CN114587301A - 体征信号的解析方法、装置以及存储介质 - Google Patents

体征信号的解析方法、装置以及存储介质 Download PDF

Info

Publication number
CN114587301A
CN114587301A CN202210326024.0A CN202210326024A CN114587301A CN 114587301 A CN114587301 A CN 114587301A CN 202210326024 A CN202210326024 A CN 202210326024A CN 114587301 A CN114587301 A CN 114587301A
Authority
CN
China
Prior art keywords
signal
optical power
power signal
target
sign
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
CN202210326024.0A
Other languages
English (en)
Inventor
王划
崔修涛
刘露
李龙
其他发明人请求不公开姓名
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.)
Biweitec Zhejiang Medical Instrument Co ltd
Biweitec Shanghai Medical Equipment Co ltd
Original Assignee
Biweitec Zhejiang Medical Instrument Co ltd
Biweitec Shanghai Medical Equipment 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 Biweitec Zhejiang Medical Instrument Co ltd, Biweitec Shanghai Medical Equipment Co ltd filed Critical Biweitec Zhejiang Medical Instrument Co ltd
Priority to CN202210326024.0A priority Critical patent/CN114587301A/zh
Publication of CN114587301A publication Critical patent/CN114587301A/zh
Priority to PCT/CN2023/085265 priority patent/WO2023186050A1/zh
Pending legal-status Critical Current

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
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/02416—Measuring pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Measuring devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6892—Mats
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Pulmonology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Mathematical Physics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请公开了一种体征信号的解析方法、装置以及存储介质。其中，该方法包括：获取采集到的目标对象对应的光纤的光功率信号；将所述光功率信号输入至神经网络模型，得到所述目标对象的目标体征信号，所述神经网络模型为通过多组训练数据训练得到，所述多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识所述样本对象的光功率信号所对应的体征信号；在显示界面展示所述目标体征信号。本申请解决了由于相关技术中的体征检测设备在检测体征信号时，易受电磁干扰，检测结果准确性差，以及影响用户使用体验的技术问题。

Description

体征信号的解析方法、装置以及存储介质
技术领域
本申请涉及生命体征检测领域，具体而言，涉及一种体征信号的解析方法、装置以及存储介质。
背景技术
随着互联网设备和数字医疗产业的到来，健康和健康监测已成为一个日益关注的领域。监控生命体征诸如心率、心冲击信号以及呼吸率，在医疗保健机构内外都是需要的。在医疗机构内，生命体征跟踪是必不可少的，生命体征跟踪对于确保患者安全、诊断疾病、监测病人的进展、规划病人的护理有着重要作用。在医疗机构外，跟踪生命体征及姿态使个人能将他们的健康状况量化和概念化，帮助个人保持关注他们的健康和健康需要、明确进度、保持实现健康和健身目标是一种趋势。
当前消费品市场上的生命体征追踪器大多是很不准确的，其他更精确的设备，结构复杂，需要连接到插座和用导线连接到患者，这些设备使用步骤繁琐，会引起病人的焦虑，而且设备昂贵，不易携带，容易产生电磁干扰(EMI)，不易部署。另外体征信号的检测方法采用傅里叶变换计算心电图的QRS波，然而这种方法极容易被噪声信号干扰，且这种基于先验知识的方法，准确率很难超过神经网络大数据训练出来的模型的准确率。即相关技术中的体征信号检测设备存在使用步骤繁琐，成本高，易受电磁干扰，检测结果准确性较差，影响用户体验的技术问题。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种体征信号的解析方法、装置以及存储介质，以至少解决由于相关技术中的体征检测设备在检测体征信号时，易受电磁干扰，检测结果准确性差，以及影响用户使用体验的技术问题。
根据本申请实施例的一个方面，提供了一种体征信号的解析方法，包括：获取采集到的目标对象对应的光纤的光功率信号；将光功率信号输入至神经网络模型，得到目标对象的目标体征信号，神经网络模型为通过多组训练数据训练得到，多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识样本对象的光功率信号所对应的体征信号；在显示界面展示目标体征信号。
可选地，获取目标对象的光纤的光功率信号，包括：接收接触目标对象肢体的有感采集设备传输的光功率信号。
可选地，获取目标对象的光纤的光功率信号，包括：接收与监测目标对象不发生肢体接触的无感采集设备传输的光功率信号。
可选地，将光功率信号输入至神经网络模型，包括：对光功率信号进行预处理，得到处理后的光功率信号，其中，预处理的方式包括：滤波以及降噪。
可选地，在对光功率信号进行预处理，得到处理后的光功率信号之后，上述方法还包括：对处理后的光功率信号进行傅里叶变换；根据傅里叶变换得到光功率信号对应的目标频域信号；将目标频域信号以及未处理的光功率信号同时输入至神经网络模型。
可选地，神经网络模型集成在嵌入式设备中，在显示界面展示目标体征信号，包括：在嵌入式设备对应的显示界面展示目标体征信号；或者将目标体征信号发送至其他对象所持有的终端，其中，其他对象为与目标对象具有关联关系的对象。
可选地，其中，体征信号包括：呼吸频率与心率，神经网络模型在训练的过程中，共用浅层卷积层对样本对象的光功率信号进行特征提取，且共用卷积参数，并分为两路网络结构，其中，两路网络结构分别用于预测呼吸频率与心率。
根据本申请实施例的另一方面，还提供一种体征信号监测设备，包括：床垫，其中，床垫包括：第一垫层与第二垫层，第一垫层与第二垫层之间铺设有光纤导线结构；光发生器，与光纤导线结构的第一端链接，其中，光发生器用于发射第一光信号，并将第一光信号输入至光纤导线结构的第一端；光接收器与光纤导线结构的第二端连接，光接收器用于接收光纤导线结构的第二端输出的第二光信号；处理模块，与光接收器连接，其中，处理模块集成有神经网络模型，用于将第二光信号转换为光功率信号，并将光功率信号输入至神经网络模型，得到目标对象的目标体征信号，神经网络模型为通过多组训练数据训练得到，多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识样本对象的光功率信号所对应的体征信号。
根据本申请实施例的另一方面，还提供了一种体征信号的解析装置，包括：获取模块，用于获取采集到的目标对象对应的光纤的光功率信号；确定模块，用于将光功率信号输入至神经网络模型，得到目标对象的目标体征信号，神经网络模型为通过多组训练数据训练得到，多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识样本对象的光功率信号所对应的体征信号；展示模块，用于在显示界面展示目标体征信号。
根据本申请实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行任意一种体征信号的解析方法，所述非易失性存储介质还用于存储预定时段的特征数据，以免在掉电或断网的情况下造成数据丢失。
根据本申请实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行任意一种体征信号的解析方法。
在本申请实施例中，采用神经网络模型对光功率信号进行分析，确定体征信号的方式，通过获取采集到的目标对象对应的光纤的光功率信号；将光纤的光功率信号输入至神经网络模型，得到目标对象的目标体征信号，神经网络模型为通过多组训练数据训练得到，多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识样本对象的光功率信号所对应的体征信号；在显示界面展示目标体征信号，达到了基于光纤信号确定生命体征信号的目的，从而实现了避免电磁干扰，提高体征信号检测结果的准确性，提升用户使用体验等技术效果，进而解决了由于相关技术中的体征检测设备在检测体征信号时，易受电磁干扰，检测结果准确性差，以及影响用户使用体验的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种可选的体征信号的解析方法的流程示意图；
图2是根据本申请实施例中一种可选的去噪后的时频示意图；
图3是根据本申请实施例中一种可选的神经网络模型的结构示意图；
图4是根据本申请实施例中一种可选的体征信号检测设备的外观示意图；
图5是根据本申请实施例中一种可选的体征信号检测设备的放置方式示意图；
图6是根据本申请实施例的一种可选的体征信号的解析装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例，提供了一种体征信号的解析方法的实施例，需要说明的是，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。
图1是根据本申请实施例的体征信号的解析方法，如图1所示，该方法包括如下步骤：
步骤S102，获取采集到的目标对象对应的光纤的光功率信号；
步骤S104，将光功率信号输入至神经网络模型，得到目标对象的目标体征信号，神经网络模型为通过多组训练数据训练得到，多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识样本对象的光功率信号所对应的体征信号；
步骤S106，在显示界面展示目标体征信号。
在该体征信号的解析方法中，通过获取采集到的目标对象对应的光纤的光功率信号；将所述光功率信号输入至神经网络模型，得到所述目标对象的目标体征信号，所述神经网络模型为通过多组训练数据训练得到，所述多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识所述样本对象的光功率信号所对应的体征信号；在显示界面展示所述目标体征信号，达到了基于光纤信号确定生命体征信号的目的，从而实现了避免电磁干扰，提高体征信号检测结果的准确性，提升用户使用体验等技术效果，进而解决了由于相关技术中的体征检测设备在检测体征信号时，易受电磁干扰，检测结果准确性差，以及影响用户使用体验的技术问题。
本申请一些可选的实施中，多组训练数据中的样本数据可以通过如下获取，具体地，可以为企业内部召集普通志愿者，同时将设备放置到合作医院、养老院等机构进行原始数据的采集，采集人群年龄主要分布在18～80岁之间，有健康人群，同时有具有不同病种的人群。当人躺在垫子上时，会自动收集数据，并将数据通过wifi传输到云端服务器进行存储。
本申请一些实施例中，获取目标对象的光纤的光功率信号，可以通过如下方式实现，具体地，可接收接触目标对象肢体的有感采集设备传输的光功率信号。例如，电极片。
本申请另一些可选的实施例中，获取目标对象的光纤的光功率信号，还可以为接收与监测目标对象不发生肢体接触的无感采集设备传输的光功率信号。例如，无感监测设备。
可以理解的，在样本数据的获取中，对于被测人群(样本对象)，其中部分对象可采用了具有Ⅱ类医疗器械证书的监护仪，通过在人体上贴电极片，以有感方式采集用户的呼吸，心率数据。对于其他部分人群，可配备具有Ⅱ类医疗器械证书的无感监测设备采集心率和呼吸数据，这些数据可以无线传输的方式发送到云端服务器进行存储。
本申请一些实施例中，将光功率信号输入至神经网络模型，包括：对光功率信号进行预处理，得到处理后的光功率信号，其中，预处理的方式包括：滤波以及降噪。需要说明的是，在对光功率信号进行预处理，得到处理后的光功率信号之后，可对处理后的光功率信号进行傅里叶变换；根据傅里叶变换得到光功率信号对应的目标频域信号，然后再将目标频域信号以及未处理的光功率信号同时输入至神经网络模型。即对于采集到的光纤信号数据进行滤波、降噪等预处理，然后再进行短时傅里叶变换，将其转换成时频信号，图2是去噪后的时频示意图，如图2所示，通过上述去噪过程可以进一步减少时序信号中的噪声。
本申请一些实施例中，上述神经网络模型可集成在嵌入式设备中，因此，在显示界面展示目标体征信号，可以为在嵌入式设备对应的显示界面展示目标体征信号；可以理解的，也可将目标体征信号发送至其他对象所持有的终端，其中，其他对象为与目标对象具有关联关系的对象。例如，目标对象为张三，则其他对象可以为张三的医生、护士、父亲、母亲、其他监护人以及护理人等。
在一示例性实施例中，可通过如下方式将神经网络模型集成在嵌入式设备中，主要包括：模型剪枝，即移除对结果作用较小的组件；模型量化，比如将float32降到int8；知识蒸馏，将teacher的能力蒸馏到student上，一般student会比teacher小。我们把一个大而深的网络蒸馏到一个小的网络；参数共享，通过共享参数，达到减少网络参数的目的。
容易注意到的是，神经网络模型内部大量有待训练的权重(weights)往往占用了大量的内存空间以及存储带宽(如AlexNet～200MB,VGG-16～500MB)，给CNN在一些嵌入式平台、移动端上的部署带来了很大的困难。此外，庞大的计算量也能耗巨大，计算成本比较昂贵。为此，可模型量化剪枝(Quantization&Pruning)的方式，在尽可能不牺牲模型精度(甚至在一些场景能提升精度)的前提下，减小模型的内存消耗，以及一定程度上减小过拟合，模型剪枝大致可以分成以下4步：
1.首先进行正常的模型训练，训至基本收敛；
2.简单粗暴地移除权重低于某个阈值的连接；
3.对剪枝后的网络再重新训练从而精度恢复(类似fine-tuning)直至收敛；
4.再将剪枝后的稀疏网络用特定格式存储(CSR或CSC)。
可以理解的，量化的目的也是为了减小神经网络的权重(weights)所占空间大小。不过与剪枝不同的是，前者考虑减少CNN中的冗余连接，而量化试图从CNN参数的存储形式上解决问题(如使用更少的比特数来记录权重，对权重进行共享/聚类等)。从直观上理解，模型量化相当于我们想把原先的float32通过某种方式映射到一个新的集合上。
本申请一些可选的实施例中，上述体征信号包括但不限于：呼吸频率与心率，神经网络模型在训练的过程中，可共用浅层卷积层对样本对象的光功率信号进行特征提取，且共用卷积参数，然后分支为两个深层网络(两路网络结构)，需要说明的是，两路分支分别用于对呼吸频率与心率进行预测。
图3是本申请一种可选的神经网络模型的结构示意图，如图3所示，其中，CBL全称为Conv+BN+LeakyRelu，CBM中的C代表卷积层，B代表BatchNorm层，M代表Maxpooling层，FC表示Fully Connected Layer全连接层。从图3可以看出，该神经网络模型通过共用浅层特征，然后分支为两组网络结构进行呼吸和心率特征的提取，回归得到呼吸和心率值。需要说明的是，模型训练中可采用MSE损失函数，使用early stop，避免模型过拟合。
本申请一些实例中，还提供一种体征信号监测设备，包括：床垫，其中，床垫包括：第一垫层与第二垫层，第一垫层与第二垫层之间铺设有光纤导线结构；光发生器，与光纤导线结构的第一端链接，其中，光发生器用于发射第一光信号，并将第一光信号输入至光纤导线结构的第一端；光接收器与光纤导线结构的第二端连接，光接收器用于接收光纤导线结构的第二端输出的第二光信号；处理模块，与光接收器连接，其中，处理模块集成有神经网络模型，用于将第二光信号转换为光功率信号，并将光功率信号输入至神经网络模型，得到目标对象的目标体征信号，神经网络模型为通过多组训练数据训练得到，多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识样本对象的光功率信号所对应的体征信号。
通过上述体征信号监测设备达到了基于光纤信号确定生命体征信号的目的，从而实现了避免电磁干扰，提高体征信号检测结果的准确性，提升用户使用体验等技术效果，进而解决了由于相关技术中的体征检测设备在检测体征信号时，易受电磁干扰，检测结果准确性差，以及影响用户使用体验的技术问题。
图4是本申请一种可选的体征信号监测设备的示意图，该设备可直接铺在床单下、被褥下以及床垫下，并可放置在胸腔下面；图5为该设备的放置示意图，从图5可看出，该产品可放置在床垫上/下，并置于用户的胸腔位置处。
图6根据本申请实施例的一种体征信号的解析装置，如图6所示，该体征信号的解析装置包括：
获取模块40，用于获取采集到的目标对象对应的光纤的光功率信号；
确定模块42，用于将光功率信号输入至神经网络模型，得到目标对象的目标体征信号，神经网络模型为通过多组训练数据训练得到，多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识样本对象的光功率信号所对应的体征信号；
展示模块44，用于在显示界面展示目标体征信号。
该体征信号的解析装置中，获取模块40，用于获取采集到的目标对象对应的光纤的光功率信号；确定模块42，用于将光功率信号输入至神经网络模型，得到目标对象的目标体征信号，神经网络模型为通过多组训练数据训练得到，多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识样本对象的光功率信号所对应的体征信号；展示模块44，用于在显示界面展示目标体征信号，达到了基于光纤信号确定生命体征信号的目的，从而实现了避免电磁干扰，提高体征信号检测结果的准确性，提升用户使用体验等技术效果，进而解决了由于相关技术中的体征检测设备在检测体征信号时，易受电磁干扰，检测结果准确性差，以及影响用户使用体验的技术问题。
根据本申请实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行任意一种体征信号的解析方法，非易失性存储介质还用于存储预定时段的特征数据，以免在掉电或断网的情况下造成数据丢失。
根据本申请实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行任意一种体征信号的解析方法。
具体地，上述存储介质用于存储执行以下功能的程序指令，实现以下功能:
获取采集到的目标对象对应的光纤的光功率信号；将所述光功率信号输入至神经网络模型，得到所述目标对象的目标体征信号，所述神经网络模型为通过多组训练数据训练得到，所述多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识所述样本对象的光功率信号所对应的体征信号；在显示界面展示所述目标体征信号。
具体地，上述处理器用于调用存储器中的程序指令，实现以下功能：
获取采集到的目标对象对应的光纤的光功率信号；将所述光功率信号输入至神经网络模型，得到所述目标对象的目标体征信号，所述神经网络模型为通过多组训练数据训练得到，所述多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识所述样本对象的光功率信号所对应的体征信号；在显示界面展示所述目标体征信号。
在本申请相关实施例中，通过采用神经网络模型对光功率信号进行分析，确定体征信号的方式，具体地，通过获取采集到的目标对象对应的光纤的光功率信号；将光纤的光功率信号输入至神经网络模型，得到目标对象的目标体征信号，神经网络模型为通过多组训练数据训练得到，多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识样本对象的光功率信号所对应的体征信号；在显示界面展示目标体征信号，达到了基于光纤信号确定生命体征信号的目的，从而实现了避免电磁干扰，提高体征信号检测结果的准确性，提升用户使用体验等技术效果，进而解决了由于相关技术中的体征检测设备在检测体征信号时，易受电磁干扰，检测结果准确性差，以及影响用户使用体验的技术问题。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (11)

1.一种体征信号的解析方法，其特征在于，包括：
获取采集到的目标对象对应的光纤的光功率信号；
将所述光功率信号输入至神经网络模型，得到所述目标对象的目标体征信号，所述神经网络模型为通过多组训练数据训练得到，所述多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识所述样本对象的光功率信号所对应的体征信号；
在显示界面展示所述目标体征信号。
2.根据权利要求1所述的方法，其特征在于，获取目标对象的光纤的光功率信号，包括：
接收接触所述目标对象肢体的有感采集设备传输的所述光功率信号。
3.根据权利要求1所述的方法，其特征在于，获取目标对象的光纤的光功率信号，包括：
接收与监测所述目标对象不发生肢体接触的无感采集设备传输的所述光功率信号。
4.根据权利要求1所述的方法，其特征在于，将所述光功率信号输入至神经网络模型，包括：
对所述光功率信号进行预处理，得到处理后的光功率信号，其中，所述预处理的方式包括：滤波以及降噪。
5.根据权利要求4所述的方法，其特征在于，在对所述光功率信号进行预处理，得到处理后的光功率信号之后，所述方法还包括：
对所述处理后的光功率信号进行傅里叶变换；
根据所述傅里叶变换得到所述光功率信号对应的目标频域信号；
将所述目标频域信号及未处理的光功率信号同时输入至所述神经网络模型。
6.根据权利要求1所述的方法，其特征在于，所述神经网络模型集成在嵌入式设备中，在显示界面展示所述目标体征信号，包括：
在所述嵌入式设备对应的显示界面展示所述目标体征信号；或者
将所述目标体征信号发送至其他对象所持有的终端，其中，所述其他对象为与所述目标对象具有关联关系的对象。
7.根据权利要求1至6中任意一项所述的方法，其特征在于，其中，所述体征信号包括：呼吸频率与心率，所述神经网络模型在训练的过程中，共用浅层卷积层对所述样本对象的光功率信号进行特征提取，且共用卷积参数，并分为两路网络结构，其中，所述两路网络结构分别用于预测所述呼吸频率与心率。
8.一种体征信号监测设备，其特征在于，包括：
床垫，其中，所述床垫包括：第一垫层与第二垫层，所述第一垫层与第二垫层之间铺设有光纤导线结构；
光发生器，与所述光纤导线结构的第一端链接，其中，所述光发生器用于发射第一光信号，并将所述第一光信号输入至所述光纤导线结构的第一端；
光接收器与所述光纤导线结构的第二端连接，所述光接收器用于接收所述光纤导线结构的第二端输出的第二光信号；
处理模块，与所述光接收器连接，其中，所述处理模块集成有神经网络模型，用于将所述第二光信号转换为光功率信号，并将所述光功率信号输入至神经网络模型，得到所述目标对象的目标体征信号，所述神经网络模型为通过多组训练数据训练得到，所述多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识所述样本对象的光功率信号所对应的体征信号。
9.一种体征信号的解析装置，其特征在于，包括：
获取模块，用于获取采集到的目标对象对应的光纤的光功率信号；
确定模块，用于将所述光功率信号输入至神经网络模型，得到所述目标对象的目标体征信号，所述神经网络模型为通过多组训练数据训练得到，所述多组数据中的每组数据包括：样本对象的光功率信号，以及用于标识所述样本对象的光功率信号所对应的体征信号；
展示模块，用于在显示界面展示所述目标体征信号。
10.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述体征信号的解析方法，所述非易失性存储介质还用于存储预定时段的体征数据，以免在掉电或断网的情况下造成数据丢失。
11.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述体征信号的解析方法。
CN202210326024.0A 2022-03-30 2022-03-30 体征信号的解析方法、装置以及存储介质 Pending CN114587301A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210326024.0A CN114587301A (zh) 2022-03-30 2022-03-30 体征信号的解析方法、装置以及存储介质
PCT/CN2023/085265 WO2023186050A1 (zh) 2022-03-30 2023-03-30 体征信号的解析方法、装置以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210326024.0A CN114587301A (zh) 2022-03-30 2022-03-30 体征信号的解析方法、装置以及存储介质

Publications (1)

Publication Number Publication Date
CN114587301A true CN114587301A (zh) 2022-06-07

Family

ID=81812585

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210326024.0A Pending CN114587301A (zh) 2022-03-30 2022-03-30 体征信号的解析方法、装置以及存储介质

Country Status (2)

Country Link
CN (1) CN114587301A (zh)
WO (1) WO2023186050A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023186050A1 (zh) * 2022-03-30 2023-10-05 毕威泰克(浙江)医疗器械有限公司 体征信号的解析方法、装置以及存储介质
CN118986307A (zh) * 2024-10-24 2024-11-22 毕威泰克(浙江)医疗器械有限公司 生命体征监测方法、装置及电子设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6498652B1 (en) * 2000-02-08 2002-12-24 Deepak Varshneya Fiber optic monitor using interferometry for detecting vital signs of a patient
US20140155774A1 (en) * 2012-11-30 2014-06-05 The Regents Of The University Of California Non-invasively determining respiration rate using pressure sensors
CN108567433A (zh) * 2018-05-16 2018-09-25 苏州安莱光电科技有限公司 一种多功能全光纤非侵入式的状态监测薄垫
WO2020076426A1 (en) * 2018-10-08 2020-04-16 UDP Labs, Inc. Systems and methods for utilizing gravity to determine subject-specific information
US11793426B2 (en) * 2019-08-27 2023-10-24 Turtle Shell Technologies Private Limited System and a method for determining breathing rate as a biofeedback
CN112754443B (zh) * 2021-01-20 2023-03-24 浙江想能睡眠科技股份有限公司 睡眠质量检测方法、系统、可读存储介质及床垫
CN114587301A (zh) * 2022-03-30 2022-06-07 毕威泰克(上海)医疗器材有限公司 体征信号的解析方法、装置以及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023186050A1 (zh) * 2022-03-30 2023-10-05 毕威泰克(浙江)医疗器械有限公司 体征信号的解析方法、装置以及存储介质
CN118986307A (zh) * 2024-10-24 2024-11-22 毕威泰克(浙江)医疗器械有限公司 生命体征监测方法、装置及电子设备

Also Published As

Publication number Publication date
WO2023186050A1 (zh) 2023-10-05

Similar Documents

Publication Publication Date Title
US11877856B1 (en) System for treating a subject with electrical stimulation based on a predicted or identified seizure
Toro et al. Is the use of a low-cost sEMG sensor valid to measure muscle fatigue?
US8786624B2 (en) Processing for multi-channel signals
JP2019025355A (ja) 痙攣の検出のための装置
Villegas et al. Arm-ECG wireless sensor system for wearable long-term surveillance of heart arrhythmias
Ghorbanian et al. Exploration of EEG features of Alzheimer’s disease using continuous wavelet transform
CN107530015B (zh) 一种生命体征分析方法与系统
CN103038772A (zh) 预测患者的存活性的方法
US12089964B2 (en) Microcontroller for recording and storing physiological data
CN114587301A (zh) 体征信号的解析方法、装置以及存储介质
CN109949934A (zh) 一种利用ai算法评估身体健康状态的计算方法
CN113598790A (zh) 基于听觉刺激的意识障碍脑功能网络的意识评估方法
CN114343672A (zh) 生物信号局部收集、基于生物电信号的言语辅助接口光标控制和基于生物电信号的觉醒检测
CN111481207A (zh) 基于心冲击信号的睡眠姿势识别装置及方法
Subasi et al. Cloud-based health monitoring framework using smart sensors and smartphone
Majumder et al. A real-time cardiac monitoring using a multisensory smart IoT system
Trumpis et al. A low-cost, scalable, current-sensing digital headstage for high channel count μECoG
CN112617833A (zh) 一种基于静息态脑电波检测抑郁症的装置
Tseng et al. Cloud-based artificial intelligence system for large-scale arrhythmia screening
CN113974557B (zh) 基于脑电奇异谱分析的深度神经网络麻醉深度分析方法
US20240156389A1 (en) Health monitoring system and method
McGinnis et al. Validation of smartphone based heart rate tracking for remote treatment of panic attacks
Bhowmick et al. IoT assisted real time PPG monitoring system for health care application
CN117598712A (zh) 癫痫发作间期的异常放电检测方法、装置、介质及设备
CN117503163A (zh) 人脑异常放电检测方法、装置、存储介质及电子设备

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