 (3)
(Rra+Rtr+Rll)*I=V28 (4)
(Rla+Rtr+Rll)*I=V48 (5)
(Rrl+Rll)*I=V68 (6)
公式(2)-公式(6)中,Rra是右臂瘦体阻抗,Rla是左臂瘦体阻抗,Rtr是躯干瘦体阻抗,Rrl是右腿瘦体阻抗,Rll是左腿瘦体阻抗;由公式(2)-公式(6)计算出Rra,Rla,Rtr,Rrl,Rll的阻抗值。
3.一种内脏脂肪测量装置,其特征在于,包括:
测量模块,用于测量四肢和躯干的重量G’,所述四肢和躯干的重量的计算公式如公式(1)所示:
G’=G*92.2% (1);
计算模块一,用于计算左臂瘦体,右臂瘦体,左腿瘦体,右腿瘦体和躯干瘦体的瘦体重;还用于采用带核函数的偏最小二乘法作为瘦体重预测算法,通过对大量样本的训练,获得训练模型,将预测样本输入到训练模型来训练样本,得出瘦体重,其训练样本的参数包括:身高H,体重G,性别sex,年龄age,以及瘦体重,R为阻抗;这样,通过对同年龄段和同性别的训练样本的训练,分别得出左臂瘦体重Gl_arm_ffm,右臂瘦体重Gr_arm_ffm,左腿瘦体重Gl_leg_ffm,右腿瘦体重Gr_leg_ffm以及躯干瘦体重Gtr_ffm;
计算模块二,用于计算左臂,右臂,左腿,右腿和躯干的皮下脂肪重;采用带核函数的偏最小二乘法作为皮下脂肪重量预测算法,通过对大量样本的训练,得出皮下脂肪计算模型,将预测样本输入到训练模型来 训练样本,得出皮下脂肪重,训练样本参数包括:皮脂厚度,体重,身高和皮下体脂重量,通过对同年龄段,同性别的训练样本的训练,依次计算左臂的皮下脂肪重Gl_arm_fat,右臂的皮下脂肪重Gr_arm_fat,左腿的皮下脂肪重Gl_leg_fat,右腿的皮下脂肪重Gr_leg_fat以及躯干的皮下脂肪重Gtr_fat;
计算模块三,用于计算内脏脂肪重;还用于首先计算全身脂肪量,即:全身脂肪量Gfat=G’-Gl_arm_ffm-Gr_arm_ffm-Gl_leg_ffm-Gr_leg_ffm-Gtr_ffm;导出内脏脂肪量,即:内脏脂肪量Gvf=Gfat-Gl_arm_fat-Gr_arm_fat-Gl_leg_fat-Gr_leg_fat-Gtr_fat。
4.一种内脏脂肪测量设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1~2中任意一项所述内脏脂肪测量方法。
5.一种内脏脂肪测量设备,包括皮脂 厚度测量模块,体重身高检测模块,控制模块,电压检测模块,电源输出模块,阻抗计算模块,基本信息输入模块,内脏脂肪计算模块:
所述皮脂厚度测量模块,采用超声皮脂测量探头测量,需要测量的部位依次是人体的左臂Hl_arm,右臂Hr_arm,左腿Hl_leg,右腿Hr_leg和躯干Htr,所述左臂和右臂的测量位置固定在肱二头肌位置上,左腿和右腿的测量位置在大腿内侧位置上,躯干的测量位置在肚脐周围位置;
体重身高测量模块,体重测量主要由称重传感器构成,负责测量体重G;这样根据头和颈重量占据体重7.8%,可以计算出除颈和头以外的重量G’=G*92.2%;身高测量由身高体重测量仪完成;测量结果通过蓝牙传输到主机;
基本信息输入模块,用于输入用户的性别sex,年龄age;
电流控制模块,用于根据检测需要,有顺序的在各电极间通断固定频率的电流,在输入电流的同时,检测电极的电压值;
内脏脂肪计算模块,用于保存和处理身高,体重,左上肢皮脂厚度,右上肢皮脂厚度,躯干皮脂厚度,左下肢皮脂厚度,右下肢皮脂厚度,左上肢阻抗,右上肢阻抗,躯干阻抗,左下肢阻抗,右下肢阻抗,来计算而出内脏脂肪量;
采用带核函数的偏最小二乘法作为瘦体重预测算法,通过对大量样本的训练,获得训练模型,将预测样本输入到训练模型进行样本训练,得出瘦体重,其训练样本的参数包括:身高H,体重G,性别sex,年龄age,以及瘦体重,R为阻抗;这样,通过对同年龄段和同性别的训练样本的训练,分别得出左臂瘦体重Gl_arm_ffm,右臂瘦体重Gr_arm_ffm,左腿瘦体重Gl_leg_ffm,右腿瘦体重Gr_leg_ffm以及躯干瘦体重Gtr_ffm;
计算左臂,右臂,左腿,右腿和躯干的皮下脂肪重,包括:同样采用带核函数的偏最小二乘法作为皮下脂肪重量预测算法,通过对大量样本的训练,得出皮下脂肪计算模型,将预测样本输入到训练模型进行样本训练,得出皮下脂肪重,训练样本参数包括:皮脂厚度,体重,身高和皮下体脂重量,通过对同年龄段,同性别的训练样本的训练,依次计算左臂的皮下脂肪重Gl_arm_fat,右臂的皮下脂肪重Gr_arm_fat,左腿的皮下脂肪重Gl_leg_fat,右腿的皮下脂肪重Gr_leg_fat以及躯干的皮下脂肪重Gtr_fat;
首先计算全身脂肪量,即:全身脂肪量Gfat=G’-Gl_arm_ffm-Gr_arm_ffm-Gl_leg_ffm-Gr_leg_ffm-Gtr_ffm;
导出内脏脂肪量,即:内脏脂肪量Gvf=Gfat-Gl_arm_fat-Gr_arm_fat-Gl_leg_fat-Gr_leg_fat-Gtr_fat。
6.一种计算机可读存储介质,其特征在于,存储有计算机可执行指令,所述计算机可执行指令用于执行权利要求1~2中任意一项所述内脏脂肪测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110084841.5A CN112914544B (zh) | 2021-01-21 | 2021-01-21 | 一种内脏脂肪测量方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110084841.5A CN112914544B (zh) | 2021-01-21 | 2021-01-21 | 一种内脏脂肪测量方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112914544A CN112914544A (zh) | 2021-06-08 |
CN112914544B true CN112914544B (zh) | 2022-09-02 |
Family
ID=76164056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110084841.5A Active CN112914544B (zh) | 2021-01-21 | 2021-01-21 | 一种内脏脂肪测量方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112914544B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114699063A (zh) * | 2022-02-25 | 2022-07-05 | 深圳市伊欧乐科技有限公司 | 体脂率的测量方法、装置及计算机可读存储介质 |
CN115300795B (zh) * | 2022-08-19 | 2023-04-18 | 广州青花瓷健康科技有限公司 | 一种基于脉冲电流的生物智能理疗仪及其理疗方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004321268A (ja) * | 2003-04-22 | 2004-11-18 | Seikosha:Kk | 超音波皮脂厚計 |
WO2005051194A1 (en) * | 2003-11-26 | 2005-06-09 | Biospace Co. Ltd | Apparatus and method for measuring segmental body fat using bioelectrical impedance |
CN101106940A (zh) * | 2005-01-26 | 2008-01-16 | 松下电工株式会社 | 体脂肪测定装置 |
JP2008296009A (ja) * | 2007-05-02 | 2008-12-11 | Ya Man Ltd | 痩身トリートメント装置 |
CN104287694A (zh) * | 2014-10-10 | 2015-01-21 | 北京工业大学 | 内脏脂肪测量装置及检测方法 |
US9591987B1 (en) * | 2013-08-23 | 2017-03-14 | Rjl Systems, Inc. | Determining body composition through segmental bioelectrical impedance analysis (BIA) |
US9949663B1 (en) * | 2014-11-13 | 2018-04-24 | Ori Diagnostic Instruments, LLC | Apparatus and method for the analysis of the change of body composition and hydration status and for dynamic indirect individualized measurement of components of the human energy metabolism |
CN108113653A (zh) * | 2017-12-20 | 2018-06-05 | 中国科学院合肥物质科学研究院 | 一种基于3d扫描和生物电阻抗技术相融合的人体全身脂肪测量装置和方法 |
CN110897640A (zh) * | 2019-12-26 | 2020-03-24 | 南京麦澜德医疗科技有限公司 | 基于生物电阻抗的人体成分计算方法、装置、计算机设备和存储介质 |
-
2021
- 2021-01-21 CN CN202110084841.5A patent/CN112914544B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004321268A (ja) * | 2003-04-22 | 2004-11-18 | Seikosha:Kk | 超音波皮脂厚計 |
WO2005051194A1 (en) * | 2003-11-26 | 2005-06-09 | Biospace Co. Ltd | Apparatus and method for measuring segmental body fat using bioelectrical impedance |
CN101106940A (zh) * | 2005-01-26 | 2008-01-16 | 松下电工株式会社 | 体脂肪测定装置 |
JP2008296009A (ja) * | 2007-05-02 | 2008-12-11 | Ya Man Ltd | 痩身トリートメント装置 |
US9591987B1 (en) * | 2013-08-23 | 2017-03-14 | Rjl Systems, Inc. | Determining body composition through segmental bioelectrical impedance analysis (BIA) |
CN104287694A (zh) * | 2014-10-10 | 2015-01-21 | 北京工业大学 | 内脏脂肪测量装置及检测方法 |
US9949663B1 (en) * | 2014-11-13 | 2018-04-24 | Ori Diagnostic Instruments, LLC | Apparatus and method for the analysis of the change of body composition and hydration status and for dynamic indirect individualized measurement of components of the human energy metabolism |
CN108113653A (zh) * | 2017-12-20 | 2018-06-05 | 中国科学院合肥物质科学研究院 | 一种基于3d扫描和生物电阻抗技术相融合的人体全身脂肪测量装置和方法 |
CN110897640A (zh) * | 2019-12-26 | 2020-03-24 | 南京麦澜德医疗科技有限公司 | 基于生物电阻抗的人体成分计算方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112914544A (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112914544B (zh) | 一种内脏脂肪测量方法、装置、设备及存储介质 | |
US10993651B2 (en) | Exercise guidance method and exercise guidance device | |
TWI393579B (zh) | The state of the muscle movement state analysis system, methods and computer program products | |
CN101247759B (zh) | 电生理分析系统和方法 | |
CN102088903B (zh) | 用于多普勒雷达的自动发射功率调节 | |
JP2008289873A (ja) | 心再同期療法のためのlv誘導配置を計画するシステム及び方法 | |
WO2020211255A1 (zh) | 人体形体及体质数据采集方法、装置及存储介质 | |
US20110190655A1 (en) | Scanning head including at least two electrodes for impedance measurement, arrangement, and related method | |
CN110897640A (zh) | 基于生物电阻抗的人体成分计算方法、装置、计算机设备和存储介质 | |
CN107731307A (zh) | 一种体质健康自测系统 | |
CN110338843A (zh) | 组织评价方法、装置、设备及计算机可读存储介质 | |
JP2019504747A (ja) | 体状態の分類 | |
CN106994015A (zh) | 身高检测方法和装置及根据身高检测体脂率的方法和系统 | |
US11978561B2 (en) | Determining an indicator relating to injury | |
CN113056228A (zh) | 使用多模态传感器检测生理信息的系统和方法 | |
CN109034259A (zh) | 肿瘤介入装置的图像控制系统、方法、终端、储存介质 | |
WO2022188237A1 (zh) | 射频能量沉积预测及射频能量沉积监测方法、装置、设备和介质 | |
CN109124635B (zh) | 模型生成方法、磁共振成像扫描方法及系统 | |
CN110327074A (zh) | 肝脏评价方法、装置、设备及计算机可读存储介质 | |
CN114176532B (zh) | 一种测定cfPWV参数的临床验证方法及其应用系统 | |
US20220148172A1 (en) | System and method for detecting medical conditions | |
CN107658021A (zh) | 营养状态评估方法和装置 | |
CN117479877A (zh) | 用于帮助提供诊断信息的系统 | |
CN115299986A (zh) | 一种超声成像设备及其超声检查方法 | |
CN107242877A (zh) | 一种情绪稳定性感统训练的测评系统及其测评方法 |
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 |