CN115105035A - 生理特征检测方法、装置、计算机设备和存储介质 - Google Patents
生理特征检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115105035A CN115105035A CN202210680307.5A CN202210680307A CN115105035A CN 115105035 A CN115105035 A CN 115105035A CN 202210680307 A CN202210680307 A CN 202210680307A CN 115105035 A CN115105035 A CN 115105035A
- Authority
- CN
- China
- Prior art keywords
- detection
- information
- physiological characteristic
- characteristic information
- determining
- 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
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
- A61B5/02—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
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- 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
- A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves using microwaves or terahertz waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording 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
- A61B5/103—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
- A61B5/1102—Ballistocardiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4815—Sleep quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Pulmonology (AREA)
- Vascular Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
Abstract
本申请涉及一种生理特征检测方法、装置、计算机设备和存储介质。该方法包括:通过生物体探测传感器获取被测对象在预设时间段内的体表点云数据;根据体表点云数据,获取被测对象的多个检测部位的微动信息;根据多个检测部位的微动信息,确定被测对象的生理特征信息;根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果。在该方法中,生物体探测传感器与被测对象之间无接触设置,通过无接触的方式进行检测,无需医护人员手动操作,操作简单,易于实现。另外,根据被测对象的体表点云数据确定被测对象的生理特征信息,进而确定被测对象各健康检测指标下的检测结果,提高检测效率和检测结果的准确度。
Description
技术领域
本申请涉及医学检测技术领域,特别是涉及一种生理特征检测方法、装置、计算机设备和存储介质。
背景技术
脉搏波传导速度(Pulse Wave Velocity,PWV)指心脏每次搏动射血产生的沿大动脉壁传播的压力波传导速度。PWV是评估动脉血管僵硬度的简捷、有效、经济的非侵入性指标,能够综合反映各种危险因素对血管的损伤,是心血管事件的独立预测因子。
相关技术中,采用压力感受器或多普勒超声信号方法检测被测对象不同部位的脉搏波。在此过程中,被测对象保持仰卧姿势,由医护人员确定被测对象身体上两个目标动脉搏动最明显的部位,然后将压力感受器探头置于此处,测量这两点之间的体表距离,同时记录脉搏波的传导时间,进而通过计算机计算出PWV。
然而,上述测试过程依赖于医护人员的专业性,需要医护人员手动进行测试,测试方式较繁琐。
发明内容
基于此,有必要针对上述技术问题,提供一种能够简化生理特征信息检测过程,并提高检测精度的生理特征检测方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种生理特征检测方法,该方法包括:
通过生物体探测传感器获取被测对象在预设时间段内的体表点云数据;生物体探测传感器设置于被测对象周围的预设范围内,且与被测对象之间无接触;
根据体表点云数据,获取被测对象的多个检测部位的微动信息;
根据多个检测部位的微动信息,确定被测对象的生理特征信息;
根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果。
在其中一个实施例中,检测部位为包含动脉的部位,则微动信息为脉搏运动信息,生理特征信息包括脉搏波传导速度;
根据多个检测部位的微动信息,确定被测对象的生理特征信息,包括:
获取被测对象中所有包含动脉的部位的脉搏运动信息;
根据所有包含动脉的部位的脉搏运动信息,获取所有包含动脉的部位的脉搏波信号;
根据所有包含动脉的部位的脉搏波信号的传导时间差,确定被测对象的脉搏波传导速度。
在其中一个实施例中,检测部位为胸腹部位,则微动信息为胸腹部运动信息,生理特征信息包括呼吸特征信息;
根据多个检测部位的微动信息,确定被测对象的生理特征信息,包括:
获取被测对象的胸腹部位的胸腹部运动信息;
根据胸腹部运动信息,确定被测对象的呼吸特征信息。
在其中一个实施例中,检测部位为躯干,则微动信息为躯干运动信息,生理特征信息包括心脏特征信息;
根据多个检测部位的微动信息,确定被测对象的生理特征信息,包括:
获取被测对象的躯干的躯干运动信息;
根据躯干运动信息,确定被测对象的心脏特征信息。
在其中一个实施例中,根据体表点云数据,获取被测对象的多个检测部位的微动信息,包括:
将体表点云数据输入到预设的姿态识别模型中,确定被测对象的多个检测部位在预设时间段内的位姿变化信息;
根据位姿变化信息,确定被测对象的多个检测部位的微动信息。
在其中一个实施例中,根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果,包括:
获取各健康检测指标的标准值范围,以及各健康检测指标和生理特征信息之间的关联关系;
根据各健康检测指标的标准值范围,以及各健康检测指标对应的生理特征信息,确定被测对象在各健康检测指标下的检测结果。
在其中一个实施例中,根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果,包括:
获取各健康检测指标对应的目标生理信息;目标生理信息包括各健康检测指标对应的生理特征信息,以及生理特征信息对应的历史生理特征信息;
针对任一个健康检测指标,通过健康检测指标对应的目标生理信息,确定被测对象在健康检测指标下的检测结果。
第二方面,本申请还提供了一种生理特征检测装置,该装置包括:
第一获取模块,用于通过生物体探测传感器获取被测对象在预设时间段内的体表点云数据;生物体探测传感器设置于被测对象周围的预设范围内,且与被测对象之间无接触;
第二获取模块,用于根据体表点云数据,获取被测对象的多个检测部位的微动信息;
第一确定模块,用于根据多个检测部位的微动信息,确定被测对象的生理特征信息;
第二确定模块,用于根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果。
第三方面,本申请还提供了一种计算机设备,该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上述第一方面中任一方法实施例的步骤。
第四方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面中任一方法实施例的步骤。
第五方面,本申请还提供了一种计算机程序产品,该计算机程序产品包括计算机程序,计算机程序被处理器执行时实现上述第一方面中任一方法实施例的步骤。
上述生理特征检测方法、装置、计算机设备和存储介质,通过生物体探测传感器获取被测对象在预设时间段内的体表点云数据;根据体表点云数据,获取被测对象的多个检测部位的微动信息;根据多个检测部位的微动信息,确定被测对象的生理特征信息;根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果。在该方法中,生物体探测传感器设置于被测对象周围的预设范围内,且与被测对象之间无接触。如此,通过无接触的方式对被测对象体表的微动信息进行检测,检测过程无需医护人员手动操作,操作简单,易于实现。同时,无接触的方式也不会对被测对象造成任何不适,可以减少交叉感染的风险,安全性更高。进一步地,通过生物体探测传感器可以获取到被测对象更为全面准确的体表点云数据,从检测数据源上而言,保证了数据的全面性和准确性,数据精度高。另外,根据被测对象在预设时间段内的体表点云数据,可以有效分析被测对象多个检测部位的体表微小的运动/起伏情况,从而根据多个检测部位的微动信息确定被测对象的生理特征信息,以及被测对象在至少一个健康检测指标下的检测结果,提高了检测效率和检测结果的准确度。
附图说明
图1为一个实施例中生理特征检测方法的应用环境图;
图2为一个实施例中生理特征检测方法的流程示意图;
图3为一个实施例中获取多个检测部位的微动信息的流程示意图;
图4为一个实施例中获取生理特征信息的流程示意图;
图5为另一个实施例中获取生理特征信息的流程示意图;
图6为又一个实施例中获取生理特征信息的流程示意图;
图7为一个实施例中获取检测结果的流程示意图;
图8为另一个实施例中获取检测结果的流程示意图;
图9为一个实施例中生理特征检测装置的结构框图;
图10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。
本申请提供的生理特征检测方法,可以应用于如图1所示的应用环境中。其中,该应用环境中的生理特征检测系统100包括生物体探测传感器110和计算机设备120,该生物体探测传感器110可以通过有线或无线网络的方式与计算机设备120进行通信,以向计算机设备120发送被测对象的检测数据,并接收计算机设备120下发的控制指令。
具体地,在本申请实施例中,生物体探测传感器设置在被测对象周围的预设范围内,且与被测对象之间无接触。通过生物体探测传感器,可以对被测对象进行持续检测或者周期性检测,以获取被测对象的体表点云数据。进一步地,生物体探测传感器还可以将被测对象的体表点云数据发送给计算机设备,由计算机设备进行数据分析和处理。
其中,计算机设备对被测对象的体表点云数据进行分析处理,从中提取出被测对象的多个检测部位的微动信息;并根据多个检测部位的微动信息,确定被测对象的生理特征信息;进而根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果。
可选地,生物体探测传感器还可以集成到计算机设备中,以实现设备一体化,使得集成后的计算机设备不仅可以分析处理数据,还可以采集数据。
可选地,该生物特征检测系统100还可以包括用户终端130和/或医生终端140(图1中未示出),计算机设备120可以与用户终端130和/或医生终端140进行通信。
具体地,计算机设备可以将被测对象的生理特征信息、至少一个健康检测指标下的检测结果等信息发送给用户终端和/或医生终端,便于用户(即上述被测对象)了解自身的健康情况,便于医生及时了解病人(即上述被测对象)的健康情况,及时对其进行干涉治疗。
作为一个示例,该应用环境中的计算机设备120包括但不限于是个人计算机、笔记本电脑、智能手机、平板电脑、便携式可穿戴设备和医学检测设备等,本申请实施例对此不作限定。计算机设备的处理器用于提供数据分析和处理能力,存储器包括非易失性存储介质、内存储器。其中,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多个健康检测指标对应的生理特征信息、各健康检测指标的检测依据和被测对象的历史检测数据等数据。该计算机设备的网络接口用于与外部的其他设备通过网络连接通信,该计算机程序被处理器执行时以实现一种生理特征检测方法。
下面将通过实施例并结合附图,具体地对本申请实施例的技术方案以及本申请实施例的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。显然,所描述的实施例是本申请实施例一部分实施例,而不是全部的实施例。
需要说明的是,本申请实施例提供的一种生理特征检测方法,其执行主体可以为生理特征检测装置,该装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。
在一个实施例中,如图2所示,提供了一种生理特征检测方法,以该方法应用于图1中的计算机设备120为例进行说明,包括以下步骤:
步骤210:通过生物体探测传感器获取被测对象在预设时间段内的体表点云数据。
其中,生物体探测传感器设置于被测对象周围的预设范围内,且与被测对象之间无接触。预设范围可以基于生物体探测传感器的感知范围进行确定,比如,若预设范围为2米,则生物体探测传感器设置在被测对象周边距离被测对象2米的范围内。
需要说明的是,被测对象可以为人体,也可以为其他动物体。生物体探测传感器可以持续采集被测对象的体表点云数据,也可以在特定的时间段内采集被测对象的体表点云数据,本实施例对采集时机和采集时长不做限制。上述预设时间段可以是基于被测对象的实际检测需求,预先设定的任一时间段,比如10分钟、30分钟、2小时等。
而且,本实施例也不限制生物体探测传感器的数量,即采集被测对象体表点云数据的生物体探测传感器可以是一个,也可以是多个。
另外,为了在非接触的情况下全面有效地检测被测对象的多个检测部位的微动信息,使用的生物体探测传感器可以为雷达(比如,毫米波雷达)、深度相机(比如,RGBD相机)、红外热像仪、无载波通信技术(Ultra Wideband,简称UWB)等,通过生物体探测传感器可以有效采集到表征被测对象体表微弱运动信息的体表点云数据。
作为一个示例,本申请中的生物体探测传感器可以为毫米波雷达,在一些场景中,毫米波雷达设置在被测对象的前方(比如,被测对象所处空间前方的任一摆件上),在被测对象站立的情况下,毫米波雷达可以采集被测对象的多个检测部位的微动信息。在一些场景中,毫米波雷达还可以设置在被测对象的床所在空间内的天花板上,以在被测对象处于睡眠状态时,采集被测对象的多个检测部位的微动信息。本实施例对毫米波雷达的具体设置位置不做限制,只要保证毫米波雷达能照射到被测对象的至少一个检测部位,能探测到被测对象体表的微动信息即可。
其中,波长为1~10毫米的电磁波称毫米波,它位于微波与远红外波相交叠的波长范围,因而兼有两种波谱的特点,与光波相比,毫米波利用大气窗口传播时的衰减小,受自然光和热辐射源影响小。毫米波具有以下优点:(1)极宽的带宽,通常认为毫米波频率范围为26.5~300GHz,带宽高达273.5GHz,超过从直流到微波全部带宽的10倍,即使考虑大气吸收,在大气中传播时只能使用四个主要窗口,但这四个窗口的总带宽也可达135GHz,为微波以下各波段带宽之和的5倍,这在频率资源紧张的今天无疑极具吸引力;(2)波束窄,在相同天线尺寸下毫米波的波束要比微波的波束窄得多,例如一个12cm的天线,在9.4GHz时波束宽度为18度,而94GHz时波速宽度仅1.8度,因此可以分辨相距更近的小目标或者更为清晰地观察目标的细节;(3)与激光相比,毫米波的传播受气候的影响要小得多,可以认为具有全天候特性;(4)和微波相比,毫米波元器件的尺寸要小得多,因此毫米波系统更容易小型化;(5)可穿透一般的衣物,直接测量体表。
以生物体探测传感器为毫米波雷达为例,在一种可能的实现方式中,步骤210的实现过程可以为:响应于触发的检测请求,预先设置在被测对象周围的毫米波雷达采用毫米波照射被测对象,并接收被测对象反射的毫米波。由于呼吸、脉搏波等生理因素的影响,被测对象的躯干会存在些许微弱运动,因此,从反射的毫米波(例如相位信息等)中,可以捕捉到能反映被测对象的体表运动变化的毫米波数据。
进一步地,毫米波雷达将采集的毫米波数据反馈给计算机设备后,计算机设备即可基于毫米波数据,通过测量发射毫米波与接收毫米波的时间差,确定被测对象的体表点云的距离信息;并通过分析接收的信号前后序列的相位变化,计算被测对象体表点云的位移,从而获取被测对象体表的位移信息。也即是,通过多接收天线来分析同一信号到达不同天线的时间差,即可获知被测对象在空间上的角度位置,得到被测对象的体表点云数据。
可选地,若被测对象有多个时,可以通过毫米波雷达先扫描搜索出多个被测对象在毫米波雷达感知空间中的具体方位,然后基于各个被测对象的具体方位,调整毫米波雷达的波束照射方向,同时采集多个被测对象的体表点云数据,以实现同时检测多个被测对象的生理特征的效果。
步骤220:根据体表点云数据,获取被测对象的多个检测部位的微动信息。
其中,被测对象为人体时,多个检测部位可以为颈部、胸部、腹部、手臂、大腿、脚踝等人体的任一感兴趣区域。
在一种可能的实现方式中,步骤220的实现过程可以为:基于体表点云数据,对被测对象进行体表三维模型重建,得到被测对象的体表模型;根据体表模型,获取被测对象的多个检测部位的微动信息。
需要说明的是,通过步骤220可以将生物体探测传感器采集的体表点云数据和被测对象的各个检测部位关联起来,通过对各检测部位对应的体表点云数据进行处理,得到各检测部位的微动信息。
其中,各检测部位的微动信息可以准确描述各检测部位的体表微小的运动情况。
步骤230:根据多个检测部位的微动信息,确定被测对象的生理特征信息。
其中,被测对象的生理特征信号可以包括脉搏波传导速度、呼吸特征信息和心脏特征信息中的至少一项,也可以包括其他信息,本实施例对此不做限制。
需要说明的是,生理特征信息也可以理解为针对各检测部位的检测项。对于一些检测项,其可以根据一个检测部位的微动信息即可确定;对于一些特殊的检测项,其可能需要结合多个检测部位的微动信息来确定。也即是,检测部位的微动信息和生理特征信息之间并非一一对应关系。
在一种可能的实现方式中,步骤230的实现方式可以为:获取预设的多个生理检测指标;根据各生理检测指标对应的至少一个检测部位,对每个生理检测指标对应的检测部位的微动信息执行特征提取和数据融合等处理操作,以确定各生理检测指标对应的生理特征信息。
其中,多个生理检测指标可以从被测对象的历史检测数据中获取,也可以是医生基于被测对象的实际身体情况,为其特意设置的生理检测指标。
步骤240:根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果。
其中,一个健康检测指标对应一个或多个生理特征信息。健康检测指标可以包括与动脉硬化、急性心衰、睡眠呼吸暂停综合症、癫痫等诊断相关的一项或多项检测指标,也可以为其他病症的检测指标。
在一种可能的实现方式中,步骤240的实现过程可以为:获取各健康检测指标对应的生理特征信息;针对每一个健康检测指标,根据该健康检测指标对应的至少一个生理特征信息,确定被测对象在该健康检测指标下的检测结果。
上述生理特征检测方法中,计算机设备通过生物体探测传感器获取被测对象在预设时间段内的体表点云数据;根据体表点云数据,获取被测对象的多个检测部位的微动信息;根据多个检测部位的微动信息,确定被测对象的生理特征信息;根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果。在该方法中,生物体探测传感器设置于被测对象周围的预设范围内,且与被测对象之间无接触。如此,通过无接触的方式对被测对象体表的微动信息进行检测,检测过程无需医护人员手动操作,操作简单,易于实现。同时,无接触的方式也不会对被测对象造成任何不适,可以减少交叉感染的风险,安全性更高。进一步地,通过生物体探测传感器可以获取到被测对象更为全面准确的体表点云数据,从检测数据源上而言,保证了数据的全面性和准确性,数据精度高。另外,根据被测对象在预设时间段内的体表点云数据,可以有效分析被测对象多个检测部位的体表微小的运动/起伏情况,从而根据多个检测部位的微动信息确定被测对象的生理特征信息,以及被测对象在至少一个健康检测指标下的检测结果,提高了检测效率和检测结果的准确度。
基于上述实施例,随着深度学习算法在医学检测领域中的应用,可以通过预先训练好的深度神经网络,将生物体探测传感器采集到的体表点云数据直接映射到被测对象的检测部位上,以将微动信息与具体产生微动的身体部位进行准确对应。
基于此,在一个实施例中,如图3所示,上述步骤220中根据体表点云数据获取测对象的多个检测部位的微动信息的实现过程,包括以下步骤:
步骤310:将体表点云数据输入到预设的姿态识别模型中,确定被测对象的多个检测部位在预设时间段内的位姿变化信息。
其中,姿态识别模型是基于深度学习算法构建的神经网络模型,通过该姿态识别模型可以快速有效地确定被测对象的位姿变化信息。
作为一个示例,姿态识别模型可以为卷积神经网络(Convolutional NeuralNetworks,CNN),也可以为其他的神经网络,本实施例对此不做限制。
应该理解的是,CNN的基本操作包括两种,其一为特征提取,每个神经元的输入与前一层的局部接受域相连,并提取该局部的特征,一旦该局部特征被提取后,它与其它特征间的位置关系也随之确定下来;其二是特征映射,网络的每个计算层由多个特征映射组成,每个特征映射是一个平面,平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数,使得特征映射具有位移不变性。此外,由于一个映射面上的神经元共享权值,因而减少了网络自由参数的个数。CNN中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层,这种特有的两次特征提取结构减小了特征分辨率。
进一步地,在一种可能的实现方式中,姿态识别模型的训练过程可以为:获取训练样本数据;训练样本数据包括多组体表点云数据,每组体表点云数据对应一个标记位姿变化信息;将训练样本数据作为初始姿态识别模型的输入,对初始姿态识别模型进行迭代训练,直到初始姿态识别模型输出的位姿变化信息满足预设的收敛条件,则确定初始姿态识别模型收敛,得到训练好的姿态识别模型。
作为一个示例,对初始姿态识别模型进行迭代训练时,若初始姿态识别模型输出的位姿变化信息与标记位姿变化信息之间的误差小于预设值,则认为初始姿态识别模型满足预设的收敛条件,确定初始姿态识别模型收敛。
基于训练好的姿态识别模型,上述步骤310的实现过程为:将体表点云数据输入到姿态识别模型中,通过姿态识别模型确定被测对象的多个检测部位在预设时间段内的位姿变化信息。
例如,通过姿态识别模型输出被测对象颈部的位姿变化信息、胸部的位姿变化信息、腹部的位姿变化信息、腿部的位姿变化信息、躯干整体的位姿变化信息等,本实施例不再进行一一列举。
步骤320:根据位姿变化信息,确定被测对象的多个检测部位的微动信息。
在该步骤中,通过对被测对象各检测部位的位姿变化信息进行分析处理,即可从中提取出各检测部位的微动信息。
也即是,将被测对象体表的位姿变化信息转换为各检测部位的微动信息,消除各检测部位之间的信息干扰,使得确定的微动信息可以准确反映被测对象各检测部位的结构或组织的实际运动信息。
本实施例中,训练好的姿态识别模型可以根据输入的体表点云数据,确定被测对象的多个检测部位在预设时间段的位姿变化信息,从而确定各检测部位的微动信息,提高了确定被测对象各检测部位的微动信息的效率和准确度。
接下来,分别以生理特征信息为脉搏波传导速度、呼吸特征信息和心脏特征信息为例,对上述步骤230中根据多个检测部位的微动信息,确定被测对象的生理特征信息的具体过程进行解释说明。
在一个实施例中,检测部位为包含动脉的部位,则微动信息为脉搏运动信息,生理特征信息包括脉搏波传导速度。参见图4,根据多个检测部位的微动信息,确定被测对象的生理特征信息的实现过程,包括以下步骤:
步骤410:获取被测对象中所有包含动脉的部位的脉搏运动信息。
其中,被测对象为人体时,包含动脉的部位的检测部位可以包括颈部、大腿部、上臂和踝关节等。
应该理解的是,人体上动脉波动最明显的两处为颈-腿和臂-踝,故在此实施例中采集的脉搏波信号包括颈-腿脉搏波信号和/或臂-踝脉搏波信号。在实际应用中,也可以采用人体上其他两个部位的脉搏波信号来确定脉搏波传导速度,本实施例对此不做限制。
在一种可能的实现方式中,步骤410的实现过程为:根据被测对象的颈部和大腿部的微动信息,分析被测对象颈部的脉搏运动信息和大腿部的脉搏运动信息。或者,根据被测对象的上臂和踝关节的微动信息,分析被测对象上臂的脉搏运动信息和踝关节的脉搏运动信息。
步骤420:根据所有包含动脉的部位的脉搏运动信息,获取所有包含动脉的部位的脉搏波信号。
在该步骤中,根据被测对象颈部的脉搏运动信息和大腿部的脉搏运动信息,确定被测对象颈部和大腿部的脉搏波信号;根据被测对象的上臂处的脉搏运动信息和踝关节的脉搏运动信息,确定被测对象上臂和踝关节处的脉搏波信号。
步骤430:根据所有包含动脉的部位的脉搏波信号的传导时间差,确定被测对象的脉搏波传导速度。
需要说明的是,血液经由心脏的左心室收缩而挤压流入主动脉,随即传递到全身动脉。而动脉为富有弹性的结缔组织与肌肉所形成管路,当大量血液进入动脉将使动脉压力变大而使管径扩张,在体表较浅处动脉即可感受到此扩张,即脉搏波信号。
因此,在该步骤430中,可以对被测对象的颈-腿的脉搏波信号进行解析,以通过这两个检测部位之间的相位差来计算脉搏波的传导时间差,然后根据颈-腿的脉搏波传导时间差,以及颈部和腿部之间的体表距离,计算颈-腿之间的脉搏波传导速度,将其确定为被测对象的脉搏波传导速度。
或者,对被测对象的臂-踝的脉搏波信号进行解析,以通过这两个检测部位之间的相位差来计算脉搏波的传导时间差,然后根据臂-踝的脉搏波传导时间差,以及上臂和踝关节之间的体表距离,计算臂-踝之间的脉搏波传导速度,将其确定为被测对象的脉搏波传导速度。
可选地,在根据多个检测部位的脉搏波信号,确定被测对象的脉搏波传导速度时,也可以采用多部位的脉搏波传导速度取平均值的方式,确定被测对象的脉搏波传导速度。
在本实施例中,通过无接触方式采集被测对象多个检测部位的脉搏波信号,从而计算出被测对象的脉搏波传导速度。检测过程简单,易于实现,不会对被测对象造成任何不适,且不依赖于医护人员的专业技术,检测效率较高,确定的脉搏波传导速度也更精确。
进一步地,基于该实施例得到的脉搏波传导速度,还可以对被测对象进行血压检测、动脉硬化检测、睡眠监测等健康检测指标的检测。
其中,血压检测是通过分析脉搏波波形的波形特征量,并经过一系列数学运算计算出人体的血压值。动脉硬化检测是根据Moens-Korteweg方程,脉搏波传导速度与弹性系数的平方根成正比,当动脉硬化导致血管弹性降低时,脉搏波在动脉系统的传播速度就会加快。因此,根据获得的脉搏波传导速度可以判断被测对象的动脉硬化程度。睡眠监测是利用光电容积脉搏波描记法(Photo Plethysmo Graphic,PPG)来测量脉搏波并得到人体的心率,然后将心率数据波形与监测到人体微动信息相结合,利用自动睡眠检测技术来判断人体是否进入睡眠状态,并分析睡眠的质量。
在一个实施例中,检测部位为胸腹部位,则微动信息为胸腹部运动信息,生理特征信息包括呼吸特征信息。参见图5,根据多个检测部位的微动信息,确定被测对象的生理特征信息的实现过程,包括以下步骤:
步骤510:获取被测对象的胸腹部位的胸腹部运动信息。
其中,胸腹部运动信息可以为胸部运动信息、腹部运动信息,或者胸部和腹部整个区域的运动信息。
也即是,根据被测对象的胸腹部位的微动信息,分析被测对象的胸腹部运动信息。
步骤520:根据胸腹部运动信息,确定被测对象的呼吸特征信息。
其中,呼吸特征信息至少包括呼吸模式和呼吸频率,呼吸模式可以包括胸呼吸模式和腹呼吸模式。
在一种可能的实现方式中,步骤520的实现过程为:根据被测对象的胸腹部运动信息,确定被测对象在预设时间段内的呼吸频率,得到被测对象的呼吸频率变化信息。并根据被测对象的呼吸部位的变化情况,确定被测对象在预设时间段内的呼吸模式的变化情况。
在本实施例中,通过无接触方式采集被测对象的胸腹部运动信息,从而确定被测对象的呼吸特征信息。检测过程简单,易于实现,不会对被测对象造成任何不适,且不依赖于医护人员的专业技术,检测效率较高,确定的呼吸特征信息可以准确表征被测对象的实际呼吸情况。
进一步地,基于本实施例得到的呼吸特征信息,可以对被测对象的睡眠质量进行监测,以确定被测对象的睡眠呼吸暂停综合症的检测结果。
其中,睡眠呼吸暂停综合症是一种常见的与睡眠相关的呼吸系统疾病,严重威胁着人们的睡眠健康。医学上将睡眠过程中口鼻气流停止大于等于10秒定义为睡眠呼吸暂停综合症,常用呼吸暂停低通气指数(Apnea-Hypopnea Index,AHI)评价其严重程度,即睡眠中平均每小时呼吸暂停加低通气次数,分为轻微(5≤AHI<15次)、中度(15≤AHI<30次)和重度(≥30次)三个等级。医学上根据造成睡眠呼吸暂停的原因,将睡眠呼吸暂停综合症可分为三种情况:阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea,OSA),中枢性睡眠呼吸暂停(Central Sleep Apnea,CSA)以及混合性睡眠呼吸暂停(Mixed Sleep Apnea,MSA)。
其中,OSA是由上呼吸道狭窄引起的呼吸气道不通畅所致,OSA发生时,口鼻无呼吸气流,胸部无呼吸运动但腹部呼吸运动仍然存在;CSA是因脑内呼吸中枢功能障碍所致,表现为口鼻无呼吸气流,并且胸腹部均无呼吸运动;MSA的发生机制可能是由于某种因素使呼吸中枢驱动力减弱,不能产生有效的呼吸运动,而出现CSA。继之,随着呼吸暂停时间的延长,呼吸中枢驱动力增强,胸腹呼吸运动恢复,但尚不足以打开闭塞的上气道,则表现为OSA。
传统技术中,需要采用多导睡眠描记术(Poly Somno Graphy,PSG)监测睡眠期间的各种生理参数,包括:脑电图(Electro Encephalo Graphy,EEG)、眼电图(Electro-OculoGram,EOG)、肌电图(Electromyogram,简称EMG)、心电图(Electrocardiogram,简称ECG)、血氧饱和度、胸腹呼吸动作、口鼻呼吸气流等等。但是这种接触式检测方法必须在医院环境中进行检测,需要让睡眠技术人员在夜间出勤,并且需要专业的医生手动“评分”所得到的测量值,因此检测费用相对昂贵。
而在本申请实施例中,采用非接触方式获取被测对象胸腹部运动信息,对其进行分析处理,确定被测对象的呼吸特征信息。当胸部和腹部呼吸运动同时存在时,被测对象处于正常呼吸状态;当胸部呼吸运动缺失,腹部呼吸运动存在时,被测对象可能处于阻塞性睡眠呼吸暂停状态;当胸部和腹部呼吸运动均缺失时,被测对象可能处于为中枢性睡眠呼吸暂停状态。
如此,根据被测对象的胸腹部运动信息,可以快速有效地对睡眠呼吸暂停综合症进行有效监测,以此来分析被测对象的睡眠质量。监测过程无需人工干涉,可以随时随地进行,易于实现且监测成本低。同时,该方式的监测效果更好。
在一个实施例中,检测部位为躯干,则微动信息为躯干运动信息,生理特征信息包括心脏特征信息。参见图6,根据多个检测部位的微动信息,确定被测对象的生理特征信息的实现过程,包括以下步骤:
步骤610:获取被测对象的躯干的躯干运动信息。
应该理解的是,被测对象的躯干包括上文提及的多个检测部位。
在一种可能的实现方式中,步骤610的实现过程为:根据被测对象的多个检测部位的微动信息,对多个检测部位的微动信息执行特征提取和信息融合等分析处理操作,确定被测对象整个躯干的躯干运动信息。
步骤620:根据躯干运动信息,确定被测对象的心脏特征信息。
其中,心脏特征信息可以为心冲击图(Ballistocardiography,简称BCG),心冲击图描记的是心脏活动产生的一系列人体震动信号,与心电图描记的是生物电信号不同。
由于心脏的搏动可以引起人体一系列相应的周期性运动/震动,因此,在该步骤620中,可以将被测对象在预设时间段内的躯干运动信息描记成波形图,得到被测对象的心冲击图。
在本实施例中,通过无接触采集的被测对象的躯干运动信息,可以描绘出被测对象的心冲击图。检测过程不会对被测对象造成任何不适,且不依赖于医护人员的专业技术,检测效率较高,确定的心脏特征信息可以准确表征被测对象的心脏运动情况。
进一步地,基于本实施例得到的心冲击图,可以了解被测对象心脏本身的排血功能,从而推测心脏本身的情形,可以帮助医生对一些冠状动脉疾病进行有效诊断。
基于上述任一方法实施例,上述步骤240中根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果,包括以下两种可能的实现方式:
在一个实施例中,如图7所示,根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果的实现过程,包括以下步骤:
步骤710:获取各健康检测指标的标准值范围,以及各健康检测指标和生理特征信息之间的关联关系。
其中,每个健康检测指标对应至少一个生理特征信息,也即是,对应的至少一个生理特征信息可以反映被测对象在该健康检测指标下的实际检测情况。
需要说明的是,各健康检测指标的标准值范围可以是医生根据被测对象的身体情况,而特意设定的测量值范围;也可以是从其他医疗管理系统中获取的通用的经验值范围,本实施例对此不做限制,也不限制获取各健康检测指标的标准值范围的触发时机和获取手段。
作为一个示例,各健康检测指标的标准值范围可以预先存储在计算机设备中,由用户(包括本申请的被测对象,或者负责该被测对象治疗过程的任一医生)自行选择所需的健康检测指标项。
步骤720:根据各健康检测指标的标准值范围,以及各健康检测指标对应的生理特征信息,确定被测对象在各健康检测指标下的检测结果。
在一种可能的实现方式中,步骤720的实现过程可以为:基于各健康检测指标的标准值范围,判断各健康检测指标对应的生理特征信息是否位于标准值范围内。针对任一个健康检测指标,若该健康检测指标对应的生理特征信息位于该健康检测指标的标准值范围内,则确定被测对象在该健康检测指标下的检测结果为健康;若该健康检测指标对应的生理特征信息位于该健康检测指标的标准值范围外,则确定被测对象在该健康检测指标下的检测结果为异常。
在另一个实施例中,如图8所示,根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果的实现过程,包括以下步骤:
步骤810:获取各健康检测指标对应的目标生理信息。
其中,目标生理信息包括各健康检测指标对应的生理特征信息,以及生理特征信息对应的历史生理特征信息。
应该理解的是,生理特征信息即为本申请实施例在预设时间段内采集的信息,历史生理特征信息是在该预设时间段之前采集的生理特征信息。
步骤820:针对任一个健康检测指标,通过健康检测指标对应的目标生理信息,确定被测对象在健康检测指标下的检测结果。
在一种可能的实现方式中,步骤820的实现过程为:针对每一健康检测指标,根据该健康检测指标对应的生理特征信息,以及该生理特征信息对应的历史生理特征信息,确定被测对象在每一个健康检测指标下生理特征信息的变化趋势,以此来分析被测对象在各健康检测指标下的检测结果。
作为一个示例,针对每一个健康指标,若生理特征信息的变化趋势超出预设的变化幅值,则确定被测对象在该健康检测指标下的检测结果为异常;若生理特征信息的变化趋势未超过预设的变化幅值,则确定被测对象在该健康检测指标下的检测结果为健康。
结合上述图7和图8所示的方法实施例,本申请通过各健康检测指标的标准值范围,或者被测对象的历史生理特征信息来对被测对象当前检测到生理特征信息进行判断分析,确定被测对象在各健康检测指标下的检测结果。如此,从两个维度确定被测对象在各健康检测指标下的检测结果,检测结果的可靠性更高。
进一步地,在确定被测对象在任一健康检测指标下的检测结果为异常时,生成异常报警信息,该异常报警信息包括被测对象的生理特征信息和被测对象在健康检测指标下的检测结果。
可选地,还可以将异常报警信息发送给被测对象的用户终端,以使被测对象可以根据自身生理特征信息的变化趋势,及时调整饮食和作息、按时服药、调整服药量等。
可选地,还可以将异常报警信息发送给该被测对象的主治医生,以使主治医生可以根据被测对象实际的生理特征信息、生理特征的变化趋势和健康检测指标的标准值范围,确定是否需要对被测对象进行干涉治疗。
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生理特征检测方法的生理特征检测装置。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生理特征检测装置实施例中的具体限定可以参见上文中对于生理特征检测方法的限定,在此不再赘述。
在一个实施例中,如图9所示,提供了一种生理特征检测装置,该装置900包括:第一获取模块910、第二获取模块920、第一确定模块930和第二确定模块940,其中:
第一获取模块910,用于通过生物体探测传感器获取被测对象在预设时间段内的体表点云数据;生物体探测传感器设置于被测对象周围的预设范围内,且与被测对象之间无接触;
第二获取模块920,用于根据体表点云数据,获取被测对象的多个检测部位的微动信息;
第一确定模块930,用于根据多个检测部位的微动信息,确定被测对象的生理特征信息;
第二确定模块940,用于根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果。
在其中一个实施例中,检测部位为包含动脉的部位,则微动信息为脉搏运动信息,生理特征信息包括脉搏波传导速度;
第一确定模块930,包括:
第一获取单元,用于获取被测对象中所有包含动脉的部位的脉搏运动信息;
第二获取单元,用于根据所有包含动脉的部位的脉搏运动信息,获取所有包含动脉的部位的脉搏波信号;
第一确定单元,用于根据所有包含动脉的部位的脉搏波信号的传导时间差,确定被测对象的脉搏波传导速度。
在其中一个实施例中,检测部位为胸腹部位,则微动信息为胸腹部运动信息,生理特征信息包括呼吸特征信息;
第一确定模块930,包括:
第三获取单元,用于获取被测对象的胸腹部位的胸腹部运动信息;
第二确定单元,用于根据胸腹部运动信息,确定被测对象的呼吸特征信息。
在其中一个实施例中,检测部位为躯干,则微动信息为躯干运动信息,生理特征信息包括心脏特征信息;
第一确定模块930,包括:
第四获取单元,用于获取被测对象的躯干的躯干运动信息;
第三确定单元,用于根据躯干运动信息,确定被测对象的心脏特征信息。
在其中一个实施例中,第二获取模块920,包括:
位姿确定单元,用于将体表点云数据输入到预设的姿态识别模型中,确定被测对象的多个检测部位在预设时间段内的位姿变化信息;
微动信息确定单元,用于根据位姿变化信息,确定被测对象的多个检测部位的微动信息。
在其中一个实施例中,第二确定模块940,包括:
第五获取单元,用于获取各健康检测指标的标准值范围,以及各健康检测指标和生理特征信息之间的关联关系;
第四确定单元,用于根据各健康检测指标的标准值范围,以及各健康检测指标对应的生理特征信息,确定被测对象在各健康检测指标下的检测结果。
在其中一个实施例中,第二确定模块940,包括:
第六获取单元,用于获取各健康检测指标对应的目标生理信息;目标生理信息包括各健康检测指标对应的生理特征信息,以及生理特征信息对应的历史生理特征信息;
第五确定单元,用于针对任一个健康检测指标,通过健康检测指标对应的目标生理信息,确定被测对象在健康检测指标下的检测结果。
上述生理特征检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终端,其内部结构图可以如图10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、通信接口、显示屏和输入装置。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、内存储器。该非易失性存储介质存储有操作系统和计算机程序。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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种生理特征检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10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:
通过生物体探测传感器获取被测对象在预设时间段内的体表点云数据;生物体探测传感器设置于被测对象周围的预设范围内,且与被测对象之间无接触;
根据体表点云数据,获取被测对象的多个检测部位的微动信息;
根据多个检测部位的微动信息,确定被测对象的生理特征信息;
根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果。
上述实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
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:
通过生物体探测传感器获取被测对象在预设时间段内的体表点云数据;生物体探测传感器设置于被测对象周围的预设范围内,且与被测对象之间无接触;
根据体表点云数据,获取被测对象的多个检测部位的微动信息;
根据多个检测部位的微动信息,确定被测对象的生理特征信息;
根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果。
上述实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
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:
通过生物体探测传感器获取被测对象在预设时间段内的体表点云数据;生物体探测传感器设置于被测对象周围的预设范围内,且与被测对象之间无接触;
根据体表点云数据,获取被测对象的多个检测部位的微动信息;
根据多个检测部位的微动信息,确定被测对象的生理特征信息;
根据被测对象的生理特征信息,确定被测对象在至少一个健康检测指标下的检测结果。
上述实施例提供的计算机程序产品,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
需要说明的是,本申请所涉及的被测对象的信息(包括但不限于被测对象的个人信息、历史生理特征信息、诊疗信息等)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),均为经被测对象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、存储、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-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。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。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 Random Access Memory,DRAM)等。
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发明专利范围的限制。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,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种生理特征检测方法,其特征在于,所述方法包括:
通过生物体探测传感器获取被测对象在预设时间段内的体表点云数据;所述生物体探测传感器设置于所述被测对象周围的预设范围内,且与所述被测对象之间无接触;
根据所述体表点云数据,获取所述被测对象的多个检测部位的微动信息;
根据所述多个检测部位的微动信息,确定所述被测对象的生理特征信息;
根据所述被测对象的生理特征信息,确定所述被测对象在至少一个健康检测指标下的检测结果。
2.根据权利要求1所述的方法,其特征在于,所述检测部位为包含动脉的部位,则所述微动信息为脉搏运动信息,所述生理特征信息包括脉搏波传导速度;
所述根据所述多个检测部位的微动信息,确定所述被测对象的生理特征信息,包括:
获取所述被测对象中所有包含动脉的部位的脉搏运动信息;
根据所述所有包含动脉的部位的脉搏运动信息,获取所述所有包含动脉的部位的脉搏波信号;
根据所述所有包含动脉的部位的脉搏波信号的传导时间差,确定所述被测对象的脉搏波传导速度。
3.根据权利要求1所述的方法,其特征在于,所述检测部位为胸腹部位,则所述微动信息为胸腹部运动信息,所述生理特征信息包括呼吸特征信息;
所述根据所述多个检测部位的微动信息,确定所述被测对象的生理特征信息,包括:
获取所述被测对象的胸腹部位的胸腹部运动信息;
根据所述胸腹部运动信息,确定所述被测对象的呼吸特征信息。
4.根据权利要求1所述的方法,其特征在于,所述检测部位为躯干,则所述微动信息为躯干运动信息,所述生理特征信息包括心脏特征信息;
所述根据所述多个检测部位的微动信息,确定所述被测对象的生理特征信息,包括:
获取所述被测对象的躯干的躯干运动信息;
根据所述躯干运动信息,确定所述被测对象的心脏特征信息。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述根据所述体表点云数据,获取所述被测对象的多个检测部位的微动信息,包括:
将所述体表点云数据输入到预设的姿态识别模型中,确定所述被测对象的多个检测部位在预设时间段内的位姿变化信息;
根据所述位姿变化信息,确定所述被测对象的多个检测部位的微动信息。
6.根据权利要求1至4中任一项所述的方法,其特征在于,所述根据所述被测对象的生理特征信息,确定所述被测对象在至少一个健康检测指标下的检测结果,包括:
获取各所述健康检测指标的标准值范围,以及各所述健康检测指标和所述生理特征信息之间的关联关系;
根据各所述健康检测指标的标准值范围,以及各所述健康检测指标对应的生理特征信息,确定所述被测对象在各所述健康检测指标下的检测结果。
7.根据权利要求1至4中任一项所述的方法,其特征在于,所述根据所述被测对象的生理特征信息,确定所述被测对象在至少一个健康检测指标下的检测结果,包括:
获取各所述健康检测指标对应的目标生理信息;所述目标生理信息包括各所述健康检测指标对应的生理特征信息,以及所述生理特征信息对应的历史生理特征信息;
针对任一个健康检测指标,通过所述健康检测指标对应的目标生理信息,确定所述被测对象在所述健康检测指标下的检测结果。
8.一种生理特征检测装置,其特征在于,所述装置包括:
第一获取模块,用于通过生物体探测传感器获取被测对象在预设时间段内的体表点云数据;所述生物体探测传感器设置于所述被测对象周围的预设范围内,且与所述被测对象之间无接触;
第二获取模块,用于根据所述体表点云数据,获取所述被测对象的多个检测部位的微动信息;
第一确定模块,用于根据所述多个检测部位的微动信息,确定所述被测对象的生理特征信息;
第二确定模块,用于根据所述被测对象的生理特征信息,确定所述被测对象在至少一个健康检测指标下的检测结果。
9.一种计算机设备,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7中任一项所述的方法的步骤。
10.一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7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210680307.5A CN115105035B (zh) | 2022-06-16 | 2022-06-16 | 生理特征检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210680307.5A CN115105035B (zh) | 2022-06-16 | 2022-06-16 | 生理特征检测方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115105035A true CN115105035A (zh) | 2022-09-27 |
CN115105035B CN115105035B (zh) | 2023-06-16 |
Family
ID=83328588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210680307.5A Active CN115105035B (zh) | 2022-06-16 | 2022-06-16 | 生理特征检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115105035B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110054272A1 (en) * | 2009-09-01 | 2011-03-03 | Adidas AG, World of Sports | Method And System For Monitoring Physiological And Athletic Performance Characteristics Of A Subject |
US20180049669A1 (en) * | 2016-08-17 | 2018-02-22 | The Regents Of The University Of Colorado, A Body Corporate | Apparatus and methods for continuous and fine-grained breathing volume monitoring |
CN108697348A (zh) * | 2018-03-16 | 2018-10-23 | 深圳和而泰数据资源与云技术有限公司 | 一种生理信息监测方法及生理信息监测垫、一种床垫 |
US20190108913A1 (en) * | 2017-10-06 | 2019-04-11 | Tellus You Care, Inc. | Vital signs with non-contact activity sensing network for elderly care |
CN110766704A (zh) * | 2019-10-22 | 2020-02-07 | 深圳瀚维智能医疗科技有限公司 | 乳房点云分割方法、装置、存储介质及计算机设备 |
US20200330030A1 (en) * | 2019-04-17 | 2020-10-22 | Mediatek Inc. | Physiological status monitoring apparatus and method |
CN111887861A (zh) * | 2020-09-30 | 2020-11-06 | 西南交通大学 | 一种基于毫米波雷达的室内人员安全一体化监测方法 |
CN112370032A (zh) * | 2020-11-24 | 2021-02-19 | 马洪旭 | 一种基于物联网的中医内科临床检测系统 |
US20210100451A1 (en) * | 2019-10-07 | 2021-04-08 | Siyang Cao | Systems and methods of remote extraction of skeletal information using millimeter wave radar |
CN112782664A (zh) * | 2021-02-22 | 2021-05-11 | 西南交通大学 | 一种基于毫米波雷达的卫生间跌倒检测方法 |
CN112998668A (zh) * | 2021-02-06 | 2021-06-22 | 路晟悠拜(重庆)科技有限公司 | 基于毫米波的非接触式远场多人体呼吸心率监测方法 |
CN113257415A (zh) * | 2020-02-12 | 2021-08-13 | 阿里巴巴集团控股有限公司 | 健康数据收集装置和系统 |
CN113267141A (zh) * | 2020-03-09 | 2021-08-17 | 天目爱视(北京)科技有限公司 | 一种显微三维信息采集设备 |
WO2021218753A1 (zh) * | 2020-04-30 | 2021-11-04 | 华为技术有限公司 | 一种手势识别方法以及相关装置 |
WO2022034771A1 (ja) * | 2020-08-11 | 2022-02-17 | 株式会社三菱ケミカルホールディングス | プログラム、方法、情報処理装置 |
CN114190913A (zh) * | 2021-12-07 | 2022-03-18 | 东南大学 | 一种基于毫米波雷达的驾驶人员驾驶状态监测系统及方法 |
CN114587347A (zh) * | 2022-03-25 | 2022-06-07 | 深圳市华屹医疗科技有限公司 | 肺功能检测方法、系统、装置、计算机设备和存储介质 |
-
2022
- 2022-06-16 CN CN202210680307.5A patent/CN115105035B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110054272A1 (en) * | 2009-09-01 | 2011-03-03 | Adidas AG, World of Sports | Method And System For Monitoring Physiological And Athletic Performance Characteristics Of A Subject |
US20180049669A1 (en) * | 2016-08-17 | 2018-02-22 | The Regents Of The University Of Colorado, A Body Corporate | Apparatus and methods for continuous and fine-grained breathing volume monitoring |
US20190108913A1 (en) * | 2017-10-06 | 2019-04-11 | Tellus You Care, Inc. | Vital signs with non-contact activity sensing network for elderly care |
CN108697348A (zh) * | 2018-03-16 | 2018-10-23 | 深圳和而泰数据资源与云技术有限公司 | 一种生理信息监测方法及生理信息监测垫、一种床垫 |
US20200330030A1 (en) * | 2019-04-17 | 2020-10-22 | Mediatek Inc. | Physiological status monitoring apparatus and method |
US20210100451A1 (en) * | 2019-10-07 | 2021-04-08 | Siyang Cao | Systems and methods of remote extraction of skeletal information using millimeter wave radar |
CN110766704A (zh) * | 2019-10-22 | 2020-02-07 | 深圳瀚维智能医疗科技有限公司 | 乳房点云分割方法、装置、存储介质及计算机设备 |
CN113257415A (zh) * | 2020-02-12 | 2021-08-13 | 阿里巴巴集团控股有限公司 | 健康数据收集装置和系统 |
CN113267141A (zh) * | 2020-03-09 | 2021-08-17 | 天目爱视(北京)科技有限公司 | 一种显微三维信息采集设备 |
WO2021218753A1 (zh) * | 2020-04-30 | 2021-11-04 | 华为技术有限公司 | 一种手势识别方法以及相关装置 |
WO2022034771A1 (ja) * | 2020-08-11 | 2022-02-17 | 株式会社三菱ケミカルホールディングス | プログラム、方法、情報処理装置 |
CN111887861A (zh) * | 2020-09-30 | 2020-11-06 | 西南交通大学 | 一种基于毫米波雷达的室内人员安全一体化监测方法 |
CN112370032A (zh) * | 2020-11-24 | 2021-02-19 | 马洪旭 | 一种基于物联网的中医内科临床检测系统 |
CN112998668A (zh) * | 2021-02-06 | 2021-06-22 | 路晟悠拜(重庆)科技有限公司 | 基于毫米波的非接触式远场多人体呼吸心率监测方法 |
CN112782664A (zh) * | 2021-02-22 | 2021-05-11 | 西南交通大学 | 一种基于毫米波雷达的卫生间跌倒检测方法 |
CN114190913A (zh) * | 2021-12-07 | 2022-03-18 | 东南大学 | 一种基于毫米波雷达的驾驶人员驾驶状态监测系统及方法 |
CN114587347A (zh) * | 2022-03-25 | 2022-06-07 | 深圳市华屹医疗科技有限公司 | 肺功能检测方法、系统、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
后鹏程: "面向放疗机器人呼吸跟踪的体表呼吸运动建模及表征方法研究", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 * |
闫化腾: "基于毫米波雷达的呼吸心跳检测和手势识别方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115105035B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220225883A1 (en) | Observational Heart Failure Monitoring System | |
US20230148891A1 (en) | System and method for non-invasive instantaneous and continuous measurement of heart rate, stroke volume and ejection fraction | |
KR102091974B1 (ko) | Fmcw 레이더를 이용한 위치 추적 및 호흡(심박) 패턴 측정 방법 | |
US20170258366A1 (en) | Apparatus and method for continuous noninvasive measurement of respiratory function and events | |
Scalise | Non contact heart monitoring | |
US10092268B2 (en) | Method and apparatus to monitor physiologic and biometric parameters using a non-invasive set of transducers | |
KR101674997B1 (ko) | 웨어러블 생체신호측정 기기, 서버, 시스템 및 방법 | |
CN114587347B (zh) | 肺功能检测方法、系统、装置、计算机设备和存储介质 | |
CN116172539A (zh) | 基于机器学习的生命体征检测方法、系统、设备及介质 | |
Ring et al. | Cardiac stimulus intensity and heartbeat detection: Effects of tilt‐induced changes in stroke volume | |
CN115105035B (zh) | 生理特征检测方法、装置、计算机设备和存储介质 | |
US10251564B2 (en) | Thermal patient signal analysis | |
Akshay et al. | Design & implementation of real time bio-signal acquisition system for quality health care services for the population of rural India | |
Lopes | Bio-Radar Applications for Remote Vital Signs Monitoring | |
Mase et al. | Real-time evaluation of heart rate and heart rate variability using microwave reflectometry | |
Petrović et al. | System for validation of Doppler radar sensors for heartbeat and respiration monitoring | |
US20230363654A1 (en) | Beamforming systems and methods for detecting heart beats | |
Krishnan | A SURVEY OF CONTACTLESS | |
Luo et al. | A comparative evaluation of a wearable MEMS tactile sensors array and a photoplethysmography sensor for atrial fibrillation detection under sitting condition | |
Petrini et al. | Ambient assisted living electromagnetic sensor for continuous breathing monitoring applied to movement analysis: a preliminary study | |
RU2429786C1 (ru) | Способ интегральной оценки состояния организма человека | |
Kiriazi et al. | Doppler radar physiological assessments | |
Hussein et al. | Contactless Heart Rate Detection Using MM-Wave Radar Systems Advancements | |
Ota et al. | Model-Based Estimation of Heart Movements using Microwave Doppler Radar Sensor | |
Singh | Classification of Blood Pressure Using MmWave Doppler Radar |
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 |