CN115211865A - 一种多物理场疲劳干预方法和装置 - Google Patents

一种多物理场疲劳干预方法和装置 Download PDF

Info

Publication number
CN115211865A
CN115211865A CN202210875479.8A CN202210875479A CN115211865A CN 115211865 A CN115211865 A CN 115211865A CN 202210875479 A CN202210875479 A CN 202210875479A CN 115211865 A CN115211865 A CN 115211865A
Authority
CN
China
Prior art keywords
mode
intervention
electrocardio
fatigue
electrocardiosignals
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
Application number
CN202210875479.8A
Other languages
English (en)
Other versions
CN115211865B (zh
Inventor
刘金鑫
王慧泉
钟楚伟
首召兵
奉强
龙华
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 Time Yaa Electronic Technology Co ltd
Original Assignee
Shenzhen Time Yaa Electronic 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 Time Yaa Electronic Technology Co ltd filed Critical Shenzhen Time Yaa Electronic Technology Co ltd
Priority to CN202210875479.8A priority Critical patent/CN115211865B/zh
Publication of CN115211865A publication Critical patent/CN115211865A/zh
Application granted granted Critical
Publication of CN115211865B publication Critical patent/CN115211865B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • 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
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/20—Workers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
    • A61M2021/0027—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the hearing sense
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
    • A61M2021/0055—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus with electric or electro-magnetic fields
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
    • A61M2021/0072—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus with application of electrical currents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
    • A61M2021/0083—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus especially for waking up
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/04—Heartbeat characteristics, e.g. ECG, blood pressure modulation
    • 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)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Cardiology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Acoustics & Sound (AREA)
  • Computing Systems (AREA)
  • Hematology (AREA)
  • General Physics & Mathematics (AREA)
  • Psychology (AREA)
  • Anesthesiology (AREA)
  • Fuzzy Systems (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Magnetic Treatment Devices (AREA)

Abstract

本发明公开了一种一种多物理场疲劳干预方法及装置。该方法包括：采集人体心电信号，并对所述心电信号进行预处理，得到只包含心电群波信息的心电信号；对只包含心电群波信息的心电信号采用自适应阈值法提取RR间期信息；提取所述RR间期信息的特征参数，得到特征参数序列；将所述特征参数序列输入至训练好的SVM多分类模型中，得到分级指数；将所述分级指数转换为模式参数；根据所述模式参数确定干预模式，并根据所述干预模式进行疲劳干预。本发明能够精准、快速的划分疲劳等级，根据等级实现不同的干预手段。

Description

一种多物理场疲劳干预方法和装置
技术领域
本发明涉及疲劳干预技术领域，特别是涉及一种多物理场疲劳干预方法和装置。
背景技术
最普遍的疲劳的干预方案有：警示灯、蜂鸣器、语音提示等，大部分设备需要提示后，使用者选择相应模式，实现不同干预。在不同的场景有不同的干预手段，对于驾驶方面可通过语音提醒以及震动干预；日常生活方面通过光刺激、声刺激、震动达到干预；运动疲劳检测方面通过激光针灸、经皮穴位电刺激产生干预。
相关疲劳干预设备，当人处于轻度疲劳，可通过单一模式提醒作用，例如：声音刺激。但在某些嘈杂场所，或者处于中度疲劳、重度疲劳者，单靠声音这种单一模式刺激提醒，往往起不到作用。同时现在的很多设备只是针对某一个场所使用，换到另一种环境就无法使用，例如：驾驶方面的设备就不能使用在运动方面进行疲劳检测。
大多数疲劳检测与干预设备模式单一，参数固定，且开环调节，这些因素不仅限制使用场所、使用人员，而且操作性能差，其大大降低疲劳检测设备的实用性，更无法提高疲劳工作人员的警觉度。
发明内容
本发明的目的是提供一种多物理场疲劳干预方法和装置，用以精准、快速的划分疲劳等级，根据等级实现不同的干预手段。
为实现上述目的，本发明提供了如下方案：
一种多物理场疲劳干预方法，包括：
采集人体心电信号，并对所述心电信号进行预处理，得到只包含心电群波信息的心电信号；
对只包含心电群波信息的心电信号采用自适应阈值法提取RR间期信息；
提取所述RR间期信息的特征参数，得到特征参数序列；
将所述特征参数序列输入至训练好的SVM多分类模型中，得到分级指数；所述SVM多分类模型包括多个SVM二分类器；
将所述分级指数转换为模式参数；
根据所述模式参数确定干预模式，并根据所述干预模式进行疲劳干预；所述干预模式包括助眠模式和疲劳缓解模式。
可选地，对所述心电信号进行预处理，具体包括：
对所述心电信号进行低通滤波、高通滤波和陷波处理。
可选地，对只包含心电群波信息的心电信号采用自适应阈值法提取RR间期信息，具体包括：
基于只包含心电群波信息的心电信号的数值和峰值阈值，确定心电峰值大小序列和心电峰值位置序列；
基于只包含心电群波信息的心电信号的数值和谷值阈值，确定心电谷值大小序列和心电谷值位置序列；
基于所述心电峰值大小序列确定RR间期信息。
可选地，所述SVM多分类器采用投票策略进行分类。
可选地，所述分级指数包括第一分级指数Val1，第二分级指数Val2、第三分级指数Val3以及第四分级指数Val4；
当所述分级指数为第一分级指数Val1时，所述模式参数表示退出干预；
当所述分级指数为第二分级指数Val2时，所述模式参数表示使用弱模式多物理场干预；
当所述分级指数为第三分级指数Val3时，所述模式参数表示使用普通模式多物理场干预；
当所述分级指数为第四分级指数Val4时，模式参数表示使用强模式多物理场干预。
可选地，所述模式参数包括电刺激强度、电刺激极性、磁刺激强度和音乐类型；所述电刺激极性包括阴极刺激和阳极刺激；所述音乐类型包括助眠模式音乐和疲劳缓解模式音乐；
在所述助眠模式下所述电刺激强度恒定，在所述疲劳缓解模式下，所述电刺激强度根据所述分级指数进行调节；
在所述助眠模式使用阴极刺激，在所述疲劳缓解模式使用阳极刺激；
在所述助眠模式下磁刺激强度恒定，在所述疲劳缓解模式下磁刺激强度根据所述分级指数进行调节；
在所述助眠模式下播放所述助眠模式音乐，在所述疲劳环节模式下播放所述疲劳缓解模式音乐。
本发明还提供了一种多物理场疲劳干预装置，包括：
心电采集模块，使用单导心电中双导联的方式从人体颈部采集心电信号；
处理器，与所述心电采集模块连接，用于对所述心电信号进行预处理，得到只包含心电群波信息的心电信号；
无线通讯模块，与所述处理器连接，用于将只包含心电群波信息的心电信号发送至控制软件，所述控制软件对包含心电群波信息的心电信号进行处理得到模式参数；所述模式参数包括电刺激强度、电刺激极性、磁刺激强度和音乐类型；
干预信号发生模块，与所述处理器连接，用于根据处理器从所述无线通讯模块接收到的模式参数进行疲劳干预；
可选地，还包括：人机交互模块，与所述处理器连接，用于手动调整干预参数；所述干预参数包括干预模式、音乐音量和音乐曲目。
可选地，所述干预信号发生模块包括：声音驱动模块、电刺激信号驱动模块、磁刺激信号驱动模块、耳机、导电橡胶电极片和环形线圈；
所述声音驱动模块分别与所述处理器以及所述耳机连接，用于接收处理器发送的音指令，并确定所述音乐类型对应的音频信号，将所述音频信号发送至所述耳机；所述耳机将所述音频信号作用于人体；
所述电刺激信号驱动模块分别与所述处理器以及所述导电橡胶电极片连接，用于将所述电刺激强度和所述电刺激极性发送至所述导电橡胶电极片；所述导电橡胶电极片根据所述电刺激强度和所述电刺激极性将电信号作用于人体；
所述磁刺激信号驱动模块分别与所述处理器和所述环形线圈连接，用于将磁刺激强度发送至所述环形线圈；所述环形线圈根据所述磁刺激强度将磁刺激信号作用于人体。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明通过SVM多分类模型能够精准、快速的划分疲劳等级的分级指数，并将分级指数转换为模式参数，根据模式参数实现快速、精准的相应的干预模式，在一定程度上减少了因疲劳而造成的人员伤亡。本发明适用于长时间、高强度、不间断体力劳动与脑力劳动的人群，提高工作人员警觉度和工作效率，在民用领域和军事领域都具有十分广阔的前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的多物理场疲劳干预方法的流程图；
图2为本发明提供的多物理场疲劳干预方法的原理图；
图3为本发明提供的多物理场疲劳干预装置的结构框图；
图4为本发明提供的干预信号发生模块的结构框图；
图5为本发明提供的电刺激信号驱动模块的结构框图；
图6为本发明提供的磁刺激信号驱动模块的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明的目的是提供一种多物理场疲劳干预方法和装置，用以精准、快速的划分疲劳等级，根据等级实现不同的干预手段。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1-2所示，本发明提供的一种多物理场疲劳干预方法，包括以下步骤：
步骤101：采集人体心电信号，并对心电信号进行预处理，得到只包含心电群波信息的心电信号。
先在颈部采集预设时间的心电信号，将采集到的包含若干个R波峰值信号的心电信号进行低通滤波、高通滤波和陷波处理，得到只包含心电群波信息的心电信号。
步骤102：对只包含心电群波信息的心电信号采用自适应阈值法提取RR间期信息。具体包括：基于只包含心电群波信息的心电信号的数值和峰值阈值，确定心电峰值大小序列和心电峰值位置序列；基于只包含心电群波信息的心电信号的数值和谷值阈值，确定心电谷值大小序列和心电谷值位置序列；基于所述心电峰值大小序列确定RR间期信息。
自适应阈值法包括心电峰、谷值定位，心电峰值采集区域更新，心电谷值采集区域更新。具体方法为：
S1021：使用每个心电采集值与峰值阈值比较，当采集值大于峰值阈值时更新峰值阈值为当前采集值数值，更新峰值位置为当前采集值的位置。当采集值小于峰值阈值时不做改变。
S1022：当采集值小于谷值阈值时，采集峰值阶段结束，进入采集谷值阶段。获得到峰值大小为A1，峰值位置为B1。继续使用每个心电采集值与谷值阈值比较，当采集值小于谷值阈值时更新谷值阈值为当前采集值数值，更新谷值位置为当前采集值的位置。当采集值大于谷值阈值时不做改变。
S1023：当采集值再次大于峰值阈值后，采集谷值阶段结束，再次进入采集峰值阶段。获得到谷值大小为C1，谷值位置为D1，根据采集到的信息获取采集峰值阈值F、采集谷值阈值G。
S1024：执行S1021步骤，并且获得峰值大小序列Ai＝{A1,A2,A3...,An+1}，峰值位置序列Bi＝{B1,B2,B3...,Bn+1}，并且获取RR间期值RRi。
S1025：执行S1022步骤，并且获得谷值大小序列Ci＝{C1,C2,C3...,Cn+1}，谷值位置序列Di＝{D1,D2,D3...,Dn+1}。
S1026：重复执行S1023-S1025步骤，至心电信号末端，重复更新采集峰值阈值Fi＝{F1,F2,F3...,Fn+1}，采集谷值阈值Gi＝{G1,G2,G3...,Gn+1}，得到RR间期序列{RR1,RR2,...,RRn}。
其中采集峰值阈值方法更新方法为：
Fi＝Ai-(Ai-Ci)/5
其中采集谷值阈值方法更新方法为：
Gi＝Ci+(Ai-Ci)/5
其中RR间期的提取方法为：
RRi＝Bi+1-Bi
根据所采集到的RR间期序列{RR1,RR2,...,RRn}通过三西格玛原则去除粗大误差。
步骤103：提取RR间期信息的特征参数，得到特征参数序列。
特征参数包括：时域参数meanRR，SDNN，RMSSD，pNN50；频域参数LF，HF，LFn，HFn和LFn/HFn；非线性参数SD1，SD2，S，index，VLI，VAI。
步骤104：将特征参数序列输入至训练好的SVM多分类模型中，得到分级指数；SVM多分类模型包括多个SVM二分类器。
将所得特征参数序列{T1,T2,...,T15}输入训练好的SVM多分类模型中进行分类。本发明使用其间接法中的一对一法(OVO SVMs)进行模型的构建和分类，是在每两个类之间都构造一个SVM二分类器。训练过程中使用80％的数据集作为训练集，剩余20％的数据集为测试集。
对于第i类和第j类的数据，训练一个SVM二分类器即求解二次规划问题，所用到的公式如下：
Figure BDA0003762048540000071
Figure BDA0003762048540000072
Figure BDA0003762048540000073
Figure BDA0003762048540000074
其中，w为一个维度与输入特征序列维度相同的向量(K＝15)，b为标量，上标表示是i类和j类之间放入SVM二分类器的参数；下标t表示i类和j类的并集中样本的索引；
Figure BDA0003762048540000075
表示输入空间到特征空间的非线性映射函数，
Figure BDA0003762048540000076
表示第i类和第j类约束条件的松弛变量，C可以表示为权重，即惩罚系数，C越大表示为分类的样本越多，受到的“惩罚”越大。
索引i，j∈{1，2，...，M}，i＜j，一共需要训练
Figure BDA0003762048540000077
个SVM二分类器。
第i类和第j类之间的SVM二分类器对于新数据xnew的分类结果根据决策函数计算的值判定，决策函数计算公式如下：
Figure BDA0003762048540000078
其中
Figure BDA0003762048540000079
表示训练出的支持向量，sign()表示判断所得数据的正负。
当有新的数据集输入时，SVM多分类器采用投票策略进行分类。投票策略的过程为：
首先每个SVM二分类器根据其决策函数对于新数据xnew有一个预测结果(投票)，以i类和j类之间的SVM为例，若对于xnew的预测为i类，则i类得票加1；否则j类得票加1；
最终得票最多的类别就是对xnew的分类结果，当出现平票情况，则会简单选择索引较小的那个类别作为对xnew的分类。
最终实现4种分级指数，输出结果为{Val1,Val2,Val3,Val4}中的一项
步骤105：将分级指数转换为模式参数。
分级指数为Val1时，模式参数表示退出干预；分级指数为Val2时，模式参数表示使用弱模式多物理场干预；分级指数为Val3时，模式参数表示使用普通模式多物理场干预；分级指数为Val4时，模式参数表示使用强模式多物理场干预。模式参数包括电刺激强度、电刺激极性、磁刺激强度和音乐类型。
步骤106：根据模式参数确定干预模式，并根据干预模式进行疲劳干预；干预模式包括助眠模式和疲劳缓解模式。
电刺激强度范围为0-2mA。在快速助眠模式下电刺激强度恒定，在疲劳缓解模式下，电刺激强度受到分级指数的调节。
电刺激极性包括阴极刺激和阳极刺激，其中阴极刺激在快速助眠模式使用，阳极刺激在疲劳缓解模式使用。
磁刺激强度范围为0-20mT。在快速助眠模式下磁刺激强度恒定，在疲劳缓解模式下磁刺激强度受到分级指数的调节。
音乐类型包括快速助眠模式音乐和疲劳缓解模式音乐，其中快速助眠模式音乐为节奏缓慢的钢琴曲；疲劳缓解模式音乐为节奏欢快的电子音乐或交响乐。
如图3所示，针对上述方法本发明还提供了一种多物理场疲劳干预装置，包括：
心电采集模块，使用单导心电中双导联的方式从人体颈部采集心电信号；经过65dB增益的放大后，将信号传入处理器中。
处理器，与心电采集模块连接，用于对心电信号进行预处理，得到只包含心电群波信息的心电信号。
无线通讯模块，与处理器连接，用于将只包含心电群波信息的心电信号发送至控制软件，控制软件对包含心电群波信息的心电信号进行处理得到模式参数；模式参数包括电刺激强度、电刺激极性、磁刺激强度和音乐类型。无线通讯模块还用于将模式参数发送至处理器。
干预信号发生模块，与处理器连接，用于根据处理器从无线通讯模块接收到的模式参数进行疲劳干预；
该多物理场疲劳干预装置还包括：人机交互模块，与处理器连接，其功能为提供一个外部接口，帮助使用者自行改变干预参数；干预参数包括干预模式、音乐音量、音乐曲目。
如图4所示，干预信号发生模块包括：声音驱动模块、电刺激信号驱动模块、磁刺激信号驱动模块、耳机、导电橡胶电极片和环形线圈。
其中，声音驱动模块分别与处理器以及耳机连接，用于接收处理器发送的音指令，并确定音乐类型对应的音频信号，将音频信号发送至耳机；其中音乐指令为一段固定长度的二进制数据，用来控制切换播放音乐曲目，调节音量大小。控制指令包括2字节包头、1字节命令行、1字节数据长度、6字节有效数据段和2字节包尾。
耳机将音频信号作用于人体。
其中，电刺激信号驱动模块分别与处理器以及导电橡胶电极片连接，用于将电刺激强度和电刺激极性发送至导电橡胶电极片；导电橡胶电极片根据电刺激强度和电刺激极性将电信号作用于人体。
如图5所示，电刺激信号驱动模块包括上臂左桥开关电路、上臂右桥开关电路、两个二阶RC滤波电路、下臂左桥恒流源电路、下臂右桥恒流源电路和H桥电路。电刺激信号驱动模块的系统供电电压为20V-24V。
其中阳极控制端连接至上臂左桥开关电路，阴极控制端连接至上臂右桥开关电路，阳极PWM输入端连接至与下臂右桥恒流源电路连接的二阶RC滤波电路，阴极PWM输入端连接至与下臂左桥恒流源电路连接的二阶RC滤波电路。阳极控制端和阴极控制端输入为3.3V高电平信号或者0V低电平信号。阳极PWM输入端和阴极PWM输入端的输入信号为占空比为Duty的PWM波信号或者低电平信号。
二阶RC滤波电路连接至下臂左桥恒流源电路和下臂右桥恒流源电路的输入端，其功能是将输入的PWM波信号转换成直流信号，转换直流信号的电压值Vout计算公式如下：
Vout＝3.3+Duty
电刺激具体实施方式如下：
阳极控制端输入高电平、阳极PWM输入端输入占空比为Duty的PWM波；并且阴极控制端和阴极PWM输入端均输入低电平时，电刺激信号驱动模块产生阳极刺激信号，调节输入PWM占空比大小可以调节电刺激电流强度。
阴极控制端输入高电平、阴极PWM输入端输入占空比为Duty的PWM波；并且阳极控制端和阳极PWM输入端均输入低电平时，电刺激信号驱动模块产生阴极刺激信号，调节输入PWM占空比大小可以调节电刺激电流强度。具体公式为：
Figure BDA0003762048540000101
式中，Duty为PWM信号占空比，Rset为所设置采样电阻大小。
导电橡胶电极片连接至电刺激信号驱动模块上，具体位置在H桥电路中负载电阻的阳极端和阴极端各连接一个大小为3*5cm的导电橡胶电极片。导电橡胶电极片的功能是将电信号作用在人体上。作用位置为前额中轴线上FPZ点位置向左右各偏离3.5cm处(Fp1左额极，FP2右额极)。
其中，磁刺激信号驱动模块分别与处理器和环形线圈连接，用于将磁刺激强度发送至环形线圈；环形线圈根据磁刺激强度将磁刺激信号作用于人体。
如图6所示，磁刺激信号驱动模块包括第一分压电路、恒流源驱动电路和三个NPN三极管开关电路。磁刺激信号驱动模块的系统供电电压为5V。
输入PWM为高点平为3.3V，低电平为0V，占空比可调的PWM波。
第一分压连接在PWM波和恒流源驱动电路的中间。为了满足运算放大器的线性放大和后级刺激强度选通电路中三级管的参数要求，所以加入第一分压电路。
三个NPN三极管开关电路都包含输入端和控制端：每个NPN三极管开关电路的控制端连接至处理器上，每个NPN三极管开关电路的输入端连接在恒流源驱动电路的负反馈端。每个NPN三极管开关电路都包括一个NPN三极管、集电极限流电阻和基极限流电阻。通过处理器发出的高(3.3V)、低(0V)电平来控制NPN三极管开关电路的打开或关闭。
磁刺激具体实施方式如下：
当某种模式被使能时，对应该模式的控制引脚就被置高电平(3.3V)，其余引脚为低电平。快速助眠模式下驱动信号为16HZ，PWM占空比为75％，电流有效值为150mA；疲劳缓解模式弱模式下驱动信号为100HZ，PWM占空比为50％，电流有效值为60mA；普通模式下驱动信号为100HZ，PWM占空比为50％，电流有效值为90mA；强模式下驱动信号为100HZ，PWM占空比为50％，电流有效值为120mA。
环形线圈连接至磁刺激信号驱动模块上，具体位置为一端连接5V电压，另一端连接恒流源驱动电路的输出端。环形线圈的功能是将电流信号转换为磁场信号作用在人体上。作用位置在后头部，发际正中直上6cm，旁开3cm，平枕外隆凸上缘凹陷处(玉枕穴位置)。
本发明能精准、快速速的划分疲劳等级，根据等级实现不同的干预手段，其实现闭环操作、适用范围广。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种多物理场疲劳干预方法，其特征在于，包括：
采集人体心电信号，并对所述心电信号进行预处理，得到只包含心电群波信息的心电信号；
对只包含心电群波信息的心电信号采用自适应阈值法提取RR间期信息；
提取所述RR间期信息的特征参数，得到特征参数序列；
将所述特征参数序列输入至训练好的SVM多分类模型中，得到分级指数；所述SVM多分类模型包括多个SVM二分类器；
将所述分级指数转换为模式参数；
根据所述模式参数确定干预模式，并根据所述干预模式进行疲劳干预；所述干预模式包括助眠模式和疲劳缓解模式。
2.根据权利要求1所述的多物理场疲劳干预方法，其特征在于，对所述心电信号进行预处理，具体包括：
对所述心电信号进行低通滤波、高通滤波和陷波处理。
3.根据权利要求1所述的多物理场疲劳干预方法，其特征在于，对只包含心电群波信息的心电信号采用自适应阈值法提取RR间期信息，具体包括：
基于只包含心电群波信息的心电信号的数值和峰值阈值，确定心电峰值大小序列和心电峰值位置序列；
基于只包含心电群波信息的心电信号的数值和谷值阈值，确定心电谷值大小序列和心电谷值位置序列；
根据所述心电峰值大小序列和所述心电谷值大小序列更新所述峰值阈值和所述谷值阈值；
基于所述心电峰值大小序列确定RR间期信息。
4.根据权利要求1所述的多物理场疲劳干预方法，其特征在于，所述SVM多分类器采用投票策略进行分类。
5.根据权利要求1所述的多物理场疲劳干预方法，其特征在于，所述分级指数包括第一分级指数Val1，第二分级指数Val2、第三分级指数Val3以及第四分级指数Val4；
当所述分级指数为第一分级指数Val1时，所述模式参数表示退出干预；
当所述分级指数为第二分级指数Val2时，所述模式参数表示使用弱模式多物理场干预；
当所述分级指数为第三分级指数Val3时，所述模式参数表示使用普通模式多物理场干预；
当所述分级指数为第四分级指数Val4时，模式参数表示使用强模式多物理场干预。
6.根据权利要求5所述的多物理场疲劳干预方法，其特征在于，所述模式参数包括电刺激强度、电刺激极性、磁刺激强度和音乐类型；所述电刺激极性包括阴极刺激和阳极刺激；所述音乐类型包括助眠模式音乐和疲劳缓解模式音乐；
在所述助眠模式下所述电刺激强度恒定，在所述疲劳缓解模式下，所述电刺激强度根据所述分级指数进行调节；
在所述助眠模式使用阴极刺激，在所述疲劳缓解模式使用阳极刺激；
在所述助眠模式下磁刺激强度恒定，在所述疲劳缓解模式下磁刺激强度根据所述分级指数进行调节；
在所述助眠模式下播放所述助眠模式音乐，在所述疲劳环节模式下播放所述疲劳缓解模式音乐。
7.一种多物理场疲劳干预装置，其特征在于，包括：
心电采集模块，使用单导心电中双导联的方式从人体颈部采集心电信号；
处理器，与所述心电采集模块连接，用于对所述心电信号进行预处理，得到只包含心电群波信息的心电信号；
无线通讯模块，与所述处理器连接，用于将只包含心电群波信息的心电信号发送至控制软件，所述控制软件对包含心电群波信息的心电信号进行处理得到模式参数；所述模式参数包括电刺激强度、电刺激极性、磁刺激强度和音乐类型；
干预信号发生模块，与所述处理器连接，用于根据处理器从所述无线通讯模块接收到的模式参数进行疲劳干预。
8.根据权利要求7所述的多物理场疲劳干预装置，其特征在于，还包括：
人机交互模块，与所述处理器连接，用于手动调整干预参数；所述干预参数包括干预模式、音乐音量和音乐曲目。
9.根据权利要求7所述的多物理场疲劳干预装置，其特征在于，所述干预信号发生模块包括：声音驱动模块、电刺激信号驱动模块、磁刺激信号驱动模块、耳机、导电橡胶电极片和环形线圈；
所述声音驱动模块分别与所述处理器以及所述耳机连接，用于接收处理器发送的音指令，并确定所述音乐类型对应的音频信号，将所述音频信号发送至所述耳机；所述耳机将所述音频信号作用于人体；
所述电刺激信号驱动模块分别与所述处理器以及所述导电橡胶电极片连接，用于将所述电刺激强度和所述电刺激极性发送至所述导电橡胶电极片；所述导电橡胶电极片根据所述电刺激强度和所述电刺激极性将电信号作用于人体；
所述磁刺激信号驱动模块分别与所述处理器和所述环形线圈连接，用于将磁刺激强度发送至所述环形线圈；所述环形线圈根据所述磁刺激强度将磁刺激信号作用于人体。
CN202210875479.8A 2022-07-25 2022-07-25 一种多物理场疲劳干预方法和装置 Active CN115211865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210875479.8A CN115211865B (zh) 2022-07-25 2022-07-25 一种多物理场疲劳干预方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210875479.8A CN115211865B (zh) 2022-07-25 2022-07-25 一种多物理场疲劳干预方法和装置

Publications (2)

Publication Number Publication Date
CN115211865A true CN115211865A (zh) 2022-10-21
CN115211865B CN115211865B (zh) 2023-04-18

Family

ID=83614683

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210875479.8A Active CN115211865B (zh) 2022-07-25 2022-07-25 一种多物理场疲劳干预方法和装置

Country Status (1)

Country Link
CN (1) CN115211865B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009112624A (ja) * 2007-11-08 2009-05-28 Almedio Inc 心拍測定装置
CN102247143A (zh) * 2011-06-03 2011-11-23 吉林大学珠海学院 一种可集成的心电信号去噪和qrs波识别的快速算法
US20130237868A1 (en) * 2012-03-08 2013-09-12 Samsung Electronics Co., Ltd. Apparatus and method of controlling threshold for detecting peaks of physiological signals
CN103584854A (zh) * 2013-11-29 2014-02-19 重庆海睿科技有限公司 心电信号r波的提取方法
CN104586384A (zh) * 2013-10-30 2015-05-06 深圳华清心仪医疗电子有限公司 一种心电信号实时心率检测方法及系统
JP2020080099A (ja) * 2018-11-14 2020-05-28 株式会社Ｊｖｃケンウッド 居眠防止制御装置、居眠防止システム、居眠防止制御方法およびプログラム
CN111493897A (zh) * 2020-06-01 2020-08-07 南京国科医工科技发展有限公司 一种汽车驾驶员智能健康监测及促进系统
CN111973880A (zh) * 2020-06-11 2020-11-24 天津工业大学 一种脑力疲劳干预设备及干预方法
CN113288168A (zh) * 2021-05-21 2021-08-24 天津工业大学 一种智能可穿戴疲劳监测及预警系统
US20220095981A1 (en) * 2020-09-28 2022-03-31 Electronics And Telecommunications Research Institute Apparatus and method for detecting r peak of ecg signal using adaptive median filter

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009112624A (ja) * 2007-11-08 2009-05-28 Almedio Inc 心拍測定装置
CN102247143A (zh) * 2011-06-03 2011-11-23 吉林大学珠海学院 一种可集成的心电信号去噪和qrs波识别的快速算法
US20130237868A1 (en) * 2012-03-08 2013-09-12 Samsung Electronics Co., Ltd. Apparatus and method of controlling threshold for detecting peaks of physiological signals
CN104586384A (zh) * 2013-10-30 2015-05-06 深圳华清心仪医疗电子有限公司 一种心电信号实时心率检测方法及系统
CN103584854A (zh) * 2013-11-29 2014-02-19 重庆海睿科技有限公司 心电信号r波的提取方法
JP2020080099A (ja) * 2018-11-14 2020-05-28 株式会社Ｊｖｃケンウッド 居眠防止制御装置、居眠防止システム、居眠防止制御方法およびプログラム
CN111493897A (zh) * 2020-06-01 2020-08-07 南京国科医工科技发展有限公司 一种汽车驾驶员智能健康监测及促进系统
CN111973880A (zh) * 2020-06-11 2020-11-24 天津工业大学 一种脑力疲劳干预设备及干预方法
US20220095981A1 (en) * 2020-09-28 2022-03-31 Electronics And Telecommunications Research Institute Apparatus and method for detecting r peak of ecg signal using adaptive median filter
CN113288168A (zh) * 2021-05-21 2021-08-24 天津工业大学 一种智能可穿戴疲劳监测及预警系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHICHAO SU, YURONG LI, KAI CHEN: "A Robust R-Peaks Detection Algorithm of ECG Signals by Using Adaptive Combined Threshold" *
陈耿铎; 曾有灵; 李喆: "自适应双阈值心电信号检测算法研究" *

Also Published As

Publication number Publication date
CN115211865B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
West et al. Features and classifiers for the automatic classification of musical audio signals.
Houtsma et al. Pitch identification and discrimination for complex tones with many harmonics
EP3445067B1 (de) Verfahren zum betrieb eines hörgeräts und hörgerät
La Rocca et al. EEG biometrics for individual recognition in resting state with closed eyes
CN109325586B (zh) 一种用于脑电信号去噪的系统
CN105956624A (zh) 基于空时频优化特征稀疏表示的运动想象脑电分类方法
EP3386215B1 (de) Verfahren zum betrieb einer hörvorrichtung und hörvorrichtung
WO2023130600A1 (zh) 基于过零点系数的时域数据分类方法、植入式刺激系统
CN113208626A (zh) 一种基于eeg信号的情绪状态调控方法、系统
CN108711419A (zh) 一种人工耳蜗的环境声感知方法和系统
CN115211865B (zh) 一种多物理场疲劳干预方法和装置
US10357655B2 (en) Frequency-dependent focusing systems and methods for use in a cochlear implant system
CN108491792B (zh) 基于眼电信号的办公场景人机交互行为识别方法
EP2792165A1 (de) Anpassung einer klassifikation eines audiosignals in einem hörgerät
Trad et al. Nonlinear and nonstationary framework for feature extraction and classification of motor imagery
Barsakcioglu et al. A 32-channel MCU-based feature extraction and classification for scalable on-node spike sorting
CN111144482B (zh) 一种面向数字助听器的场景匹配方法、装置及计算机设备
Kostal et al. Efficient information transfer by Poisson neurons
CN114938487A (zh) 基于声场景判别的助听器自验配方法
Bellegdi et al. Automatic detection of epilepsy using EEG energy and frequency bands
Cao et al. EEG Enhancement by Auto DNNs with Regularization of Spatial Feature Loss
Navea et al. Selection of learning algorithm for musical tone stimulated wavelet de-noised EEG signal classification
Chen et al. A novel model-based hearing compensation design using a gradient-free optimization method
Heffernan et al. Towards developing a brain-computer interface for automatic hearing aid fitting based on the speech-evoked frequency following response
Itai et al. Footstep classification using wavelet decomposition

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