CN115394437A - 一种呼吸系统疾病筛查的方法及相关装置 - Google Patents
一种呼吸系统疾病筛查的方法及相关装置 Download PDFInfo
- Publication number
- CN115394437A CN115394437A CN202110572904.1A CN202110572904A CN115394437A CN 115394437 A CN115394437 A CN 115394437A CN 202110572904 A CN202110572904 A CN 202110572904A CN 115394437 A CN115394437 A CN 115394437A
- Authority
- CN
- China
- Prior art keywords
- cough
- target user
- physiological
- spontaneous
- forced
- 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
Links
- 208000023504 respiratory system disease Diseases 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000012216 screening Methods 0.000 title claims abstract description 63
- 206010011224 Cough Diseases 0.000 claims abstract description 427
- 230000002269 spontaneous effect Effects 0.000 claims abstract description 164
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 22
- 206010044565 Tremor Diseases 0.000 claims abstract description 18
- 230000002747 voluntary effect Effects 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 230000000241 respiratory effect Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 61
- 230000008859 change Effects 0.000 claims description 36
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 40
- 230000006854 communication Effects 0.000 description 40
- 230000006870 function Effects 0.000 description 38
- 238000007726 management method Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 22
- 239000010410 layer Substances 0.000 description 22
- 230000005236 sound signal Effects 0.000 description 20
- 210000000988 bone and bone Anatomy 0.000 description 15
- 230000008569 process Effects 0.000 description 15
- 238000010295 mobile communication Methods 0.000 description 11
- 238000013186 photoplethysmography Methods 0.000 description 10
- 208000024891 symptom Diseases 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 210000002345 respiratory system Anatomy 0.000 description 9
- 238000002565 electrocardiography Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000013136 deep learning model Methods 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 229920001621 AMOLED Polymers 0.000 description 3
- 206010035664 Pneumonia Diseases 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 230000036387 respiratory rate Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 206010057190 Respiratory tract infections Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 208000006673 asthma Diseases 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000037237 body shape Effects 0.000 description 2
- 206010006451 bronchitis Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 208000034048 Asymptomatic disease Diseases 0.000 description 1
- 206010006458 Bronchitis chronic Diseases 0.000 description 1
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 1
- 208000029523 Interstitial Lung disease Diseases 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 206010037437 Pulmonary thrombosis Diseases 0.000 description 1
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000000954 anitussive effect Effects 0.000 description 1
- 239000003434 antitussive agent Substances 0.000 description 1
- 229940124584 antitussives Drugs 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 201000009267 bronchiectasis Diseases 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 208000007451 chronic bronchitis Diseases 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000012792 core layer Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 201000003453 lung abscess Diseases 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 201000004193 respiratory failure Diseases 0.000 description 1
- 208000020029 respiratory tract infectious disease Diseases 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 201000002859 sleep apnea Diseases 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- JLGLQAWTXXGVEM-UHFFFAOYSA-N triethylene glycol monomethyl ether Chemical compound COCCOCCOCCO JLGLQAWTXXGVEM-UHFFFAOYSA-N 0.000 description 1
- 201000008827 tuberculosis Diseases 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- 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
- A61B5/024—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
- A61B5/02416—Detecting, measuring or recording 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
- A61B5/02—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
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- 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
-
- 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
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0823—Detecting or evaluating cough events
-
- 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
-
- 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
-
- 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]
- A61B5/332—Portable devices specially adapted therefor
-
- 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
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Pulmonology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例公开了一种呼吸系统疾病筛查的方法及相关装置,其特征在于,应用于电子设备,电子设备包括一个或多个传感器、麦克风;所述方法包括:通过一个或多个传感器监测目标用户的生理指标;生理指标包括目标用户的检测心率、呼吸率和身体颤动中的一种或多种;基于生理指标,确定目标用户在目标时间段内发生的生理自发性咳嗽事件;生理自发性咳嗽事件包括N次生理自发性咳嗽、每次生理自发性咳嗽的咳嗽强度及咳嗽时间中的一种或多种;通过麦克风采集目标用户的强制咳嗽音;基于生理自发性咳嗽事件和强制咳嗽音,确定目标用户的呼吸系统疾病风险。采用本发明实施例能够更加准确地筛查出目标用户的呼吸系统疾病风险,提升用户体验。
Description
技术领域
本发明涉及终端领域,尤其涉及一种呼吸系统疾病筛查的方法及相关装置。
背景技术
众所周知,呼吸系统疾病是一种常见的多发病,呼吸系统疾病包括呼吸道感染、气管/支气管炎、慢性阻塞性肺疾病、哮喘、支气管扩张症、肺炎、肺脓肿、肺结核、间质性肺疾病、肺血栓、肺癌、呼吸衰竭、睡眠呼吸暂停等。以肺炎为例,每年发病人数约达4.5亿,死亡人数约达400万人。
在众多的呼吸系统疾病中,咳嗽是最常见的症状之一。其中,咳嗽轻重、咳嗽时长、咳嗽频率、咳嗽发作时段分布等对呼吸系统疾病诊断、康复和管理都具有重要意义。例如,慢性支气管炎一般早晨咳嗽较重,白天较轻,临睡前有阵咳;哮喘咳嗽多发于凌晨、夜间或就寝时。医生在进行呼吸疾病严重程度评估时,会询问患者咳嗽频率,但患者主观反馈结果可能与实际情况相差较大。在康复期间,为评估何时停止服用止咳药等问题时,也需要咳嗽频率时间分布信息。
因此,设计一种呼吸系统疾病筛查的方法,实现疾病早发现、早诊断、早治疗具有重要意义。
发明内容
本发明实施例所要解决的技术问题在于,提供一种呼吸系统疾病筛查的方法及相关装置,能够更加准确地筛查出目标用户的呼吸系统疾病,提升用户体验。
第一方面,本发明实施例提供一种呼吸系统疾病筛查的方法,其特征在于,应用于电子设备,所述电子设备包括一个或多个传感器、麦克风;所述方法包括:通过所述一个或多个传感器监测目标用户的生理指标;所述生理指标包括所述目标用户的检测心率、呼吸率和身体颤动中的一种或多种;基于所述生理指标,确定所述目标用户在目标时间段内发生的生理自发性咳嗽事件;所述生理自发性咳嗽事件包括N次生理自发性咳嗽、每次所述生理自发性咳嗽的咳嗽强度及咳嗽时间中的一种或多种;N为大于或者等于1的整数;通过所述麦克风采集所述目标用户的强制咳嗽音;基于所述生理自发性咳嗽事件和所述强制咳嗽音,确定所述目标用户的呼吸系统疾病风险。
在呼吸系统疾病筛查场景中,现有技术中一种是通过连续长时间录音的方法记录患者的生理自发性咳嗽事件,例如,在患者的病床附近放置麦克风等收音设备,然后将收音设备长期开启,完整且真实地记录患者在较长时间内的咳嗽情况,由于在该方法中收音设备需要长时间处于录制状态,会造成个人隐私泄露的问题,也会造成功耗大的问题;另一种是在某个时段,用户主动录制一次或多次强制咳嗽音,然后基于记录下的强制咳嗽音来分析用户的咳嗽情况,例如,在某一时刻用户打开收音设备主动咳嗽一声,然后将其记录为强制咳嗽音,由于在该方法中仅通过用户主动记录的强制咳嗽音来分析用户的咳嗽情况,会存在咳嗽关键信息丢失的问题。而在本发明实施例中,通过电子设备(如目标用户个人的手机、智能手环等)内的传感器(如光学心率传感器PPG、心电传感器ECG、加速度传感器ACC等)来监测目标用户的生理指标,并基于这些生理指标确定目标用户是否发生了生理自发性咳嗽事件,同时为了获取目标用户更多的咳嗽相关信息,还可以通过电子设备内的麦克风采集目标用户的强制咳嗽音,以综合目标用户的生理自发性咳嗽事件和强制咳嗽音来共同筛查该用户的呼吸系统疾病风险。综上,通过本发明实施例提供的方法可以实现对目标用户进行呼吸系统疾病筛查,一方面,由于在电子设备内集成了所需的传感器和麦克风,因此用户可以通过随身携带的方式在多种场所使用,避免了现有技术中在一段时间内使用固定设备录制患者全部声音(如录制患者三小时内所发出的所有声音)导致的个人隐私泄露、功耗大的问题;另一方面,由于可通过随身携带电子设备来实时监测目标用户的生理指标,因此能够更加便利且准确地获取到该用户的生理自发性咳嗽事件。同时,由于综合考虑了目标用户的生理自发性咳嗽事件和强制咳嗽音,避免了现有技术中仅通过目标用户的强制咳嗽音来确定呼吸系统疾病风险而导致的判断不准确的问题,因此能够更加准确地筛查目标用户的呼吸系统疾病风险,并且,进一步地,可基于该疾病风险反映出目标用户呼吸系统症状的加重或减轻,实现了整个咳嗽周期的全流程管理,提升了用户体验。
在一种可能的实现方式中,所述生理自发性咳嗽事件包括所述N次生理自发性咳嗽;所述基于所述生理指标,确定所述目标用户在目标时间段内发生的生理自发性咳嗽事件,包括:通过预设算法对所述生理指标进行处理,提取所述生理指标的指标特征;基于所述生理指标的所述指标特征,确定所述目标用户在目标时间段内发生的所述N次生理自发性咳嗽,从而得到所述生理自发性咳嗽事件。
在本发明实施例中,可基于电子设备监测到目标用户的一些生理指标,如检测心率、呼吸率和身体颤动等,然后可通过预设算法(如机器学习算法或深度学习模型等)对这些生理指标进行处理可以得到指标特征,如通过预设算法可以得到目标用户的心率幅值变化、呼吸率变化,身体颤动幅度变化等数据的变化特征。进一步地,基于这些特征能够更加准确的确定目标用户是否发生了生理自发性咳嗽事件,避免了现有技术中在一段时间内使用固定设备录制患者全部声音(如录制患者三小时内所发出的所有声音)导致的个人隐私泄露、功耗大的问题;另外,由于可通过随身携带电子设备来实时监测目标用户的生理指标,因此能够更加便利且准确地获取到该用户的生理自发性咳嗽事件,提升用户体验。
在一种可能的实现方式中,所述生理自发性咳嗽事件包括所述N次生理自发性咳嗽;所述基于所述生理指标,确定所述目标用户在目标时间段内发生的生理自发性咳嗽事件,包括:在所述目标时间段内,当基于所述生理指标的所述指标特征,判断出当前发生了N次待确认生理自发性咳嗽,则在所述电子设备的显示屏上显示第一界面;所述第一界面用于提示所述目标用户确认当前是否发生了所述N次待确认生理自发性咳嗽;接收所述目标用户的第一操作;所述第一操作为所述目标用户确认发生所述N次待确认生理自发性咳嗽的操作;将所述N次待确认生理自发性咳嗽确定为所述N次生理自发性咳嗽。
在本发明实施例中,基于上述可得到目标用户的生理指标的一些指标特征,如心率幅值变化、呼吸率变化,身体颤动幅度变化等数据的变化特征,然后可监测目标用户发生了N次生理自发性咳嗽,然后可在电子设备的显示屏上显示一个界面,用于让目标用户确认是否发生了N次生理自发性咳嗽,如果目标用户确认是发生了N次生理自发性咳嗽,则能够更加准确地得到目标用户的咳嗽情况,避免了现有技术中在一段时间内使用固定设备录制患者全部声音(如录制患者三小时内所发出的所有声音)导致的个人隐私泄露、功耗大的问题,提升了用户体验。
在一种可能的实现方式中,所述方法还包括:基于所述生理自发性咳嗽事件,生成事件信息;所述事件信息包括所述目标用户的咳嗽次数、咳嗽时间分布、白天与夜间咳嗽分布差异和在预设周期下的多天咳嗽变化趋势中的一种或多种;在所述电子设备的显示屏上显示第二界面;所述第二界面用于显示所述事件信息。
在本发明实施例中,当确认了目标用户在预设时间段内发生了N次生理自发性咳嗽后,可基于生理自发性咳嗽事件生成事件信息,如事件信息中包括了目标用户的咳嗽次数、咳嗽时间分布、白天与夜间咳嗽分布差异和在预设周期下的多天咳嗽变化趋势等,然后在电子设备的显示屏上显示这些事件信息,便于查看目标用户近期的咳嗽情况,能够直观反映目标用户症状的加重或减轻,实现了整个咳嗽周期的全流程管理,提升了用户体验。
在一种可能的实现方式中,所述通过所述麦克风采集所述目标用户的强制咳嗽音,包括:当所述生理自发性咳嗽事件的所述事件信息与历史生理自发性咳嗽事件的历史事件信息之间的变化程度大于预设阈值,则在所述电子设备的显示屏上显示第三界面;所述第三界面用于提醒所述目标用户录制所述强制咳嗽音;接收所述目标用户的第二操作;所述第二操作为所述目标用户确认开始录制所述强制咳嗽音的操作;通过所述麦克风采集所述目标用户的所述强制咳嗽音。
在本发明实施例中,当目标用户的生理自发性咳嗽事件相比于前一天或是前几天发生较大变化时,可在电子设备的显示屏上显示一个界面,用于提示目标用户录制强制咳嗽音,然后在目标用户确认录制强制咳嗽音后,可通过麦克风录制目标用户的强制咳嗽音,以便于进一步确认目标用户的当前呼吸系统情况,避免了现有技术中仅通过目标用户的强制咳嗽音来确定呼吸系统疾病风险而导致的判断不准确的问题,因此能够更加准确地筛查目标用户的呼吸系统疾病风险,并且,进一步地,可基于该疾病风险反映出目标用户呼吸系统症状的加重或减轻,实现了整个咳嗽周期的全流程管理,提升了用户体验。
在一种可能的实现方式中,所述基于所述生理自发性咳嗽事件和所述强制咳嗽音,确定所述目标用户的呼吸系统疾病风险,包括:对所述强制咳嗽音进行滤波处理,去除所述强制咳嗽音中的噪音;将去除噪音后的所述强制咳嗽音进行音频处理,得到强制咳嗽音特征;所述强制咳嗽音特征包括时域特征、频率特征和色谱特征中的一种或多种;基于所述生理自发性咳嗽事件的所述事件信息和所述强制咳嗽音特征,确定所述目标用户的呼吸系统疾病风险。
在本发明实施例中,通过电子设备的麦克风可将目标用户的咳嗽音录制下来,进一步将该音频信号经过滤波器可除去噪声,滤波后音频信号再经过音频处理,如预处理、端点分割、特征提取等,能够得到强制咳嗽的时域特征、频率特征和色谱特征等,如强制咳嗽音的过零率、衰减率等,以便于进一步确认目标用户的当前呼吸系统疾病情况,避免了现有技术中仅通过目标用户的强制咳嗽音来确定呼吸系统疾病风险而导致的判断不准确的问题,因此能够更加准确地筛查目标用户的呼吸系统疾病风险,并且,进一步地,可基于该疾病风险反映出目标用户呼吸系统症状的加重或减轻,实现了整个咳嗽周期的全流程管理,提升了用户体验。在一种可能的实现方式中,所述基于所述生理自发性咳嗽事件的所述事件信息和所述强制咳嗽音特征,确定所述目标用户的呼吸系统疾病风险,包括:基于所述事件信息和所述强制咳嗽音特征,构建呼吸系统疾病筛查模型;根据所述呼吸系统疾病筛查模型,确定所述目标用户的呼吸系统疾病风险。
在本发明实施例中,由于结合了目标用户的生理自发性咳嗽事件的事件信息和强制咳嗽音特征,能够构建呼吸系统疾病筛查模型,然后基于该模型确定目标用户的呼吸系统疾病风险,因此在对目标用户进行呼吸系统疾病筛查时,既考虑了目标用户的咳嗽情况特征,也考虑了咳嗽音的特征,能够更加便利且准确地确定目标用户的呼吸系统疾病风险,提升了用户体验。
在一种可能的实现方式中,所述方法还包括:在所述电子设备的显示屏上显示第四界面,所述第四界面用于显示所述呼吸系统疾病风险。
在本发明实施例中,基于上述可得到目标用户的当前呼吸系统疾病风险,然后可在电子设备的显示屏上显示一个界面用于展示目标用户的呼吸系统疾病筛查结果,便于查看目标用户近期的呼吸系统情况,避免了现有的呼吸系统疾病筛查方法中,个人隐私泄露、功耗大的问题和咳嗽关键信息丢失的问题,提升了用户体验。
第二方面,本发明实施例提供一种呼吸系统疾病筛查的装置,其特征在于,应用于电子设备,所述电子设备包括一个或多个传感器、麦克风;所述装置包括:第一获取单元,用于通过所述一个或多个传感器监测目标用户的生理指标;所述生理指标包括所述目标用户的检测心率、呼吸率和身体颤动中的一种或多种;第一处理单元,用于基于所述生理指标,确定所述目标用户在目标时间段内发生的生理自发性咳嗽事件;所述生理自发性咳嗽事件包括N次生理自发性咳嗽、每次所述生理自发性咳嗽的咳嗽强度及咳嗽时间中的一种或多种;N为大于或者等于1的整数;第二获取单元,用于通过所述麦克风采集所述目标用户的强制咳嗽音;第二处理单元,用于基于所述生理自发性咳嗽事件和所述强制咳嗽音,确定所述目标用户的呼吸系统疾病风险。
在一种可能的实现方式中,所述第一处理单元具体用于:通过预设算法对所述生理指标进行处理,提取所述生理指标的指标特征;基于所述生理指标的所述指标特征,确定所述目标用户在目标时间段内发生的所述N次生理自发性咳嗽,从而得到所述生理自发性咳嗽事件。
在一种可能的实现方式中,所述第一处理单元具体用于:在所述目标时间段内,当基于所述生理指标的所述指标特征,判断出当前发生了N次待确认生理自发性咳嗽,则在所述电子设备的显示屏上显示第一界面;所述第一界面用于提示所述目标用户确认当前是否发生了所述N次待确认生理自发性咳嗽;接收所述目标用户的第一操作;所述第一操作为所述目标用户确认发生所述N次待确认生理自发性咳嗽的操作;将所述N次待确认生理自发性咳嗽确定为所述N次生理自发性咳嗽。
在一种可能的实现方式中,所述装置还包括:第三处理单元,用于基于所述生理自发性咳嗽事件,生成事件信息;所述事件信息包括所述目标用户的咳嗽次数、咳嗽时间分布、白天与夜间咳嗽分布差异和在预设周期下的多天咳嗽变化趋势中的一种或多种;第一显示单元,用于在所述电子设备的显示屏上显示第二界面;所述第二界面用于显示所述事件信息。
在一种可能的实现方式中,所述第二获取单元具体用于:当所述生理自发性咳嗽事件的所述事件信息与历史生理自发性咳嗽事件的历史事件信息之间的变化程度大于预设阈值,则在所述电子设备的显示屏上显示第三界面;所述第三界面用于提醒所述目标用户录制所述强制咳嗽音;接收所述目标用户的第二操作;所述第二操作为所述目标用户确认开始录制所述强制咳嗽音的操作;通过所述麦克风采集所述目标用户的所述强制咳嗽音。
在一种可能的实现方式中,所述第二处理单元具体用于:对所述强制咳嗽音进行滤波处理,去除所述强制咳嗽音中的噪音;将去除噪音后的所述强制咳嗽音进行音频处理,得到强制咳嗽音特征;所述强制咳嗽音特征包括时域特征、频率特征和色谱特征中的一种或多种;基于所述生理自发性咳嗽事件的所述事件信息和所述强制咳嗽音特征,确定所述目标用户的呼吸系统疾病风险。
在一种可能的实现方式中,所述第二处理单元具体用于:基于所述事件信息和所述强制咳嗽音特征,构建呼吸系统疾病筛查模型;根据所述呼吸系统疾病筛查模型,确定所述目标用户的呼吸系统疾病风险。
在一种可能的实现方式中,所述装置还包括:第二显示单元,用于在所述电子设备的显示屏上显示第四界面,所述第四界面用于显示所述呼吸系统疾病风险。
第三方面,本发明实施例提供一种芯片系统,其特征在于,所述芯片系统包括至少一个处理器,存储器和接口电路,所述存储器、所述接口电路和所述至少一个处理器通过线路互联,所述至少一个存储器中存储有指令;所述指令被所述处理器执行时,上述第一方面的中任意一项方法得以实现。
第四方面,本发明实施例提供一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面中任意一项所述的方法。
第五方面,本发明实施例提供一种计算机程序,其特征在于,所述计算机程序包括指令,当所述计算机程序被计算机执行时,使得所述计算机执行上述第一方面中任意一项所述的方法。
第六方面,本申请提供一种终端设备,该终端设备具有实现上述第一方面提供的任意一种呼吸系统疾病筛查方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
第七方面,本申请提供一种智能设备,该智能设备具有实现上述第一方面提供的任意一种呼吸系统疾病筛查方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
附图说明
图1A是本发明实施例提供的电子设备100的结构示意图。
图1B是本发明实施例的电子设备100的软件结构框图。
图1C是本发明实施例提供的一种呼吸系统疾病筛查方法的系统架构示意图。
图2A是本申请实施例中的一种呼吸系统疾病筛查方法的流程示意图。
图2B为本发明实施例提供的一种确定生理自发性咳嗽事件的示意图。
图2C为本发明实施例提供的一种第一界面的示意图。
图2D为本发明实施例提供的另一种确认生理自发性咳嗽事件的示意图。
图2E为本发明实施例提供的一种第二界面示意图。
图2F为本发明实施例提供的另一种第二界面的示意图。
图2G为本发明实施例提供的一种录制强制咳嗽音的流程示意图。
图2H为本发明实施例提供的一种第三界面的示意图。
图3A为本发明实施例提供的一种确定目标用户呼吸系统疾病的流程示意图。
图3B为本发明实施例提供的一种处理强制咳嗽音的流程示意图。
图3C为本发明实施例提供的另一种确定目标用户呼吸系统疾病的流程示意图。
图3D为本发明实施例提供的一种第四界面的示意图。
图4是本发明实施例提供的本申请提供了一种呼吸系统疾病筛查装置示意图。
具体实施方式
本申请以下实施例中所使用的术语只是为了描述特定实施例的目的,而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样,单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式,除非其上下文中明确地有相反指示。还应当理解,本申请中使用的术语“和/或”是指并包含一个或多个所列出项目的任何或所有可能组合。
以下介绍了电子设备、用于这样的电子设备的用户界面、和用于使用这样的电子设备的实施例。在一些实施例中,电子设备可以是还包含其他功能诸如个人数字助理和/或音乐播放器功能的便携式电子设备,诸如手机、平板电脑、具备无线通讯功能的可穿戴电子设备(如智能手表)等。便携式电子设备的示例性实施例包括但不限于搭载 或者其他操作系统的便携式电子设备。上述便携式电子设备也可以是其他便携式电子设备,诸如具有触敏表面或触控面板的膝上型计算机(Laptop)等。还应当理解的是,在其他一些实施例中,上述电子设备也可以不是便携式电子设备,而是具有触敏表面或触控面板的台式计算机。
本申请的说明书和权利要求书及附图中的术语“用户界面(user interface,UI)”,是应用程序或操作系统与用户之间进行交互和信息交换的介质接口,它实现信息的内部形式与用户可以接受形式之间的转换。应用程序的用户界面是通过java、可扩展标记语言(extensible markup language,XML)等特定计算机语言编写的源代码,界面源代码在终端设备上经过解析,渲染,最终呈现为用户可以识别的内容,比如图片、文字、按钮等控件。控件(control)也称为部件(widget),是用户界面的基本元素,典型的控件有工具栏(toolbar)、菜单栏(menu bar)、文本框(text box)、按钮(button)、滚动条(scrollbar)、图片和文本。界面中的控件的属性和内容是通过标签或者节点来定义的,比如XML通过<Textview>、<ImgView>、<VideoView>等节点来规定界面所包含的控件。一个节点对应界面中一个控件或属性,节点经过解析和渲染之后呈现为用户可视的内容。此外,很多应用程序,比如混合应用(hybrid application)的界面中通常还包含有网页。网页,也称为页面,可以理解为内嵌在应用程序界面中的一个特殊的控件,网页是通过特定计算机语言编写的源代码,例如超文本标记语言(hyper text markup language,GTML),层叠样式表(cascading style sheets,CSS),java脚本(JavaScript,JS)等,网页源代码可以由浏览器或与浏览器功能类似的网页显示组件加载和显示为用户可识别的内容。网页所包含的具体内容也是通过网页源代码中的标签或者节点来定义的,比如GTML通过<p>、<img>、<video>、<canvas>来定义网页的元素和属性。
用户界面常用的表现形式是图形用户界面(graphic user interface,GUI),是指采用图形方式显示的与计算机操作相关的用户界面。它可以是在电子设备的显示屏中显示的一个图标、窗口、控件等界面元素,其中控件可以包括图标、按钮、菜单、选项卡、文本框、对话框、状态栏、导航栏、Widget等可视的界面元素。
首先介绍本申请以下实施例中提供的示例性电子设备100。
图1A示出了电子设备100的结构示意图。
电子设备100可以包括处理器110,外部存储器接口120,内部存储器121,通用串行总线(universal serial bus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,移动通信模块150,无线通信模块160,音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,传感器模块180,按键190,马达191,指示器192,3D摄像模组193,显示屏194,以及用户标识模块(subscriber identification module,SIM)卡接口195等。其中传感器模块180可以包括压力传感器180A,陀螺仪传感器180B,气压传感器180C,磁传感器180D,加速度传感器180E,距离传感器180F,接近光传感器180G,指纹传感器180H,温度传感器180J,触摸传感器180K,环境光传感器180L,骨传导传感器180M等。
可以理解的是,本发明实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中,电子设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),中央处理器(central processing unit,CPU),图形处理器(graphics processing unit,GPU),神经网络处理器(neural-network processing unit,NPU),调制解调处理器,图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。在一些实施例中,电子设备100也可以包括一个或多个处理器110。
其中,控制器可以是电子设备100的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了电子设备100的效率。
在一些实施例中,处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口,和/或通用串行总线(universal serial bus,USB)接口等。
I2C接口是一种双向同步串行总线,包括一根串行数据线(serial data line,SDA)和一根串行时钟线(derail clock line,SCL)。在一些实施例中,处理器110可以包含多组I2C总线。处理器110可以通过不同的I2C总线接口分别耦合触摸传感器180K,充电器,闪光灯,3D摄像模组193等。例如:处理器110可以通过I2C接口耦合触摸传感器180K,使处理器110与触摸传感器180K通过I2C总线接口通信,实现电子设备100的触摸功能。
I2S接口可以用于音频通信。在一些实施例中,处理器110可以包含多组I2S总线。处理器110可以通过I2S总线与音频模块170耦合,实现处理器110与音频模块170之间的通信。在一些实施例中,音频模块170可以通过I2S接口向无线通信模块160传递音频信号,实现通过蓝牙耳机接听电话的功能。
PCM接口也可以用于音频通信,将模拟信号抽样,量化和编码。在一些实施例中,音频模块170与无线通信模块160可以通过PCM总线接口耦合。在一些实施例中,音频模块170也可以通过PCM接口向无线通信模块160传递音频信号,实现通过蓝牙耳机接听电话的功能。所述I2S接口和所述PCM接口都可以用于音频通信。
UART接口是一种通用串行数据总线,用于异步通信。该总线可以为双向通信总线。它将要传输的数据在串行通信与并行通信之间转换。在一些实施例中,UART接口通常被用于连接处理器110与无线通信模块160。例如:处理器110通过UART接口与无线通信模块160中的蓝牙模块通信,实现蓝牙功能。在一些实施例中,音频模块170可以通过UART接口向无线通信模块160传递音频信号,实现通过蓝牙耳机播放音乐的功能。
MIPI接口可以被用于连接处理器110与显示屏194,3D摄像模组193等外围器件。MIPI接口包括摄像头串行接口(camera serial interface,CSI),显示屏串行接口(display serial interface,DSI)等。在一些实施例中,处理器110和3D摄像模组193通过CSI接口通信,实现电子设备100的摄像功能。处理器110和显示屏194通过DSI接口通信,实现电子设备100的显示功能。
GPIO接口可以通过软件配置。GPIO接口可以被配置为控制信号,也可被配置为数据信号。在一些实施例中,GPIO接口可以用于连接处理器110与3D摄像模组193,显示屏194,无线通信模块160,音频模块170,传感器模块180等。GPIO接口还可以被配置为I2C接口,I2S接口,UART接口,MIPI接口等。
USB接口130是符合USB标准规范的接口,具体可以是Mini USB接口,Micro USB接口,USB Type C接口等。USB接口130可以用于连接充电器为电子设备100充电,也可以用于电子设备100与外围设备之间传输数据。也可以用于连接耳机,通过耳机播放音频。该接口还可以用于连接其他电子设备,例如AR设备等。
可以理解的是,本发明实施例示意的各模块间的接口连接关系,只是示意性说明,并不构成对电子设备100的结构限定。在另一些实施例中,电子设备100也可以采用上述实施例中不同的接口连接方式,或多种接口连接方式的组合。
充电管理模块140用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。在一些有线充电的实施例中,充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中,充电管理模块140可以通过电子设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时,还可以通过电源管理模块141为电子设备供电。
电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110,内部存储器121,外部存储器,显示屏194,3D摄像模组193,和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量,电池循环次数,电池健康状态(漏电,阻抗)等参数。在其他一些实施例中,电源管理模块141也可以设置于处理器110中。在另一些实施例中,电源管理模块141和充电管理模块140也可以设置于同一个器件中。
电子设备100的无线通信功能可以通过天线1,天线2,移动通信模块150,无线通信模块160,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中,移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170A,受话器170B等)输出声音信号,或通过显示屏194显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器110,与移动通信模块150或其他功能模块设置在同一个器件中。
无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星系统(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。示例性地,无线通信模块160可以包括蓝牙模块、Wi-Fi模块等。
在一些实施例中,电子设备100的天线1和移动通信模块150耦合,天线2和无线通信模块160耦合,使得电子设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(codedivision multiple access,CDMA),宽带码分多址(wideband code division multipleaccess,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system,GPS),全球导航卫星系统(global navigation satellite system,GLONASS),北斗卫星导航系统(beidounavigation satellite system,BDS),准天顶卫星系统(quasi-zenith satellitesystem,QZSS)和/或星基增强系统(satellite based augmentation systems,SBAS)。
电子设备100通过GPU,显示屏194,以及应用处理器等可以实现显示功能。GPU为图像处理的微处理器,连接显示屏194和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器110可包括一个或多个GPU,其执行指令以生成或改变显示信息。
显示屏194用于显示图像,视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emittingdiode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED),柔性发光二极管(flex light-emittingdiode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,电子设备100可以包括1个或N个显示屏194,N为大于1的正整数。
电子设备100可以通过3D摄像模组193,ISP,视频编解码器,GPU,显示屏194以及应用处理器AP、神经网络处理器NPU等实现摄像功能。
3D摄像模组193可用于采集拍摄对象的彩色图像数据以及深度数据。ISP可用于处理3D摄像模组193采集的彩色图像数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将所述电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点,亮度,肤色进行算法优化。ISP还可以对拍摄场景的曝光,色温等参数优化。在一些实施例中,ISP可以设置在3D摄像模组193中。
在一些实施例中,3D摄像模组193可以由彩色摄像模组和3D感测模组组成。
在一些实施例中,彩色摄像模组的摄像头的感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB,YUV等格式的图像信号。
在一些实施例中,3D感测模组可以是(time of flight,TOF)3D感测模块或结构光(structured light)3D感测模块。其中,结构光3D感测是一种主动式深度感测技术,结构光3D感测模组的基本零组件可包括红外线(Infrared)发射器、IR相机模等。结构光3D感测模组的工作原理是先对被拍摄物体发射特定图案的光斑(pattern),再接收该物体表面上的光斑图案编码(light coding),进而比对与原始投射光斑的异同,并利用三角原理计算出物体的三维坐标。该三维坐标中就包括电子设备100距离被拍摄物体的距离。其中,TOF 3D感测也是主动式深度感测技术,TOF 3D感测模组的基本组件可包括红外线(Infrared)发射器、IR相机模等。TOF 3D感测模组的工作原理是通过红外线折返的时间去计算TOF 3D感测模组跟被拍摄物体之间的距离(即深度),以得到3D景深图。
结构光3D感测模组还可应用于人脸识别、体感游戏机、工业用机器视觉检测等领域。TOF 3D感测模组还可应用于游戏机、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)等领域。
在另一些实施例中,3D摄像模组193还可以由两个或更多个摄像头构成。这两个或更多个摄像头可包括彩色摄像头,彩色摄像头可用于采集被拍摄物体的彩色图像数据。这两个或更多个摄像头可采用立体视觉(stereo vision)技术来采集被拍摄物体的深度数据。立体视觉技术是基于人眼视差的原理,在自然光源下,透过两个或两个以上的摄像头从不同的角度对同一物体拍摄影像,再进行三角测量法等运算来得到电子设备100与被拍摄物之间的距离信息,即深度信息。
在一些实施例中,电子设备100可以包括1个或N个3D摄像模组193,N为大于1的正整数。具体的,电子设备100可以包括1个前置3D摄像模组193以及1个后置3D摄像模组193。其中,前置3D摄像模组193通常可用于采集面对显示屏194的拍摄者自己的彩色图像数据以及深度数据,后置3D摄像模组可用于采集拍摄者所面对的拍摄对象(如人物、风景等)的彩色图像数据以及深度数据。
在一些实施例中,处理器110中的CPU或GPU或NPU可以对3D摄像模组193所采集的彩色图像数据和深度数据进行处理。在一些实施例中,NPU可以通过骨骼点识别技术所基于的神经网络算法,例如卷积神经网络算法(CNN),来识别3D摄像模组193(具体是彩色摄像模组)所采集的彩色图像数据,以确定被拍摄人物的骨骼点。CPU或GPU也可来运行神经网络算法以实现根据彩色图像数据确定被拍摄人物的骨骼点。在一些实施例中,CPU或GPU或NPU还可用于根据3D摄像模组193(具体是3D感测模组)所采集的深度数据和已识别出的骨骼点来确认被拍摄人物的身材(如身体比例、骨骼点之间的身体部位的胖瘦情况),并可以进一步确定针对该被拍摄人物的身体美化参数,最终根据该身体美化参数对被拍摄人物的拍摄图像进行处理,以使得该拍摄图像中该被拍摄人物的体型被美化。后续实施例中会详细介绍如何基于3D摄像模组193所采集的彩色图像数据和深度数据对被拍摄人物的图像进行美体处理,这里先不赘述。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。例如,当电子设备100在频点选择时,数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备100可以支持一种或多种视频编解码器。这样,电子设备100可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)-1,MPEG-2,MPEG-3,MPEG-4等。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现电子设备100的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。外部存储器接口120可以用于连接外部存储卡,例如Micro SD卡,实现扩展电子设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信,实现数据存储功能。例如将音乐、照片、视频等数据保存在外部存储卡中。
内部存储器121可以用于存储一个或多个计算机程序,该一个或多个计算机程序包括指令。处理器110可以通过运行存储在内部存储器121的上述指令,从而使得电子设备100执行本申请一些实施例中所提供的电子设备的拍照预览方法,以及各种功能应用以及数据处理等。内部存储器121可以包括存储程序区和存储数据区。其中,存储程序区可存储操作系统;该存储程序区还可以存储一个或多个应用程序(比如图库、联系人等)等。存储数据区可存储电子设备100使用过程中所创建的数据(比如照片,联系人等)。此外,内部存储器121可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,UFS)等。
电子设备100可以通过音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中,音频模块170可以设置于处理器110中,或将音频模块170的部分功能模块设置于处理器110中。
扬声器170A,也称“喇叭”,用于将音频电信号转换为声音信号。电子设备100可以通过扬声器170A收听音乐,或收听免提通话。
受话器170B,也称“听筒”,用于将音频电信号转换成声音信号。当电子设备100接听电话或语音信息时,可以通过将受话器170B靠近人耳接听语音。
麦克风170C,也称“话筒”,“传声器”,用于将声音信号转换为电信号。当拨打电话或发送语音信息时,用户可以通过人嘴靠近麦克风170C发声,将声音信号输入到麦克风170C。电子设备100可以设置至少一个麦克风170C。在另一些实施例中,电子设备100可以设置两个麦克风170C,除了采集声音信号,还可以实现降噪功能。在另一些实施例中,电子设备100还可以设置三个,四个或更多麦克风170C,实现采集声音信号,降噪,还可以识别声音来源,实现定向录音功能等。
耳机接口170D用于连接有线耳机。耳机接口170D可以是USB接口130,也可以是3.5mm的开放移动电子设备平台(open mobile terminal platform,OMTP)标准接口,美国蜂窝电信工业协会(cellular telecommunications industry association of the USA,CTIA)标准接口。
压力传感器180A用于感受压力信号,可以将压力信号转换成电信号。在一些实施例中,压力传感器180A可以设置于显示屏194。压力传感器180A的种类很多,如电阻式压力传感器,电感式压力传感器,电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器180A,电极之间的电容改变。电子设备100根据电容的变化确定压力的强度。当有触摸操作作用于显示屏194,电子设备100根据压力传感器180A检测所述触摸操作强度。电子设备100也可以根据压力传感器180A的检测信号计算触摸的位置。在一些实施例中,作用于相同触摸位置,但不同触摸操作强度的触摸操作,可以对应不同的操作指令。例如:当有触摸操作强度小于第一压力阈值的触摸操作作用于短消息应用图标时,执行查看短消息的指令。当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于短消息应用图标时,执行新建短消息的指令。
陀螺仪传感器180B可以用于确定电子设备100的运动姿态。在一些实施例中,可以通过陀螺仪传感器180B确定电子设备100围绕三个轴(即,x,y和z轴)的角速度。陀螺仪传感器180B可以用于拍摄防抖。示例性的,当按下快门,陀螺仪传感器180B检测电子设备100抖动的角度,根据角度计算出镜头模组需要补偿的距离,让镜头通过反向运动抵消电子设备100的抖动,实现防抖。陀螺仪传感器180B还可以用于导航,体感游戏场景。
气压传感器180C用于测量气压。在一些实施例中,电子设备100通过气压传感器180C测得的气压值计算海拔高度,辅助定位和导航。
磁传感器180D包括霍尔传感器。电子设备100可以利用磁传感器180D检测翻盖皮套的开合。在一些实施例中,当电子设备100是翻盖机时,电子设备100可以根据磁传感器180D检测翻盖的开合。进而根据检测到的皮套的开合状态或翻盖的开合状态,设置翻盖自动解锁等特性。
加速度传感器180E可检测电子设备100在各个方向上(一般为三轴)加速度的大小。当电子设备100静止时可检测出重力的大小及方向。还可以用于识别电子设备姿态,应用于横竖屏切换,计步器等应用。
距离传感器180F,用于测量距离。电子设备100可以通过红外或激光测量距离。在一些实施例中,拍摄场景,电子设备100可以利用距离传感器180F测距以实现快速对焦。
接近光传感器180G可以包括例如发光二极管(LED)和光检测器,例如光电二极管。发光二极管可以是红外发光二极管。电子设备100通过发光二极管向外发射红外光。电子设备100使用光电二极管检测来自附近物体的红外反射光。当检测到充分的反射光时,可以确定电子设备100附近有物体。当检测到不充分的反射光时,电子设备100可以确定电子设备100附近没有物体。电子设备100可以利用接近光传感器180G检测用户手持电子设备100贴近耳朵通话,以便自动熄灭屏幕达到省电的目的。接近光传感器180G也可用于皮套模式,口袋模式自动解锁与锁屏。
环境光传感器180L用于感知环境光亮度。电子设备100可以根据感知的环境光亮度自适应调节显示屏194亮度。环境光传感器180L也可用于拍照时自动调节白平衡。环境光传感器180L还可以与接近光传感器180G配合,检测电子设备100是否在口袋里,以防误触。
指纹传感器180H用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁,访问应用锁,指纹拍照,指纹接听来电等。
温度传感器180J用于检测温度。在一些实施例中,电子设备100利用温度传感器180J检测的温度,执行温度处理策略。例如,当温度传感器180J上报的温度超过阈值,电子设备100执行降低位于温度传感器180J附近的处理器的性能,以便降低功耗实施热保护。在另一些实施例中,当温度低于另一阈值时,电子设备100对电池142加热,以避免低温导致电子设备100异常关机。在其他一些实施例中,当温度低于又一阈值时,电子设备100对电池142的输出电压执行升压,以避免低温导致的异常关机。
触摸传感器180K,也可称触控面板或触敏表面。触摸传感器180K可以设置于显示屏194,由触摸传感器180K与显示屏194组成触摸屏,也称“触控屏”。触摸传感器180K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器180K也可以设置于电子设备100的表面,与显示屏194所处的位置不同。
骨传导传感器180M可以获取振动信号。在一些实施例中,骨传导传感器180M可以获取人体声部振动骨块的振动信号。骨传导传感器180M也可以接触人体脉搏,接收血压跳动信号。在一些实施例中,骨传导传感器180M也可以设置于耳机中,结合成骨传导耳机。音频模块170可以基于所述骨传导传感器180M获取的声部振动骨块的振动信号,解析出语音信号,实现语音功能。应用处理器可以基于所述骨传导传感器180M获取的血压跳动信号解析心率信息,实现心率检测功能。
按键190包括开机键,音量键等。按键190可以是机械按键。也可以是触摸式按键。电子设备100可以接收按键输入,产生与电子设备100的用户设置以及功能控制有关的键信号输入。
马达191可以产生振动提示。马达191可以用于来电振动提示,也可以用于触摸振动反馈。例如,作用于不同应用(例如拍照,音频播放等)的触摸操作,可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作,马达191也可对应不同的振动反馈效果。不同的应用场景(例如:时间提醒,接收信息,闹钟,游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
指示器192可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。
SIM卡接口195用于连接SIM卡。SIM卡可以通过插入SIM卡接口195,或从SIM卡接口195拔出,实现和电子设备100的接触和分离。电子设备100可以支持1个或N个SIM卡接口,N为大于1的正整数。SIM卡接口195可以支持Nano SIM卡,Micro SIM卡,SIM卡等。同一个SIM卡接口195可以同时插入多张卡。所述多张卡的类型可以相同,也可以不同。SIM卡接口195也可以兼容不同类型的SIM卡。SIM卡接口195也可以兼容外部存储卡。电子设备100通过SIM卡和网络交互,实现通话以及数据通信等功能。在一些实施例中,电子设备100采用eSIM,即:嵌入式SIM卡。eSIM卡可以嵌在电子设备100中,不能和电子设备100分离。
图1A示例性所示的电子设备100可以通过显示屏194显示以下各个实施例中所描述的各个用户界面。电子设备100可以通过触摸传感器180K在各个用户界面中检测触控操作,例如在各个用户界面中的点击操作(如在图标上的触摸操作、双击操作),又例如在各个用户界面中的向上或向下的滑动操作,或执行画圆圈手势的操作,等等。在一些实施例中,电子设备100可以通过陀螺仪传感器180B、加速度传感器180E等检测用户手持电子设备100执行的运动手势,例如晃动电子设备。在一些实施例中,电子设备100可以通过3D摄像模组193(如3D摄像头、深度摄像头)检测非触控的手势操作。
电子设备100的软件系统可以采用分层架构,事件驱动架构,微核架构,微服务架构,或云架构。本发明实施例以分层架构的Android系统为例,示例性说明电子设备100的软件结构。
图1B是本发明实施例的电子设备100的软件结构框图。
分层架构将软件分成若干个层,每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中,将Android系统分为四层,从上至下分别为应用程序层,应用程序框架层,Android运行时(Android runtime)和系统库,以及内核层。
应用程序层可以包括一系列应用程序包。
如图1B所示,应用程序包可以包括相机,图库,日历,通话,地图,导航,WLAN,蓝牙,音乐,视频,短信息等应用程序。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface,API)和编程框架。应用程序框架层包括一些预先定义的函数。
如图1B所示,应用程序框架层可以包括窗口管理器,内容提供器,视图系统,电话管理器,资源管理器,通知管理器等。
窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小,判断是否有状态栏,锁定屏幕,截取屏幕等。
内容提供器用来存放和获取数据,并使这些数据可以被应用程序访问。所述数据可以包括视频,图像,音频,拨打和接听的电话,浏览历史和书签,电话簿等。
视图系统包括可视控件,例如显示文字的控件,显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如,包括短信通知图标的显示界面,可以包括显示文字的视图以及显示图片的视图。
电话管理器用于提供电子设备100的通信功能。例如通话状态的管理(包括接通,挂断等)。资源管理器为应用程序提供各种资源,比如本地化字符串,图标,图片,布局文件,视频文件等等。
通知管理器使应用程序可以在状态栏中显示通知信息,可以用于传达告知类型的消息,可以短暂停留后自动消失,无需用户交互。比如通知管理器被用于告知下载完成,消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知,例如后台运行的应用程序的通知,还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息,发出提示音,电子设备振动,指示灯闪烁等。
Android Runtime包括核心库和虚拟机。Android runtime负责Android系统的调度和管理。核心库包含两部分:一部分是java语言需要调用的功能函数,另一部分是Android的核心库。应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理,堆栈管理,线程管理,安全和异常的管理,以及垃圾回收等功能。
系统库可以包括多个功能模块。例如:表面管理器(surface manager),媒体库(Media Libraries),三维图形处理库(例如:OpenGL ES),2D图形引擎(例如:SGL)等。
表面管理器用于对显示子系统进行管理,并且为多个应用程序提供了2D和3D图层的融合。
媒体库支持多种常用的音频,视频格式回放和录制,以及静态图像文件等。媒体库可以支持多种音视频编码格式,例如:MPEG4,G.264,MP3,AAC,AMR,JPG,PNG等。
三维图形处理库用于实现三维图形绘图,图像渲染,合成,和图层处理等。
2D图形引擎是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动,摄像头驱动,音频驱动,传感器驱动。
图1B所示的软件系统涉及到使用分享能力的应用呈现(如图库,文件管理器),提供分享能力的即时分享模块,提供打印能力的打印服务(print service)和打印后台服务(print spooler),以及应用框架层提供打印框架、WLAN服务、蓝牙服务,以及内核和底层提供WLAN蓝牙能力和基本通信协议。
下面结合附图对本申请的实施例进行描述。
基于上述提出的技术问题,也为了便于理解本发明实施例,下面先对本发明实施例所基于的系统架构进行描述。请参考见图1C,图1C是本发明实施例提供的一种呼吸系统疾病筛查方法的系统架构示意图,该呼吸系统疾病筛查系统架构20用于为目标用户进行呼吸系统疾病筛查,提升用户体验。该系统架构中可以包括电子设备201和云端数据库202。其中,
电子设备201,可以为智能手表、智能眼镜、智能衣物和智能手机等设备。电子设备201中包括一个或多个传感器,如光学心率传感器PPG、心电传感器ECG、加速度传感器ACC等传感器,可用于监测目标用户的生理指标以便于确定目标用户是否发生了生理自发性咳嗽事件。电子设备201中还包括麦克风,可用于录制目标用户的强制咳嗽音以便于更准确的筛查目标用户的呼吸系统疾病风险。可选的,电子设备201还可以包括显示屏,可用于显示呼吸系统疾病风险以便于查看目标用户的呼吸系统疾病筛查结果。例如,电子设备201为智能手表时,智能手表上包括了一个或多个传感器和麦克风,通过智能手表上的一个或多个传感器可监测到目标用户的生理指标,以便于确认目标用户是否发生生理自发性咳嗽事件,同时可通过智能手表的麦克风录制目标用户的强制咳嗽音,从而能够结合生理自发性咳嗽事件和强制咳嗽音筛查目标用户的呼吸系统疾病。需要说明的是,在本发明实施例提供中,电子设备201可以指带有一个或多个传感器的设备、带有麦克风的设备、带有显示屏的设备所组合而得到的设备。例如,当电子设备201为由智能手机和智能手表所组合得到的设备时,由于智能手表上存在一个或多个传感器(如光学心率传感器PPG、心电传感器ECG、加速度传感器ACC等),可通过智能手表来监测目标用户的心率、呼吸率等生理指标,便于后续确认目标用户是否发生了生理自发性咳嗽事件;由于智能手机上存在麦克风,可通过麦克风录制目标用户的强制咳嗽音,进一步可在智能手机或者智能手表上基于生理自发性咳嗽事件和强制咳嗽音来筛查目标用户的呼吸系统疾病。可选的,电子设备201可将获得的数据上传至云端数据库202进行保存,以便于查看目标用户的历史数据。
云端数据库202,在本申请中指被优化或部署到一个虚拟计算环境中的数据库,有可实现按需扩展、高可用性以及存储整合等优点,且具有数据备份、监控与消息通知等功能。例如,在云端数据库中可存储目标用户的历史呼吸系统疾病风险数据、目标用户的历史生理指标数据、目标用户的历史强制咳嗽音数据中的一种或多种。电子设备201可将获得的目标用户的数据上传至云端数据库202从而实现云端同步,当电子设备201或其他电子设备有权限查看云端数据库202中的数据时,可从云端数据库202中获取存储在该数据库中的内容。
可以理解的是,图1C中的一种呼吸系统疾病筛查的系统架构只是本申请实施例中的一种示例性的实施方式,本申请实施例中的呼吸系统疾病筛查系统架构包括但不仅限于以上系统架构。
下面对本发明实施例所基于的具体方法架构进行描述。参见图2A,图2A是本申请实施例中的一种呼吸系统疾病筛查方法的流程示意图,下面将结合附图2A并基于上述呼吸系统疾病筛查系统架构对本申请实施例中的呼吸系统疾病筛查方法进行描述。需要说明的是,为了更详细的描述本申请实施例中的呼吸系统疾病筛查方法,本申请在各个流程步骤中描述了相应的执行主体为电子设备,所述电子设备包括一个或多个传感器和麦克风,但不代表本申请实施例只能通过所描述的执行主体进行对应的方法流程。
步骤S301:电子设备通过所述一个或多个传感器监测目标用户的生理指标。
具体地,生理指标包括所述目标用户的检测心率、呼吸率和身体颤动中的一种或多种(如身体的颤动幅度、颤动频率、颤动速度等);一个或多个传感器可以理解为能够监测到目标用户生理指标的传感器,如光学心率传感器(Photoplethysmography,PPG)、心电传感器(Electrocardiography,ECG)、加速度传感器(Accelerometer,ACC),其中,PPG传感器能够监测到目标用户的心率,同时也能监测到目标用户的呼吸率,ECG传感器能够监测到目标用户的心率,ACC传感器能够监测到目标用户的身体颤动情况等;一个或多个传感器可以集成在上述电子设备100的传感器模块180中;生理指标可以理解为能够反映目标用户生命体特征的指标,如目标用户的呼吸率、心率、身体颤动情况等。
步骤S302:电子设备基于所述生理指标,确定所述目标用户在目标时间段内发生的生理自发性咳嗽事件。
具体地,所述生理自发性咳嗽事件包括N次生理自发性咳嗽、每次所述生理自发性咳嗽的咳嗽强度及咳嗽时间中的一种或多种;N为大于或者等于1的整数;生理自发性咳嗽事件可以理解为与目标用户发生的生理自发性咳嗽相关的信息。在本发明实施例中,当通过上述一个或多个传感器监测到目标用户的生理指标后,可基于这些生理指标确定在目标时间段内(如半小时内)发生的生理自发性咳嗽事件,如监测到目标用户的呼吸率和心率后,可基于这些数据确定目标用户在半小时内发生的生理自发性咳嗽,然后记录下咳嗽的相关信息得到生理自发性咳嗽事件。需要说明的是,可通过单一的生理指标或者是多个生理指标融合的方法,确定目标用户发生的生理自发性咳嗽事件,在此不做限定。
在一种可能的实现方式中,所述生理自发性咳嗽事件包括所述N次生理自发性咳嗽;电子设备基于所述生理指标,确定所述目标用户在目标时间段内发生的生理自发性咳嗽事件,包括:通过预设算法对所述生理指标进行处理,提取所述生理指标的指标特征;基于所述生理指标的所述指标特征,确定所述目标用户在目标时间段内发生的所述N次生理自发性咳嗽,从而得到所述生理自发性咳嗽事件。具体地,预设算法可以理解为基于机器学习或深度学习得到的且能够分析生理指标的算法;生理指标的指标特征可以理解为通过上述预设算法将目标用户的呼吸率、心率、身体颤动等数据进行处理后得到的特征,如目标用户的呼吸率和心率在短时间内先升高再降低,同时身体颤动幅度发生较大变化等特征。在本发明实施例中,可基于电子设备监测到目标用户的一些生理指标,如检测心率、呼吸率和身体颤动等,然后可通过预设算法(如机器学习算法或深度学习模型等)对这些生理指标进行处理可以得到指标特征,如通过预设算法可以得到目标用户的心率幅值变化、呼吸率变化,身体颤动幅度变化等数据的变化特征;进一步地,基于这些特征能够更加准确的确定目标用户是否发生了生理自发性咳嗽事件,避免了现有技术中在一段时间内使用固定设备录制患者全部声音(如录制患者三小时内所发出的所有声音)导致的个人隐私泄露、功耗大的问题;另外,由于可通过随身携带电子设备来实时监测目标用户的生理指标,因此能够更加便利且准确地获取到该用户的生理自发性咳嗽事件。例如,如图2B所示,图2B为本发明实施例提供的一种确定生理自发性咳嗽事件的示意图,图中通过穿戴设备(如智能手表)的PPG传感器和ECG传感器,均能够检测目标用户的心率,通过完整记录咳嗽前后的心率,能够提取出包括但不限于心率变化幅值、心率变化速度、心率峰值、心率波动时长等数据,并基于机器学习或深度学习模型对这些数据进行处理,能够得到生理指标变化的特征,然后基于这些指标特征确定目标用户是否发生了生理自发性咳嗽事件;同样地,通过穿戴设备(如智能手表)PPG传感器,能够检测目标用户的呼吸率,通过完整记录咳嗽前后的呼吸率,提取出包括但不限于呼吸率变化幅值、呼吸率变化速度、呼吸率峰值、呼吸率波动时长等数据,并基于机器学习或深度学习模型对这些数据进行处理,能够得到生理指标变化的特征,然后基于这些指标特征确定目标用户是否发生了生理自发性咳嗽事件;类似地,通过穿戴设备(如智能手表)ACC传感器,能够检测目标用户的身体颤动情况,通过完整记录咳嗽前后的身体颤动情况,提取出包括但不限于ACC变化幅值、ACC过零率、ACC衰减率等数据,并基于机器学习或深度学习模型对这些数据进行处理,能够得到生理指标变化的特征,然后基于这些指标特征确定目标用户是否发生了生理自发性咳嗽事件。需要说明的是,可通过单一生理指标或者是多个生理指标融合的方法,确定目标用户发生的生理自发性咳嗽事件,在此不做限定。
在一种可能的实现方式中,所述生理自发性咳嗽事件包括所述N次生理自发性咳嗽;电子设备基于所述生理指标,确定所述目标用户在目标时间段内发生的生理自发性咳嗽事件,包括:在所述目标时间段内,当基于所述生理指标的所述指标特征,判断出当前发生了N次待确认生理自发性咳嗽,则在所述电子设备的显示屏上显示第一界面;所述第一界面用于提示所述目标用户确认当前是否发生了所述N次待确认生理自发性咳嗽;接收所述目标用户的第一操作;所述第一操作为所述目标用户确认发生所述N次待确认生理自发性咳嗽的操作;将所述N次待确认生理自发性咳嗽确定为所述N次生理自发性咳嗽。具体地,N次待确认生理自发性咳嗽可以理解为基于生理指标监测到目标用户在预设时间段内可能发生的多次生理自发性咳嗽;显示屏可以为上述电子设备100的显示屏194;第一界面可以理解为让目标用户确认是否发生了的N次待确认生理自发性咳嗽的界面;第一操作可以理解为用户确认发生了N次待确认生理自发性咳嗽的操作。例如,如图2C所示,图2C为本发明实施例提供的一种第一界面的示意图,图2C的(a)中目标时间段为半小时,N为5,电子设备在半小时内监测到目标用户发生了5次生理自发性咳嗽,然后在显示屏上显示第一界面让目标用户确认在半小时内是否发生了5次生理自发性咳嗽,若是,则如(b)所示目标用户可点击“是”,然后电子设备可接收目标用户点击“是”的操作(如上述提及的第一操作),进一步电子设备可基于目标用户在半小时内发生了5次生理自发性咳嗽的相关信息,确定生理自发性咳嗽事件;图2C的(c)中,N为1,当电子设备监测到目标用户发生了一次生理自发性咳嗽后,则在显示屏上显示第一界面让目标用户确认当前是否生理自发性咳嗽,若是,则如(d)所示目标用户可点击“是”,然后电子设备可接收目标用户点击“是”的操作(如上述提及的第一操作),进一步电子设备可基于目标用户发生的生理自发性咳嗽相关信息,确定生理自发性咳嗽事件。又例如,如图2D所示,图2D为本发明实施例提供的另一种确认生理自发性咳嗽事件的示意图,图中基于上述可得到目标用户的生理指标的一些指标特征,如心率幅值变化、呼吸率变化,身体颤动幅度变化等数据的变化特征,然后可监测出目标用户发生了N次生理自发性咳嗽,然后可在电子设备的显示屏上显示一个界面,用于让目标用户确认是否发生了N次生理自发性咳嗽,如果目标用户确认是发生了N次生理自发性咳嗽,则能够更加准确地得到目标用户的咳嗽情况,避免了现有技术中在一段时间内使用固定设备录制患者全部声音(如录制患者三小时内所发出的所有声音)导致的个人隐私泄露、功耗大的问题;另外,由于可通过随身携带电子设备来实时监测目标用户的生理指标,因此能够更加便利且准确地获取到该用户的生理自发性咳嗽事件,提升用户体验。
在一种可能的实现方式中,所述方法还包括:电子设备基于所述生理自发性咳嗽事件,生成事件信息;所述事件信息包括所述目标用户的咳嗽次数、咳嗽时间分布、白天与夜间咳嗽分布差异和在预设周期下的多天咳嗽变化趋势中的一种或多种;在所述电子设备的显示屏上显示第二界面;所述第二界面用于显示所述事件信息。具体地,事件信息可以理解为基于生理自发性咳嗽事件而得到的一些关于目标用户咳嗽情况的数据特征;第二界面可以理解为用于显示目标用户近期咳嗽情况的界面,例如,如图2E所示,图2E为本发明实施例提供的一种第二界面示意图,图中在第二界面上显示了目标用户全天咳嗽的时间分布以及咳嗽次数等。又例如,图2F所示,图2F为本发明实施例提供的另一种第二界面的示意图,图中在第二界面上显示目标用户夜间的咳嗽情况,可观察到目标用户整夜都有咳嗽,但在早晨醒来时咳嗽次数较多。在本发明实施例中,当确认了目标用户在预设时间段内发生了N次生理自发性咳嗽后,可基于生理自发性咳嗽事件生成事件信息,如事件信息中包括了目标用户的咳嗽次数、咳嗽时间分布、白天与夜间咳嗽分布差异和在预设周期下的多天咳嗽变化趋势等,然后在电子设备的显示屏上显示这些事件信息,便于查看目标用户近期的咳嗽情况,能够直观反映目标用户症状的加重或减轻,实现了整个咳嗽周期的全流程管理,提升了用户体验。
步骤S303:电子设备通过所述麦克风采集所述目标用户的强制咳嗽音。
具体地,麦克风用于录制目标用户的强制咳嗽音,详细说明可参见上述电子设备100中的麦克风170C;强制咳嗽音可以理解为目标用户强制咳嗽或是自发性咳嗽的声音,例如,目标用户咳嗽一下,然后通过麦克风录制下该咳嗽音。在本申请中,为了获取目标用户更多的咳嗽相关信息,可以通过电子设备内的麦克风采集目标用户的强制咳嗽音,以结合目标用户的生理自发性咳嗽事件和强制咳嗽音来共同筛查该用户的呼吸系统疾病风险。
在一种可能的实现方式中,电子设备通过所述麦克风采集所述目标用户的强制咳嗽音,包括:当所述生理自发性咳嗽事件的所述事件信息与历史生理自发性咳嗽事件的历史事件信息之间的变化程度大于预设阈值,则在所述电子设备的显示屏上显示第三界面;所述第三界面用于提醒所述目标用户录制所述强制咳嗽音;接收所述目标用户的第二操作;所述第二操作为所述目标用户确认开始录制所述强制咳嗽音的操作;通过所述麦克风采集所述目标用户的所述强制咳嗽音。具体地,当目标用户的生理自发性咳嗽事件的事件信息相比于前一天或是前几天发生明显变化时,可在电子设备的显示屏上显示一个界面,用于提示目标用户录制强制咳嗽音,然后在目标用户确认录制强制咳嗽音后,可通过麦克风录制目标用户的强制咳嗽音,以便于进一步确认目标用户的当前呼吸系统情况。例如,如图2G所示,图2G为本发明实施例提供的一种录制强制咳嗽音的流程示意图,图中当目标用户的生理自发性咳嗽事件的事件信息相比于前一天或者前几天发生变化时,可弹出提示语提醒用户录制强制咳嗽音,以进一步确认用户当前情况。又例如,如图2H所示,图2H为本发明实施例提供的一种第三界面的示意图,若目标用户当前咳嗽了80次,前三个小时仅了10次,这两个时间段内目标用户的咳嗽情况发生了明显变化,则在显示屏上显示图2G所示的第三界面,当目标用户点击第三界面上的“开始录制”后,电子设备接收到目标用户的确认录制的操作(如上述提及的第二操作),然后通过麦克风开始录制目标用户的强制咳嗽音。需要说明的是,如当目标用户的呼吸系统感染情况从轻症甚至无症状发展到中重症时,其生理自发性咳嗽事件会发生变化,通过穿戴设备能够检测到该变化,此时,提示目标用户录制强制咳嗽音,便于后续融合生理自发性咳嗽事件和强制咳嗽音信号的特征,给出筛查结果。这种情况下,筛查结果的呼吸系统无风险或低风险,会转变成中高风险,并告知用户及时就医筛查和治疗。又如当用户呼吸系统疾病从中重症转变为轻症甚至无症状时,其咳嗽事件也会发生变化,可通过穿戴设备检测出来,此时,提示用户录制强制咳嗽音,便于后续融合咳嗽事件和强制咳嗽音信号的特征,给出筛查结果。这种情况下,筛查结果的呼吸系统疾病的中高风险,会转变为低风险或无风险,并告知用户询问医生是否可以停止服药。
步骤S304:电子设备基于所述生理自发性咳嗽事件和所述强制咳嗽音,确定所述目标用户的呼吸系统疾病风险。
具体地,呼吸系统疾病风险可以理解为当前呼吸系统出现问题的风险,如低风险、中风险、高风险等。例如,图3A所示,图3A为本发明实施例提供的一种确定目标用户呼吸系统疾病的流程示意图,图中可通过智能手表监测目标用户的生理自发性咳嗽事件,通过智能手机记录目标用户的强制咳嗽音,然后可在智能手机或智能手表中的任意一个设备上基于生理自发性咳嗽事件和强制咳嗽音来确定目标用户的呼吸系统疾病风险,可选的,将确定的呼吸系统疾病风险显示在智能手机或智能手表上。
在一种可能的实现方式中,电子设备基于所述生理自发性咳嗽事件和所述强制咳嗽音,确定所述目标用户的呼吸系统疾病风险,包括:对所述强制咳嗽音进行滤波处理,去除所述强制咳嗽音中的噪音;将去除噪音后的所述强制咳嗽音进行音频处理,得到强制咳嗽音特征;所述强制咳嗽音特征包括时域特征、频率特征和色谱特征中的一种或多种;基于所述生理自发性咳嗽事件的所述事件信息和所述强制咳嗽音特征,确定所述目标用户的呼吸系统疾病风险。具体地,通过电子设备的麦克风可将目标用户的咳嗽音录制下来,进一步将该音频信号经过滤波器可除去噪声,滤波后音频信号再经过音频处理,如预处理、端点分割、特征提取等,能够得到强制咳嗽的时域特征、频率特征和色谱特征等,如强制咳嗽音的过零率、衰减率等,以便于进一步确认目标用户的当前呼吸系统疾病情况,避免了现有技术中仅通过目标用户的强制咳嗽音来确定呼吸系统疾病风险而导致的判断不准确的问题,因此能够更加准确地筛查目标用户的呼吸系统疾病风险,并且,进一步地,可基于该疾病风险反映出目标用户呼吸系统症状的加重或减轻,实现了整个咳嗽周期的全流程管理,提升了用户体验。例如,如图3B所示,图3B为本发明实施例提供的一种处理强制咳嗽音的流程示意图,图中通过智能设备的麦克风可录制目标用户的强制咳嗽音,该音频信号经过滤波器去除噪声,滤波器包括但不限于带通滤波、维纳滤波等。滤波后的音频信号再经过预处理流程将较长时间(一般几秒到十几秒)的非平稳音频信号转换为短时平稳信号,预处理主要包括预加重、分帧和加窗。此外,由于一条音频可能包含几个咳嗽音片段,此时需要通过端点分割技术将几个片段分割开,每个片段单独进行特征提取,可选的通过短时能量和过零率两个参数进行端点分割。端点分割后,进行特征提取,特征包括时域特征、频域特征和色谱特征。又例如,图3C所示,图3C为本发明实施例提供的另一种确定目标用户呼吸系统疾病的流程示意图,图中可基于手表的ACC/PPG/ECG传感器,对生理自发性咳嗽事件进行捕捉,基于这些事件提取出其对应特征,包括但不限于咳嗽频率均值、咳嗽频率方差、咳嗽频率最值等特征。这些特征一方面可以直接在UI交互界面显示,告知用户咳嗽分布情况,是否加重或减轻,白天咳嗽情况,晚上咳嗽情况,以及对应提示和建议等。另一方面,这些特征能够与强制咳嗽音的特征进行融合,并通过机器学习或深度学习模型,实现呼吸系统疾病的筛查,告知用户可能患病类型和患病风险。
在一种可能的实现方式中,电子设备基于所述生理自发性咳嗽事件的所述事件信息和所述强制咳嗽音特征,确定所述目标用户的呼吸系统疾病风险,包括:电子设备基于所述事件信息和所述强制咳嗽音特征,构建呼吸系统疾病筛查模型;根据所述呼吸系统疾病筛查模型,确定所述目标用户的呼吸系统疾病风险。在本发明实施例中,由于基于目标用户的生理自发性咳嗽事件的事件信息和强制咳嗽音特征,能够构建呼吸系统疾病筛查模型,然后基于该模型确定目标用户的呼吸系统疾病风险,因此在对目标用户进行呼吸系统疾病筛查时,既考虑了目标用户的咳嗽情况特征,也考虑了咳嗽音的特征,能够更加便利且准确地确定目标用户的呼吸系统疾病风险,提升了用户体验。
在一种可能的实现方式中,所述方法还包括:在所述电子设备的显示屏上显示第四界面,所述第四界面用于显示所述呼吸系统疾病风险。具体地,基于上述可得到目标用户的当前呼吸系统疾病风险,然后可在电子设备的显示屏上显示一个界面用于展示目标用户的呼吸系统疾病筛查结果,便于查看目标用户近期的呼吸系统情况,避免了现有的呼吸系统疾病筛查方法中,个人隐私泄露、功耗大的问题和咳嗽关键信息丢失的问题,提升了用户体验。例如,如图3D所示,图3D为本发明实施例提供的一种第四界面的示意图,图中在第四界面上可显示呼吸系统疾病筛查结果,包括呼吸系统处于无风险、低中高风险,病情加重或减轻提示,和对应的提示和建议。
在本发明实施例中,通过电子设备(如目标用户个人的手机、智能手环等)内的传感器(如光学心率传感器PPG、心电传感器ECG、加速度传感器ACC等)来监测目标用户的生理指标,并基于这些生理指标确定目标用户是否发生了生理自发性咳嗽事件,同时为了获取目标用户更多的咳嗽相关信息,还可以通过电子设备内的麦克风采集目标用户的强制咳嗽音,以综合目标用户的生理自发性咳嗽事件和强制咳嗽音来共同筛查该用户的呼吸系统疾病风险。综上,通过本发明实施例提供的方法可以实现对目标用户进行呼吸系统疾病筛查,一方面,由于在电子设备内集成了所需的传感器和麦克风,因此用户可以通过随身携带的方式在多种场所使用,避免了现有技术中在一段时间内使用固定设备录制患者全部声音(如录制患者三小时内所发出的所有声音)导致的个人隐私泄露、功耗大的问题;另一方面,由于可通过随身携带电子设备来实时监测目标用户的生理指标,因此能够更加便利且准确地获取到该用户的生理自发性咳嗽事件。同时,由于综合考虑了目标用户的生理自发性咳嗽事件和强制咳嗽音,避免了现有技术中仅通过目标用户的强制咳嗽音来确定呼吸系统疾病风险而导致的判断不准确的问题,因此能够更加准确地筛查目标用户的呼吸系统疾病风险,并且,进一步地,可基于该疾病风险反映出目标用户呼吸系统症状的加重或减轻,实现了整个咳嗽周期的全流程管理,提升了用户体验。
上述详细阐述了本发明实施例的方法,下面提供了本发明实施例的相关装置。
请参见图4,图4是本发明实施例提供的本申请提供了一种呼吸系统疾病筛查装置示意图,该呼吸系统疾病筛查装置40,可应用于电子设备,所述电子设备包括一个或多个传感器、麦克风,该装置可以包括第一获取单元401、第一处理单元402、第二获取单元403、第二处理单元404、第三处理单元405、第一显示单元406、第二显示单元407。其中,
第一获取单元401,用于通过所述一个或多个传感器监测目标用户的生理指标;所述生理指标包括所述目标用户的检测心率、呼吸率和身体颤动中的一种或多种;
第一处理单元402,用于基于所述生理指标,确定所述目标用户在目标时间段内发生的生理自发性咳嗽事件;所述生理自发性咳嗽事件包括N次生理自发性咳嗽、每次所述生理自发性咳嗽的咳嗽强度及咳嗽时间中的一种或多种;N为大于或者等于1的整数;
第二获取单元403,用于通过所述麦克风采集所述目标用户的强制咳嗽音;
第二处理单元404,用于基于所述生理自发性咳嗽事件和所述强制咳嗽音,确定所述目标用户的呼吸系统疾病风险。
在一种可能的实现方式中,所述第一处理单元402具体用于:通过预设算法对所述生理指标进行处理,提取所述生理指标的指标特征;基于所述生理指标的所述指标特征,确定所述目标用户在目标时间段内发生的所述N次生理自发性咳嗽,从而得到所述生理自发性咳嗽事件。
在一种可能的实现方式中,所述第一处理单元402具体用于:在所述目标时间段内,当基于所述生理指标的所述指标特征,判断出当前发生了N次待确认生理自发性咳嗽,则在所述电子设备的显示屏上显示第一界面;所述第一界面用于提示所述目标用户确认当前是否发生了所述N次待确认生理自发性咳嗽;接收所述目标用户的第一操作;所述第一操作为所述目标用户确认发生所述N次待确认生理自发性咳嗽的操作;将所述N次待确认生理自发性咳嗽确定为所述N次生理自发性咳嗽。
在一种可能的实现方式中,所述装置还包括:第三处理单元405,用于基于所述生理自发性咳嗽事件,生成事件信息;所述事件信息包括所述目标用户的咳嗽次数、咳嗽时间分布、白天与夜间咳嗽分布差异和在预设周期下的多天咳嗽变化趋势中的一种或多种;第一显示单元406,用于在所述电子设备的显示屏上显示第二界面;所述第二界面用于显示所述事件信息。
在一种可能的实现方式中,所述第二获取单元403具体用于:当所述生理自发性咳嗽事件的所述事件信息与历史生理自发性咳嗽事件的历史事件信息之间的变化程度大于预设阈值,则在所述电子设备的显示屏上显示第三界面;所述第三界面用于提醒所述目标用户录制所述强制咳嗽音;接收所述目标用户的第二操作;所述第二操作为所述目标用户确认开始录制所述强制咳嗽音的操作;通过所述麦克风采集所述目标用户的所述强制咳嗽音。
在一种可能的实现方式中,所述第二处理单元404具体用于:对所述强制咳嗽音进行滤波处理,去除所述强制咳嗽音中的噪音;将去除噪音后的所述强制咳嗽音进行音频处理,得到强制咳嗽音特征;所述强制咳嗽音特征包括时域特征、频率特征和色谱特征中的一种或多种;基于所述生理自发性咳嗽事件的所述事件信息和所述强制咳嗽音特征,确定所述目标用户的呼吸系统疾病风险。
在一种可能的实现方式中,所述第二处理单元404具体用于:基于所述事件信息和所述强制咳嗽音特征,构建呼吸系统疾病筛查模型;根据所述呼吸系统疾病筛查模型,确定所述目标用户的呼吸系统疾病风险。
在一种可能的实现方式中,所述装置还包括:第二显示单元407,用于在所述电子设备的显示屏上显示第四界面,所述第四界面用于显示所述呼吸系统疾病风险。
需要说明的是,本发明实施例中所描述的呼吸系统疾病筛查装置40中各功能单元的功能可参见上述图2A中所述的方法实施例所执行的步骤S301-步骤S304的相关描述,此处不再赘述。
本发明实施例提供一种芯片系统,其特征在于,所述芯片系统包括至少一个处理器,存储器和接口电路,所述存储器、所述接口电路和所述至少一个处理器通过线路互联,所述至少一个存储器中存储有指令;所述指令被所述处理器执行时,上述一种呼吸系统疾病筛查方法中任意一项方法得以实现。
本发明实施例提供一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述一种呼吸系统疾病筛查方法中任意一项所述的方法。
本发明实施例提供一种计算机程序,其特征在于,所述计算机程序包括指令,当所述计算机程序被计算机执行时,使得所述计算机执行上述一种呼吸系统疾病筛查方法中任意一项所述的方法。
本申请提供一种终端设备,该终端设备具有实现上述提供的任意一种呼吸系统疾病筛查方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
本申请提供一种智能设备,该智能设备具有实现上述提供的任意一种呼吸系统疾病筛查方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
本申请提供一种终端设备,该终端设备中包括处理器,处理器被配置为支持该终端设备执行上述提供的任意一种呼吸系统疾病筛查方法中相应的功能。该终端设备还可以包括存储器,存储器用于与处理器耦合,其保存该终端设备必要的程序指令和数据。该终端设备还可以包括通信接口,用于该终端设备与其他设备或通信网络通信。
在上述实施例中,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。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可能可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅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,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上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网络单元上。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。
上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(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本申请各个实施例上述方法的全部或部分步骤。其中,而前述的存储介质可包括:U盘、移动硬盘、磁碟、光盘、只读存储器(Read-Only Memory,缩写:ROM)或者随机存取存储器(Random Access Memory,缩写:RAM)等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (19)
1.一种呼吸系统疾病筛查的方法,其特征在于,应用于电子设备,所述电子设备包括一个或多个传感器、麦克风;所述方法包括:
通过所述一个或多个传感器监测目标用户的生理指标;所述生理指标包括所述目标用户的检测心率、呼吸率和身体颤动中的一种或多种;
基于所述生理指标,确定所述目标用户在目标时间段内发生的生理自发性咳嗽事件;所述生理自发性咳嗽事件包括N次生理自发性咳嗽、每次所述生理自发性咳嗽的咳嗽强度及咳嗽时间中的一种或多种;N为大于或者等于1的整数;
通过所述麦克风采集所述目标用户的强制咳嗽音;
基于所述生理自发性咳嗽事件和所述强制咳嗽音,确定所述目标用户的呼吸系统疾病风险。
2.如权利要求1所述的方法,其特征在于,所述生理自发性咳嗽事件包括所述N次生理自发性咳嗽;所述基于所述生理指标,确定所述目标用户在目标时间段内发生的生理自发性咳嗽事件,包括:
通过预设算法对所述生理指标进行处理,提取所述生理指标的指标特征;
基于所述生理指标的所述指标特征,确定所述目标用户在目标时间段内发生的所述N次生理自发性咳嗽,从而得到所述生理自发性咳嗽事件。
3.如权利要求2所述的方法,其特征在于,所述生理自发性咳嗽事件包括所述N次生理自发性咳嗽;所述基于所述生理指标,确定所述目标用户在目标时间段内发生的生理自发性咳嗽事件,包括:
在所述目标时间段内,当基于所述生理指标的所述指标特征,判断出当前发生了N次待确认生理自发性咳嗽,则在所述电子设备的显示屏上显示第一界面;所述第一界面用于提示所述目标用户确认当前是否发生了所述N次待确认生理自发性咳嗽;
接收所述目标用户的第一操作;所述第一操作为所述目标用户确认发生所述N次待确认生理自发性咳嗽的操作;
将所述N次待确认生理自发性咳嗽确定为所述N次生理自发性咳嗽。
4.如权利要求1-3任意一项所述的方法,其特征在于,所述方法还包括:
基于所述生理自发性咳嗽事件,生成事件信息;所述事件信息包括所述目标用户的咳嗽次数、咳嗽时间分布、白天与夜间咳嗽分布差异和在预设周期下的多天咳嗽变化趋势中的一种或多种;
在所述电子设备的显示屏上显示第二界面;所述第二界面用于显示所述事件信息。
5.如权利要求4所述的方法,其特征在于,所述通过所述麦克风采集所述目标用户的强制咳嗽音,包括:
当所述生理自发性咳嗽事件的所述事件信息与历史生理自发性咳嗽事件的历史事件信息之间的变化程度大于预设阈值,则在所述电子设备的显示屏上显示第三界面;所述第三界面用于提醒所述目标用户录制所述强制咳嗽音;
接收所述目标用户的第二操作;所述第二操作为所述目标用户确认开始录制所述强制咳嗽音的操作;
通过所述麦克风采集所述目标用户的所述强制咳嗽音。
6.如权利要求4或5所述的方法,其特征在于,所述基于所述生理自发性咳嗽事件和所述强制咳嗽音,确定所述目标用户的呼吸系统疾病风险,包括:
对所述强制咳嗽音进行滤波处理,去除所述强制咳嗽音中的噪音;
将去除噪音后的所述强制咳嗽音进行音频处理,得到强制咳嗽音特征;所述强制咳嗽音特征包括时域特征、频率特征和色谱特征中的一种或多种;
基于所述生理自发性咳嗽事件的所述事件信息和所述强制咳嗽音特征,确定所述目标用户的呼吸系统疾病风险。
7.如权利要求6所述的方法,其特征在于,所述基于所述生理自发性咳嗽事件的所述事件信息和所述强制咳嗽音特征,确定所述目标用户的呼吸系统疾病风险,包括:
基于所述事件信息和所述强制咳嗽音特征,构建呼吸系统疾病筛查模型;
根据所述呼吸系统疾病筛查模型,确定所述目标用户的呼吸系统疾病风险。
8.如权利要求1-7所述的方法,其特征在于,所述方法还包括:
在所述电子设备的显示屏上显示第四界面,所述第四界面用于显示所述呼吸系统疾病风险。
9.一种呼吸系统疾病筛查的装置,其特征在于,应用于电子设备,所述电子设备包括一个或多个传感器、麦克风;所述装置包括:
第一获取单元,用于通过所述一个或多个传感器监测目标用户的生理指标;所述生理指标包括所述目标用户的检测心率、呼吸率和身体颤动中的一种或多种;
第一处理单元,用于基于所述生理指标,确定所述目标用户在目标时间段内发生的生理自发性咳嗽事件;所述生理自发性咳嗽事件包括N次生理自发性咳嗽、每次所述生理自发性咳嗽的咳嗽强度及咳嗽时间中的一种或多种;N为大于或者等于1的整数;
第二获取单元,用于通过所述麦克风采集所述目标用户的强制咳嗽音;
第二处理单元,用于基于所述生理自发性咳嗽事件和所述强制咳嗽音,确定所述目标用户的呼吸系统疾病风险。
10.如权利要求9所述的装置,其特征在于,所述第一处理单元具体用于:
通过预设算法对所述生理指标进行处理,提取所述生理指标的指标特征;
基于所述生理指标的所述指标特征,确定所述目标用户在目标时间段内发生的所述N次生理自发性咳嗽,从而得到所述生理自发性咳嗽事件。
11.如权利要求10所述的装置,其特征在于,所述第一处理单元具体用于:
在所述目标时间段内,当基于所述生理指标的所述指标特征,判断出当前发生了N次待确认生理自发性咳嗽,则在所述电子设备的显示屏上显示第一界面;所述第一界面用于提示所述目标用户确认当前是否发生了所述N次待确认生理自发性咳嗽;
接收所述目标用户的第一操作;所述第一操作为所述目标用户确认发生所述N次待确认生理自发性咳嗽的操作;
将所述N次待确认生理自发性咳嗽确定为所述N次生理自发性咳嗽。
12.如权利要求9-11任意一项所述的装置,其特征在于,所述装置还包括:
第三处理单元,用于基于所述生理自发性咳嗽事件,生成事件信息;所述事件信息包括所述目标用户的咳嗽次数、咳嗽时间分布、白天与夜间咳嗽分布差异和在预设周期下的多天咳嗽变化趋势中的一种或多种;
第一显示单元,用于在所述电子设备的显示屏上显示第二界面;所述第二界面用于显示所述事件信息。
13.如权利要求12所述的装置,其特征在于,所述第二获取单元具体用于:
当所述生理自发性咳嗽事件的所述事件信息与历史生理自发性咳嗽事件的历史事件信息之间的变化程度大于预设阈值,则在所述电子设备的显示屏上显示第三界面;所述第三界面用于提醒所述目标用户录制所述强制咳嗽音;
接收所述目标用户的第二操作;所述第二操作为所述目标用户确认开始录制所述强制咳嗽音的操作;
通过所述麦克风采集所述目标用户的所述强制咳嗽音。
14.如权利要求12或13所述的装置,其特征在于,所述第二处理单元具体用于:
对所述强制咳嗽音进行滤波处理,去除所述强制咳嗽音中的噪音;
将去除噪音后的所述强制咳嗽音进行音频处理,得到强制咳嗽音特征;所述强制咳嗽音特征包括时域特征、频率特征和色谱特征中的一种或多种;
基于所述生理自发性咳嗽事件的所述事件信息和所述强制咳嗽音特征,确定所述目标用户的呼吸系统疾病风险。
15.如权利要求14所述的装置,其特征在于,所述第二处理单元具体用于:
基于所述事件信息和所述强制咳嗽音特征,构建呼吸系统疾病筛查模型;
根据所述呼吸系统疾病筛查模型,确定所述目标用户的呼吸系统疾病风险。
16.如权利要求9-15所述的装置,其特征在于,所述装置还包括:
第二显示单元,用于在所述电子设备的显示屏上显示第四界面,所述第四界面用于显示所述呼吸系统疾病风险。
17.一种芯片系统,其特征在于,所述芯片系统包括至少一个处理器,存储器和接口电路,所述存储器、所述接口电路和所述至少一个处理器通过线路互联,所述至少一个存储器中存储有指令;所述指令被所述处理器执行时,权利要求1-8中任意一项所述的方法得以实现。
18.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述权利要求1-8中任意一项所述的方法。
19.一种计算机程序,其特征在于,所述计算机程序包括指令,当所述计算机程序被计算机执行时,使得所述计算机执行如权利要求1-8中任意一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110572904.1A CN115394437A (zh) | 2021-05-25 | 2021-05-25 | 一种呼吸系统疾病筛查的方法及相关装置 |
PCT/CN2022/091282 WO2022247606A1 (zh) | 2021-05-25 | 2022-05-06 | 一种呼吸系统疾病筛查的方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110572904.1A CN115394437A (zh) | 2021-05-25 | 2021-05-25 | 一种呼吸系统疾病筛查的方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115394437A true CN115394437A (zh) | 2022-11-25 |
Family
ID=84114022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110572904.1A Pending CN115394437A (zh) | 2021-05-25 | 2021-05-25 | 一种呼吸系统疾病筛查的方法及相关装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115394437A (zh) |
WO (1) | WO2022247606A1 (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWM446374U (zh) * | 2012-06-18 | 2013-02-01 | Chung Shan Medical University Hospital | 咳嗽記錄裝置 |
EP3217874B1 (en) * | 2014-11-12 | 2022-03-09 | Koninklijke Philips N.V. | Apparatus and method for assessing the severity of chronic obstructive pulmonary disease, copd, in a subject |
EP3515293A4 (en) * | 2016-09-26 | 2020-04-29 | The University Of Queensland | METHOD AND DEVICE FOR AUTOMATICALLY DIAGNOSIS OF A DISEASE CONDITION |
US20190336039A1 (en) * | 2018-05-03 | 2019-11-07 | University Of Maryland, Baltimore | Apparatus and method for identifying a coughing event |
CN108852317A (zh) * | 2018-07-17 | 2018-11-23 | 深圳乐测物联网科技有限公司 | 一种咳嗽的监测方法和健康监测装置 |
CN109273085B (zh) * | 2018-11-23 | 2021-11-02 | 南京清科信息科技有限公司 | 病理呼吸音库的建立方法、呼吸疾病的检测系统及处理呼吸音的方法 |
CN111938604A (zh) * | 2020-07-09 | 2020-11-17 | 上海交通大学 | 一种基于多模态技术的呼吸系统疾病远程监控系统 |
-
2021
- 2021-05-25 CN CN202110572904.1A patent/CN115394437A/zh active Pending
-
2022
- 2022-05-06 WO PCT/CN2022/091282 patent/WO2022247606A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022247606A1 (zh) | 2022-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112130742B (zh) | 一种移动终端的全屏显示方法及设备 | |
WO2020211701A1 (zh) | 模型训练方法、情绪识别方法及相关装置和设备 | |
CN113645351B (zh) | 应用界面交互方法、电子设备和计算机可读存储介质 | |
CN114397981A (zh) | 一种应用显示方法及电子设备 | |
WO2020029306A1 (zh) | 一种图像拍摄方法及电子设备 | |
WO2021052139A1 (zh) | 手势输入方法及电子设备 | |
WO2021258814A1 (zh) | 视频合成方法、装置、电子设备及存储介质 | |
CN113704205B (zh) | 日志存储的方法、芯片、电子设备和可读存储介质 | |
WO2021238460A1 (zh) | 风险预警方法、风险行为信息获取方法和电子设备 | |
WO2022007707A1 (zh) | 家居设备控制方法、终端设备及计算机可读存储介质 | |
WO2021164300A1 (zh) | 数据展示方法、终端设备及存储介质 | |
CN114995715A (zh) | 悬浮球的控制方法和相关装置 | |
WO2022037479A1 (zh) | 一种拍摄方法和拍摄系统 | |
CN113542574A (zh) | 变焦下的拍摄预览方法、终端、存储介质及电子设备 | |
CN114283195B (zh) | 生成动态图像的方法、电子设备及可读存储介质 | |
WO2022111593A1 (zh) | 一种用户图形界面显示方法及其装置 | |
CN111982037B (zh) | 一种测量高度的方法和电子设备 | |
WO2022247606A1 (zh) | 一种呼吸系统疾病筛查的方法及相关装置 | |
CN115373957A (zh) | 杀应用的方法及设备 | |
CN114637392A (zh) | 显示方法及电子设备 | |
CN114812381A (zh) | 电子设备的定位方法及电子设备 | |
CN113971823A (zh) | 外表分析的方法和电子设备 | |
WO2022222702A1 (zh) | 屏幕解锁方法和电子设备 | |
CN118155837A (zh) | 一种心律失常风险预测方法及相关电子设备 | |
CN115050058A (zh) | 一种指纹识别方法及电子设备 |
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 |