CN113257418A - 一种用于腰背痛的风险检测系统与方法 - Google Patents

一种用于腰背痛的风险检测系统与方法 Download PDF

Info

Publication number
CN113257418A
CN113257418A CN202110333780.1A CN202110333780A CN113257418A CN 113257418 A CN113257418 A CN 113257418A CN 202110333780 A CN202110333780 A CN 202110333780A CN 113257418 A CN113257418 A CN 113257418A
Authority
CN
China
Prior art keywords
back pain
low back
dispersion
risk
module
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.)
Pending
Application number
CN202110333780.1A
Other languages
English (en)
Inventor
陈曦
林科宇
李昊庭
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 Kercrete Life Technology Co ltd
Original Assignee
Guangzhou Kercrete Life Technology Co 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 Kercrete Life Technology Co ltd filed Critical Guangzhou Kercrete Life Technology Co ltd
Priority to CN202110333780.1A priority Critical patent/CN113257418A/zh
Publication of CN113257418A publication Critical patent/CN113257418A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7455—Details of notification to user or communication with user or patient ; user input means characterised by tactile indication, e.g. vibration or electrical stimulation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及一种用于腰背痛的风险检测系统，数据采集模块采集胸口倾斜角度、SDNN值和环境舒适度指数；离散度模块根据胸口倾斜角度得到第一离散度，根据SDNN值得到第二离散度，根据环境舒适度指数得到第三离散度；数据处理模块根据第一离散度确定不良坐姿腰背痛风险系数、根据第二离散度确定心理压力腰背痛风险系数，根据第三离散度确定不良环境腰背痛风险系数，并把三种系数加权得到腰背痛综合风险系数；客户端接收腰背痛综合风险系数并判断是否超过阈值；可长时间监测腰背痛风险因素，从生理‑心理‑环境三个方面全方位地对腰背痛风险进行评估，计算得到的三个风险系数指标为使用者提供腰背痛风险细节信息，提示进行有偏重的恢复。

Description

一种用于腰背痛的风险检测系统与方法
技术领域
本发明涉及可穿戴设备领域，更具体地，涉及一种用于腰背痛的风险检测系统与方法。
背景技术
腰背痛是影响国民健康的常见病之一，严重时会导致运动功能障碍，甚至丧失生活自理能力。流行病学调查显示，我国腰背痛的发病率居高不下，且近年来青少年腰背痛的患病率明显增加。评估腰背痛发生的风险，提高患者对腰背痛的认识，提醒患者进行预防性运动或治疗，有助于减少腰背痛的发生，减轻腰背痛的严重程度。
目前，临床上常通过体格检查、影像学、心理测评等手段来评估腰背痛的风险。但是上述方法需要较高的经济和时间成本，且难以动态追踪病情发生、发展风险，不利于腰背痛这种慢性病的日常筛查和管理。现有一些监测不良坐姿的设备，可为腰背痛发生提供一些参考，但是腰背疼痛风险因素涉及生理、心理、环境等多方面，故此类设备不能为腰背痛预警提供综合性的指标。
现有的技术中，中国发明专利CN106778030A公开了“一种强直性脊柱炎病情监测管理系统及其监测管理方法”，授权公告日为2017年05月13日，公开了一种管理系统，所述的监测管理系统包括有强直性脊柱炎患者客户端、检测仪器、数据库、处理器和医生客户端。该发明中，患者通过患者客户端获取患者的身体状况信息：腰背痛等级、外周疼痛或/和肿胀等级、晨僵持续时间、患者总体评价和CRP，但是并没有写出如何判定腰背痛的等级以及腰背痛的预警方式。
发明内容
本发明为解决现有的可穿戴设备不能为腰背痛预警提供综合性的指标的技术缺陷，提供了一种用于腰背痛的风险检测系统与方法。
为实现以上发明目的，采用的技术方案是：
一种用于腰背痛的风险检测系统，包括数据采集模块、离散度模块、数据处理模块和客户端；
所述数据采集模块的输出端与所述离散度模块的输入端电性连接，所述离散度模块的输出端与所述数据处理模块的输入端电性连接，所述数据处理模块的输出端与所述客户端的输入端电性连接；
所述数据采集模块用于采集胸口倾斜角度、SDNN值和环境舒适度指数；所述离散度模块用于根据胸口倾斜角度得到第一离散度，根据SDNN值得到第二离散度，根据环境舒适度指数得到第三离散度；所述数据处理模块用于根据第一离散度确定不良坐姿腰背痛风险系数、根据第二离散度确定心理压力腰背痛风险系数，根据第三离散度确定不良环境腰背痛风险系数，并把三种系数加权得到腰背痛综合风险系数；所述客户端接收腰背痛综合风险系数并判断是否超过阈值。
上述方案中，数据采集模块采集胸口倾斜角度、SDNN值和环境舒适度指数；离散度模块根据胸口倾斜角度得到第一离散度，根据SDNN值得到第二离散度，根据环境舒适度指数得到第三离散度；数据处理模块根据第一离散度确定不良坐姿腰背痛风险系数、根据第二离散度确定心理压力腰背痛风险系数，根据第三离散度确定不良环境腰背痛风险系数，并把三种系数加权得到腰背痛综合风险系数；客户端接收腰背痛综合风险系数并判断是否超过阈值；可长时间监测腰背痛风险因素，从生理-心理-环境三个方面全方位地对腰背痛风险进行评估，计算得到的三个风险系数指标为使用者提供腰背痛风险细节信息，提示进行有偏重的恢复。
所述数据采集模块包括姿态测量电路子模块、心电信号测量电路子模块和环境温湿度测量电路子模块；
所述姿态测量电路子模块的输出端、心电信号测量电路子模块的输出端和环境温湿度测量电路子模块的输出端均与所述离散度模块的输入端电性连接；
所述姿态测量电路子模块用于采集胸口倾斜角度，所述心电信号测量电路子模块用于采集SDNN值，所述环境温湿度测量电路子模块用于采集环境舒适度指数。
还包括震动模块，所述震动模块的输入端与所述客户端的输出端电性连接，用于对预警信息进行震动提示。
还包括蓝牙模块，所述据处理模块的输出端和客户端的输入端通过蓝牙模块无线连接。
一种用于腰背痛的风险检测方法，用于一种用于腰背痛的风险检测系统，包括以下步骤：
S1：数据采集模块的姿态测量电路子模块、心电信号测量电路子模块和环境温湿度测量电路子模块分别采集胸口倾斜角度、SDNN值和环境舒适度指数；
S2：离散度模块根据胸口倾斜角度得到第一离散度，根据SDNN值得到第二离散度，根据环境舒适度指数得到第三离散度；
S3：数据处理模块根据第一离散度确定不良坐姿腰背痛风险系数、根据第二离散度确定心理压力腰背痛风险系数，根据第三离散度确定不良环境腰背痛风险系数，并加权得到腰背痛综合风险系数；
S4：客户端通过蓝牙模块接收腰背痛综合风险系数并判断是否超过阈值；
S5：震动模块超过阈值的预警信息进行震动提示。
在步骤S2中，根据胸口倾斜角度对第一标准值的离散程度确定第一离散度，根据SDNN值对第二标准值的离散程度确定第二离散度，根据环境舒适度指数对第三标准值的离散程度确定第三离散度。
确定第一离散度运用以下算法：
Figure BDA0002997365170000031
其中，
Figure BDA0002997365170000032
为第一离散度，α0为第一标准值，αi为在采集时间段内的第i秒采集到的胸口倾斜角度，T为采集时间段的时长；
确定第二离散度运用以下算法：
Figure BDA0002997365170000033
其中，
Figure BDA0002997365170000034
为第二离散度，β0为第二标准值，βi为在采集时间段内的第i秒采集到的SDNN值，T为采集时间段的时长；
确定第三离散度运用以下算法：
Figure BDA0002997365170000035
其中，
Figure BDA0002997365170000036
为第三离散度，λ0为第三标准值，λi为在采集时间段内的第i秒采集到的温湿指数，T为采集时间段的时长。
在采集时间段前的第一时刻，对温和环境以及处于标准坐姿和安静状态下的人员进行数据采集，以在第一时刻采集到的胸口倾斜角度作为第一标准值，以在第一时刻采集到的SDNN值作为第二标准值，以在第一时刻采集到的环境舒适度指数作为所述第三标准值。
在步骤S3中，根据第一离散度确定不良坐姿腰背痛风险系数包括以下算法：
Figure BDA0002997365170000041
其中，H1为不良坐姿腰背痛风险系数，τ1为不良坐姿阈值；
根据第二离散度确定心理压力腰背痛风险系数包括以下算法：
Figure BDA0002997365170000042
其中，H2为心理压力腰背痛风险系数，τ2为心理压力阈值，取值为β0；
根据第三离散度确定不良环境腰背痛风险系数包括以下算法：
Figure BDA0002997365170000043
其中，H3为不良环境腰背痛风险系数，τ3为不良环境阈值。
在步骤S3中，根据不良坐姿腰背痛风险系数、心理压力腰背痛风险系数和不良环境腰背痛风险系数通过以下算法加权：
Htotal＝a1·H1+a2·H2+a3·H3
其中，Htotal为腰背痛综合风险系数，不良坐姿腰背痛风险系数对应的权重为a1，心理压力腰背痛风险系数对应的权重为a2，不良环境腰背痛风险系数对应的权重为a3。
与现有技术相比，本发明的有益效果是：
本发明提供的一种用于腰背痛的风险检测系统与方法，数据采集模块采集胸口倾斜角度、SDNN值和环境舒适度指数；离散度模块根据胸口倾斜角度得到第一离散度，根据SDNN值得到第二离散度，根据环境舒适度指数得到第三离散度；数据处理模块根据第一离散度确定不良坐姿腰背痛风险系数、根据第二离散度确定心理压力腰背痛风险系数，根据第三离散度确定不良环境腰背痛风险系数，并把三种系数加权得到腰背痛综合风险系数；客户端接收腰背痛综合风险系数并判断是否超过阈值；可长时间监测腰背痛风险因素，从生理-心理-环境三个方面全方位地对腰背痛风险进行评估，计算得到的三个风险系数指标为使用者提供腰背痛风险细节信息，提示进行有偏重的恢复。
附图说明
图1为本发明的系统模块图；
图2为本发明的方法流程图；
图3为本发明的用于腰背痛预警的可穿戴装置的电路结构图；
图4为本发明的可穿戴设备的正视图；
图5为本发明的可穿戴设备的反视图；
图6为本发明的可穿戴设备的侧视图；
图7为本发明的穿戴设备的使用方法流程图；
图8为本发明的可穿戴设备的穿戴位置示意图；
图9为本发明的数据处理模块运行的配套软件的界面示意图；
附图标记说明：1、柔性外套，2、心电信号测量电路、电源模块和数据处理模块，3、姿态测量电路，4、环境温湿度测量电路，5、蓝牙模块，6、心电信号测量电路的电极，7、电源开关。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
如图1所示，一种用于腰背痛的风险检测系统，包括数据采集模块、离散度模块、数据处理模块和客户端；
所述数据采集模块的输出端与所述离散度模块的输入端电性连接，所述离散度模块的输出端与所述数据处理模块的输入端电性连接，所述数据处理模块的输出端与所述客户端的输入端电性连接；
所述数据采集模块用于采集胸口倾斜角度、SDNN值和环境舒适度指数；所述离散度模块用于根据胸口倾斜角度得到第一离散度，根据SDNN值得到第二离散度，根据环境舒适度指数得到第三离散度；所述数据处理模块用于根据第一离散度确定不良坐姿腰背痛风险系数、根据第二离散度确定心理压力腰背痛风险系数，根据第三离散度确定不良环境腰背痛风险系数，并把三种系数加权得到腰背痛综合风险系数；所述客户端接收腰背痛综合风险系数并判断是否超过阈值。
上述方案中，数据采集模块采集胸口倾斜角度、SDNN值和环境舒适度指数；离散度模块根据胸口倾斜角度得到第一离散度，根据SDNN值得到第二离散度，根据环境舒适度指数得到第三离散度；数据处理模块根据第一离散度确定不良坐姿腰背痛风险系数、根据第二离散度确定心理压力腰背痛风险系数，根据第三离散度确定不良环境腰背痛风险系数，并把三种系数加权得到腰背痛综合风险系数；客户端接收腰背痛综合风险系数并判断是否超过阈值；可长时间监测腰背痛风险因素，从生理-心理-环境三个方面全方位地对腰背痛风险进行评估，计算得到的三个风险系数指标为使用者提供腰背痛风险细节信息，提示进行有偏重的恢复。
所述数据采集模块包括姿态测量电路子模块、心电信号测量电路子模块和环境温湿度测量电路子模块；
所述姿态测量电路子模块的输出端、心电信号测量电路子模块的输出端和环境温湿度测量电路子模块的输出端均与所述离散度模块的输入端电性连接；
所述姿态测量电路子模块用于采集胸口倾斜角度，所述心电信号测量电路子模块用于采集SDNN值，所述环境温湿度测量电路子模块用于采集环境舒适度指数。
还包括震动模块，所述震动模块的输入端与所述客户端的输出端电性连接，用于对预警信息进行震动提示。
还包括蓝牙模块，所述据处理模块的输出端和客户端的输入端通过蓝牙模块无线连接。
实施例2
如图2所示，一种用于腰背痛的风险检测方法，用于一种用于腰背痛的风险检测系统，包括以下步骤：
S1：数据采集模块的姿态测量电路子模块、心电信号测量电路子模块和环境温湿度测量电路子模块分别采集胸口倾斜角度、SDNN值和环境舒适度指数；
S2：离散度模块根据胸口倾斜角度得到第一离散度，根据SDNN值得到第二离散度，根据环境舒适度指数得到第三离散度；
S3：数据处理模块根据第一离散度确定不良坐姿腰背痛风险系数、根据第二离散度确定心理压力腰背痛风险系数，根据第三离散度确定不良环境腰背痛风险系数，并加权得到腰背痛综合风险系数；
S4：客户端通过蓝牙模块接收腰背痛综合风险系数并判断是否超过阈值；
S5：震动模块超过阈值的预警信息进行震动提示。
在步骤S2中，根据胸口倾斜角度对第一标准值的离散程度确定第一离散度，根据SDNN值对第二标准值的离散程度确定第二离散度，根据环境舒适度指数对第三标准值的离散程度确定第三离散度。
确定第一离散度运用以下算法：
Figure BDA0002997365170000071
其中，
Figure BDA0002997365170000072
为第一离散度，α0为第一标准值，αi为在采集时间段内的第i秒采集到的胸口倾斜角度，T为采集时间段的时长；
确定第二离散度运用以下算法：
Figure BDA0002997365170000073
其中，
Figure BDA0002997365170000074
为第二离散度，β0为第二标准值，βi为在采集时间段内的第i秒采集到的SDNN值，T为采集时间段的时长；
确定第三离散度运用以下算法：
Figure BDA0002997365170000075
其中，
Figure BDA0002997365170000076
为第三离散度，λ0为第三标准值，λi为在采集时间段内的第i秒采集到的温湿指数，T为采集时间段的时长。
在采集时间段前的第一时刻，对温和环境以及处于标准坐姿和安静状态下的人员进行数据采集，以在第一时刻采集到的胸口倾斜角度作为第一标准值，以在第一时刻采集到的SDNN值作为第二标准值，以在第一时刻采集到的环境舒适度指数作为所述第三标准值。
在步骤S3中，根据第一离散度确定不良坐姿腰背痛风险系数包括以下算法：
Figure BDA0002997365170000077
其中，H1为不良坐姿腰背痛风险系数，τ1为不良坐姿阈值；
根据第二离散度确定心理压力腰背痛风险系数包括以下算法：
Figure BDA0002997365170000081
其中，H2为心理压力腰背痛风险系数，τ2为心理压力阈值，取值为β0；
根据第三离散度确定不良环境腰背痛风险系数包括以下算法：
Figure BDA0002997365170000082
其中，H3为不良环境腰背痛风险系数，τ3为不良环境阈值。
在步骤S3中，根据不良坐姿腰背痛风险系数、心理压力腰背痛风险系数和不良环境腰背痛风险系数通过以下算法加权：
Htotal＝a1·H1+a2·H2+a3·H3
其中，Htotal为腰背痛综合风险系数，不良坐姿腰背痛风险系数对应的权重为a1，心理压力腰背痛风险系数对应的权重为a2，不良环境腰背痛风险系数对应的权重为a3。
实施例3
如图3、图4、图5、图6、图7、图8所示，本实施例中，一种用于腰背痛的风险检测系统，其包括心电信号测量电路、姿态测量电路、温湿度测量电路和数据处理模块。数据处理模块控制三种测量电路进行信号采集。采集后的信号通过光电耦合输入数据处理模块，进行滤波和模数转换，计算风险系数。最后通过蓝牙传输模块，将信息到计算机或手机端。姿态测量电路使用的是三轴重力加速度传感器，可实时测量人体胸部前倾的角度；心电信号测量电路使用两电极测量法，可连续监测心电信息；温湿度测量模块使用温湿度一体化传感器，可以记录环境的温湿度变化，获取环境舒适度指数；为实现装置的可穿戴化，使用小型、低功耗的处理器MSP430作为数据处理模块，使用能输出±5V和3.3V等不同电压的纽扣式电源模块为所有电路供电，以及设置震动模块，若风险系数大于预设阈值，控制震动模块震动预警。
本实施例中，将心电信号测量电路、姿态测量电路、环境温湿度测量电路和数据处理模块等封装或安装在壳体上或壳体内，在壳体外套上半包裹的卡片式的柔性外套。柔性外套由橡胶材料制作而成，底层有两圆形开口裸露心电电极，上端有较大开口，可通过胶带将其黏贴于人体胸口。
封装好的可穿戴设备的外观如图4～图6所示。图4为可穿戴设备的正面视图，图5为可穿戴设备的反面视图，图6为可穿戴设备的一个侧面视图。柔性外套有两个大小相同的圆形孔洞，其间为两个心电电极。1是柔性外套，2是心电信号测量电路、电源模块和数据处理模块，3是姿态测量电路，4是环境温湿度测量电路，5是蓝牙模块，6是心电信号测量电路的电极，7是电源开关。
可以按照图7所示的以下步骤使用本实施例中的可穿戴装置：
P1：在可穿戴装置上的心电电极6上涂抹导电膏；
P2：将柔性外套通过胶带粘贴于胸前，并使心电电极6的位置与标准导联位置一致，粘贴后的效果如图8所示；
P3：打开电源开关7，并通过蓝牙将设备与电脑或者手机进行连接；
P4：打开配套软件，保持标准坐姿、心理放松和环境温和条件下，进行基准设置，等待一分钟后开始监测。
实施例4
如图9所示，本实施例中，由数据处理模块运行配套软件，配套软件的显示界面左侧为设置基准、开始监测、关闭/开启震动和停止监测四个功能按钮，右侧为不良姿态腰背痛风险系数、心理压力腰背痛风险系数、不良环境腰背痛风险系数以及腰背痛综合风险系数变化曲线，右下方为基于腰背痛风险系数给出的个性化恢复意见。
当完成步骤P1-P4，数据处理模块执行以下步骤：
A1.获取第一标准值、第二标准值、第三标准值；
A2.在监测时间段内，获取姿态测量电路采集到的多个胸口倾斜角度，获取心电信号测量电路采集到的多个SDNN值，获取温湿度测量电路采集到的多个环境舒适度指数；
A3.根据各胸口倾斜角度对第一标准值的离散程度确定第一离散度，根据各SDNN值对第二标准值的离散程度确定第二离散度，根据各环境舒适度指数对第三标准值的离散程度确定第三离散度；
A4.当确定第一离散度、第二离散度、第三离散度满足预设条件，生成预警信息。
步骤A1中，在监测时间段前的第一时刻，数据处理模块对环境以及处于标准坐姿、心态平和和安静状态下的人员进行数据采集，在配套软件中点击设置基准并保持一分钟，以在第一时刻采集到的胸口倾斜角度α0作为第一标准值，以在第一时刻采集到的SDNN值β0作为第二标准值，以在第一时刻采集到的环境温度λ0作为第三标准值，以在第一时刻采集到的环境湿度ρ0作为第四标准值。
步骤A2中，在监测时间段内，数据处理模块获取姿态测量电路采集到的多个胸口倾斜角度，获取心电信号测量电路采集到的多个SDNN值，获取温湿度测量电路采集到的环境舒适度指数。具体地，在时长为T秒的监测时间段内，每整数秒的时刻分别采集一次胸口倾斜角度、一次SDNN值、一次环境舒适度指数，在第i秒采集到的胸口倾斜角度为αi，在第i秒采集到的SDNN值为βi，在第i秒采集到的环境舒适度指数为λi。
步骤A3中，使用公式
Figure BDA0002997365170000101
计算第一离散度
Figure BDA0002997365170000102
该公式表示各胸口倾斜角度αi对第一标准值α0的离散程度。使用公式
Figure BDA0002997365170000103
计算第二离散度
Figure BDA0002997365170000104
该公式表示各SDNN值βi对第二标准值β0的离散程度。使用公式
Figure BDA0002997365170000105
计算第三离散度
Figure BDA0002997365170000106
该公式表示各环境温度λi对第三标准值λ0的离散程度。
步骤A4中，使用公式
Figure BDA0002997365170000107
根据第一离散度
Figure BDA0002997365170000108
确定不良坐姿腰背痛风险系数H1。根据已公开的医学文献资料，人员的胸口距标准坐姿倾斜角度超过15°可以确定为弯腰驼背，因此该公式中τ1取值15，其计算结果的意义是人员弯腰驼背倾向的程度，从而可以定量表示不良坐姿腰背痛风险。
步骤A4中，使用公式
Figure BDA0002997365170000109
根据第二离散度
Figure BDA00029973651700001010
确定心理压力腰背痛风险系数H2。根据已公开的医学文献资料，选取τ2＝β0，表示人员SDNN对比初始值变化。当H2值小于20％表示该人员为平静状态，SDNN值变化20％-30％表示该人员为中等压力状态，SDNN值变化30％以上表示该人员为大压力状态，因此该公式的计算结果的意义是人员的压力状态，从而可以定量表示心理压力腰背痛风险。
步骤A4中，使用公式
Figure BDA0002997365170000111
根据第三离散度
Figure BDA0002997365170000112
确定不良环境腰背痛风险系数H3。根据已公开的文献资料，当环境舒适度指数小于20时，人体会感觉寒冷，因此该公式中τ3取值20。而湿冷天气容易诱发腰背痛，因此该公式的计算结果的意义是环境因素诱发腰背痛的可能性，从而可以定量表示不良环境腰背痛风险。
步骤A4中，使用公式Htotal＝a1H1+a2H2+a3H3，计算不良坐姿腰背痛风险系数、心理压力腰背痛风险系数和不良环境腰背痛风险系数的加权和，从而获得腰背痛综合风险系数HAll，其中a1为不良坐姿腰背痛风险系数对应的权重因子，a2为心理压力腰背痛风险系数对应的权重因子，a3为不良环境腰背痛风险系数对应的权重因子。
腰背痛综合风险系数HTotal综合考虑了不良坐姿、心理压力和不良环境诱发腰背痛的影响，已知相比心理压力和湿冷环境，不良姿态更容易导致腰背痛，因此将不良坐姿腰背痛风险系数对应的权重因子a1设置为相对更大的数值，具体地，设置a1＝0.7，a2＝0.15，a3＝0.15，即不良坐姿腰背痛风险系数对应的权重为0.7，心理压力腰背痛风险系数对应的权重为，不良环境腰背痛风险系数对应的权重为0.15。
步骤A4中，将腰背痛综合风险系数HTotal与预设阈值进行对比，当腰背痛综合风险系数HTotal大于预设阈值时进行预警。本实施例中，设置预设阈值为0.3，也就是当腰背痛综合风险系数HTotal大于0.3时进行预警。具体地，数据处理模块在当腰背痛综合风险系数HTotal大于0.3时，控制震动模块进行震动提示，或者控制蓝牙模块将预警信息发送至后端，从而在手机或者平板电脑上显示出来，使得人员能够及时注意到腰背痛综合风险系数HTotal大于0.3的事实，从而采取保健或者治疗等行动，有助于预防、缓解或治疗腰背痛疾病。
实施例5
本实施例中的用于腰背痛预警的可穿戴装置，可长时间监测腰背痛风险因素，且具有低成本、动态追踪和操作简单的突出优势，适合对腰背痛这种累积劳损、需要长时间恢复的慢性疾病进行日常筛查和管理。基于本实施例中的可穿戴装置所计算的不良坐姿腰背痛风险系数，可从生理方面对腰背痛风险进行评估；所计算的心理压力腰背痛风险系数，可从心理方面对腰背痛风险进行评估；所计算的不良环境腰背痛风险系数，可从环境方面对腰背痛风险进行评估；最后所计算的腰背痛综合风险系数，可从生理-心理-环境三个方面全方位地对腰背痛风险进行评估。另外，计算得到的不良姿态腰背痛风险系数、心理压力腰背痛风险系数和不良环境腰背痛风险系三个指标又可为使用者提供腰背痛风险细节信息，提示进行有偏重的恢复。如使用者不良姿态和心理压力腰背痛风险系数过高，则可建议运动联合冥想恢复，为腰背痛预防和康复提供个性化的指导方案。综上，本实施例中的可穿戴装置可为腰背痛高危职业人群进行有效预警预防和辅助治疗。
还可以使用其他具有数据采集和处理功能的计算机设备来执行数据处理方法，数据处理方法包括以下步骤：
S1.在监测时间段内，采集多个SDNN值、多个胸口倾斜角度、多个环境温度和多个环境湿度；
S2.获取第一标准值、第二标准值、第三标准值和第四标准值；
S3.根据各胸口倾斜角度对第一标准值的离散程度确定第一离散度；
S4.根据各SDNN值对第二标准值的离散程度确定第二离散度；
S5.根据各环境温度对第三标准值的离散程度确定第三离散度；
S6.当确定第一离散度、第二离散度、第三离散度和第四离散度满足预设条件，生成预警信息。
通过执行步骤S1-S6，计算机设备能实现本实施例中的可穿戴设备的功能，从而实现本实施例中的可穿戴装置的技术效果。
可以通过编写执行本实施例中的数据处理方法的计算机程序，将该计算机程序写入至计算机装置或者存储介质中，当计算机程序被读取出来运行时，执行本实施例中的数据处理方法。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种用于腰背痛的风险检测系统，其特征在于，包括数据采集模块、离散度模块、数据处理模块和客户端；
所述数据采集模块的输出端与所述离散度模块的输入端电性连接，所述离散度模块的输出端与所述数据处理模块的输入端电性连接，所述数据处理模块的输出端与所述客户端的输入端电性连接；
所述数据采集模块用于采集胸口倾斜角度、SDNN值和环境舒适度指数；所述离散度模块用于根据胸口倾斜角度得到第一离散度，根据SDNN值得到第二离散度，根据环境舒适度指数得到第三离散度；所述数据处理模块用于根据第一离散度确定不良坐姿腰背痛风险系数、根据第二离散度确定心理压力腰背痛风险系数，根据第三离散度确定不良环境腰背痛风险系数，并把三种系数加权得到腰背痛综合风险系数；所述客户端接收腰背痛综合风险系数并判断是否超过阈值。
2.根据权利要求1所述的一种用于腰背痛的风险检测系统，其特征在于，所述数据采集模块包括姿态测量电路子模块、心电信号测量电路子模块和环境温湿度测量电路子模块；
所述姿态测量电路子模块的输出端、心电信号测量电路子模块的输出端和环境温湿度测量电路子模块的输出端均与所述离散度模块的输入端电性连接；
所述姿态测量电路子模块用于采集胸口倾斜角度，所述心电信号测量电路子模块用于采集SDNN值，所述环境温湿度测量电路子模块用于采集环境舒适度指数。
3.根据权利要求2所述的一种用于腰背痛的风险检测系统，其特征在于，还包括震动模块，所述震动模块的输入端与所述客户端的输出端电性连接，用于对预警信息进行震动提示。
4.根据权利要求3所述的一种用于腰背痛的风险检测系统，其特征在于，还包括蓝牙模块，所述数据处理模块的输出端和客户端的输入端通过蓝牙模块无线连接。
5.一种用于腰背痛的风险检测方法，用于权利要求4所述的一种用于腰背痛的风险检测系统，其特征在于，包括以下步骤：
S1：数据采集模块的姿态测量电路子模块、心电信号测量电路子模块和环境温湿度测量电路子模块分别采集胸口倾斜角度、SDNN值和环境舒适度指数；
S2：离散度模块根据胸口倾斜角度得到第一离散度，根据SDNN值得到第二离散度，根据环境舒适度指数得到第三离散度；
S3：数据处理模块根据第一离散度确定不良坐姿腰背痛风险系数、根据第二离散度确定心理压力腰背痛风险系数，根据第三离散度确定不良环境腰背痛风险系数，并加权得到腰背痛综合风险系数；
S4：客户端通过蓝牙模块接收腰背痛综合风险系数并判断是否超过阈值；
S5：震动模块超过阈值的预警信息进行震动提示。
6.根据权利要求5所述的一种用于腰背痛的风险检测方法，其特征在于，在步骤S2中，胸口倾斜角度确定第一离散度的方式是通过第一标准值的离散程度SDNN值确定第二离散度的方式是通过第二标准值的离散程度，环境舒适度指数确定第三离散度的方式是第三标准值的离散程度。
7.根据权利要求6所述的一种用于腰背痛的风险检测方法，其特征在于，确定第一离散度运用以下算法：
Figure FDA0002997365160000021
其中，
Figure FDA0002997365160000022
为第一离散度，α0为第一标准值，αi为在采集时间段内的第i秒采集到的胸口倾斜角度，T为采集时间段的时长；
确定第二离散度运用以下算法：
Figure FDA0002997365160000023
其中，
Figure FDA0002997365160000024
为第二离散度，β0为第二标准值，βi为在采集时间段内的第i秒采集到的SDNN值，T为采集时间段的时长；
确定第三离散度运用以下算法：
Figure FDA0002997365160000025
其中，
Figure FDA0002997365160000026
为第三离散度，λ0为第三标准值，λi为在采集时间段内的第i秒采集到的温湿指数，T为采集时间段的时长。
8.根据权利要求7所述的一种用于腰背痛的风险检测方法，其特征在于，在采集时间段前的第一时刻，对温和环境以及处于标准坐姿和安静状态下的人员进行数据采集，以在第一时刻采集到的胸口倾斜角度作为第一标准值，以在第一时刻采集到的SDNN值作为第二标准值，以在第一时刻采集到的环境舒适度指数作为所述第三标准值。
9.根据权利要求8所述的一种用于腰背痛的风险检测方法，其特征在于，在步骤S3中，根据第一离散度确定不良坐姿腰背痛风险系数包括以下算法：
Figure FDA0002997365160000031
其中，H1为不良坐姿腰背痛风险系数，τ1为不良坐姿阈值；
根据第二离散度确定心理压力腰背痛风险系数包括以下算法：
Figure FDA0002997365160000032
其中，H2为心理压力腰背痛风险系数，τ2为心理压力阈值，取值为β0；
根据第三离散度确定不良环境腰背痛风险系数包括以下算法：
Figure FDA0002997365160000033
其中，H3为不良环境腰背痛风险系数，τ3为不良环境阈值。
10.根据权利要求8所述的一种用于腰背痛的风险检测方法，其特征在于，在步骤S3中，根据不良坐姿腰背痛风险系数、心理压力腰背痛风险系数和不良环境腰背痛风险系数通过以下算法加权：
Htotal＝a1·H1+a2·H2+a3·H3
其中，Htotal为腰背痛综合风险系数，不良坐姿腰背痛风险系数对应的权重为a1，心理压力腰背痛风险系数对应的权重为a2，不良环境腰背痛风险系数对应的权重为a3。
CN202110333780.1A 2021-03-29 2021-03-29 一种用于腰背痛的风险检测系统与方法 Pending CN113257418A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110333780.1A CN113257418A (zh) 2021-03-29 2021-03-29 一种用于腰背痛的风险检测系统与方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110333780.1A CN113257418A (zh) 2021-03-29 2021-03-29 一种用于腰背痛的风险检测系统与方法

Publications (1)

Publication Number Publication Date
CN113257418A true CN113257418A (zh) 2021-08-13

Family

ID=77181226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110333780.1A Pending CN113257418A (zh) 2021-03-29 2021-03-29 一种用于腰背痛的风险检测系统与方法

Country Status (1)

Country Link
CN (1) CN113257418A (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102525431A (zh) * 2010-12-10 2012-07-04 李祥 一种心血管生理信号的检测装置及方法
CN103584872A (zh) * 2013-10-29 2014-02-19 燕山大学 一种基于多生理参数融合的心理压力评估方法
CN104677853A (zh) * 2015-01-27 2015-06-03 天津大学 一种基于近红外高光谱的壁画起甲病害评估方法
CN107169307A (zh) * 2017-07-07 2017-09-15 中北大学 健康风险评估方法和装置
CN107242853A (zh) * 2017-05-24 2017-10-13 中南大学湘雅三医院 腰部活动风险评估和监测设备
CN107767957A (zh) * 2017-10-27 2018-03-06 秦皇岛市惠斯安普医学系统股份有限公司 一种基于生物电阻抗技术的健康风险评估系统
CN107767956A (zh) * 2017-10-27 2018-03-06 秦皇岛市惠斯安普医学系统股份有限公司 一种基于生物电感应技术的健康风险评估与管理方法
CN108471954A (zh) * 2016-08-10 2018-08-31 鲍里斯·伊万诺维奇·帕斯图霍夫 多参数评估环境对人体的影响的方法和系统
CN210249376U (zh) * 2019-06-18 2020-04-07 陈晓丹 一种侧卧枕
CN111728617A (zh) * 2020-07-29 2020-10-02 重庆勤鸟圈科技有限公司 用于健身房的运动风险评估系统及方法
CN112370057A (zh) * 2020-11-09 2021-02-19 平安科技（深圳）有限公司 压力评估方法、装置、计算机设备和存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102525431A (zh) * 2010-12-10 2012-07-04 李祥 一种心血管生理信号的检测装置及方法
CN103584872A (zh) * 2013-10-29 2014-02-19 燕山大学 一种基于多生理参数融合的心理压力评估方法
CN104677853A (zh) * 2015-01-27 2015-06-03 天津大学 一种基于近红外高光谱的壁画起甲病害评估方法
CN108471954A (zh) * 2016-08-10 2018-08-31 鲍里斯·伊万诺维奇·帕斯图霍夫 多参数评估环境对人体的影响的方法和系统
CN107242853A (zh) * 2017-05-24 2017-10-13 中南大学湘雅三医院 腰部活动风险评估和监测设备
CN107169307A (zh) * 2017-07-07 2017-09-15 中北大学 健康风险评估方法和装置
CN107767957A (zh) * 2017-10-27 2018-03-06 秦皇岛市惠斯安普医学系统股份有限公司 一种基于生物电阻抗技术的健康风险评估系统
CN107767956A (zh) * 2017-10-27 2018-03-06 秦皇岛市惠斯安普医学系统股份有限公司 一种基于生物电感应技术的健康风险评估与管理方法
CN210249376U (zh) * 2019-06-18 2020-04-07 陈晓丹 一种侧卧枕
CN111728617A (zh) * 2020-07-29 2020-10-02 重庆勤鸟圈科技有限公司 用于健身房的运动风险评估系统及方法
CN112370057A (zh) * 2020-11-09 2021-02-19 平安科技（深圳）有限公司 压力评估方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
US6168569B1 (en) Apparatus and method for relating pain and activity of a patient
Mathie et al. A pilot study of long-term monitoring of human movements in the home using accelerometry
US10335080B2 (en) Biomechanical activity monitoring
US9685097B2 (en) Device and method for detecting eating activities
Subramaniam et al. Wearable sensor systems for fall risk assessment: A review
US20060251334A1 (en) Balance function diagnostic system and method
US9842374B2 (en) Physiological indicator monitoring for identifying stress triggers and certain health problems
KR20180058870A (ko) 뇌 건강의 다중 모드 생리학적 평가를 위한 폼 팩터
JP5943344B2 (ja) 健康管理システム、その方法及びプログラム並びに眼鏡型生体情報取得装置
EP3219257B1 (en) Device for measuring a pressure force
Fotiadis et al. Wearable medical devices
Mahmood et al. Soft nanomembrane sensors and flexible hybrid bioelectronics for wireless quantification of blepharospasm
Bankole et al. Continuous, non-invasive assessment of agitation in dementia using inertial body sensors
Kim et al. Wireless, continuous monitoring of daily stress and management practice via soft bioelectronics
JP2023512987A (ja) 患者の脊椎、平衡、歩行、又は姿勢を監視するためのシステム及び方法
US20190069829A1 (en) Method and apparatus for monitoring urination of a subject
KR100673607B1 (ko) 행태 분석이 가능한 생체신호 측정장치
WO2017186832A1 (en) Monitoring device for patients with joint afflictions
CN211155801U (zh) 脊柱生理曲度监测装置
CN113257418A (zh) 一种用于腰背痛的风险检测系统与方法
US20090221936A1 (en) Activity-contingent weight loss system
O’Donnell et al. Physical activity and sleep analysis of heart failure patients using multi-sensor patches
CN108324283B (zh) 对于疼痛的记录方法
Adochiei et al. Design and implementation of a body posture detection system
WO2020180919A1 (en) Matter of manufacture of compression legging system and associated uses cross-reference to related applications

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