CN116616708B - 一种基于智能穿戴设备的生命体征数据处理方法和系统 - Google Patents
一种基于智能穿戴设备的生命体征数据处理方法和系统 Download PDFInfo
- Publication number
- CN116616708B CN116616708B CN202310579449.7A CN202310579449A CN116616708B CN 116616708 B CN116616708 B CN 116616708B CN 202310579449 A CN202310579449 A CN 202310579449A CN 116616708 B CN116616708 B CN 116616708B
- Authority
- CN
- China
- Prior art keywords
- physiological
- physiological state
- state evaluation
- characteristic
- signals
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 230000035790 physiological processes and functions Effects 0.000 claims abstract description 140
- 238000011156 evaluation Methods 0.000 claims abstract description 74
- 238000013210 evaluation model Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 10
- 239000008280 blood Substances 0.000 claims abstract description 10
- 210000004369 blood Anatomy 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims abstract description 10
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 10
- 239000001301 oxygen Substances 0.000 claims abstract description 10
- 230000036772 blood pressure Effects 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 20
- 238000010606 normalization Methods 0.000 claims description 14
- 210000002569 neuron Anatomy 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009530 blood pressure measurement Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000002302 brachial artery Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
-
- 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
- A61B5/103—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
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—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
-
- 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
- A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
-
- 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
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Optics & Photonics (AREA)
- Vascular Medicine (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Dentistry (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于智能穿戴设备的生命体征数据处理方法和系统,涉及智能穿戴设备技术领域,所述方法能够人体生理信号进行预处理,对预处理后的人体信号进行特征提取,获取生理特征;将所述生理特征输入生理特征评估模型,获取每个生理特征的生理状态评估量,所述生理状态评估量用于表征各个生理特征对生理状态的影响程度;将所述生理状态评估量输入生理状态评估模型,获取生理状态等级。本发明不仅能是实现血压、血氧测量等常规功能,还能实现对人体生理状态的分类判别以及状态等级的可视化显示,使得用户对于自身状态的变化感知更加直观,便于用户理解和接受,并依据结果而对自身情况做出决定。
Description
技术领域
本发明涉及智能穿戴设备技术领域,具体涉及一种基于智能穿戴设备的生命体征数据处理方法和系统。
背景技术
随着社会的发展、通信技术的进步,人们生活水平的不断提高,人们对生活质量的要求也不断提高,越来越多的穿戴设备已经进入到人们的日常生活之中,这些穿戴设备集成了多个传感器的设备可以从多个维度来实时感知用户的物理活动,采集人体不同的生命体征数据。例如蓝牙心率带:佩戴于人体胸部的利用蓝牙进行无线传输的可穿戴设备,内置心率传感器,可以实时检测人体的心率变化。臂式血压袖带:佩戴于人体上臂肱动脉处,内置血压传感器,可以实时测量人体血压的变化。
然而,更多的产品是对生命体征体征数据的直接显示,没有对人体的生理状态变化做出判别和评价,更面临着如何处理海量的生命体征数据的问题。例如:Jawbone Up手环、Nike fuel band手环、华为手环提供的只是用户的计步功能、卡路里和睡眠质量显示;POLYGON智能手表在此基础上增加了心率和血压显示的测量功能;dido智能手环能够提供心电的显示和记录功能,但不能实现状态的诊断。而随着人们对于可穿戴体域网产品需求的增加和使用场景的扩展,人体生理状态的分类判别已经逐渐成为当前使用者的主流需求。
现有可穿戴的技术都是对生命体征数据的测量和显示,如血压、心率、血氧等,但毕竟这类产品是面向于日常生活,没有达到医学标准,所以也不能作为疾病等状态的判断依据,只能给用户以感知和提醒。但单纯的体征数据并不能使使用者十分敏感,有的用户不具备这些体征数据的认知常识,且此类产品没有给出使用者生理状态的变化判别。
发明内容
针对现有技术中的缺陷,本发明提供一种基于智能穿戴设备的生命体征数据处理方法、系统、设备及介质。
一方面,一种基于智能穿戴设备的生命体征数据处理方法,包括:
通过嵌入到智能穿戴设备上的多种生理信号传感器采集人体生理信号;
对所述人体生理信号进行预处理,按照预设的特征提取方法对预处理后的人体信号进行特征提取,获取生理特征;
将所述生理特征输入生理特征评估模型,获取每个生理特征的生理状态评估量;
将所述生理状态评估量输入生理状态评估模型,获取生理状态等级,使用户可以根据自身生理状态所处的生理状态等级高低对自身情况进行选择性关注和感知。
优选地,所述生理信号传感器包括心率传感器、血压传感器、血氧传感器、计步器、睡眠传感器的一种或者多种,所述人体生理信号包括心率信号、血氧信号、运动信号、睡眠信号的一种或者多种。
优选地,对所述人体生理信号进行预处理包括:
对所述人体生理信号进行滤波处理,所述滤波处理包括均值滤波、带通滤波、尖峰滤波中的一种或者多种;
对滤波处理后的人体生理信号进行归一化处理,所述归一化处理包括时间对齐、采样率归一化、幅度归一化中的一种或者多种。
优选地,按照预设的特征提取方法对预处理后的人体信号进行特征提取,获取生理特征包括:
按照第一预设算法提取所述人体信号的统计特征,按照第二预设算法提取所述人体信号的熵特征;
将所述统计学特征和所述熵特征进行特征融合得到生理特征量。
优选地,将所述生理特征输入生理特征评估模块之前包括:
获取数据库中存储的既往用户的历史生理状态评估量以及既往用户的历史生理状态评估结果;
基于所述历史生理状态评估量和所述历史生理状态评估结果,确定所述生理特征评估模型。
优选地,基于所述历史生理状态评估量和所述历史生理状态评估结果,确定所述生理特征评估模型包括:
构建生理特征评估模型,所述生理特征评估模型用于基于生理特征的取值范围确定对应的生理状态评估量;
基于所述历史生理状态评估量和所述历史生理状态评估结果,确定所述历史生理状态评估量与生理状态评估结果的对应关系数据;
基于所述对应关系数据,确定取值范围的调整幅度,根据所述调整幅度优化所述生理特征评估模型。
优选地,将所述生理状态评估量输入生理状态评估模型,获取生理状态等级之前包括:构建生理状态评估模型,所述生理状态评估模型包括由输入层、隐藏层、输出层和softmax函数组成,其中,隐藏层有两层,每层分别有7和8个神经元,输出层由5个神经元组成,分别对应5个生理状态等级。
第二方面,一种基于智能穿戴设备的生命体征数据处理系统,包括:
获取模块,用于通过嵌入到可穿戴设备上的多种生理信号传感器采集人体生理信号;
数据处理模块,用于对所述人体生理信号进行预处理,按照预设的特征提取方法对所述人体信号进行特征提取,得到生理特征;
特征处理模块,用于将所述生理特征输入生理特征评估模型,获取每个生理特征的生理状态评估量;
状态评估模块,用于将所述生理状态评估量输入生理状态评估模型,获取生理状态等级,使用户可以根据自身生理状态所处的生理状态等级高低对自身情况进行选择性关注和感知。
第三方面,一种计算机设备,该计算机设备包括存储器和至少一个处理器,所述存储器中存储有至少一个指令,所述至少一个指令被所述至少一个处理器执行时实现如上述任意一项所述的方法。
第四方面,一种计算机可读存储介质,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现如上述任意一项所述的方法。
本发明的有益效果体现在:本发明不仅能是实现人体血氧、血压测量等常规功能,还能实现对人体生理状态的分类判别以及状态等级的可视化显示,使得用户对于自身状态的变化感知更加直观,便于用户理解和接受,并依据结果而对自身情况做出决定。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例提供的一种基于智能穿戴设备的生命体征数据处理方法的流程图;
图2为本发明实施一种基于智能穿戴设备的生命体征数据处理方法的原理图;
图3为本发明实施例提供的一种基于智能穿戴设备的生命体征数据处理系统的结构示意图;
图4为本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例1
如图1-2所示,本发明实施例提供了一种基于智能穿戴设备的生命体征数据处理方法,包括:
步骤1,通过嵌入到智能穿戴设备上的多种生理信号传感器采集人体生理信号;
其中,所述智能穿戴设备包括但不限于智能手表、头盔等配置有多种生理信号传感器的设备,所述生理信号传感器包括心率传感器、血压传感器、血氧传感器、计步器、睡眠传感器的一种或者多种,所述人体生理信号包括心率信号、血氧信号、运动信号、睡眠信号的一种或者多种。
步骤2,对所述人体生理信号进行预处理,按照预设的特征提取方法对预处理后的人体信号进行特征提取,获取生理特征;
在本发明实施例中,对所述人体生理信号进行预处理包括:对所述人体生理信号进行滤波处理,所述滤波处理包括均值滤波、带通滤波、尖峰滤波中的一种或者多种;对滤波处理后的人体生理信号进行归一化处理,所述归一化处理包括时间对齐、采样率归一化、幅度归一化中的一种或者多种。
其中,带通滤波用于滤除带外噪声信号,得到仅保留了带内信息的所述人体生理信号;中值滤波用于对去噪后的所述人体生理信号进行基线偏移消除;平滑滤波用于对进行基线偏移消除后的所述人体生理信号进行去噪处理,以消除信号带内的噪声得到真实的人体生理信号;差分滤波用于对消除信号带内噪声的所述人体生理信号进行滤波,得到待分析的人体生理信号。
其中,由于不同的人体生理信号所进行的滤波过程存在一定的时延差异,通过时间对齐保证不同的人体生理信号所时间起点对齐,进而保证了该些人体生理信号在物理上的发生时间与显示的先后顺序相同。具体的,采用最小二乘法对同类型的人体生理信号进行时间对齐;
其中,采样率归一化用于将不同采样率的人体生理信号通过插值或者抽点的方式,转换为相同采样率的人体生理信号,以此避免不同采样率的人体生理信号需要采用不同的计算公式进行测量值的计算,不同采样率的人体生理信号之间进行对比则需要进行换算的问题。
通过对人体生理信号进行滤波处理,可有效滤波异常数据,对滤波后的数据进行归一化处理,可保证人体生理信号所对应的数据同步性,有利于在相同条件下对人体生理信号进行分析处理,以进一步保证生理状态等级评估的准确性和可靠性。
在本发明实施例中,按照预设的特征提取方法对预处理后的人体信号进行特征提取,获取生理特征包括:按照第一预设算法提取所述人体信号的统计特征,按照第二预设算法提取所述人体信号的熵特征;将所述统计学特征和所述熵特征进行特征融合得到生理特征量。
人体生理信号在预处理完成后需要进行特征提取和选择,由于人体生理信号均可以转换为波形信号,因此,在本发明实施例选择对这些信号进行统计特征提取和熵特征提取。
具体的,统计特征包括均值、方差、偏度、峭度、均方根,熵特征包括样本熵和排列熵。
计算排列熵首先利用相位空间重构延迟坐标法对人体生理信号进行重构,可以对应的相位空间矩阵X={X1,X2,...,Xn-(m-1)r}T,其中m为重构的维数,τ为时间时延,计算样本熵的公式如下,其中,pi为第i种排列出现的概率。
计算排列熵的公式为:
SampEn(m,r,n)=-log[Bm+1(r)/Bm(r)]
通过上述方法对不同类型的人体生理信号均可获取7个维度的生理特征,为后续的特征识别提供了数据支持。
步骤3,将所述生理特征输入生理特征评估模型,获取每个生理特征的生理状态评估量;
人体生理信号在特征提取完成后需要进行特征识别,由于用户个体的差异性以及用户自身生理机能的不同,导致对应的正常生理状态指标参数阈值范围也存在一定的差异,虽然这种差异是相对微观的,但是要实现对人体生理状态的高精度检测,对其进行细致分析是十分必要的。因此,本实施例构建了不同的生理状态特征评估模型,并且根据用户自身的数据对该生理状态评估模型进行优化调正,具体的方法如下:将所述生理特征输入生理特征评估模块之前包括:获取数据库中存储的既往用户的历史生理状态评估量以及既往用户的历史生理状态评估结果;基于所述历史生理状态评估量和所述历史生理状态评估结果,确定所述生理特征评估模型。
进一步的,基于所述历史生理状态评估量和所述历史生理状态评估结果,确定所述生理特征评估模型包括:构建生理特征评估模型,所述生理特征评估模型用于基于生理特征的取值范围确定对应的生理状态评估量;基于所述历史生理状态评估量和所述历史生理状态评估结果,确定所述历史生理状态评估量与生理状态评估结果的对应关系数据;基于所述对应关系数据,确定取值范围的调整幅度,根据所述调整幅度优化所述生理特征评估模型。
具体的,根据所述调整幅度调整取值范围的公式如下:
其中,f式中表示调整幅度,m表示生理状态评估量的标准取值范围,δ表示历史生理状态评估量与生理状态评估结果的变化率。
本实施例能够结合历史数据,针对性地识别用户的生理状态评估量,将其作为判断的依据,大大提高了对人体生理状态评估的可靠性。
步骤4,将所述生理状态评估量输入生理状态评估模型,获取生理状态等级,使用户可以根据自身生理状态所处的生理状态等级高低对自身情况进行选择性关注和感知。
人体生理信号在特征识别完成后还需要进行综合分析计算,以确定生理状态等级,在本发明实施例中,采用神经网络模型进行综合分析。对于神经网络来说,其输入、输出变量是由输入、输出层神经元确定的,因此考虑评估的复杂性和评价规模,为保证模型的工作效率,预测输出用户的生理状态等级。而网络的输入层、输出层之间存在的隐含层,能够逼近任意函数,实现对生理状态评估量的映射,而神经网络隐含层数,又可以降低误差,隐含层神经个数,是神经网络执行预测时最为关键的步骤,因此,本发明实施例采用如下公式确定隐藏神经元的数量:
式中,u为隐含层中的神经元个数,i为输入层神经元个数;o为输出层神经元个数;γ∈[1,10]为其中的一个常数;v为训练样本个数;p为[0,i]之间的常数。
具体的,本发明实施例构建的基于神经网络的生理状态评估模型包括输入层、隐藏层、输出层和softmax函数,其中,隐藏层有两层,每层分别有7和8个神经元,输出层由5个神经元组成,分别对应5个生理状态等级。
综上,本发明实施例提供的一种基于智能穿戴设备的生命体征数据处理方法,通过嵌入到智能穿戴设备上的多种生理信号传感器采集人体生理信号;对所述人体生理信号进行预处理,按照预设的特征提取方法对预处理后的人体信号进行特征提取,获取生理特征;将所述生理特征输入生理特征评估模型,获取每个生理特征的生理状态评估量,所述生理状态评估量用于表征各个生理特征对生理状态的影响程度;将所述生理状态评估量输入生理状态评估模型,获取生理状态等级。本发明不仅能是实现人体血氧、血压测量等常规功能,还能实现对人体生理状态的分类判别以及状态等级的可视化显示,使得用户对于自身状态的变化感知更加直观,便于用户理解和接受,并依据结果而对自身情况做出决定。
实施例2
如图2所示,一种基于智能穿戴设备的生命体征数据处理系统,包括:获取模块,用于通过嵌入到可穿戴设备上的多种生理信号传感器采集人体生理信号;数据处理模块,用于对所述人体生理信号进行预处理,按照预设的特征提取方法对所述人体信号进行特征提取,得到生理特征;特征处理模块,用于将所述生理特征输入生理特征评估模型,获取每个生理特征的生理状态评估量,所述生理状态评估量用于表征各个生理特征对生理状态的影响程度;状态评估模块,用于将所述生理状态评估量输入生理状态评估模型,获取生理状态等级,使用户可以根据自身生理状态所处的生理状态等级高低对自身情况进行选择性关注和感知。
应当理解,本发明实施例提供的一种基于智能穿戴设备的生命体征数据处理系统与上述实施例所提供的一种基于智能穿戴设备的生命体征数据处理方法出于相同的发明构思,关于本发明实施例中各个模块更加具体的工作原理可参考上述实施例,在本发明实施例中不做赘述。
如图4所示,本发明实施例还提供了一种计算机设备,该电计算机设备可以包括:处理器(processor)1401、通信接口(Communications Interface)1402、存储器(memory)1403和通信总线1404,其中,处理器1401,通信接口1402,存储器1403通过通信总线1404完成相互间的通信。处理器1401可以调用存储器1403中的逻辑指令,以执行如下方法:通过嵌入到智能穿戴设备上的多种生理信号传感器采集人体生理信号;对所述人体生理信号进行预处理,按照预设的特征提取方法对预处理后的人体信号进行特征提取,获取生理特征;将所述生理特征输入生理特征评估模型,获取每个生理特征的生理状态评估量,所述生理状态评估量用于表征各个生理特征对生理状态的影响程度;将所述生理状态评估量输入生理状态评估模型,获取生理状态等级。
此外,上述的存储器1403中的逻辑指令可以通过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,本发明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步骤。而前述的存储介质包括:U盘、移动硬盘、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。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:通过嵌入到智能穿戴设备上的多种生理信号传感器采集人体生理信号;对所述人体生理信号进行预处理,按照预设的特征提取方法对预处理后的人体信号进行特征提取,获取生理特征;将所述生理特征输入生理特征评估模型,获取每个生理特征的生理状态评估量,所述生理状态评估量用于表征各个生理特征对生理状态的影响程度;将所述生理状态评估量输入生理状态评估模型,获取生理状态等级。
本实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,所述计算机程序使所述计算机执行上述各方法实施例所提供的方法,例如包括:通过嵌入到智能穿戴设备上的多种生理信号传感器采集人体生理信号;对所述人体生理信号进行预处理,按照预设的特征提取方法对预处理后的人体信号进行特征提取,获取生理特征;将所述生理特征输入生理特征评估模型,获取每个生理特征的生理状态评估量,所述生理状态评估量用于表征各个生理特征对生理状态的影响程度;将所述生理状态评估量输入生理状态评估模型,获取生理状态等级。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,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,或者对其中部分或者全部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发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (7)
1.一种基于智能穿戴设备的生命体征数据处理方法,其特征在于,包括:
通过嵌入到智能穿戴设备上的多种生理信号传感器采集人体生理信号;
对所述人体生理信号进行预处理,按照预设的特征提取方法对预处理后的人体信号进行特征提取,获取生理特征;
将所述生理特征输入生理特征评估模型,获取每个生理特征的生理状态评估量;
将所述生理状态评估量输入生理状态评估模型,获取生理状态等级,使用户可以根据自身生理状态所处的生理状态等级高低对自身情况进行选择性关注和感知;
其中,将所述生理特征输入生理特征评估模块之前包括:
获取数据库中存储的既往用户的历史生理状态评估量以及既往用户的历史生理状态评估结果;
基于所述历史生理状态评估量和所述历史生理状态评估结果,确定所述生理特征评估模型;
其中,基于所述历史生理状态评估量和所述历史生理状态评估结果,确定所述生理特征评估模型包括:
构建生理特征评估模型,所述生理特征评估模型用于基于生理特征的取值范围确定对应的生理状态评估量,所述生理状态评估量用于表征各个生理特征对生理状态的影响程度;
基于所述历史生理状态评估量和所述历史生理状态评估结果,确定所述历史生理状态评估量与生理状态评估结果的对应关系数据;
基于所述对应关系数据,确定取值范围的调整幅度,根据所述调整幅度优化所述生理特征评估模型;
计算调整幅度的公式如下:
其中,f表示调整幅度,m表示生理状态评估量的标准取值范围,δ表示历史生理状态评估量与生理状态评估结果的变化率;
其中,将所述生理状态评估量输入生理状态评估模型,获取生理状态等级之前包括:构建生理状态评估模型,所述生理状态评估模型由输入层、隐藏层、输出层和softmax函数组成,其中,隐藏层有两层,每层分别有7和8个神经元,输出层由5个神经元组成,分别对应5个生理状态等级。
2.根据权利要求1所述的一种基于智能穿戴设备的生命体征数据处理方法,其特征在于,所述生理信号传感器包括心率传感器、血压传感器、血氧传感器、计步器、睡眠传感器的一种或者多种,所述人体生理信号包括心率信号、血氧信号、运动信号、睡眠信号的一种或者多种。
3.根据权利要求1所述的一种基于智能穿戴设备的生命体征数据处理方法,其特征在于,对所述人体生理信号进行预处理包括:
对所述人体生理信号进行滤波处理,所述滤波处理包括均值滤波、带通滤波、尖峰滤波中的一种或者多种;
对滤波处理后的人体生理信号进行归一化处理,所述归一化处理包括时间对齐、采样率归一化、幅度归一化中的一种或者多种。
4.根据权利要求1所述的一种基于智能穿戴设备的生命体征数据处理方法,其特征在于,按照预设的特征提取方法对预处理后的人体信号进行特征提取,获取生理特征包括:
按照第一预设算法提取所述人体信号的统计特征,按照第二预设算法提取所述人体信号的熵特征;
将所述统计特征和所述熵特征进行特征融合得到生理特征量。
5.一种基于智能穿戴设备的生命体征数据处理系统,适用于权利要求1至4任一项所述的方法,其特征在于,包括:
数据获取模块,用于通过嵌入到可穿戴设备上的多种生理信号传感器采集人体生理信号;
数据处理模块,用于对所述人体生理信号进行预处理,按照预设的特征提取方法对所述人体信号进行特征提取,得到生理特征;
特征处理模块,用于将所述生理特征输入生理特征评估模型,获取每个生理特征的生理状态评估量;
状态评估模块,用于将所述生理状态评估量输入生理状态评估模型,获取生理状态等级,使用户可以根据自身生理状态所处的生理状态等级高低对自身情况进行选择性关注和感知。
6.一种计算机设备,其特征在于,该计算机设备包括存储器和至少一个处理器,所述存储器中存储有至少一个指令,所述至少一个指令被所述至少一个处理器执行时实现如权利要求1至4中任意一项所述的方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现如权利要求1至4中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310579449.7A CN116616708B (zh) | 2023-05-22 | 2023-05-22 | 一种基于智能穿戴设备的生命体征数据处理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310579449.7A CN116616708B (zh) | 2023-05-22 | 2023-05-22 | 一种基于智能穿戴设备的生命体征数据处理方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116616708A CN116616708A (zh) | 2023-08-22 |
CN116616708B true CN116616708B (zh) | 2024-06-25 |
Family
ID=87635976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310579449.7A Active CN116616708B (zh) | 2023-05-22 | 2023-05-22 | 一种基于智能穿戴设备的生命体征数据处理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116616708B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117251697B (zh) * | 2023-11-17 | 2024-02-23 | 深圳市光速时代科技有限公司 | 一种智能穿戴设备安全数据的综合评估管理系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109091126A (zh) * | 2018-09-14 | 2018-12-28 | 李思楠 | 一种基于多传感器的人体生理状态判别可视化方法及设备 |
CN115312194A (zh) * | 2022-08-08 | 2022-11-08 | 上海英医达医疗器械用品有限公司 | 生理数据分析系统、方法、设备及存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109091125B (zh) * | 2018-08-27 | 2020-06-30 | 江苏盖睿健康科技有限公司 | 一种提高睡眠监测准确性的可穿戴设备 |
CN109864750A (zh) * | 2019-01-31 | 2019-06-11 | 华南理工大学 | 基于经颅刺激的精神状态评估与调节系统及其工作方法 |
CN110916631B (zh) * | 2019-12-13 | 2022-04-22 | 东南大学 | 基于可穿戴生理信号监测的学生课堂学习状态评测系统 |
CN111513732A (zh) * | 2020-04-29 | 2020-08-11 | 山东大学 | 面向疫病状况下多类人群的心理压力智能评估预警系统 |
WO2022141119A1 (zh) * | 2020-12-29 | 2022-07-07 | 深圳迈瑞生物医疗电子股份有限公司 | 生理信号处理方法、装置、监护仪及计算机可读存储介质 |
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 |
CN114343638B (zh) * | 2022-01-05 | 2023-08-22 | 河北体育学院 | 一种基于多模态生理参数信号的疲劳程度评估方法及系统 |
CN115363586A (zh) * | 2022-09-08 | 2022-11-22 | 山东大学 | 一种基于脉搏波信号的心理压力等级评估系统及方法 |
-
2023
- 2023-05-22 CN CN202310579449.7A patent/CN116616708B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109091126A (zh) * | 2018-09-14 | 2018-12-28 | 李思楠 | 一种基于多传感器的人体生理状态判别可视化方法及设备 |
CN115312194A (zh) * | 2022-08-08 | 2022-11-08 | 上海英医达医疗器械用品有限公司 | 生理数据分析系统、方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116616708A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109009017B (zh) | 一种智能健康监测系统及其数据处理方法 | |
CN109646022B (zh) | 儿童注意力评估系统及其方法 | |
CN108601566B (zh) | 一种精神压力评测方法和装置 | |
CN110944577A (zh) | 一种血氧饱和度的检测方法与系统 | |
CN111631698A (zh) | 基于运动模式级联约束的可穿戴血压监测及修正方法 | |
CN111067503A (zh) | 一种基于心率变异性的睡眠分期方法 | |
CN116616708B (zh) | 一种基于智能穿戴设备的生命体征数据处理方法和系统 | |
Sasai | Assessing sedentary behavior using wearable devices: An overview and future directions | |
CN108962379B (zh) | 一种脑神经系统疾病的手机辅助检测系统 | |
US20220304567A1 (en) | Device and methods for monitoring a visual field progression of a user | |
CN115120236A (zh) | 情绪识别方法、装置、可穿戴设备及存储介质 | |
CN115862873A (zh) | 一种睡眠节律量化及干预的方法、系统和装置 | |
JP2023116614A (ja) | 心血管パラメータを決定するための方法及びシステム | |
CN114366060A (zh) | 一种基于心率变异性的健康预警方法、装置及电子设备 | |
CN117379021A (zh) | 基于智能穿戴设备的老年人健康指标监测系统 | |
CN114550932A (zh) | 一种睡眠呼吸暂停风险评估方法、装置、设备及存储介质 | |
CN117174291A (zh) | 一种糖尿病前期人群发生糖尿病风险预测的方法及系统 | |
CN116269220A (zh) | 一种睡眠数据持续监测和管理的方法及可穿戴设备 | |
CN115770028A (zh) | 血压检测方法、系统、装置及存储介质 | |
CN115836847A (zh) | 一种血压预测装置及设备 | |
CN114903475A (zh) | 基于PCANet神经网络和多传感器信息融合的健康检测仪及其方法 | |
CN113261924A (zh) | 一种脑卒中智能预警系统及方法 | |
KR102645586B1 (ko) | 생체신호를 이용한 수면 호흡 상태 분류 장치 및 방법 | |
CN114145722B (zh) | 一种面向胰腺炎患者的脉搏病理特征挖掘方法 | |
CN112971791B (zh) | 一种个体化的生理状态监测分析方法和设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |