CN114732383A - 体征指标监测方法、装置、设备、存储介质和程序产品 - Google Patents

体征指标监测方法、装置、设备、存储介质和程序产品 Download PDF

Info

Publication number
CN114732383A
CN114732383A CN202210659127.9A CN202210659127A CN114732383A CN 114732383 A CN114732383 A CN 114732383A CN 202210659127 A CN202210659127 A CN 202210659127A CN 114732383 A CN114732383 A CN 114732383A
Authority
CN
China
Prior art keywords
target
processor
physical sign
testee
sign index
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
CN202210659127.9A
Other languages
English (en)
Inventor
雷俊杰
黄毅
龚龑
胡巍
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.)
Shenzhen Huayi Medical Technology Co ltd
Original Assignee
Shenzhen Huayi Medical 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 Shenzhen Huayi Medical Technology Co ltd filed Critical Shenzhen Huayi Medical Technology Co ltd
Priority to CN202210659127.9A priority Critical patent/CN114732383A/zh
Publication of CN114732383A publication Critical patent/CN114732383A/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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • 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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • 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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • 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
    • A61B5/1118—Determining activity level
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Abstract

本申请涉及一种体征指标监测方法、装置、设备、存储介质和程序产品。所述方法应用于体征指标监测系统，体征指标监测系统包括加速度计和处理器，处理器通过接收加速度计发送的目标物体在预设时间段的各方向的加速度信号，进一步确定预设时间段的目标加速度信号的多个目标峰值，进而根据多个目标峰值得到受测者的心率，以实现受测者体征指标的确定。本方法中将体征指标监测系统安装在目标物体上，受测者的生理活动产生的振动传递到目标物体上，通过加速度计采集加速度信号，从而对加速度信号进行分析，得到受测者的体征指标，不需要受测者长时间佩戴体征指标监测仪器，为受测者的生活带来了极大的便利，提高受测者使用体征指标监测系统的友好性。

Description

体征指标监测方法、装置、设备、存储介质和程序产品
技术领域
本申请涉及医疗健康技术领域，特别是涉及一种体征指标监测方法、装置、设备、存储介质和程序产品。
背景技术
有很多居家老年人及养老院、医院等场景老人需要实时健康监护，以便早期判断疾病并预警危险。而且，一些无法自主活动的老人还需要护工的定期护理，以避免长时间卧床不动带来的血流不畅、褥疮等问题。
但是现有的健康监测方法主要通过佩戴电极或手环，实现心电、血氧监护，用户需要长时间佩戴，造成极大的不方便。
发明内容
基于此，有必要针对上述技术问题，提供一种能够无需佩戴监测设备，实现用户体征指标监测的体征指标监测方法、装置、设备、存储介质和程序产品。
第一方面，本申请提供了一种体征指标监测方法，应用于体征指标监测系统，体征指标监测系统包括加速度计和处理器，体征指标监测系统设置于受测者所使用的目标物体上；该方法包括：
处理器接收加速度计发送的目标物体在预设时间段的各方向的加速度信号；
处理器确定预设时间段的目标加速度信号的多个目标峰值，目标加速度信号为对各方向的加速度信号合成后的信号；
处理器确定多个目标峰值中各目标峰值对所对应的时间点之间的差值，其中，各目标峰值对包括多个目标峰值中任意相邻的两个目标峰值；
处理器确定各目标峰值对所对应的时间点之间的差值的平均值；
处理器将预设阈值与平均值的商值，作为受测者的心率。
在其中一个实施例中，处理器确定预设时间段的目标加速度信号的多个目标峰值，包括：
处理器确定预设时间段的目标加速度信号的多个候选峰值；
处理器将位于预设峰值区间范围内的候选峰值作为多个目标峰值。
在其中一个实施例中，处理器确定预设时间段的目标加速度信号的多个候选峰值，包括：
根据预设时间段的目标加速度信号，确定受测者的状态信息；
若状态信息为休息状态信息，则处理器对预设时间段的目标加速度信号进行滤波处理，得到滤波处理后的加速度信号；
处理器将滤波处理后的加速度信号的峰值作为多个候选峰值。
在其中一个实施例中，处理器根据多个目标峰值，确定受测者的体征指标，包括：
处理器根据各目标峰值对所对应的时间点之间的差值和平均值，确定各差值的标准差，并将标准差作为受测者的心率变异性。
在其中一个实施例中，体征指标监测系统还包括无线通信模块，该方法还包括：
处理器通过无线通信模块向后台服务器发送受测者的体征指标值，其中，体征指标值包括心率和/或心率变异性。
在其中一个实施例中，体征指标监测系统还包括射频身份识别模块，方法还包括：
处理器接收射频身份识别模块发送的射频信号，并根据射频信号，确定受测者的护理人员的身份信息。
第二方面，本申请还提供了一种体征指标监测装置，应用于体征指标监测系统，体征指标监测系统包括加速度计和处理器，体征指标监测系统设置于受测者所使用的目标物体上；该装置包括：
接收模块，用于接收加速度计发送的目标物体在预设时间段的各方向的加速度信号；
第一确定模块，用于确定预设时间段的目标加速度信号的多个目标峰值，目标加速度信号为对各方向的加速度信号合成后的信号；
第二确定模块，用于用于确定多个目标峰值中各目标峰值对所对应的时间点之间的差值，其中，各目标峰值对包括多个目标峰值中任意相邻的两个目标峰值；
第二确定模块，还用于确定各目标峰值对所对应的时间点之间的差值的平均值；
第二确定模块，还用于将预设阈值与平均值的商值，作为受测者的心率。
第三方面，本申请还提供了一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
处理器接收加速度计发送的目标物体在预设时间段的各方向的加速度信号；
处理器确定预设时间段的目标加速度信号的多个目标峰值，目标加速度信号为对各方向的加速度信号合成后的信号；
处理器确定多个目标峰值中各目标峰值对所对应的时间点之间的差值，其中，各目标峰值对包括多个目标峰值中任意相邻的两个目标峰值；
处理器确定各目标峰值对所对应的时间点之间的差值的平均值；
处理器将预设阈值与平均值的商值，作为受测者的心率。
第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
处理器接收加速度计发送的目标物体在预设时间段的各方向的加速度信号；
处理器确定预设时间段的目标加速度信号的多个目标峰值，目标加速度信号为对各方向的加速度信号合成后的信号；
处理器确定多个目标峰值中各目标峰值对所对应的时间点之间的差值，其中，各目标峰值对包括多个目标峰值中任意相邻的两个目标峰值；
处理器确定各目标峰值对所对应的时间点之间的差值的平均值；
处理器将预设阈值与平均值的商值，作为受测者的心率。
第五方面，本申请还提供了一种计算机程序产品，计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
处理器接收加速度计发送的目标物体在预设时间段的各方向的加速度信号；
处理器确定预设时间段的目标加速度信号的多个目标峰值，目标加速度信号为对各方向的加速度信号合成后的信号；
处理器确定多个目标峰值中各目标峰值对所对应的时间点之间的差值，其中，各目标峰值对包括多个目标峰值中任意相邻的两个目标峰值；
处理器确定各目标峰值对所对应的时间点之间的差值的平均值；
处理器将预设阈值与平均值的商值，作为受测者的心率。
上述体征指标监测方法、装置、设备、存储介质和程序产品，应用于体征指标监测系统，体征指标监测系统包括加速度计和处理器，处理器通过接收加速度计发送的目标物体在预设时间段的各方向的加速度信号，进一步确定预设时间段的目标加速度信号的多个目标峰值，进而确定多个目标峰值中各目标峰值对所对应的时间点之间的差值的平均值，将预设阈值与平均值的商值，作为受测者的心率，完成受测者的体征指标的确定。本方法中可以将体征指标监测系统安装在目标物体上，受测者的生理活动产生的振动传递到目标物体上，通过加速度计采集加速度信号，从而对加速度信号进行分析，得到受测者的体征指标，不需要受测者长时间佩戴体征指标监测仪器，为受测者的生活带来了极大的便利，提高受测者使用体征指标监测系统的友好性。
附图说明
图1为一个实施例中体征指标监测方法的应用环境图；
图2为一个实施例中体征指标监测方法的流程示意图；
图3为一个实施例中确定多个目标峰值的流程示意图；
图4为一个实施例中目标加速度信号示意图；
图5为一个实施例中确定多个候选峰值的流程示意图；
图6为一个实施例中体征指标监测装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的体征指标监测方法，可以应用于如图1所示的应用环境，该应用环境包括指标监测系统和目标物体，其中，指标监测系统包括加速度计和处理器，加速度计用来采集目标物体产生成振动时的加速度信号，将加速度信号发送给处理器，处理器对加速度信号进行分析处理，得到受测者的体征指标。
在一个实施例中，如图2所示，提供了一种体征指标监测方法，以该方法应用于图1中的处理器为例进行说明，包括以下步骤：
S201，处理器接收加速度计发送的目标物体在预设时间段的各方向的加速度信号。
可选的，处理器可以包括中央处理器（Central Processing Unit，CPU）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、数字信号处理（Digital SignalProcessing，DSP）、单片机等。
可选的，加速度计可以包括三轴加速度、双轴加速度、陀螺仪等。
可选的，目标物体可以为床、椅子等。
在本实施例中，人体的呼吸、心跳等生理活动产生的振动会传导到目标物体，造成目标物体的微弱振动。将指标监测系统安装在目标物体上，当加速度计为三轴加速度计时，可以采集目标物体在X、Y、Z三个方向的加速度信号。若加速度计为双轴加速度计时，可以采集目标物体在X、Y两个方向的加速度信号。以三轴加速度计为例，因为人体本身呼吸、心率的振动很弱，传导到目标物体上的信号更弱。考虑到不同人体和目标物体的差异，人在睡眠时三轴加速度计测到物体的某一方向所得的加速度信号速度在 1~10mg的量级。（g为重力加速度，1g=9.8m/s^2，mg为千分之一g，1mg即为0.0098m/s^2）。
S202，处理器确定预设时间段的目标加速度信号的多个目标峰值，目标加速度信号为对各方向的加速度信号合成后的信号。
在本实施例中，还是以三轴加速度计为例，处理器首先分别将X、Y、Z三个方向的加速度信号的均值去除，得到X、Y、Z三个方向上的交流分量，再将三个方向上的交流分量进行合成，得到目标物体的目标加速度信号。
在本实施例中，处理器可以直接从目标物体的目标加速度信号中确定预设时间段内的多个目标峰值，也可以对目标物体的目标加速度信号进行数字滤波处理，得到滤波处理后的加速度信号，从滤波处理后的加速度信号中确定预设时间段内的多个目标峰值。
S203，处理器确定多个目标峰值中各目标峰值对所对应的时间点之间的差值，其中，各目标峰值对包括多个目标峰值中任意相邻的两个目标峰值。
在本实施例中，假设多个目标峰值包括按时间顺序相邻的峰值1、峰值2、峰值3、峰值4和峰值5，则峰值1、峰值2为一个目标峰值对，峰值2和峰值3为一个目标峰值对，依次类推。
在本实施例中，峰值1的时间点为0.1s，峰值2的时间点为0.7s，峰值3的时间点为1.5s，峰值4的时间点为2.1s，峰值5的时间点为2.9s。则第一个目标峰值对的时间点的差值为0.6s，第二个目标峰值对的时间点的差值为0.8s，第三个目标峰值对的时间点的差值为0.6s，第一个目标峰值对的时间点的差值为0.8s。
S204，处理器确定各目标峰值对所对应的时间点之间的差值的平均值。
在本实施例中，还是以上述步骤为例，将上述4个目标峰值对的差值进行累加求和，从而求取平均值，则对应的平均值为0.7s。
S205，处理器将预设阈值与平均值的商值，作为受测者的心率。
在本实施例中，预设阈值可以为60s，也可以为1s。假设，在1s的时间段中，所对应的时间点之间的差值的平均值为0.7s。利用60除以0.7等于85.71，则将85.71作为受测者的心率。
进一步地，体征指标监测系统还可以包括蜂鸣器模块，蜂鸣器模块用于在体征指标异常时，进行实时报警。
进一步地，体征指标监测系统还可以包括电源模块，电源模块用于给处理器进行供电。
上述体征指标监测方法中，应用于体征指标监测系统，体征指标监测系统包括加速度计和处理器，处理器通过接收加速度计发送的目标物体在预设时间段的各方向的加速度信号，进一步确定预设时间段的目标加速度信号的多个目标峰值，进而确定多个目标峰值，中各目标峰值对所对应的时间点之间的差值的平均值，将预设阈值与平均值的商值，作为受测者的心率，从而确定受测者的体征指标。本方法中可以将体征指标监测系统安装在目标物体上，受测者的生理活动产生的振动传递到目标物体上，通过加速度计采集加速度信号，从而对加速度信号进行分析，得到受测者的体征指标，不需要受测者长时间佩戴体征指标监测仪器，为受测者的生活带来了极大的便利，提高受测者使用体征指标监测系统的友好性。
图3为一个实施例中确定多个目标峰值的流程示意图，如图3所示，本申请实施例涉及的是如何确定预设时间段的目标加速度信号的多个目标峰值的一种可能的实现方式，即上述S202包括以下步骤：
S301，处理器确定预设时间段的目标加速度信号的多个候选峰值。
在本实施例中，可以利用数字滤波处理的方法，对预设时间段的目标加速度信号进行滤波处理，从滤波处理后的加速度信号中确定多个候选峰值。也可以根据预设时间段的目标加速度信号，先确定受测者的状态信息，当受测者处于休息状态时，利用数字滤波处理的方法，对预设时间段的目标加速度信号进行滤波处理，从滤波处理后的加速度信号中确定多个候选峰值。
S302，处理器将位于预设峰值区间范围内的候选峰值作为多个目标峰值。
可选的，预设峰值区间范围可以为20~100，25~60等，本申请实施例对此不做限制。例如，人休息时心率一般在40~120次/分钟。
在本实施例中，以人休息时心率40~120次/分钟为例，预设时间段为1s，若在1s内，出现多个位于心率的预设峰值区间范围外的峰值，则将该预设时间段的目标加速度信号丢弃，若在1s内，出现1~3个位于预设峰值区间范围外的峰值，则将出现在预设峰值区间范围外的峰值剔除，剩余峰值则作为多个目标峰值。
进一步地，如图4所示，时间范围为2.6s-2.8s的预设时间段，所有的峰值都位于预设峰值区间范围内，则该预设峰值区间范围内的所有峰值作为多个目标峰值。
本申请实施例中，通过确定预设时间段的目标加速度信号的多个候选峰值，将位于预设峰值区间范围内的候选峰值作为多个目标峰值。本方法中确定目标峰值的方法简单，为后续基于目标峰值确定受测者的体征指标奠定基础，进行实时解算。
图5为一个实施例中确定多个候选峰值的流程示意图，如图5所示，本申请实施例涉及的是如何确定预设时间段的目标加速度信号的多个候选峰值的一种可能的实现方式，包括以下步骤：
S501，根据预设时间段的目标加速度信号，确定受测者的状态信息。
在本实施例中，可以根据预设时间段的目标加速度信号的峰值以及预设阈值，确定受测者的状态信息。例如，指标监测系统安装在床上，如果预设时间段的目标加速度信号的最大值小于第一阈值（例如1 mg），则确定床处于空置状态；若目标加速度信号的最大值值大于第二阈值（例如20 mg），则确定受测者处于翻身或运动状态；若目标加速度信号的最大值在第一阈值和第二阈值之间，则确定床上有人，且人处于休息状态。
S502，若状态信息为休息状态信息，则处理器对预设时间段的目标加速度信号进行滤波处理，得到滤波处理后的加速度信号。
在本实施例中，若状态信息为休息状态信息，可以利用数字滤波器对目标加速度信号进行滤波处理。例如，滤波器设置为5Hz~15Hz带通滤波器，得到滤波处理后的心率信号。
还可以将上述滤波处理的信号，进行包络谱分析，得到滤波处理后的加速度信号。
S503，处理器将滤波处理后的加速度信号的峰值作为多个候选峰值。
在本实施例中，将上述预设时间段内滤波处理后的加速度信号的峰值作为候选峰值。候选峰值可能为2个、3个，根据实际处理情况而定。
本申请实施例中，首先根据预设时间段的目标加速度信号，确定受测者的状态信息，在受测者处于休息状态时，对预设时间段的目标加速度信号进行滤波处理，得到滤波处理后的加速度信号，将滤波处理后的加速度信号的峰值作为多个候选峰值。本方法中对加速度信息进行滤波处理，去除其余信号的干扰，使得确定的候选峰值更加准确，从而实现对受测者体征指标监测更加准确。
在一个实施例中，处理器根据各目标峰值对所对应的时间点之间的差值和平均值，确定各差值的标准差，并将标准差作为受测者的心率变异性。
在本实施例中，可以根据公式
Figure 491542DEST_PATH_IMAGE002
其中，N表示在预设时间段内目标峰值对的个数，
Figure 641901DEST_PATH_IMAGE004
表示预设时间段各目标峰值 对所对应的时间点之间的差值的平均值，
Figure 377776DEST_PATH_IMAGE006
为各目标峰值对所对应的时间点之间的差 值，SDNN为标准差。
本申请实施例中，通过上述确定的多个目标峰值中各目标峰值对所对应的时间点之间的差值，以及根据差值确定各目标峰值对所对应的时间点之间的差值的平均值，从而根据各目标峰值对所对应的时间点之间的差值和平均值，确定受测者的心率变异性。本方法通过对加速度信号进行分析处理，得到受测者的体征指标，不需要受测者长时间佩戴手环等，提高了用户的体验感。
在一个实施例中，体征指标监测系统还可以包括无线通信模块，处理器可以通过无线通信模块，将受测者的体征指标发送给后台服务器，在体征指标为异常值时进行报警，以供受测者的护理人员实时监测。
在一个实施例中，处理器接收射频身份识别模块发送的射频信号，并根据射频信号，确定受测者的护理人员的身份信息。
可选的，射频身份识别模块可以采用射频识别（Radio FrequencyIdentification， RFID），也可以为近场通信（Near Field Communication，NFC）。
本申请实施例中，通过接收射频身份识别模块发送的射频信号，采集受测者的护理人员的打卡时间、打卡ID。当护理人员完成护理任务后使用自身的RFID卡刷卡即可，无需使用纸档记录，不同人员可以用不同的RFID卡识别，避免了常采用纸张记录带来的不方便的问题。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的体征指标监测方法的体征指标监测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个体征指标监测装置实施例中的具体限定可以参见上文中对于体征指标监测方法的限定，在此不再赘述。
在一个实施例中，如图6所示，提供了一种体征指标监测装置，包括：接收模块11、第一确定模块12和第二确定模块13，其中：
接收模块11，用于接收加速度计发送的目标物体在预设时间段的各方向的加速度信号；
第一确定模块12，用于确定预设时间段的目标加速度信号的多个目标峰值，目标加速度信号为对各方向的加速度信号合成后的信号；
第二确定模块13，第二确定模块，用于确定多个目标峰值中各目标峰值对所对应的时间点之间的差值，其中，各目标峰值对包括多个目标峰值中任意相邻的两个目标峰值；
第二确定模块13，还用于确定各目标峰值对所对应的时间点之间的差值的平均值；
第二确定模块13，还用于将预设阈值与平均值的商值，作为受测者的心率。
在一个实施例中，第一确定模块，包括：
第一确定单元，用于确定预设时间段的目标加速度信号的多个候选峰值；
第二确定单元，用于将位于预设峰值区间范围内的候选峰值作为多个目标峰值。
在一个实施例中，第一确定单元，还用于根据预设时间段的目标加速度信号，确定受测者的状态信息；若状态信息为休息状态信息，则对预设时间段的目标加速度信号进行滤波处理，得到滤波处理后的加速度信号；将滤波处理后的加速度信号的峰值作为多个候选峰值。
在一个实施例中，第二确定模块，还包括：
第三确定单元，用于根据各目标峰值对所对应的时间点之间的差值和平均值，确定各差值的标准差，并将标准差作为受测者的心率变异性。
在一个实施例中，提供了一种体征指标监测装置，该装置还包括：
第三确定模块，用于接收射频身份识别模块发送的射频信号，并根据射频信号，确定受测者的护理人员的身份信息。
上述体征指标监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储加速度计上传的加速度数据以及加速度数据处理后的体征指标数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种体征指标监测方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
处理器接收加速度计发送的目标物体在预设时间段的各方向的加速度信号；
处理器确定预设时间段的目标加速度信号的多个目标峰值，目标加速度信号为对各方向的加速度信号合成后的信号；
处理器确定多个目标峰值中各目标峰值对所对应的时间点之间的差值，其中，各目标峰值对包括多个目标峰值中任意相邻的两个目标峰值；
处理器确定各目标峰值对所对应的时间点之间的差值的平均值；
处理器将预设阈值与平均值的商值，作为受测者的心率。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
处理器确定预设时间段的目标加速度信号的多个候选峰值；
处理器将位于预设峰值区间范围内的候选峰值作为多个目标峰值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据预设时间段的目标加速度信号，确定受测者的状态信息；
若状态信息为休息状态信息，则处理器对预设时间段的目标加速度信号进行滤波处理，得到滤波处理后的加速度信号；
处理器将滤波处理后的加速度信号的峰值作为多个候选峰值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
处理器根据各目标峰值对所对应的时间点之间的差值和平均值，确定各差值的标准差，并将标准差作为受测者的心率变异性。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
所述处理器通过无线通信模块向后台服务器发送受测者的体征指标值，其中，体征指标值包括心率和/或心率变异性。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
处理器接收射频身份识别模块发送的射频信号，并根据射频信号，确定受测者的护理人员的身份信息。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
处理器接收加速度计发送的目标物体在预设时间段的各方向的加速度信号；
处理器确定预设时间段的目标加速度信号的多个目标峰值；
处理器确定多个目标峰值中各目标峰值对所对应的时间点之间的差值，其中，各目标峰值对包括多个目标峰值中任意相邻的两个目标峰值；
处理器确定各目标峰值对所对应的时间点之间的差值的平均值；
处理器将预设阈值与平均值的商值，作为受测者的心率。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
处理器确定预设时间段的目标加速度信号的多个候选峰值；
处理器将位于预设峰值区间范围内的候选峰值作为多个目标峰值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据预设时间段的目标加速度信号，确定受测者的状态信息；
若状态信息为休息状态信息，则处理器对预设时间段的目标加速度信号进行滤波处理，得到滤波处理后的加速度信号；
处理器将滤波处理后的加速度信号的峰值作为多个候选峰值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
处理器根据各目标峰值对所对应的时间点之间的差值和平均值，确定各差值的标准差，并将标准差作为受测者的心率变异性。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
所述处理器通过无线通信模块向后台服务器发送受测者的体征指标值，其中，体征指标值包括心率和/或心率变异性。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
处理器接收射频身份识别模块发送的射频信号，并根据射频信号，确定受测者的护理人员的身份信息。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
处理器接收加速度计发送的目标物体在预设时间段的各方向的加速度信号；
处理器确定预设时间段的目标加速度信号的多个目标峰值，目标加速度信号为对各方向的加速度信号合成后的信号；
处理器确定多个目标峰值中各目标峰值对所对应的时间点之间的差值，其中，各目标峰值对包括多个目标峰值中任意相邻的两个目标峰值；
处理器确定各目标峰值对所对应的时间点之间的差值的平均值；
处理器将预设阈值与平均值的商值，作为受测者的心率。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
处理器确定预设时间段的目标加速度信号的多个候选峰值；
处理器将位于预设峰值区间范围内的候选峰值作为多个目标峰值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据预设时间段的目标加速度信号，确定受测者的状态信息；
若状态信息为休息状态信息，则处理器对预设时间段的目标加速度信号进行滤波处理，得到滤波处理后的加速度信号；
处理器将滤波处理后的加速度信号的峰值作为多个候选峰值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
处理器根据各目标峰值对所对应的时间点之间的差值和平均值，确定各差值的标准差，并将标准差作为受测者的心率变异性。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
所述处理器通过无线通信模块向后台服务器发送受测者的体征指标值，其中，体征指标值包括心率和/或心率变异性。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
处理器接收射频身份识别模块发送的射频信号，并根据射频信号，确定受测者的护理人员的身份信息。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种体征指标监测方法，其特征在于，应用于体征指标监测系统，所述体征指标监测系统包括加速度计和处理器，所述体征指标监测系统设置于受测者所使用的目标物体上；所述方法包括：
所述处理器接收所述加速度计发送的所述目标物体在预设时间段的各方向的加速度信号；
所述处理器确定所述预设时间段的目标加速度信号的多个目标峰值，所述目标加速度信号为对所述各方向的加速度信号合成后的信号；
所述处理器确定所述多个目标峰值中各目标峰值对所对应的时间点之间的差值，其中，各所述目标峰值对包括所述多个目标峰值中任意相邻的两个目标峰值；
所述处理器确定各所述目标峰值对所对应的时间点之间的差值的平均值；
所述处理器将预设阈值与所述平均值的商值，作为所述受测者的心率。
2.根据权利要求1所述的方法，其特征在于，所述处理器确定所述预设时间段的目标加速度信号的多个目标峰值，包括：
所述处理器确定所述预设时间段的目标加速度信号的多个候选峰值；
所述处理器将位于预设峰值区间范围内的候选峰值作为所述多个目标峰值。
3.根据权利要求2所述的方法，其特征在于，所述处理器确定所述预设时间段的目标加速度信号的多个候选峰值，包括：
根据所述预设时间段的目标加速度信号，确定所述受测者的状态信息；
若所述状态信息为休息状态信息，则所述处理器对所述预设时间段的目标加速度信号进行滤波处理，得到滤波处理后的加速度信号；
所述处理器将所述滤波处理后的加速度信号的峰值作为所述多个候选峰值。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
所述处理器根据各所述目标峰值对所对应的时间点之间的差值和所述平均值，确定各所述差值的标准差，并将所述标准差作为所述受测者的心率变异性。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述体征指标监测系统还包括射频身份识别模块，所述方法还包括：
所述处理器接收所述射频身份识别模块发送的射频信号，并根据所述射频信号，确定所述受测者的护理人员的身份信息。
6.根据权利要求4所述的方法，其特征在于，所述体征指标监测系统还包括无线通信模块，所述方法还包括：
所述处理器通过所述无线通信模块向后台服务器发送所述受测者的体征指标值，其中，所述体征指标值包括所述心率和/或所述心率变异性。
7.一种体征指标监测装置，其特征在于，应用于体征指标监测系统，所述体征指标监测系统包括加速度计和处理器，所述体征指标监测系统设置于受测者所使用的目标物体上；所述装置包括：
接收模块，用于接收所述加速度计发送的所述目标物体在预设时间段的各方向的加速度信号；
第一确定模块，用于确定所述预设时间段的目标加速度信号的多个目标峰值，所述目标加速度信号为对所述各方向的加速度信号合成后的信号；
第二确定模块，用于确定所述多个目标峰值中各目标峰值对所对应的时间点之间的差值，其中，各所述目标峰值对包括所述多个目标峰值中任意相邻的两个目标峰值；
所述第二确定模块，还用于确定各所述目标峰值对所对应的时间点之间的差值的平均值；
所述第二确定模块，还用于将预设阈值与所述平均值的商值，作为所述受测者的心率。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202210659127.9A 2022-06-13 2022-06-13 体征指标监测方法、装置、设备、存储介质和程序产品 Pending CN114732383A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210659127.9A CN114732383A (zh) 2022-06-13 2022-06-13 体征指标监测方法、装置、设备、存储介质和程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210659127.9A CN114732383A (zh) 2022-06-13 2022-06-13 体征指标监测方法、装置、设备、存储介质和程序产品

Publications (1)

Publication Number Publication Date
CN114732383A true CN114732383A (zh) 2022-07-12

Family

ID=82286835

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210659127.9A Pending CN114732383A (zh) 2022-06-13 2022-06-13 体征指标监测方法、装置、设备、存储介质和程序产品

Country Status (1)

Country Link
CN (1) CN114732383A (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006320734A (ja) * 2006-06-30 2006-11-30 Matsushita Electric Works Ltd 睡眠検査装置および睡眠時無呼吸検査装置
US20090062628A1 (en) * 2005-05-18 2009-03-05 Matsushita Electric Works, Ltd. Sleep diagnosis device
JP2010119822A (ja) * 2008-10-22 2010-06-03 Tsuru Gakuen 生体情報検出装置
CN103767710A (zh) * 2013-12-31 2014-05-07 歌尔声学股份有限公司 人体运动状态监视方法和装置
CN105099573A (zh) * 2014-11-21 2015-11-25 深圳迈瑞生物医疗电子股份有限公司 一种干扰信号处理方法、装置及医疗检测设备
CN107198516A (zh) * 2017-07-11 2017-09-26 河北工业大学 一种无束缚检测呼吸率心率的方法及智能床
CN108542369A (zh) * 2018-04-16 2018-09-18 华南师范大学 一种心率呼吸检测方法及系统
WO2018225213A1 (ja) * 2017-06-08 2018-12-13 株式会社Ｅ３ 無呼吸検出装置
JP6463433B1 (ja) * 2017-09-29 2019-02-06 特定非営利活動法人睡眠健康研究所 呼吸評価システム、解析システム、及びプログラム
CN111419208A (zh) * 2020-04-13 2020-07-17 河北工业大学 一种基于加速度传感器的无束缚实时心率监测方法与系统
EP3888549A1 (de) * 2020-04-02 2021-10-06 BIOTRONIK SE & Co. KG Bestimmung der atmung mit hilfe eines beschleunigungssensors
CN114521867A (zh) * 2022-01-25 2022-05-24 苏州我淘软件科技有限公司 一种睡眠监测系统
CN114533010A (zh) * 2020-11-25 2022-05-27 安徽华米健康科技有限公司 心率检测方法和装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090062628A1 (en) * 2005-05-18 2009-03-05 Matsushita Electric Works, Ltd. Sleep diagnosis device
JP2006320734A (ja) * 2006-06-30 2006-11-30 Matsushita Electric Works Ltd 睡眠検査装置および睡眠時無呼吸検査装置
JP2010119822A (ja) * 2008-10-22 2010-06-03 Tsuru Gakuen 生体情報検出装置
CN103767710A (zh) * 2013-12-31 2014-05-07 歌尔声学股份有限公司 人体运动状态监视方法和装置
CN105099573A (zh) * 2014-11-21 2015-11-25 深圳迈瑞生物医疗电子股份有限公司 一种干扰信号处理方法、装置及医疗检测设备
WO2018225213A1 (ja) * 2017-06-08 2018-12-13 株式会社Ｅ３ 無呼吸検出装置
CN107198516A (zh) * 2017-07-11 2017-09-26 河北工业大学 一种无束缚检测呼吸率心率的方法及智能床
JP6463433B1 (ja) * 2017-09-29 2019-02-06 特定非営利活動法人睡眠健康研究所 呼吸評価システム、解析システム、及びプログラム
CN108542369A (zh) * 2018-04-16 2018-09-18 华南师范大学 一种心率呼吸检测方法及系统
EP3888549A1 (de) * 2020-04-02 2021-10-06 BIOTRONIK SE & Co. KG Bestimmung der atmung mit hilfe eines beschleunigungssensors
CN111419208A (zh) * 2020-04-13 2020-07-17 河北工业大学 一种基于加速度传感器的无束缚实时心率监测方法与系统
CN114533010A (zh) * 2020-11-25 2022-05-27 安徽华米健康科技有限公司 心率检测方法和装置
WO2022111203A1 (zh) * 2020-11-25 2022-06-02 安徽华米健康科技有限公司 心率检测方法和装置
CN114521867A (zh) * 2022-01-25 2022-05-24 苏州我淘软件科技有限公司 一种睡眠监测系统

Similar Documents

Publication Publication Date Title
Yang et al. Lifelogging data validation model for internet of things enabled personalized healthcare
EP3876191B1 (en) Estimator generation device, monitoring device, estimator generation method, estimator generation program
US20200265950A1 (en) Biological information processing system, biological information processing method, and computer program recording medium
CN111356401B (zh) 使用可穿戴传感器和云驻留分析来连续检测和监测心律失常
KR102454895B1 (ko) 연속적인 생체 신호 모니터링 방법 및 시스템
Geman et al. Ubiquitous healthcare system based on the sensors network and android internet of things gateway
Page et al. Visualization of health monitoring data acquired from distributed sensors for multiple patients
Dolgin Technology: Dressed to detect
EP2691021A1 (en) Arrangement for monitoring and predicting a fit or a seizure
Rodrigues et al. A mobile healthcare solution for ambient assisted living environments
WO2014153665A1 (en) System and method for monitoring a subject
JP2022180664A (ja) ウェアラブル装置を利用した甲状腺機能亢進症の予測システム及び予測コンピュータプログラム
US10037412B2 (en) Patient health state compound score distribution and/or representative compound score based thereon
Khelil et al. DigiAID: A wearable health platform for automated self-tagging in emergency cases
CN113727643A (zh) 通过地震感测的睡眠活动和身体生命体征进行非接触式监测
Panagiotou et al. A multi: modal decision making system for an ambient assisted living environment
CN114732383A (zh) 体征指标监测方法、装置、设备、存储介质和程序产品
US20220125384A1 (en) Signal amplitude correction using spatial vector mapping
Yoon Three-tiered data mining for big data patterns of wireless sensor networks in medical and healthcare domains
Al-Omary et al. Heart disease monitoring system using web and smartphone
CN116724361A (zh) 基于睡眠活动的对患者健康状况变化的检测
Melnyk et al. HealthyLungs: Mobile Applications for Round-the-Clock Remote Monitoring of Lung Function in Patients with COVID-19
Samson Wearing the detectives
Dong et al. Home-based detection of epileptic seizures using a bracelet with motor sensors
Nouriani et al. System-Identification-Based Activity Recognition Algorithms with Inertial Sensors

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220712

RJ01 Rejection of invention patent application after publication