CN115998295B - 一种结合远近红外光的血脂估测方法、系统及装置 - Google Patents
一种结合远近红外光的血脂估测方法、系统及装置 Download PDFInfo
- Publication number
- CN115998295B CN115998295B CN202310293974.2A CN202310293974A CN115998295B CN 115998295 B CN115998295 B CN 115998295B CN 202310293974 A CN202310293974 A CN 202310293974A CN 115998295 B CN115998295 B CN 115998295B
- Authority
- CN
- China
- Prior art keywords
- infrared light
- blood
- near infrared
- blood fat
- light
- 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.)
- Active
Links
Images
Classifications
-
- 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
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开的一种结合远近红外光的血脂估测方法、系统及装置,其中结合远近红外光的血脂估测方法包括:通过近红外光及远红外光照射目标用户的耳廓背面位置,测定照射耳廓后反射回来的光强信号,传输到云端对测定的光强信号进行预处理后获取血液对应的光强特征,构建血脂估测模型,将光强特征导入血脂估测模型进行分析,获取目标用户的血脂估计值。本发明通过采集耳廓背面的信号减少了皮肤黑色素对近红外光的吸收,实现了无创的血脂估测,更加安全健康,另外通过远近红外光相结合的方式采集的信号信噪比会更大,测试更为准确。
Description
技术领域
本发明涉及信号采集技术领域,更具体的,涉及一种结合远近红外光的血脂估测方法、系统及装置。
背景技术
血脂是反应人体健康的一个重要指标之一,而现代人会经常有暴饮暴食、嗜酒、偏食、饮食不规律及缺乏运动、精神紧张等不良行为,就容易出现血脂异常。血脂异常就容易出现各类心血管疾病、高血压、胰腺炎等疾病,严重影响身体健康,目前普遍采用的是一种基于有创伤的采血测量的方法,而该方法不仅会给人带来不良的体验,同时也会存在创口感染的风险。因此为预防高血脂,实现需求人群的实时血脂采样,改良检测方法,采用新的检测仪器对需求人群的身体健康有着巨大的意义和重要性。
目前较为普遍的实现无创测量血脂的研究方向之一是利用采集PPG(光体积变化描记图法,Photoplethysmography,简称PPG)信号进行分析评估。PPG信号普遍是利用近红外光照射人体皮肤,透过皮肤照射到人体血管,近红外光和人体血管中的血红蛋白发生共振,将会吸收一部分近红外光,剩余的近红外光会反射回来,接收反射回来的信号,这些信号反映了人体血液中的大体特征与规律,进一步分析便可实现对血脂的评估。但目前PPG信号的采集受到的干扰普遍较多,如人体采集部位的运动、皮肤沉积的黑色素对近红外光的吸收、外界光源对采集光源的干扰等都会造成PPG信号的噪声较大,为后面的信号预处理增加了难度,并且会影响到信号的准确性,从而降低了检测结果的可靠性,因此为了提高血脂检测结果的可靠性和准确性,研究如何采集更为可靠和准确的PPG信号具有重要意义。
发明内容
为了解决上述技术问题,本发明提出了一种结合远近红外光的血脂估测方法、系统及装置。
本发明第一方面提供了一种结合远近红外光的血脂估测方法,包括:
通过近红外光及远红外光照射目标用户的耳廓背面位置;
测定照射耳廓后反射回来的光强信号,将测定的光强信号发送到云端进行预处理,并获取血液对应的光强特征;
构建血脂估测模型,将所述光强特征导入血脂估测模型进行分析,获取目标用户的血脂估计值;
所述近红外光的波长为600-1200nm,远红外光的波长为3-15μm。
本方案中,通过近红外光及远红外光照射目标用户的耳廓背面位置,利用远红外光的照射增加血液对近红外光的吸收,具体为:
通过两个并列发光的灯珠发出近红外光及远红外光照射耳廓背面,所述近红外光被动静脉血液中的血红蛋白吸收;
选取与人体组织的细胞分子的部分共价键波长相同的远红外光进行照射,引起共鸣共振,使得皮下深层组织温度上升;
当皮下深层组织温度上升时,目标用户的耳廓背面位置血液对近红外光的吸收增加,提高血液的光吸收率,在耳廓其他组织的光吸收率不变的情况下,增加信噪比。
本方案中,测定照射耳廓后反射回来的光强信号,将测定的光强信号发送到云端进行预处理,并获取血液对应的光强特征,具体为:
通过PD接收管测定照射耳廓后反射回来耳廓的近红外光,获取对应的光照强度,将照射到肌肉、骨骼和其他连接组织反射回来的近红外光信号转换为直流信号,将照射到动静脉后反射回来的近红外光信号转换为交流信号;
在将光信号转化为电流形式的电信号后,将所述交流信号进行放大,并将交流信号转化成数字信号,将所述数字信号按照预设方式发送至云端进行预处理;
通过预处理后的数字信号进行特征提取,获取目标用户耳廓背面位置血液对应的光强特征。
本方案中,构建血脂估测模型,将所述光强特征导入血脂估测模型进行分析,获取目标用户的血脂估计值,具体为:
通过预设测定时间内各时间戳的光强特征生成光强特征时序序列,基于深度学习构建血脂估测模型,在ResNet50网络中引入SENet网络构建深层卷积网络;
通过SENet网络改造ResNet50网络的最后三个残差块,将光强特征时序序列输入ResNet50网络进行空洞卷积,当空洞卷积结束后,输入SENet网络改造的残差块;
对空洞卷积后的特征进行线性转换,并通过SOFTMAX函数生成注意力权重,通过注意力权重与线性转换后的特征进行结合,并结合后的特征与空洞卷积后的原始特征进行融合;
根据所述融合特征进行目标用户血脂的预测,通过训练数据对血脂估测模型进行训练,通过训练后的血脂估测模型集合融合特征初始目标用户当前测定时间的血脂估测值。
本方案中,通过训练数据对血脂估测模型进行训练,具体为:
获取历史血脂估测数据及对应的光强特征,将所述历史血脂估测数据及对应的光强特征划分为训练集与验证集,通过所述训练集对所述血脂估测模型进行训练;
获取目标用户的预设时间内的血脂估测数据,并通过大数据手段在医疗相关数据库中检索目标用户血脂医疗检测数据,根据目标用户血脂医疗检测数据的检测时间戳获取预设时间区间内血脂估测数据;
将所述预设时间区间内血脂估测数据与所述血脂医疗检测数据进行对比分析生成数据偏差,若所述数据偏差小于预设偏差阈值,则将预设时间区间内血脂估测数据作为目标用户血脂实际值;
将所述目标用户血脂实际值与训练数据进行相加,对训练数据进行数据增强,不断更新血脂估测模型的训练。
本发明第二方面提供了一种结合远近红外光的血脂估测系统,该系统包括:存储器、处理器,所述存储器中包括一种结合远近红外光的血脂估测方法程序,所述一种结合远近红外光的血脂估测方法程序被所述处理器执行时实现如下步骤:
通过近红外光及远红外光照射目标用户的耳廓背面位置;
测定照射耳廓后反射回来的光强信号,将测定的光强信号发送到云端进行预处理,并获取血液对应的光强特征;
构建血脂估测模型,将所述光强特征导入血脂估测模型进行分析,获取目标用户的血脂估计值;
所述近红外光的波长为600-1200nm,远红外光的波长为3-15μm。
本发明第三方面提供了一种结合远近红外光的血脂估测装置,包括采集模块、控制模块、蓝牙模块及电源模块,其特征在于,所述采集模块集成跨导放大器和ADC模块的模拟前段,接两个并列可发出远红外光的灯珠、两个并列的可发出近红外光的灯珠和两个并列的PD接收管;
所述控制模块控制模拟前端进而控制灯珠的打开和关闭以及PD接收管对近红外光反射回来的光的接收,模拟前端将光信号转化成电流形式的电信号然后放大,再将电信号转化成数字信号;
所述蓝牙模块转化后的数字信号传输到云端对信号进行预处理;所述电源模块提供电源供电及电源充电接口。
本方案中,所述血脂估测装置集成入耳扣式耳机,所述耳扣式耳机包括第一半边及第二半边,所述第一半边扣于外耳廓的正面,所述第二半边扣于外耳廓的背面;
所述第一半边及第二半边中间设置有耳轮进行连接;
所述第一半边设置有设备开启按钮,所述第二半边设置采集模块、控制模块、蓝牙模块及电源模块,还设有用于发射和接收光源的三个圆形通孔。
本发明克服了现有技术的缺点,还包括以下有益效果:
本发明利用光学元器件采集实现无创采集人体PPG信号进行血脂估测,更为安全和健康,不使采集者疼痛且避免因针刺导致的感染风险。
本发明虽用了远红外光和近红外光两种不同波长的光,但是利用了PD 接收管不能接收远红外光而能接受近红外光的原理,避免了多光源之间的相互干扰并且设备体积较小,耗电量低。
本发明使用远红外光和近红外光相结合的方法,在人体耳廓背面采集人体信号。远红外光与人体发射出来的远红外线的波长相近,被人体吸收后,可使毛细血管扩张,促进血液循环,而PPG的原理是近红外光与血液中成分的作用。所以本发明比起单单近红外采集的信号,远近红外光相结合的方式采集的信号信噪比会更大,测试更为准确。
本发明利用耳扣式采集设备扣于人体外耳廓上,放置平稳,不限制用户的正常活动,可以随时随地精准测量。
附图说明
图1示出了本发明一种结合远近红外光的血脂估测方法的流程图;
图2示出了本发明将通过血脂估测模型获取目标用户的血脂估计值的方法流程图;
图3示出了本发明一种结合远近红外光的血脂估测系统的框图;
图4示出了本发明一种结合远近红外光的血脂估测装置的框图;
图5示出了一种耳扣式无创血脂测量仪的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种结合远近红外光的血脂估测方法的流程图。
如图1所示,本发明第一方面提供了一种结合远近红外光的血脂估测方法,包括:
S102,通过近红外光及远红外光照射目标用户的耳廓背面位置;
S104,测定照射耳廓后反射回来的光强信号,将测定的光强信号发送到云端进行预处理,并获取血液对应的光强特征;
S106,构建血脂估测模型,将所述光强特征导入血脂估测模型进行分析,获取目标用户的血脂估计值。
需要说明的是,通过两个并列发光的灯珠发出近红外光及远红外光照射耳廓背面,当近红外光透过肌肉、骨骼、静脉和其他连接组织时,如果测量部位没有大幅度的运动,近红外光是几乎不被肌肉、骨骼、静脉和其他连接组织所吸收,而动静脉中有血液的流动,所述近红外光被动静脉血液中的血红蛋白吸收;
所述近红外光的波长为600-1200nm,远红外光的波长为3-15μm,远红外光因其3-15μm的波长与人体组织的细胞分子中的碳-碳键,碳-氢键,氧-氢键伸缩振动的波长相同,因此选取与人体组织的细胞分子的部分共价键波长相同的远红外光进行照射,引起共鸣共振,使得皮下深层组织温度上升,扩张微血管,促进血液循环;当皮下深层组织温度上升时,目标用户的耳廓背面位置血液对近红外光(其波长600-1200nm)的吸收增加,提高血液的光吸收率,在耳廓其他组织的光吸收率不变的情况下,增加信噪比。
需要说明的是,根据Beer-Lambert定律,其公式为 A=lg(1/T)=Kbc,其中A为吸光度,T为透射比(透光度),是出射光强度(I)比入射光强度(I0),K为摩尔吸光系数.它与吸收物质的性质及入射光的波长λ有关,b为吸光物质的液层厚度,c为吸光物质的浓度,单位为mol/L。从公式中可推出,近红外光在穿过微血管后,光强就会减弱,血红蛋白浓度越高,光强减弱越明显。因此通过测定接受到的光强度,获取血液的大致特征。
通过PD接收管测定照射耳廓后反射回来耳廓的近红外光,获取对应的光照强度,将照射到肌肉、骨骼和其他连接组织后反射回来的近红外光信号转换为直流信号,将照射到动静脉后反射回来的近红外光信号转换为交流信号;在将光信号转化为电流形式的电信号后,将所述交流信号进行放大,并将交流信号转化成数字信号,将所述数字信号按照预设方式发送至云端进行预处理;通过预处理后的数字信号进行特征提取,获取目标用户耳廓背面位置血液对应的光强特征。
图2示出了本发明将通过血脂估测模型获取目标用户的血脂估计值的方法流程图。
根据本发明实施例,构建血脂估测模型,将所述光强特征导入血脂估测模型进行分析,获取目标用户的血脂估计值,具体为:
S202,通过预设测定时间内各时间戳的光强特征生成光强特征时序序列,基于深度学习构建血脂估测模型,在ResNet50网络中引入SENet网络构建深层卷积网络;
S204,通过SENet网络改造ResNet50网络的最后三个残差块,将光强特征时序序列输入ResNet50网络进行空洞卷积,当空洞卷积结束后,输入SENet网络改造的残差块;
S206,对空洞卷积后的特征进行线性转换,并通过SOFTMAX函数生成注意力权重,通过注意力权重与线性转换后的特征进行结合,并结合后的特征与空洞卷积后的原始特征进行融合;
S208,根据所述融合特征进行目标用户血脂的预测,通过训练数据对血脂估测模型进行训练,通过训练后的血脂估测模型集合融合特征初始目标用户当前测定时间的血脂估测值。
需要说明的是,通过SENet网络改造ResNet50网络的最后三个残差块,利用1×1的卷积块进行替换,对输入的空洞卷积后特征进行线性转换,当输入特征维度经过第一个卷积块时通过信号特征的维度通过SOFTMAX函数生成注意力权重,通过第二个卷积块进行特征通道数进行调整,降低通道倍数后使得计算量变小,并通过的归一化层和激活函数由于优化,最后通过第三个卷积块恢复至原有通道数,通过注意力权重与线性转换后的特征进行结合,并与空洞卷积后的原始特征进行融合,充分提取光强特征时序序列中对应的血液特征,并利用血液特征输出最终血脂估测值,利用空洞卷积极大程度的保留了时序信号的时间特征,另外通过残差连接防止出现梯度消失等问题。
需要说明的是,获取历史血脂估测数据及对应的光强特征,将所述历史血脂估测数据及对应的光强特征划分为训练集与验证集,通过所述训练集对所述血脂估测模型进行训练;获取目标用户的预设时间内的血脂估测数据,并通过大数据手段在医疗相关数据库中检索目标用户血脂医疗检测数据,根据目标用户血脂医疗检测数据的检测时间戳获取预设时间区间内血脂估测数据;将所述预设时间区间内血脂估测数据与所述血脂医疗检测数据进行对比分析生成数据偏差,若所述数据偏差小于预设偏差阈值,则将预设时间区间内血脂估测数据作为目标用户血脂实际值;将所述目标用户血脂实际值与训练数据进行相加,对训练数据进行数据增强,不断更新血脂估测模型的训练。
图3示出了本发明一种结合远近红外光的血脂估测系统的框图。
本发明第二方面提供了一种结合远近红外光的血脂估测系统3,该系统包括:存储器31、处理器32,所述存储器中包括一种结合远近红外光的血脂估测方法程序,所述一种结合远近红外光的血脂估测方法程序被所述处理器执行时实现如下步骤:
通过近红外光及远红外光照射目标用户的耳廓背面位置;
测定照射耳廓后反射回来的光强信号,将测定的光强信号发送到云端进行预处理,并获取血液对应的光强特征;
构建血脂估测模型,将所述光强特征导入血脂估测模型进行分析,获取目标用户的血脂估计值。
需要说明的是,通过两个并列发光的灯珠发出近红外光及远红外光照射耳廓背面,当近红外光透过肌肉、骨骼、静脉和其他连接组织时,如果测量部位没有大幅度的运动,近红外光是几乎不被肌肉、骨骼、静脉和其他连接组织所吸收,而动静脉中有血液的流动,所述近红外光被动静脉血液中的血红蛋白吸收;
所述近红外光的波长为600-1200nm,远红外光的波长为3-15μm,远红外光因其3-15μm的波长与人体组织的细胞分子中的碳-碳键,碳-氢键,氧-氢键伸缩振动的波长相同,因此选取与人体组织的细胞分子的部分共价键波长相同的远红外光进行照射,引起共鸣共振,使得皮下深层组织温度上升,扩张微血管,促进血液循环;当皮下深层组织温度上升时,目标用户的耳廓背面位置血液对近红外光(其波长600-1200nm)的吸收增加,提高血液的光吸收率,在耳廓其他组织的光吸收率不变的情况下,增加信噪比。
需要说明的是,根据Beer-Lambert定律,其公式为 A=lg(1/T)=Kbc,其中A为吸光度,T为透射比(透光度),是出射光强度(I)比入射光强度(I0),K为摩尔吸光系数,它与吸收物质的性质及入射光的波长λ有关,b为吸光物质的液层厚度,c为吸光物质的浓度,单位为mol/L。从公式中可推出,近红外光在穿过微血管后,光强就会减弱,血红蛋白浓度越高,光强减弱越明显。因此通过测定接受到的光强度,获取血液的大致特征。
通过PD接收管测定照射耳廓后反射回来耳廓的近红外光,获取对应的光照强度,将照射到肌肉、骨骼和其他连接组织反射回来的近红外光信号转换为直流信号,将照射到动静脉后反射回来的近红外光信号转换为交流信号;在将光信号转化为电流形式的电信号后,将所述交流信号进行放大,并将交流信号转化成数字信号,将所述数字信号按照预设方式发送至云端进行预处理;通过预处理后的数字信号进行特征提取,获取目标用户耳廓背面位置血液对应的光强特征。
根据本发明实施例,构建血脂估测模型,将所述光强特征导入血脂估测模型进行分析,获取目标用户的血脂估计值,具体为:
通过预设测定时间内各时间戳的光强特征生成光强特征时序序列,基于深度学习构建血脂估测模型,在ResNet50网络中引入SENet网络构建深层卷积网络;
通过SENet网络改造ResNet50网络的最后三个残差块,将光强特征时序序列输入ResNet50网络进行空洞卷积,当空洞卷积结束后,输入SENet网络改造的残差块;
对空洞卷积后的特征进行线性转换,并通过SOFTMAX函数生成注意力权重,通过注意力权重与线性转换后的特征进行结合,并结合后的特征与空洞卷积后的原始特征进行融合;
根据所述融合特征进行目标用户血脂的预测,通过训练数据对血脂估测模型进行训练,通过训练后的血脂估测模型集合融合特征初始目标用户当前测定时间的血脂估测值。
需要说明的是,通过SENet网络改造ResNet50网络的最后三个残差块,利用1×1的卷积块进行替换,对输入的空洞卷积后特征进行线性转换,当输入特征维度经过第一个卷积块时通过信号特征的维度通过SOFTMAX函数生成注意力权重,通过第二个卷积块进行特征通道数进行调整,降低通道倍数后使得计算量变小,并通过的归一化层和激活函数由于优化,最后通过第三个卷积块恢复至原有通道数,通过注意力权重与线性转换后的特征进行结合,并与空洞卷积后的原始特征进行融合,充分提取光强特征时序序列中对应的血液特征,并利用血液特征输出最终血脂估测值,利用空洞卷积极大程度的保留了时序信号的时间特征,另外通过残差连接防止出现梯度消失等问题。
需要说明的是,获取历史血脂估测数据及对应的光强特征,将所述历史血脂估测数据及对应的光强特征划分为训练集与验证集,通过所述训练集对所述血脂估测模型进行训练;获取目标用户的预设时间内的血脂估测数据,并通过大数据手段在医疗相关数据库中检索目标用户血脂医疗检测数据,根据目标用户血脂医疗检测数据的检测时间戳获取预设时间区间内血脂估测数据;将所述预设时间区间内血脂估测数据与所述血脂医疗检测数据进行对比分析生成数据偏差,若所述数据偏差小于预设偏差阈值,则将预设时间区间内血脂估测数据作为目标用户血脂实际值;将所述目标用户血脂实际值与训练数据进行相加,对训练数据进行数据增强,不断更新血脂估测模型的训练。
图4示出了本发明一种结合远近红外光的血脂估测装置的框图。
本发明第三方面提供了一种结合远近红外光的血脂估测装置,包括采集模块、控制模块、蓝牙模块及电源模块,其特征在于,所述采集模块集成跨导放大器和ADC模块的模拟前段,接两个并列可发出远红外光的灯珠、两个并列的可发出近红外光的灯珠和两个并列的PD接收管;
所述控制模块控制模拟前端进而控制灯珠的打开和关闭以及PD接收管对近红外光反射回来的光的接收,模拟前端将光信号转化成电流形式的电信号然后放大,再将电信号转化成数字信号;
所述蓝牙模块转化后的数字信号传输到云端对信号进行预处理;所述电源模块提供电源供电及电源充电接口。
目前血脂估测的部分设备会在人体指尖、手腕处进行采集,但指尖手腕处都是一个不遮光的地方,外界光线会对反射回来的近红外光产生干扰。若用户外出或活动时指尖手腕部位都常处于晃动状态,这种状态会加剧运动对所需信号的干扰,影响到测试结果。在本发明一个较佳实施例中,将所述血脂估测装置集成入耳扣式耳机,由采集模块、控制模块、蓝牙模块、电源模块组成的耳扣式无创血脂测量仪,如图5所示,所述耳扣式耳机包括第一半边及第二半边,所述第一半边扣于外耳廓的正面,所述第二半边扣于外耳廓的背面;所述第一半边及第二半边中间设置有耳轮进行连接;所述第一半边设置有设备开启按钮,所述第二半边设置采集模块、控制模块、蓝牙模块及电源模块,还设有用于发射和接收光源的三个圆形通孔;所述采集模块的远红外灯、近红外灯和PD接收管对着皮肤摆放,让远红外光无接触地照射皮肤,近红外灯和PD接收管紧贴皮肤。由于外耳廓背面处有耳廓的挡住阳光,可以有效避免阳光或者灯光等外界光源的干扰,并且由于耳廓背面常年吸收的紫外线较少,所以耳廓背面的皮肤黑色素较少,从而进一步减少了皮肤层黑色素对近红外线的吸收,从而进一步减少对采集信号的干扰。
设备开启按钮用来打开整个设备的电源使整个设备处于正常工作的状态,Type-C的电源接口用来给设备充电储能的,使设备可以离开充电装置正常工作,方便外出携带。扣式耳机扣在耳廓的两边,可以让采集处形成一个较为黑暗的空间,减少外界光源的干扰。
耳扣式耳机共有左右两个,每个耳朵佩戴一个耳扣式的耳机,同时启动两个耳扣式耳机,让并联的两个8μm的远红外光同时发光,在人体两个外耳廓反面处同时照射一段预定的时间t1后,打开并联的两个880nm的近红外灯,让近红外灯一直处于打开状态,而远红外灯按照以下规律循环开关:同时关闭两个并联的远红外灯,经过t2时间后,再同时打开两个远红外灯经过t1时间后关闭,依次循环这样可以减缓远红外的热效应给用户带来的皮肤不适感。打开近红外灯时,两个PD接收管便开始分别接收近红外灯照射皮肤后反射回来的近红外光,由于所选PD接收管并不能接收到远红外光,所以远红外光对反射回来的近红外光并不会产生相互之间的干扰。
利用STM32F103作为主控,连接模拟前端,控制远红外灯、近红外灯和PD接收管,采样率的设置可以根据用户需要而设定。STM32F103连接模拟前端AFE4432(封装大小:1.80mmx 1.92mm),此模拟前端封装很小,可以方便放入耳机内,通过时序控制相应的LED驱动器进而控制远红外灯和近红外灯的打开与关闭的时间与顺序。当PD接收管接收到反射回来的近红外灯之后,就会通过跨导放大器将电流信号转化成电压信号并且将其放大,具体的放大倍数可以根据用户需要通过程序进行更改,之后再对信号进行滤波并通过模拟前端内部的ADC模块将电信号转化成数字信号。
利用STM32F103控制模块控制蓝牙模块,将数字信号传输到终端。在采集信号后还需要对信号进行预处理,例如经验模态分解法进行去噪。将预处理后的信号进行特征提取,放入提前训练好的模型中进行血脂的估测,得出最终的估测结果。
本发明利用远红外光和近红外光相结合的方法增加有用信号的幅值,在耳廓背面采集信号减少皮肤黑色素对近红外光的吸收,使用耳扣式的采集设备扣在人体耳朵上,减弱了外界光源对采集信号的干扰并且降低了采集部位运动所造成的干扰。增大有用信号的幅值,减少噪声的干扰,从而增大信噪比,相比于现在所常用的近红外采集设备采集到的信号更干净,更具有优势。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的技术方案本质上或者说对现有技术做出贡献的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(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.一种结合远近红外光的血脂估测方法,其特征在于,包括以下步骤:
通过近红外光及远红外光照射目标用户的耳廓背面位置;
测定照射耳廓后反射回来的光强信号,将测定的光强信号发送到云端进行预处理,并获取血液对应的光强特征;
构建血脂估测模型,将所述光强特征导入血脂估测模型进行分析,获取目标用户的血脂估计值;
所述近红外光的波长为600-1200nm,远红外光的波长为3-15μm;
通过近红外光及远红外光照射目标用户的耳廓背面位置,具体为:
通过两个并列发光的灯珠发出近红外光及远红外光照射耳廓背面,所述近红外光被动静脉血液中的血红蛋白吸收;
选取与人体组织的细胞分子的部分共价键波长相同的远红外光进行照射,引起共鸣共振,使得皮下深层组织温度上升;
当皮下深层组织温度上升时,目标用户的耳廓背面位置血液对近红外光的吸收增加,提高血液的光吸收率,在耳廓其他组织的光吸收率不变的情况下,增加信噪比;
构建血脂估测模型,将所述光强特征导入血脂估测模型进行分析,获取目标用户的血脂估计值,具体为:
通过预设测定时间内各时间戳的光强特征生成光强特征时序序列,基于深度学习构建血脂估测模型,在ResNet50网络中引入SENet网络构建深层卷积网络;
通过SENet网络改造ResNet50网络的最后三个残差块,将光强特征时序序列输入ResNet50网络进行空洞卷积,当空洞卷积结束后,输入SENet网络改造的残差块;
对空洞卷积后的特征进行线性转换,并通过SOFTMAX函数生成注意力权重,通过注意力权重与线性转换后的特征进行结合,并将结合后的特征与空洞卷积后的特征进行融合;
根据融合后的特征进行目标用户血脂的预测,通过训练数据对血脂估测模型进行训练,通过训练后的血脂估测模型结合融合后的特征获取目标用户当前测定时间的血脂估计值;
通过训练数据对血脂估测模型进行训练,具体为:
获取历史血脂估测数据及对应的光强特征,将所述历史血脂估测数据及对应的光强特征划分为训练集与验证集,通过所述训练集对所述血脂估测模型进行训练;
获取目标用户的预设时间内的血脂估测数据,并通过大数据手段在医疗相关数据库中检索目标用户血脂医疗检测数据,根据目标用户血脂医疗检测数据的检测时间戳获取预设时间区间内血脂估测数据;
将所述预设时间区间内血脂估测数据与所述血脂医疗检测数据进行对比分析生成数据偏差,若所述数据偏差小于预设偏差阈值,则将预设时间区间内血脂估测数据作为目标用户血脂实际值;
将所述目标用户血脂实际值与训练数据进行相加,对训练数据进行数据增强,不断更新血脂估测模型的训练。
2.根据权利要求1所述的一种结合远近红外光的血脂估测方法,其特征在于,测定照射耳廓后反射回来的光强信号,将测定的光强信号发送到云端进行预处理,并获取血液对应的光强特征,具体为:
通过PD接收管测定照射耳廓后反射回来耳廓的近红外光,获取对应的光照强度,将照射到肌肉、骨骼和其他连接组织后反射回来的近红外光信号转换为直流信号,将照射到动静脉后反射回来的近红外光信号转换为交流信号;
在将光信号转化为电流形式的电信号后,将所述交流信号进行放大,并将交流信号转化成数字信号,将所述数字信号按照预设方式发送至云端进行预处理;
通过预处理后的数字信号进行特征提取,获取目标用户耳廓背面位置血液对应的光强特征。
3.一种结合远近红外光的血脂估测系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括一种结合远近红外光的血脂估测方法程序,所述一种结合远近红外光的血脂估测方法程序被所述处理器执行时实现如权利要求1-2任意一项所述方法的步骤。
4.一种结合远近红外光的血脂估测装置,包括采集模块、控制模块、蓝牙模块及电源模块,其特征在于,所述采集模块集成跨导放大器和ADC模块的模拟前段,接两个并列可发出远红外光的灯珠、两个并列的可发出近红外光的灯珠和两个并列的PD接收管;
所述控制模块控制模拟前端进而控制灯珠的打开和关闭以及PD接收管对近红外光反射回来的光的接收,模拟前端将光信号转化成电流形式的电信号然后放大,再将电信号转化成数字信号;
所述蓝牙模块转化后的数字信号传输到云端对信号进行预处理,将预处理后的信号进行特征提取,放入提前训练好的模型中进行血脂的估测,得出最终的估测结果;所述血脂的估测通过如权利要求1-2任意一项所述方法进行实现;
所述电源模块提供电源供电及电源充电接口。
5.根据权利要求4所述的一种结合远近红外光的血脂估测装置,其特征在于,所述血脂估测装置集成入耳扣式耳机,所述耳扣式耳机包括第一半边及第二半边,所述第一半边扣于外耳廓的正面,所述第二半边扣于外耳廓的背面;
所述第一半边及第二半边中间设置有耳轮进行连接;
所述第一半边设置有设备开启按钮,所述第二半边设置采集模块、控制模块、蓝牙模块及电源模块,还设有用于发射和接收光源的三个圆形通孔。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310293974.2A CN115998295B (zh) | 2023-03-24 | 2023-03-24 | 一种结合远近红外光的血脂估测方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310293974.2A CN115998295B (zh) | 2023-03-24 | 2023-03-24 | 一种结合远近红外光的血脂估测方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115998295A CN115998295A (zh) | 2023-04-25 |
CN115998295B true CN115998295B (zh) | 2023-06-09 |
Family
ID=86023310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310293974.2A Active CN115998295B (zh) | 2023-03-24 | 2023-03-24 | 一种结合远近红外光的血脂估测方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115998295B (zh) |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101654413B1 (ko) * | 2014-05-21 | 2016-09-05 | 최충식 | 건강관리 서비스를 위한 스마트 마스크 |
CN104367327B (zh) * | 2014-11-12 | 2016-09-14 | 杭州欣安医疗科技有限公司 | 一种基于近红外检测人体生化参数的检测装置及方法 |
CN107296616A (zh) * | 2017-05-20 | 2017-10-27 | 深圳市前海安测信息技术有限公司 | 便携式无创血糖检测设备及方法 |
CN207949805U (zh) * | 2017-05-20 | 2018-10-12 | 深圳市前海安测信息技术有限公司 | 无创血糖数据采集装置 |
CN110600053A (zh) * | 2019-07-30 | 2019-12-20 | 广东工业大学 | 一种基于ResNet与LSTM网络的脑卒中构音障碍风险预测方法 |
CN110717532A (zh) * | 2019-09-27 | 2020-01-21 | 广东工业大学 | 基于SE-RetinaGrasp模型的机器人目标抓取区域实时检测方法 |
CN111166305A (zh) * | 2020-01-23 | 2020-05-19 | 北京津发科技股份有限公司 | 耳部生理信号采集装置 |
CN113448092A (zh) * | 2020-03-27 | 2021-09-28 | 华为技术有限公司 | 一种可穿戴设备 |
CN112163602A (zh) * | 2020-09-14 | 2021-01-01 | 湖北工业大学 | 一种基于深度神经网络的目标检测方法 |
CN112164038A (zh) * | 2020-09-16 | 2021-01-01 | 上海电力大学 | 一种基于深度卷积神经网络的光伏热斑检测方法 |
CN113080848B (zh) * | 2021-03-24 | 2023-04-28 | 深圳德技创新实业有限公司 | 近红外光皮肤检测装置及方法 |
CN216257099U (zh) * | 2021-09-09 | 2022-04-12 | 北京津发科技股份有限公司 | 智能穿戴耳夹式数据采集装置 |
CN114694005A (zh) * | 2022-04-24 | 2022-07-01 | 智道网联科技(北京)有限公司 | 目标检测模型训练方法和装置、目标检测方法和装置 |
CN114557691B (zh) * | 2022-04-29 | 2022-08-02 | 广东工业大学 | 基于多波长的ppg信号的无创血脂检测方法及系统 |
CN114569097A (zh) * | 2022-05-07 | 2022-06-03 | 广东工业大学 | 基于耳廓ppg信号预处理的血压预测方法、系统及介质 |
-
2023
- 2023-03-24 CN CN202310293974.2A patent/CN115998295B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115998295A (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220104719A1 (en) | Personal Healthcare Device | |
US11357445B2 (en) | Systems and methods for determining sleep patterns and circadian rhythms | |
Ray et al. | A review of wearable multi-wavelength photoplethysmography | |
JP6548639B2 (ja) | 光生理センサ及び組み立て方法 | |
CN105877723B (zh) | 无创连续血压测量装置 | |
CA3010164C (en) | Device, system and method for non-invasive monitoring of physiological measurements | |
Habbu et al. | Estimation of blood glucose by non-invasive method using photoplethysmography | |
CN105473060B (zh) | 用于从远程检测到的电磁辐射中提取生理信息的系统和方法 | |
KR102463076B1 (ko) | 산소 포화도 측정장치 및 그의 산소 포화도 측정방법 | |
JP2015503933A (ja) | 身体に装着可能な脈拍計/酸素濃度計 | |
JP2013533766A (ja) | 皮膚組織の自己蛍光値を求めるための方法および装置 | |
WO2018214297A1 (zh) | 便携式无创血糖检测设备及方法 | |
CN102579053A (zh) | 一种基于扩散理论的反射式脉搏血氧检测方法 | |
CN107920786A (zh) | 脉搏血氧测定 | |
JP7247444B2 (ja) | 血圧を測定するための装置 | |
US20200054267A1 (en) | Method, system and apparatus for detection of neuro attacks | |
CN106913326A (zh) | 生物生理状况反馈系统及其操作方法 | |
Kao et al. | A new reflective PPG LED-PD sensor module for cuffless blood pressure measurement at wrist artery | |
Zhou et al. | Study of artifact-resistive technology based on a novel dual photoplethysmography method for wearable pulse rate monitors | |
CN115998295B (zh) | 一种结合远近红外光的血脂估测方法、系统及装置 | |
KR20200047981A (ko) | 생체성분 추정 장치 및 방법 | |
CN109106376A (zh) | 一种血液中总血红蛋白浓度的检测方法及装置 | |
Ma et al. | Wearable ear blood oxygen saturation and pulse measurement system based on PPG | |
Yamakoshi et al. | Integrating sphere finger-photoplethysmography: preliminary investigation towards practical non-invasive measurement of blood constituents | |
Lamonaca et al. | A new measurement system to boost the IoMT for the blood pressure monitoring |
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 |