CN112957028A - 一种腹部健康综合检测分析仪及其分析方法 - Google Patents
一种腹部健康综合检测分析仪及其分析方法 Download PDFInfo
- Publication number
- CN112957028A CN112957028A CN202110380668.3A CN202110380668A CN112957028A CN 112957028 A CN112957028 A CN 112957028A CN 202110380668 A CN202110380668 A CN 202110380668A CN 112957028 A CN112957028 A CN 112957028A
- Authority
- CN
- China
- Prior art keywords
- abdominal
- comprehensive
- health
- circuit
- output end
- 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
Links
- 230000003187 abdominal effect Effects 0.000 title claims abstract description 120
- 238000001514 detection method Methods 0.000 title claims abstract description 83
- 230000036541 health Effects 0.000 title claims abstract description 61
- 238000004458 analytical method Methods 0.000 title claims abstract description 12
- 210000001015 abdomen Anatomy 0.000 claims abstract description 38
- 230000003750 conditioning effect Effects 0.000 claims abstract description 28
- 238000005259 measurement Methods 0.000 claims abstract description 25
- 230000005284 excitation Effects 0.000 claims abstract description 22
- 230000036760 body temperature Effects 0.000 claims abstract description 11
- 238000013528 artificial neural network Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 14
- 210000000579 abdominal fat Anatomy 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical compound C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 claims description 6
- 239000004020 conductor Substances 0.000 claims description 4
- 230000005684 electric field Effects 0.000 abstract description 9
- 238000009529 body temperature measurement Methods 0.000 abstract description 7
- 230000003321 amplification Effects 0.000 abstract description 4
- 238000006243 chemical reaction Methods 0.000 abstract description 4
- 238000003199 nucleic acid amplification method Methods 0.000 abstract description 4
- 230000001143 conditioned effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 14
- 230000000875 corresponding effect Effects 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 238000012937 correction Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 5
- 210000000170 cell membrane Anatomy 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 210000003722 extracellular fluid Anatomy 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 101100434411 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) ADH1 gene Proteins 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 101150102866 adc1 gene Proteins 0.000 description 2
- 210000000577 adipose tissue Anatomy 0.000 description 2
- 208000026106 cerebrovascular disease Diseases 0.000 description 2
- 239000013256 coordination polymer Substances 0.000 description 2
- 210000002977 intracellular fluid Anatomy 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 208000004611 Abdominal Obesity Diseases 0.000 description 1
- 235000007119 Ananas comosus Nutrition 0.000 description 1
- 244000099147 Ananas comosus Species 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010065941 Central obesity Diseases 0.000 description 1
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 208000004930 Fatty Liver Diseases 0.000 description 1
- 206010019468 Hemiplegia Diseases 0.000 description 1
- 206010019708 Hepatic steatosis Diseases 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 101100522354 Triticum aestivum PINB gene Proteins 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 101150042711 adc2 gene Proteins 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 208000019425 cirrhosis of liver Diseases 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000840 electrochemical analysis Methods 0.000 description 1
- 208000010706 fatty liver disease Diseases 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000002847 impedance measurement Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 231100000240 steatosis hepatitis Toxicity 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- A61B5/01—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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开一种腹部健康综合检测分析仪及其分析方法，控制器通过控制信号发生器产生恒流激励源，恒流激励源将信号施加到测量的腹部，这时人体的测量部位会产生相应的电场，电场测量信号经过信号放大及调理电路的放大调理之后，通过幅相检测电路进行幅相检测并传送给AD数据采集模块。同时，控制器通过控制控制温度传感器采集人体腹部的体温，并将体温测量信号传送给AD数据采集模块。AD数据采集模块将电场测量信号和体温测量信号进行模数转换后一并送至微处理器。本发明具有小型便携和准确性高的特点。
Description
技术领域
本发明涉及分析仪器技术领域，具体涉及一种腹部健康综合检测分析仪及其分析方法。
背景技术
随着人们的生活水平逐渐提高，肥胖成为现代社会中的一个严重问题，尤其腹部肥胖的人，容易血管硬化、周身乏力、腹胀、消化不良、精神不好、睡眠质量差，容易患高血压、高血脂、糖尿病、脂肪肝、冠心病等心脑血管疾病，更甚者发展为心肌梗塞、脑梗塞、中风、偏瘫、肝硬化等许多严重的疾病。为此，需要借助专业的仪器设备来对人体腹部成分进行检测和分析，以供人们了解自身身体素质发展状况。
发明内容
本发明提供一种腹部健康综合检测分析仪及其分析方法，其能够实现对人体腹部成分进行检测和分析。
为解决上述问题，本发明是通过以下技术方案实现的：
一种腹部健康综合检测分析方法，包括步骤如下：
步骤1、构建腹部健康综合检测模型，该腹部健康综合检测模型由两级BP神经网络组成；第一级BP神经网络的输入向量包括身高、体重、年龄、腹部温度以及三个不同频率下的腹部阻抗值，输出向量包括腹部水份含量、腹部脂肪含量和腹部蛋白质含量；第一级BP神经网络的输入向量包括身高、体重、年龄、腹部水份含量、腹部脂肪含量和腹部蛋白质含量，输出向量包括腰围；
步骤2、采集训练样本集，该训练样本集由不同人群的样本数据组成，每个样本数据均包括身高、体重、年龄、腹部温度、三个不同频率下的腹部阻抗值、腹部水份含量、腹部脂肪含量、腹部蛋白质含量和腰围；
步骤3、将步骤2所得到的训练样本集输入到步骤1所构建的腹部健康综合检测模型中，对腹部健康综合检测模型进行训练学习，得到训练好的腹部健康综合检测模型；
步骤4、将步骤3所得到的训练好的腹部健康综合检测模型嵌入到腹部健康综合检测分析仪的微控制器中；
步骤5、在腹部健康综合检测分析仪中输入测试者的身高、体重和年龄信息；
步骤6、将腹部健康综合检测分析仪的激励电极、测量电极和温度传感器贴于测试者的腹部，并保证在测试过程中，测试者正常站立且不触碰外界导电体；
步骤7、腹部健康综合检测分析仪通过激励电极对测试者的腹部施加三个不同频率的激励信号，测量电极采集这三个不同频率下的腹部阻抗值，并送入微控制器中；同时，腹部健康综合检测分析仪的温度传感器采集测试者的腹部体温，并送入微控制器中；
步骤8、腹部健康综合检测分析仪的微控制器将所得到的测试者的身高、体重、年龄、三个不同频率下的腹部阻抗值和腹部体温送入到腹部健康综合检测模型中，腹部健康综合检测模型的第一级BP神经网络预测出测试者的腹部水份含量、腹部脂肪含量和腹部蛋白质含量，腹部健康综合检测模型的第二级BP神经网络预测出测试者的腰围。
上述步骤1、步骤2、步骤7和步骤8的三个不同频率一一对应，且均处于1KHz～1MHz频率范围内。
实现上述方法的一种腹部健康综合检测分析仪，由信号发生器、信号放大及调理电路、幅相检测电路、温度传感器、AD数据采集电路和微处理器组成；微处理器的控制端与信号发生器和温度传感器的控制端连接；信号发生器的输出端即激励电极与人体腹部接触，信号放大及调理电路的输入端即测量电极与人体腹部接触，且信号发生器的输出端与信号放大及调理电路的输入端相隔一定距离；信号采集电路的输出端通过幅相检测电路与AD数据采集电路的一个输入端连接；温度传感器的输入端与人体腹部接触，温度传感器的输出端与AD数据采集电路的另一个输入端连接；AD数据采集电路的输出端与微处理器的输入端连接。
上述方案中，信号发生器由DSS芯片、放大滤波电路和压控恒流源电路组成；其中DSS芯片进一步由相位累加器、波形存储器、数模转换器和低通滤波器组成；微处理器的控制端连接相位累加器的输入端，以及相位累加器和数模转换器的时钟控制端；相位累加器的输出端与波形存储器的输入端连接，波形存储器的输出端与数模转换器的输入端连接，数模转换器的输出端与低通滤波器的输入端连接；低通滤波器的输出端连接放大滤波电路的输入端，放大滤波电路的输出端连接压控恒流源电路的输入端，压控恒流源电路的输出端形成信号发生器的输出端。
上述方案中，信号放大及调理电路由陷波器和带通滤波器组成；陷波器的输入端形成信号调理电路的输入端，陷波器的输出端与带通滤波器的输入端连接，带通滤波器的输出端形成信号调理电路的输出端。
上述方案中，信号发生器的输出端、信号放大及调理电路的输入端和温度传感器的输入端均设置在人体腹部与肚脐水平处。
上述方案中，信号发生器的输出端输出三种1KHz～1MHz频率范围内的正弦激励信号。
与现有技术相比，本发明具有小型便携的特点，与现有传统的人体成分分析仪相比，其体积小很多而且相对价格来说成本也更低。与传统体重秤来对比，体重秤多是基于单频的测量频率，本发明基于多频点，能够更加准确的测量出人体成分。除此之外，此产品针对腹部脂肪，更加具有针对性行的测量。增加腹部温度测量，通过相应算法将温度作为腹部成分测量的一个重要参数，更加进一步提高了测量的准确性。除此之外，本发明为提高测量的准确性，在测量之前增加了测量的自校正过程。
附图说明
图1为单细胞阻抗模型图。
图2为图1的简化模型图。
图3为生物组织频率特性图。
图4为本发明的系统框图。
图5为信号产生流程图。
图6为DDS工作原理图。
图7为压控恒流电路图。
图8为信号调理原理图。
图9为陷波器的幅频曲线图。
图10为带通滤波器的幅频响应图。
图11为幅值相位检测电路原理图，(a)为幅值检测电路，(b)为相位检测电路。
图12为输出对应电压关系，(a)为幅值检测输出对应电压关系，(b)为相位检测输出对应电压关系图。
图13为阻容串联电路的频率响应图。
图14为低通滤波图。
图15为数据队列图。
图16为第一级BP神经网络的原理图。
图17为第二级BP神经网络的原理图。
图18为本发明的流程图。
图19为人体测试示意图。
图20为人体测试简化框图。
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白，以下结合具体实例，对本发明进一步详细说明。
本发明针对腹部局部进行检测，与往常体脂秤测量不同在于：体脂秤不能够针对局部测量，它反应的是阶段成分(整个躯干，或者是双臂双腿)。本发明是通过在局部施加电场更加精准的测量指定部位的成分量。
一、人体模型：
生物组织由细胞组成，而细胞的主要成分为细胞膜与细胞液，而不同的细胞之间又有细胞外液以及细胞间质等，从电化学的角度分析，可将人体等效为阻抗模型。如图1所示。
在频率小于1MHZ时，细胞膜的等效电阻可视为断路，因此可将图1的模型进行简化，如图2所示。
简化后的表达式如下式：
其中w为角频率，Cm为细胞膜电容，Ri为细胞内液电阻，Re为细胞外液电阻。
阻抗模值为：
相角为：
本发明的目的旨在测出以上两个参数。
二、频率散射理论
生物组织电特性随着频率的不同频段呈现出不同规律的特性。图3为生物组织频率特性图。在α频段，生物组织的电特性主要与细胞膜特性有关。β频段，反应的是细胞液的特性(包括细胞内液以及外液)，而大于1MHz的时候进入γ波段，这个波段反应的是水分子情况，而在临床上，大部分的病理情况也只发生在α以及β波段，为了保证激励能够穿透细胞膜，选用的频率须大于1KHz的信号。而目前的据大多数测值脂仪选用的是单一50KHz的频率信号，由于频率单一，输入参数单一，不能够更加准确的反应人体各组织的状况，所以这里选用了1KHz～1MHz的三个频率。
三、测量原理
微处理器(即控制器)通过控制信号发生器产生恒流激励源，恒流激励源将信号施加到测量的腹部，这时人体的测量部位会产生相应的电场，电场测量信号经过信号放大及调理电路的放大调理之后，通过幅相检测电路进行幅相检测并传送给AD数据采集模块。同时，微处理器(即控制器)通过控制控制温度传感器采集人体腹部的体温，并将体温测量信号传送给AD数据采集模块。AD数据采集模块将电场测量信号和体温测量信号进行模数转换后一并送至微处理器，如图4。
本发明中将人体的腹部温度作为一个必要的参数传递给算法模型，并计算出相应的人体成分含量，能够进一步提高计算的准确性。
下面将介绍信号从产生到采集的具体过程。
3.1恒流源信号的产生
恒流源由信号发生器产生示。信号发生器包括DSS芯片、放大滤波电路和压控恒流源电路组成，如图5所示。DSS芯片进一步由相位累加器、波形存储器、数模转换器和低通滤波器组成，如图6所示。微处理器的控制端连接相位累加器的输入端，以及相位累加器和数模转换器的时钟控制端；相位累加器的输出端与波形存储器的输入端连接，波形存储器的输出端与数模转换器的输入端连接，数模转换器的输出端与低通滤波器的输入端连接；低通滤波器的输出端连接放大滤波电路的输入端，放大滤波电路的输出端连接压控恒流源电路的输入端，压控恒流源电路的输出端形成信号发生器的输出端。
在图6中，fclk为DDS的参考时钟，每经过一个时钟周期，输出一个点；频率控制码用来设置跳跃步长，控制信号的频率；相位累加器由N位加法器和N位累加寄存器构成，它会根据频率控制码完成相位值的累加，并将累加值输入到波形存储器中。频率的输出公式为：fout＝fclk*k/2^n，其中k为频率控字。输出频率的分辨率为：fclk/2^n。波形存储器将相位累积器的值作为当地址，查找与相位值对应的信号数据，输出到数模转换器；数模转换器，将波形存储器输出的数字量转换为与之对应的模拟量；由于数模转换器存在量化误差，输出波形中存在混叠，需要在输出端使用低通滤波器进行滤波，提高信号的输出性能。
DDS输出的信号大小并不一定时我们想要的幅值大小，除此之外，也可能存在着偏置电压，所以在DDS后级要在加上一个放大滤波电路，将偏置和噪声率除掉。到这里已经得到了想要的频率和幅值大小的信号，但是如何让将信号保证恒流输出。最后添加一个压控恒流电路，来保证激励信号的带负载能力。如图7所示为压控恒流电路。
根据此电路设计输出的恒流激励电路在不同负载情况下的误差如下表1所示：
表1不同负载下的输出信号的误差
从上表可以看出，经过压控恒流电路输出的信号在不同的负载情况下具有很小的误差。说明压控恒流电路输出的信号能够达到我们的要求。尽管误差已经很小，表中显示不超过2％，但是随着阻抗的增加误差的变化趋势可以发现是呈现相关变化趋势的，这个误差可以在程序上进行再一次的校正。这也能进一步保证测量阻抗的准确性。
3.2信号调理电路设计
信号放大及调理电路由陷波器和带通滤波器组成；陷波器的输入端形成信号调理电路的输入端，陷波器的输出端与带通滤波器的输入端连接，带通滤波器的输出端形成信号调理电路的输出端。
其实在图4中的上半部分中的信号放大，信号调理以及幅相检测都可归为信号调理中。具体采集之后，信号调理流程图如图8所示。差分放大电路将采样过来的差分双端信号转换为单端信号，陷波器的目的时为了避免市电50Hz的影响而设计，主要过滤50Hz这一个频率。其电路的幅频响应曲线如图9所示，从同种可以看到在50Hz频率附近才有明显衰减，这样保证只把工频电滤掉而不影响其他频率的信号。这就是陷波器的主要作用。带通滤波器可滤除高频噪声以及一些直流偏置，其幅频曲线如图10所示。对于低频部分除了需要滤除掉直流分量外，还需要考虑血流的脉动引起的信号的细微波动，这里为了能够获得较为准确平稳的阻抗值需要将这一部分的信号变化给率除掉，对于高频部分主要的还是噪声部分，主要滤除的是外界的干扰噪声。
3.3幅相检测
幅相检测部分主要检测信号的幅值与相位大小，利用对数检波器进行幅相检测，通过输入INPA与INPB输入两个测量信号，通过VMAG与VPHS输出两个信号功率之比的分贝值，以及他们之间的相位。如图11所示。
根据对数检波原理，其幅值与相位计算公式为：
VMAG＝(RFISLP/20)(PINA-PINB)+VCP
VPHS＝-RFIΦ|Φ(VINA)-Φ(VINB)|-90°+VCP
在上式中，PINA和PINB是在指定参考阻抗下，VINA和VINB对数单位下的等效功率。对于增益函数，用RFISLP表示的斜率为600mv/十频程，除以20db/十频程为30mv/dB。以Vcp＝900mV为中点，-30dB到+30dB对应的电压值为0-1.8V。相位函数的斜率代表RFIΦ表示10mV/度，同样以900mV为中点，对应90度。0-180度，对应1.8V-0V，0到-180度对应的电压范围相同，但是斜率相反。其中φ为每个信号对应的相位度数。如图12所示。
四、阻抗的校正过程
对于传统的根据电压电流的大小求阻抗的方法，由于电路系统本身对信号的衰减，可能会导致施加在待测阻抗两端的激励信号大小与计算值不一致；由表1也可以看出，负载不同时输出的电流精度也会有较小的差别。再者，由于ADC采集的电压大小与ADC值并不一定是过零点的对应关系，可能会存在一定的偏移。所以，用传统的根据采集电压与已知电流的方法去求阻抗值可能会存在着较大的误差。
由于阻抗大小与电压大小的关系是线性的，而表1中的误差也是正相关的。本发明中采用根据ADC值直接计算的方法来求电阻抗的大小。其计算公式为：
Z＝K×ADC+ε
式中，K与ε分别为斜率与偏移量。
由于元器件生产工艺原因，即使是同一厂家相同型号的器件，也会存在着或多或少的差异。为了保证阻抗测定的准确性，在正式测量之前需要对系统参数(K、ε)进行校正。其校正方法是：用两个精密电阻作为校正电阻，分别测量其电压大小利用最小二乘法进行校正。具体校正方法如下：
测量两个电阻R1与R2的电压大小经ADC采样得到的值分别为ADC1、ADC2，可以求得电压大小与电阻的斜率关系及其截距大小：
经过校正后的阻值测量结果可以避免因芯片生产工艺的差异问题而导致的阻值差异。
校正后，选用六个标准直插电阻，测得标准电阻的电阻值与数字万用表测得的电阻值经过对比，其误差在特定校正范围内不大于2％。
五、数字信号处理
5.1低通滤波
通过以上步骤即可通过微处理器将测得的阻抗值读出。但是对于人体的复杂性而言，直接读出来的数据还是会有一些问题，将人体阻值看成一个系统，人体也会有其频率响应。所以在激励施加瞬间人体由于自身的频率响应，得到的当时的阻抗值不能够直接反应人体的真实情况。只有当人体的频率响应达到稳态时读出来的阻抗值才有意义。
如图13所示，是上述电路测量阻容串联电路得到的阻抗响应曲线，是通过串口发送到上位机得到的。其中，实线是电路测量达到的ADC值，短虚线是经过数字低通滤波之后的值，长虚线是计算得到的阻抗值。从图中不难看出，只有当系统达到稳定后读出来的值才有意义，否则在动态响应时期读出来的值不具有代表性，也无法满足一致性。
现在看来，如何判断响应曲线是否进入稳态是关键。这里我们通过数字算法来实现低通滤波器的原理。
已知在模拟信号中一阶无源低通滤波器的传递函数为：
这是在S域内的传递函数，必须将其转化到离散信号中财能够应用到计算计中。将连续信号转换为离散信号可通过Z变换实现，经过Z变换后可得：
其中T为采样周期。这样就可以将上式转化为差分方程：
其中，Y(n)为本次滤波器的输出量，X(n)为本次采样值，Y(n-1)是上次滤波器的输出值。从上式中不难看出，T/(T+RC)与RC/(T+RC)是互补的关系，则数字滤波器算法可简化为：
Y(n)＝a*X(n)+(1-a)*Y(n-1)
其中a为滤波系数，将此参数调整到合适的值后可得到如图14的结果。从图中可观察到虚线是经过数字低通滤波之后的结果，这样要比实线没有经过数字低通滤波器时，更加好判断信号何时进入稳态。
5.2稳态判定
当进入稳态时，采样数据基本保持不变。根据这一思想，通过数据结构算法，创建一个线性队列链表。判断当误差逐次逼近为零时，数据处于稳态时期。如图15所示，是数据循环进入队列的过程。判定稳态的公式可由最小均方误差(LMS)来定义，为了便于计算这里利用最小绝对误差(LAD)定义稳态判定函数，判定稳态的条件为：
式中，n为队列中数据个数，ξ为定义的最小稳态误差，个通过改变n与ξ来调整稳态判定的精度。
六、模型训练
6.1基于BP神经网络的人体成分及腰围测量方法
本发明中，测得人体阻抗和腹部温度后，根据体重、身高、年龄等，通过机器学习建立阻抗值与脂肪含量，蛋白质含量，水分含量等人体成分的关系。并根据这些关系，再次结合体重、身高、年龄等进行二次学习求得人体腰围大小。本发明选用BP神经网络作为训练算法。图16所示是基于BP神经网络的第一次学习的训练模型，总共有三部分组成，分别是输入层、隐藏层和输出层。
在图16中，X1、X2、X3……Xm为输入向量，分别代表有身高、体重、年龄、腹部温度以及三个不同频率下的阻抗值等。输出Y1、Y2……Yn为输出向量，代表的元素为蛋白质含量、水份含量、脂肪含量等指数。
对于图16所示的3层神经网络，其输入输出关系为：
式中，l为隐藏层神经元个数，m为隐藏层神经元个数，w为训练的权值，
为激活函数，b为偏置量。
d是经过尺子测量的腰围学习样本，即输出期望值。本发明根据最小均方算法(LMS)定义输出层的代价函数为J：
式中，w向量就是要训练的输出层的权值，训练的目的就是为了使J值最小，根据最速下降法，则输出层的权值的训练算法描述为：
其中η为学习率。
对于隐藏层来说，没有对应的神经元的期望值。所以说，隐藏层的误差并不能够直接算出，而是要通过与隐藏神经元直接相连的神经元的误差信号反向递归得出，这里不做具体阐述。
进行完第一次学习后，可以根据第一次学习的结果进行第二次学习求得其腰围大小，学习模型如图17所示。由于两次的学习模型都是采用的BP神经网络，第二次的学习过程与第一次类似，这里不做赘述。
七、实现流程
求出具体模型权值后，即可代入训练好的模型，建立阻抗与人体成分关系模型。依据检测获得的腹部阻抗和温度，根据上述模型及算法，即可获得腹部阻抗及人体成分。由于元器件生产工艺原因，即使是同一厂家相同型号的器件，也会存在着或多或少的差异。为了保证阻抗测定的准确性，在正式测量之前需要对系统进行校正。再者，随着使用时间的增加，系统的误差也会逐渐积累，在设计中也添加了校正选项，以便于用户发现数据异常时可以进行修正。整体设计流程图如图18所示。
下面结合附图，对本发明作进一步的描述。
本文中的具体测量流程在上文中图2和图5已经进行说明，其简化测试结构框图如图7所示，使用本发明对人体腹部进行阻抗测量具体的实施过程如下：
步骤一：初始化系统，系统自检。
步骤二：根据设备提示输入性别，年龄，身高，体重等信息。
步骤三：将激励电极置于肚脐水平线的适当位置，测量电极置于肚脐水平激励电极内测位置如图19所示。
步骤四：测试者正常站立不触碰外界导电体进行测试，直至设备依据人体成分计算模型计算出腹部水份含量、腹部脂肪含量、腹部蛋白质含量等信息。如图20所示是人体测量的简化框图。
对人体腹部的阻抗测试结果及计算的腹部水份含量、腹部脂肪含量、腹部蛋白质含量与标准医用仪器相比，对人体腹部脂肪及人体成分的测量值误差可以控制在10％以内。
基于以上分析，本发明所设计的一种腹部健康综合检测分析方法，包括步骤如下：
步骤1、构建腹部健康综合检测模型，该腹部健康综合检测模型由两级BP神经网络组成；第一级BP神经网络的输入向量包括身高、体重、年龄、腹部温度以及三个不同频率下的腹部阻抗值，输出向量包括腹部水份含量、腹部脂肪含量和腹部蛋白质含量；第一级BP神经网络的输入向量包括身高、体重、年龄、腹部水份含量、腹部脂肪含量和腹部蛋白质含量，输出向量包括腰围；
步骤2、采集训练样本集，该训练样本集由不同人群的样本数据组成，每个样本数据均包括身高、体重、年龄、腹部温度、三个不同频率下的腹部阻抗值、腹部水份含量、腹部脂肪含量、腹部蛋白质含量和腰围；
步骤3、将步骤2所得到的训练样本集输入到步骤1所构建的腹部健康综合检测模型中，对腹部健康综合检测模型进行训练学习，得到训练好的腹部健康综合检测模型；
步骤4、将步骤3所得到的训练好的腹部健康综合检测模型嵌入到腹部健康综合检测分析仪的微控制器中；
步骤5、在腹部健康综合检测分析仪中输入测试者的身高、体重和年龄信息；
步骤6、将腹部健康综合检测分析仪的激励电极、测量电极和温度传感器贴于测试者的腹部，并保证在测试过程中，测试者正常站立且不触碰外界导电体；
步骤7、腹部健康综合检测分析仪通过激励电极对测试者的腹部施加三个不同频率的激励信号，测量电极采集这三个不同频率下的腹部阻抗值，并送入微控制器中；同时，腹部健康综合检测分析仪的温度传感器采集测试者的腹部体温，并送入微控制器中；
步骤8、腹部健康综合检测分析仪的微控制器将所得到的测试者的身高、体重、年龄、三个不同频率下的腹部阻抗值和腹部体温送入到腹部健康综合检测模型中，腹部健康综合检测模型的第一级BP神经网络预测出测试者的腹部水份含量、腹部脂肪含量和腹部蛋白质含量，腹部健康综合检测模型的第二级BP神经网络预测出测试者的腰围。
上述步骤1、步骤2、步骤7和步骤8的三个不同频率一一对应，且均处于1KHz～1MHz频率范围内
实现上述方法的一种腹部健康综合检测分析仪，由信号发生器、信号放大及调理电路、幅相检测电路、温度传感器、AD数据采集电路和微处理器组成。微处理器的控制端与信号发生器和温度传感器的控制端连接；信号发生器的输出端即激励电极与人体腹部接触，信号放大及调理电路的输入端即测量电极与人体腹部接触，且信号发生器的输出端与信号放大及调理电路的输入端相隔一定距离；信号采集电路的输出端通过幅相检测电路与AD数据采集电路的一个输入端连接；温度传感器的输入端与人体腹部接触，温度传感器的输出端与AD数据采集电路的另一个输入端连接；AD数据采集电路的输出端与微处理器的输入端连接。在本实施例中，信号发生器的输出端、信号放大及调理电路的输入端和温度传感器的输入端均设置在人体腹部与肚脐水平处。
需要说明的是，尽管以上本发明所述的实施例是说明性的，但这并非是对本发明的限制，因此本发明并不局限于上述具体实施方式中。在不脱离本发明原理的情况下，凡是本领域技术人员在本发明的启示下获得的其它实施方式，均视为在本发明的保护之内。
Claims (7)
1.一种腹部健康综合检测分析方法，其特征是，包括步骤如下：
步骤1、构建腹部健康综合检测模型，该腹部健康综合检测模型由两级BP神经网络组成；第一级BP神经网络的输入向量包括身高、体重、年龄、腹部温度以及三个不同频率下的腹部阻抗值，输出向量包括腹部水份含量、腹部脂肪含量和腹部蛋白质含量；第一级BP神经网络的输入向量包括身高、体重、年龄、腹部水份含量、腹部脂肪含量和腹部蛋白质含量，输出向量包括腰围；
步骤2、采集训练样本集，该训练样本集由不同人群的样本数据组成，每个样本数据均包括身高、体重、年龄、腹部温度、三个不同频率下的腹部阻抗值、腹部水份含量、腹部脂肪含量、腹部蛋白质含量和腰围；
步骤3、将步骤2所得到的训练样本集输入到步骤1所构建的腹部健康综合检测模型中，对腹部健康综合检测模型进行训练学习，得到训练好的腹部健康综合检测模型；
步骤4、将步骤3所得到的训练好的腹部健康综合检测模型嵌入到腹部健康综合检测分析仪的微控制器中；
步骤5、在腹部健康综合检测分析仪中输入测试者的身高、体重和年龄信息；
步骤6、将腹部健康综合检测分析仪的激励电极、测量电极和温度传感器贴于测试者的腹部，并保证在测试过程中，测试者正常站立且不触碰外界导电体；
步骤7、腹部健康综合检测分析仪通过激励电极对测试者的腹部施加三个不同频率的激励信号，测量电极采集这三个不同频率下的腹部阻抗值，并送入微控制器中；同时，腹部健康综合检测分析仪的温度传感器采集测试者的腹部体温，并送入微控制器中；
步骤8、腹部健康综合检测分析仪的微控制器将所得到的测试者的身高、体重、年龄、三个不同频率下的腹部阻抗值和腹部体温送入到腹部健康综合检测模型中，腹部健康综合检测模型的第一级BP神经网络预测出测试者的腹部水份含量、腹部脂肪含量和腹部蛋白质含量，腹部健康综合检测模型的第二级BP神经网络预测出测试者的腰围。
2.根据权利要求1所述的一种腹部健康综合检测分析方法，其特征是，步骤1、步骤2、步骤7和步骤8的三个不同频率一一对应，且均处于1KHz～1MHz频率范围内。
3.实现权利要求1所述方法的一种腹部健康综合检测分析仪，其特征是，由信号发生器、信号放大及调理电路、幅相检测电路、温度传感器、AD数据采集电路和微处理器组成；
微处理器的控制端与信号发生器和温度传感器的控制端连接；信号发生器的输出端即激励电极与人体腹部接触，信号放大及调理电路的输入端即测量电极与人体腹部接触，且信号发生器的输出端与信号放大及调理电路的输入端相隔一定距离；信号采集电路的输出端通过幅相检测电路与AD数据采集电路的一个输入端连接；温度传感器的输入端与人体腹部接触，温度传感器的输出端与AD数据采集电路的另一个输入端连接；AD数据采集电路的输出端与微处理器的输入端连接。
4.根据权利要求3所述的一种腹部健康综合检测分析仪，其特征是，信号发生器由DSS芯片、放大滤波电路和压控恒流源电路组成；其中DSS芯片进一步由相位累加器、波形存储器、数模转换器和低通滤波器组成；
微处理器的控制端连接相位累加器的输入端，以及相位累加器和数模转换器的时钟控制端；相位累加器的输出端与波形存储器的输入端连接，波形存储器的输出端与数模转换器的输入端连接，数模转换器的输出端与低通滤波器的输入端连接；低通滤波器的输出端连接放大滤波电路的输入端，放大滤波电路的输出端连接压控恒流源电路的输入端，压控恒流源电路的输出端形成信号发生器的输出端。
5.根据权利要求3所述的一种腹部健康综合检测分析仪，其特征是，信号放大及调理电路由陷波器和带通滤波器组成；
陷波器的输入端形成信号调理电路的输入端，陷波器的输出端与带通滤波器的输入端连接，带通滤波器的输出端形成信号调理电路的输出端。
6.根据权利要求3所述的一种腹部健康综合检测分析仪，其特征是，信号发生器的输出端、信号放大及调理电路的输入端和温度传感器的输入端均设置在人体腹部与肚脐水平处。
7.根据权利要求3所述的一种腹部健康综合检测分析，其特征是，信号发生器的输出端输出三种1KHz～1MHz频率范围内的正弦激励信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110380668.3A CN112957028B (zh) | 2021-04-09 | 2021-04-09 | 一种腹部健康综合检测分析仪及其分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110380668.3A CN112957028B (zh) | 2021-04-09 | 2021-04-09 | 一种腹部健康综合检测分析仪及其分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112957028A true CN112957028A (zh) | 2021-06-15 |
| CN112957028B CN112957028B (zh) | 2023-04-07 |
Family
ID=76280143
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110380668.3A Active CN112957028B (zh) | 2021-04-09 | 2021-04-09 | 一种腹部健康综合检测分析仪及其分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112957028B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN205795695U (zh) * | 2016-06-17 | 2016-12-14 | 大连大学 | 基于八段阻抗模型的人体电阻抗测试仪 |
| CN206120970U (zh) * | 2016-06-22 | 2017-04-26 | 深圳恩鹏健康产业股份有限公司 | 一种红外理疗腰带 |
| US20170340239A1 (en) * | 2014-11-13 | 2017-11-30 | Ori Diagnostic Instruments, LLC | Systems and methods for high frequency impedance spectroscopy detection of daily changes of dielectric properties of the human body to measure body composition and hydration status |
| CN107822633A (zh) * | 2017-09-26 | 2018-03-23 | 北京康萍科技有限公司 | 一种孕妇腹部分段阻抗测量方法以及胎儿体重估算方法 |
| CN107928633A (zh) * | 2017-12-22 | 2018-04-20 | 西安蒜泥电子科技有限责任公司 | 一种轻量型三维及体成分追踪仪及体成分测试方法 |
| CN109480839A (zh) * | 2018-11-28 | 2019-03-19 | 桂林电子科技大学 | 一种基于生物电阻抗的孕妇人体成分分析方法及分析仪 |
| CN209770372U (zh) * | 2019-01-31 | 2019-12-13 | 苏州长脉科技有限责任公司 | 一种细胞外液电阻抗和总体水分电阻抗的测量装置 |
| WO2020166554A1 (ja) * | 2019-02-12 | 2020-08-20 | 株式会社タニタ | 体形データ取得システム、体形データ取得プログラム、及びコンピュータ読み取り可能な非一時的記憶媒体 |
| CN112336331A (zh) * | 2020-10-19 | 2021-02-09 | 桂林市晶瑞传感技术有限公司 | 一种局部人体成分数据处理方法及分析仪 |
-
2021
- 2021-04-09 CN CN202110380668.3A patent/CN112957028B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170340239A1 (en) * | 2014-11-13 | 2017-11-30 | Ori Diagnostic Instruments, LLC | Systems and methods for high frequency impedance spectroscopy detection of daily changes of dielectric properties of the human body to measure body composition and hydration status |
| CN205795695U (zh) * | 2016-06-17 | 2016-12-14 | 大连大学 | 基于八段阻抗模型的人体电阻抗测试仪 |
| CN206120970U (zh) * | 2016-06-22 | 2017-04-26 | 深圳恩鹏健康产业股份有限公司 | 一种红外理疗腰带 |
| CN107822633A (zh) * | 2017-09-26 | 2018-03-23 | 北京康萍科技有限公司 | 一种孕妇腹部分段阻抗测量方法以及胎儿体重估算方法 |
| CN107928633A (zh) * | 2017-12-22 | 2018-04-20 | 西安蒜泥电子科技有限责任公司 | 一种轻量型三维及体成分追踪仪及体成分测试方法 |
| CN109480839A (zh) * | 2018-11-28 | 2019-03-19 | 桂林电子科技大学 | 一种基于生物电阻抗的孕妇人体成分分析方法及分析仪 |
| CN209770372U (zh) * | 2019-01-31 | 2019-12-13 | 苏州长脉科技有限责任公司 | 一种细胞外液电阻抗和总体水分电阻抗的测量装置 |
| WO2020166554A1 (ja) * | 2019-02-12 | 2020-08-20 | 株式会社タニタ | 体形データ取得システム、体形データ取得プログラム、及びコンピュータ読み取り可能な非一時的記憶媒体 |
| CN112336331A (zh) * | 2020-10-19 | 2021-02-09 | 桂林市晶瑞传感技术有限公司 | 一种局部人体成分数据处理方法及分析仪 |
Non-Patent Citations (4)
| Title |
|---|
| H.ALEMAN-MATEO 等: "Prediction of fat-free mass by bioelectrical impedance analysis in older adults from developing countries:Across-validation study using the deuterium dilution method" * |
| 夏阳: "基于半监督学习的人体腹内脂肪面积预测模型研究" * |
| 季开宸 等: "基于青年男体二维非接触测量系统围度拟合的完善" * |
| 许川佩 等: "基于蚁群算法的数学微流控生物芯片在线测试路径优化" * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112957028B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113100740A (zh) | 一种腹部成分分析仪及其分析方法 | |
| Yang et al. | Design and preliminary evaluation of a portable device for the measurement of bioimpedance spectroscopy | |
| Al-Ali et al. | Design of a portable low-cost impedance analyzer | |
| Piasecki et al. | Design, calibration and tests of versatile low frequency impedance analyser based on ARM microcontroller | |
| Noveletto et al. | Analog front-end for the integrated circuit AD5933 used in electrical bioimpedance measurements | |
| Hoja et al. | Portable analyzer for impedance spectroscopy | |
| CN106802436B (zh) | 一种基于Goertzel变换算法的检波器测试仪及测试方法 | |
| CN112957028B (zh) | 一种腹部健康综合检测分析仪及其分析方法 | |
| CN102340311B (zh) | 模数转换设备、模数转换方法和电子装置 | |
| RU2366360C1 (ru) | Устройство для измерения импеданса биологических тканей | |
| CN215128633U (zh) | 一种基于生物电阻抗的腰围测量仪 | |
| CN113080938A (zh) | 一种基于生物电阻抗的腰围测量仪及其方法 | |
| Thulasi et al. | Portable impedance measurement device for sweat based glucose detection | |
| CN215128570U (zh) | 一种腹部成分分析仪 | |
| JP2003116803A (ja) | 電気特性測定装置 | |
| Yusuf et al. | Single signal conditioning multi electrode for ECVT data acquisition system | |
| CN112336331B (zh) | 一种局部人体成分数据处理方法及分析仪 | |
| Torrents et al. | Compensation of impedance meters, when using an external front-end amplifier | |
| CN114441859A (zh) | 一种基于bp神经网络的高精度电容测量法 | |
| Solmaz et al. | Design of a microcontroller based Cole-Cole impedance meter for testing biological tissues | |
| Lin et al. | Admittance-to-Digital-Impedance Converter for Wide-Frequency-Range Impedance Measurement System | |
| Cheng et al. | A multi-frequency current source for bioimpedance application | |
| Juang et al. | Portable RDFT-based EIS system design with a low-complexity impedance calculation | |
| Sophocleous et al. | Instrumentation challenges for impedance spectroscopy for precision agriculture applications | |
| JP2001276008A (ja) | 脂肪細胞測定装置及び脂肪細胞測定方法 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210615 Assignee: Guangxi Jingteng Medical Technology Co.,Ltd. Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY Contract record no.: X2023980044846 Denomination of invention: A Comprehensive Abdominal Health Detection Analyzer and Its Analysis Method Granted publication date: 20230407 License type: Common License Record date: 20231031 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210615 Assignee: Guilin Zhanzhi Measurement and Control Technology Co.,Ltd. Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY Contract record no.: X2023980045853 Denomination of invention: A Comprehensive Abdominal Health Detection Analyzer and Its Analysis Method Granted publication date: 20230407 License type: Common License Record date: 20231106 |
|
| EE01 | Entry into force of recordation of patent licensing contract |