CN117253096A - 手指自适应的健康指标监控方法、装置、设备及存储介质 - Google Patents
手指自适应的健康指标监控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117253096A CN117253096A CN202311531189.2A CN202311531189A CN117253096A CN 117253096 A CN117253096 A CN 117253096A CN 202311531189 A CN202311531189 A CN 202311531189A CN 117253096 A CN117253096 A CN 117253096A
- Authority
- CN
- China
- Prior art keywords
- finger
- index
- monitoring
- image
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000036541 health Effects 0.000 title claims abstract description 148
- 238000012544 monitoring process Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000001514 detection method Methods 0.000 claims abstract description 65
- 238000012549 training Methods 0.000 claims description 46
- 230000006978 adaptation Effects 0.000 claims description 20
- 239000008280 blood Substances 0.000 claims description 19
- 210000004369 blood Anatomy 0.000 claims description 19
- 230000009467 reduction Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 14
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 10
- 239000008103 glucose Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000011176 pooling Methods 0.000 claims description 5
- 238000013526 transfer learning Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 235000013372 meat Nutrition 0.000 claims description 4
- 210000000988 bone and bone Anatomy 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 238000013508 migration Methods 0.000 claims description 3
- 230000005012 migration Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000036772 blood pressure Effects 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
Abstract
本发明涉及人工智能技术,揭露了一种基于手指自适应的健康指标监控方法、装置、设备及存储介质。所述方法包括:获取智能戒指佩戴手指的手指结构扫描图像,利用智能戒指中的传感器对被监测区域进行基于目标生理指标的监测操作得到目标监测图像序列;利用健康指标监测模型中的手指位置识别网络对所述手指结构扫描图像进行手指位置识别,得到手指位置识别结果;利用健康指标监测模型中的健康指标识别网络识别目标监测图像序列中的图像类型,得到图像数据类型,根据图像数据类型及手指位置识别结果对目标监测图像序列进行指标数值检测,得到所述目标生理指标对应的检测数值。本发明可以提高智能戒指的使用灵活性,并增加身体健康指标的准确性。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于手指自适应的健康指标监控方法、装置、设备及计算机可读存储介质。
背景技术
随着智能化技术的发展,身体健康监测逐渐从手机转移到穿戴设备,例如智能手环等。而随着科技集成化的发展,人们审美与更加便捷的需求,智能戒指应运而生。
然而,如今的智能戒指要么需要指定佩戴手指,对用户使用造成影响,要么根据用户喜好进行佩戴时,由于各个手指血管粗细、血管厚度、皮肤厚度等原因,导致智能戒指对身体健康数据的识别准确度较差,从而对身体健康监控造成负面影响。
发明内容
本发明提供一种基于手指自适应的健康指标监控方法、装置、设备及存储介质,其主要目的在于通过手指自适应识别,提高智能戒指的使用灵活性,并增加身体健康指标的准确性。
为实现上述目的,本发明提供的一种基于手指自适应的健康指标监控方法,包括:
利用智能戒指获取佩戴手指的被监测区域的红外扫描图像,得到手指结构扫描图像,并利用所述智能戒指中的传感器对所述被监测区域进行基于目标生理指标的监测操作,得到目标监测图像序列;
利用预构建的健康指标监测模型中的手指位置识别网络,对所述手指结构扫描图像进行手指位置识别,得到手指位置识别结果;
利用所述健康指标监测模型中的健康指标识别网络,识别所述目标监测图像序列中的图像类型,得到图像数据类型,并根据所述图像数据类型及所述手指位置识别结果,对所述目标监测图像序列进行指标数值检测,得到所述目标生理指标对应的检测数值。
可选的,所述利用预构建的健康指标监测模型中的手指位置识别网络之前,所述方法还包括:
获取包含手指位置识别网络、健康指标识别网络的健康指标检测模型,及获取预构建的血糖监测训练样本,所述健康指标识别网络包括图像类型识别网络及指标数值识别网络;
利用预构建的手指血肉骨骼识别模型,对所述手指位置识别网络进行迁移学习;
配置所述健康指标识别网络中的图像类型识别网络为次训练任务,配置所述健康指标识别网络中的指标数值识别网络为主训练任务;
依次从所述血糖监测训练样本中提取一个目标训练样本,利用所述健康指标检测模型对所述目标训练样本进行网络正向预测,得到手指位置预测结果、图像类型预测结果及指标预测结果;
根据交叉熵损失算法,对所述目标训练样本的真实标签与所述图像类型预测结果进行损失值计算得到第一任务损失值,及对所述真实标签与所述指标预测结果进行损失值计算得到第二任务损失值;
根据梯度下降方法,最小化所述第一任务损失值及第二任务损失值,分别得到所述第一任务损失值最小时的第一模型训练参数及第二任务损失值最小时的第二模型训练参数,并利用所述第一模型训练参数及所述第二模型训练参数对所述健康指标识别网络进行网络参数逆向更新,得到更新健康指标识别网络;
判断所述第二任务损失值的收敛性;
当所述第二任务损失值未收敛时,返回上述依次从所述血糖监测训练样本中提取一个目标训练样本的步骤,对所述更新健康指标识别网络进行迭代训练;
当所述第二任务损失值收敛时,停止训练过程,得到训练完成的健康指标识别网络,并根据迁移学习完成的手指位置识别网络及训练完成的健康指标识别网络,得到训练完成的健康指标监测模型。
可选的,所述根据所述图像数据类型及所述手指位置识别结果,对所述目标监测图像序列进行指标数值检测,得到所述目标生理指标对应的检测数值,包括:
利用所述健康指标识别网络中的指标数值识别网络,根据所述图像数据类型,对所述目标监测图像序列进行基于目标生理指标的指标数值检测操作,得到初级指标检测结果;
根据所述手指位置识别结果对所述初级指标检测结果进行数值微调,得到所述目标生理指标对应的检测数值。
可选的,所述利用所述健康指标监测模型中的健康指标识别网络,识别所述目标监测图像序列中的图像类型,得到图像数据类型,包括:
利用所述健康指标识别网络中的特征提取网络,对所述目标监测图像序列进行特征提取,得到特征序列集合;
利用所述健康指标识别网络中的全连接网络,对所述特征序列集合进行全连接分类判断,得到所述目标监测图像序列的图像数据类型。
可选的,所述利用智能戒指获取佩戴手指的被监测区域的红外扫描图像,得到手指结构扫描图像之前,所述方法还包括:
利用预设类型的光电信号,根据预设的检测频率,对所述智能戒指的环绕区域进行目标检测,得到目标检测结果;
当所述目标检测结果为手指类型时,启动红外扫描服务,得到手指结构扫描图像。
可选的,所述利用所述智能戒指中的传感器,对所述被监测区域进行基于目标生理指标的监测操作,得到目标监测图像序列,包括:
获取用户选中的目标生理指标,并利用预构建的指标识别规则,查询所述目标生理指标对应的传感器;
利用所述传感器对所述被监测区域进行扫描,得到目标监测图像序列。
可选的,所述利用预构建的健康指标监测模型中的手指位置识别网络,对所述手指结构扫描图像进行手指位置识别,得到手指位置识别结果,包括:
利用所述健康指标监测模型的手指位置识别网络对所述手指结构扫描图像进行降噪处理,得到手指降噪图像;
对所述手指降噪图像进行卷积操作,得到卷积矩阵集合;
对所述卷积矩阵集合进行平均池化操作,得到池化矩阵集合,并对所述池化矩阵集合进行扁平化操作,得到手指特征序列集合;
对所述手指特征序列集合进行手指位置分类判断,得到手指位置识别结果。
为了解决上述问题,本发明还提供一种基于手指自适应的健康指标监控装置,所述装置包括:
图像获取模块,用于利用智能戒指获取佩戴手指的被监测区域的红外扫描图像,得到手指结构扫描图像,并利用所述智能戒指中的传感器对所述被监测区域进行基于目标生理指标的监测操作,得到目标监测图像序列;
手指识别模块,用于利用预构建的健康指标监测模型中的手指位置识别网络,对所述手指结构扫描图像进行手指位置识别,得到手指位置识别结果;
健康指标识别模块,用于利用所述健康指标监测模型中的健康指标识别网络,识别所述目标监测图像序列中的图像类型,得到图像数据类型,并根据所述图像数据类型及所述手指位置识别结果,对所述目标监测图像序列进行指标数值检测,得到所述目标生理指标对应的检测数值。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的基于手指自适应的健康指标监控方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于手指自适应的健康指标监控方法。
本发明实施例先通过红外扫描获取手指结构扫描图像,然后通过传感器获取目标生理指标的目标检测图像序列,所述手指结构扫描图像能够获取手指位置识别结果,而目标检测图像序列能够对健康指标进行初步检测,最终通过手指位置识别结果对初步检测的指标数据进行微调,从而得到较为精准的检测数值。因此,本发明实施例提供的一种基于手指自适应的健康指标监控方法、装置、设备及存储介质,能够在于通过手指自适应识别,提高智能戒指的使用灵活性,并增加身体健康指标的准确性。
附图说明
图1为本发明一实施例提供的基于手指自适应的健康指标监控方法的流程示意图;
图2为本发明一实施例提供的基于手指自适应的健康指标监控方法中一个步骤的详细流程示意图;
图3为本发明一实施例提供的基于手指自适应的健康指标监控方法中一个步骤的详细流程示意图;
图4为本发明一实施例提供的基于手指自适应的健康指标监控装置的功能模块图;
图5为本发明一实施例提供的实现所述基于手指自适应的健康指标监控方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于手指自适应的健康指标监控方法。本申请实施例中,所述基于手指自适应的健康指标监控方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于手指自适应的健康指标监控方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于手指自适应的健康指标监控方法的流程示意图。在本实施例中,所述基于手指自适应的健康指标监控方法包括:
S1、利用智能戒指获取佩戴手指的被监测区域的红外扫描图像,得到手指结构扫描图像,并利用所述智能戒指中的传感器,对所述被监测区域进行基于目标生理指标的监测操作,得到目标监测图像序列。
本发明实施例中,可以通过红外线探测对智能戒指环内的被监测区域进行扫描,得到手指结构扫描图像。所述手指结构扫描图像可以用于检测手指位置,并为生理指标的检测过程提供基础图像。
进一步的,本发明实施例根据用户指定的实际检测的生理指标类型启动适应的传感器进行数据采集。本发明实施例中,所述智能戒指的内侧内置有,如监测血压、心率、血氧、血糖、温度等多种生理指标的多种传感器,本发明实施例根据用户选择的生理指标,启动适应的传感器进行数据采集。
其中,血氧监测可以使用光学传感器来测量血液中的氧气饱和度,血糖监测可以使用电化学传感器或光学传感器来测量血液中的葡萄糖水平,血压监测可以使用压力传感器或光学传感器来测量血液流动时的压力变化。
详细的,本发明实施例中,所述利用所述智能戒指中的传感器,对所述被监测区域进行基于目标生理指标的监测操作,得到目标监测图像序列,包括:获取用户选中的目标生理指标,并利用预构建的指标识别规则,查询所述目标生理指标对应的传感器;利用所述传感器对所述被监测区域进行扫描,得到目标监测图像序列。
此外,本发明另一实施例中,所述利用智能戒指获取佩戴手指的被监测区域的红外扫描图像,得到手指结构扫描图像之前,所述方法还可以包括:
利用预设类型的光电信号,根据预设的检测频率,对所述智能戒指的环绕区域进行目标检测,得到目标检测结果;
当所述目标检测结果为手指类型时,启动红外扫描服务,得到手指结构扫描图像。
本发明实施例中可以通过预设时间的检测频率,例如十秒一次,发生光电信号,并接收所述光电信号,查看光电信号前后的变化程度,当光电信号被遮蔽时,可以通过模型分析,得知环绕区域中物品是何种对象类型,例如塑料、棉布、金属、手指等,当检测到环绕区域为手指时,则可以启动红外扫描服务进行详细检测,得到手指结构扫描图像。
此外,本发明实施例还中可以通过内嵌陀螺仪判定所述智能戒指是否被拿起从而启动光电信号。
S2、利用预构建的健康指标监测模型的手指位置识别网络,对所述手指结构扫描图像进行手指位置识别,得到手指位置识别结果。
本发明实施例中,所述健康指标监测模型包括手指位置识别网络及健康指标识别网络。其中,所述手指位置识别网络用于对手指结构扫描图像进行分析从而定位手指位置,所述健康指标识别网络包括图像类型识别网络及指标数值识别网络,所述图像类型识别网络用于得知需要监测的生理指标类型,例如血糖、血压等,而所述指标数值识别网络用于根据目标监测图像序列识别目标指标数值,并根据手指位置对目标指标数据进行微调,提高指标检测的准确性。
详细的,参考图2所示,本发明实施例中,所述S2之前,包括:
S201、获取包含手指位置识别网络、健康指标识别网络的健康指标检测模型,及获取预构建的血糖监测训练样本,所述健康指标识别网络包括图像类型识别网络及指标数值识别网络;
S202、利用预构建的手指血肉骨骼识别模型,对所述手指位置识别网络进行迁移学习;
S203、配置所述健康指标识别网络中的图像类型识别网络为次训练任务,配置所述健康指标识别网络中的指标数值识别网络为主训练任务;
S204、依次从所述血糖监测训练样本中提取一个目标训练样本,利用所述健康指标检测模型对所述目标训练样本进行网络正向预测,得到手指位置预测结果、图像类型预测结果及指标预测结果;
S205、根据交叉熵损失算法,对所述目标训练样本的真实标签与所述图像类型预测结果进行损失值计算得到第一任务损失值,及对所述真实标签与所述指标预测结果进行损失值计算得到第二任务损失值;
S206、根据梯度下降方法,最小化所述第一任务损失值及第二任务损失值,分别得到所述第一任务损失值最小时的第一模型训练参数及第二任务损失值最小时的第二模型训练参数,并利用所述第一模型训练参数及所述第二模型训练参数对所述健康指标识别网络进行网络参数逆向更新,得到更新健康指标识别网络;
S207、判断所述第二任务损失值的收敛性;
当所述第二任务损失值未收敛时,返回上述S204的步骤,对所述更新健康指标识别网络进行迭代训练;
当所述第二任务损失值收敛时,S208、停止训练过程,得到训练完成的健康指标识别网络,并根据迁移学习完成的手指位置识别网络及训练完成的健康指标识别网络,得到训练完成的健康指标监测模型。
本发明实施例中,所述健康指标检测模型包括手指位置识别网络与健康指标识别网络,而所述健康指标识别网络包括图像类型识别网络及指标数值识别网络。
本发明实施例中,所述手指位置识别网络可以通过现有医疗模型,例如手指血肉骨骼识别模型直接进行迁移学习,即可得到效果不错的手指位置识别网络,因此无需进行额外训练。所述迁移学习是一种机器学习方法,通过将已经在一个任务上学习到的知识和模型迁移到另一个相关任务上,以加快学习速度和提升性能。
而所述图像类型识别网络及指标数值识别网络较为简单,可以通过设置主次任务进行模型训练,例如通过交叉熵损失算法分别计算两个网络的损失值,并分别通过两个损失值分别更新两个网络,等最终输出层及所述指标数值识别网络的输出结果满足条件,例如,模型识别准确率或第二任务损失值收敛性任意一个能够达标,即可得到训练完成的健康指标监测模型。
其中,所述梯度下降是一种优化算法,用于在机器学习和深度学习中最小化损失函数,计算损失函数对于模型参数的梯度,然后沿着梯度的反方向更新模型参数。而所述交叉熵损失算法是一种常用的损失函数,用于度量模型输出与真实标签之间的差异。
进一步的,本发明实施例中得到训练完成的健康指标监测模型即可进行手指位置识别及健康指标识别操作。
详细的,本发明实施例中,所述利用所述健康指标监测模型的手指位置识别网络,对所述手指结构扫描图像进行手指位置识别,得到手指位置识别结果,包括:
利用所述健康指标监测模型的手指位置识别网络对所述手指结构扫描图像进行降噪处理,得到手指降噪图像;
对所述手指降噪图像进行卷积操作,得到卷积矩阵集合;
对所述卷积矩阵集合进行平均池化操作,得到池化矩阵集合,并对所述池化矩阵集合进行扁平化操作,得到手指特征序列集合;
对所述手指特征序列集合进行手指位置分类判断,得到手指位置识别结果。
本发明实施例中可以通过高斯滤波算法对所述手指结构扫描图像进行降噪处理,得到手指降噪图像,然后利用预构建的卷积核集合对手指降噪图像进行卷积操作,得到卷积矩阵集合,然后通过平均池化及扁平化两个特征降维操作,对提取到的卷积矩阵集合进行降维,得到手指特征序列集合,并最终通过全连接操作对手指特征序列集合中的各个手指特征序列进行分类判断,从而得到手指位置识别结果。
S3、利用所述健康指标监测模型中的健康指标识别网络,识别所述目标监测图像序列中的图像类型,得到图像数据类型,并根据所述图像数据类型及所述手指位置识别结果,对所述目标监测图像序列进行指标数值检测,得到所述目标生理指标对应的检测数值。
详细的,本发明实施例中,所述利用所述健康指标监测模型的健康指标识别网络,识别所述目标监测图像序列中的图像类型,得到图像数据类型,包括:
利用所述健康指标识别网络中的特征提取网络,对所述目标监测图像序列进行特征提取,得到特征序列集合;
利用所述健康指标识别网络中的全连接网络,对所述特征序列集合进行全连接分类判断,得到所述目标监测图像序列的图像数据类型。
本发明实施例中首先通过健康指标识别网络,对所述目标监测图像序列的图像类型进行识别,得到图像数据类型,所述图像类型数据包括红外图谱类型、脉搏波形图、血压波形图、电流-时间曲线或电压-时间曲线等,图像数据类型分类过程较为简单,由于传感器不同、得到的图像色彩、分辨率等特征也大不相同,因此极易训练与识别。
进一步的,参考图3所示,本发明实施例中,所述根据所述图像数据类型及所述手指位置识别结果,对所述目标监测图像序列进行指标数值检测,得到所述目标生理指标对应的检测数值,包括:
S31、利用所述健康指标识别网络中的指标数值识别网络,根据所述图像数据类型,对所述目标监测图像序列进行基于目标生理指标的指标数值检测操作,得到初级指标检测结果;
S32、根据所述手指位置识别结果对所述初级指标检测结果进行数值微调,得到所述目标生理指标对应的检测数值。
其中,所述指标数值识别网络也包括各个卷积核、池化层及扁平化层用于进行特征提取与降维,从而得到初级指标检测结果,然后在输出过程中再根据手指位置识别结果对所述初级指标检测结果进行数值微调,得到所述目标生理指标对应的检测数值。
本发明实施例先通过红外扫描获取手指结构扫描图像,然后通过传感器获取目标生理指标的目标检测图像序列,所述手指结构扫描图像能够获取手指位置识别结果,而目标检测图像序列能够对健康指标进行初步检测,最终通过手指位置识别结果对初步检测的指标数据进行微调,从而得到较为精准的检测数值。因此,本发明实施例提供的一种基于手指自适应的健康指标监控方法,能够在于通过手指自适应识别,提高智能戒指的使用灵活性,并增加身体健康指标的准确性。
如图4所示,是本发明一实施例提供的基于手指自适应的健康指标监控装置的功能模块图。
本发明所述基于手指自适应的健康指标监控装置100可以安装于电子设备中。根据实现的功能,所述基于手指自适应的健康指标监控装置100可以包括图像获取模块101、手指识别模块102及健康指标识别模块103。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述图像获取模块101,用于利用智能戒指获取佩戴手指的被监测区域的红外扫描图像,得到手指结构扫描图像,并利用所述智能戒指中的传感器对所述被监测区域进行基于目标生理指标的监测操作,得到目标监测图像序列;
所述手指识别模块102,用于利用预构建的健康指标监测模型中的手指位置识别网络,对所述手指结构扫描图像进行手指位置识别,得到手指位置识别结果;
所述健康指标识别模块103,用于利用所述健康指标监测模型中的健康指标识别网络,识别所述目标监测图像序列中的图像类型,得到图像数据类型,并根据所述图像数据类型及所述手指位置识别结果,对所述目标监测图像序列进行指标数值检测,得到所述目标生理指标对应的检测数值。
详细地,本申请实施例中所述基于手指自适应的健康指标监控装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于手指自适应的健康指标监控方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现基于手指自适应的健康指标监控方法的电子设备1的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于手指自适应的健康指标监控程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing Unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于手指自适应的健康指标监控程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于手指自适应的健康指标监控程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备1与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于手指自适应的健康指标监控程序是多个指令的组合,在所述处理器10中运行时,可以实现:
利用智能戒指获取佩戴手指的被监测区域的红外扫描图像,得到手指结构扫描图像,并利用所述智能戒指中的传感器对所述被监测区域进行基于目标生理指标的监测操作,得到目标监测图像序列;
利用预构建的健康指标监测模型中的手指位置识别网络,对所述手指结构扫描图像进行手指位置识别,得到手指位置识别结果;
利用所述健康指标监测模型中的健康指标识别网络,识别所述目标监测图像序列中的图像类型,得到图像数据类型,并根据所述图像数据类型及所述手指位置识别结果,对所述目标监测图像序列进行指标数值检测,得到所述目标生理指标对应的检测数值。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/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存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
利用智能戒指获取佩戴手指的被监测区域的红外扫描图像,得到手指结构扫描图像,并利用所述智能戒指中的传感器对所述被监测区域进行基于目标生理指标的监测操作,得到目标监测图像序列;
利用预构建的健康指标监测模型中的手指位置识别网络,对所述手指结构扫描图像进行手指位置识别,得到手指位置识别结果;
利用所述健康指标监测模型中的健康指标识别网络,识别所述目标监测图像序列中的图像类型,得到图像数据类型,并根据所述图像数据类型及所述手指位置识别结果,对所述目标监测图像序列进行指标数值检测,得到所述目标生理指标对应的检测数值。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以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,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于手指自适应的健康指标监控方法,其特征在于,所述方法包括:
利用智能戒指获取佩戴手指的被监测区域的红外扫描图像,得到手指结构扫描图像,并利用所述智能戒指中的传感器对所述被监测区域进行基于目标生理指标的监测操作,得到目标监测图像序列;
利用预构建的健康指标监测模型中的手指位置识别网络,对所述手指结构扫描图像进行手指位置识别,得到手指位置识别结果;
利用所述健康指标监测模型中的健康指标识别网络,识别所述目标监测图像序列中的图像类型,得到图像数据类型,并根据所述图像数据类型及所述手指位置识别结果,对所述目标监测图像序列进行指标数值检测,得到所述目标生理指标对应的检测数值。
2.如权利要求1所述的基于手指自适应的健康指标监控方法,其特征在于,所述利用预构建的健康指标监测模型中的手指位置识别网络之前,所述方法还包括:
获取包含手指位置识别网络、健康指标识别网络的健康指标检测模型,及获取预构建的血糖监测训练样本,所述健康指标识别网络包括图像类型识别网络及指标数值识别网络;
利用预构建的手指血肉骨骼识别模型,对所述手指位置识别网络进行迁移学习;
配置所述健康指标识别网络中的图像类型识别网络为次训练任务,配置所述健康指标识别网络中的指标数值识别网络为主训练任务;
依次从所述血糖监测训练样本中提取一个目标训练样本,利用所述健康指标检测模型对所述目标训练样本进行网络正向预测,得到手指位置预测结果、图像类型预测结果及指标预测结果;
根据交叉熵损失算法,对所述目标训练样本的真实标签与所述图像类型预测结果进行损失值计算得到第一任务损失值,及对所述真实标签与所述指标预测结果进行损失值计算得到第二任务损失值;
根据梯度下降方法,最小化所述第一任务损失值及第二任务损失值,分别得到所述第一任务损失值最小时的第一模型训练参数及第二任务损失值最小时的第二模型训练参数,并利用所述第一模型训练参数及所述第二模型训练参数对所述健康指标识别网络进行网络参数逆向更新,得到更新健康指标识别网络;
判断所述第二任务损失值的收敛性;
当所述第二任务损失值未收敛时,返回上述依次从所述血糖监测训练样本中提取一个目标训练样本的步骤,对所述更新健康指标识别网络进行迭代训练;
当所述第二任务损失值收敛时,停止训练过程,得到训练完成的健康指标识别网络,并根据迁移学习完成的手指位置识别网络及训练完成的健康指标识别网络,得到训练完成的健康指标监测模型。
3.如权利要求1所述的基于手指自适应的健康指标监控方法,其特征在于,所述根据所述图像数据类型及所述手指位置识别结果,对所述目标监测图像序列进行指标数值检测,得到所述目标生理指标对应的检测数值,包括:
利用所述健康指标识别网络中的指标数值识别网络,根据所述图像数据类型,对所述目标监测图像序列进行基于目标生理指标的指标数值检测操作,得到初级指标检测结果;
根据所述手指位置识别结果对所述初级指标检测结果进行数值微调,得到所述目标生理指标对应的检测数值。
4.如权利要求1所述的基于手指自适应的健康指标监控方法,其特征在于,所述利用所述健康指标监测模型中的健康指标识别网络,识别所述目标监测图像序列中的图像类型,得到图像数据类型,包括:
利用所述健康指标识别网络中的特征提取网络,对所述目标监测图像序列进行特征提取,得到特征序列集合;
利用所述健康指标识别网络中的全连接网络,对所述特征序列集合进行全连接分类判断,得到所述目标监测图像序列的图像数据类型。
5.如权利要求1所述的基于手指自适应的健康指标监控方法,其特征在于,所述利用智能戒指获取佩戴手指的被监测区域的红外扫描图像,得到手指结构扫描图像之前,所述方法还包括:
利用预设类型的光电信号,根据预设的检测频率,对所述智能戒指的环绕区域进行目标检测,得到目标检测结果;
当所述目标检测结果为手指类型时,启动红外扫描服务,得到手指结构扫描图像。
6.如权利要求1所述的基于手指自适应的健康指标监控方法,其特征在于,所述利用所述智能戒指中的传感器,对所述被监测区域进行基于目标生理指标的监测操作,得到目标监测图像序列,包括:
获取用户选中的目标生理指标,并利用预构建的指标识别规则,查询所述目标生理指标对应的传感器;
利用所述传感器对所述被监测区域进行扫描,得到目标监测图像序列。
7.如权利要求1所述的基于手指自适应的健康指标监控方法,其特征在于,所述利用预构建的健康指标监测模型中的手指位置识别网络,对所述手指结构扫描图像进行手指位置识别,得到手指位置识别结果,包括:
利用所述健康指标监测模型的手指位置识别网络对所述手指结构扫描图像进行降噪处理,得到手指降噪图像;
对所述手指降噪图像进行卷积操作,得到卷积矩阵集合;
对所述卷积矩阵集合进行平均池化操作,得到池化矩阵集合,并对所述池化矩阵集合进行扁平化操作,得到手指特征序列集合;
对所述手指特征序列集合进行手指位置分类判断,得到手指位置识别结果。
8.一种基于手指自适应的健康指标监控装置,其特征在于,所述装置包括:
图像获取模块,用于利用智能戒指获取佩戴手指的被监测区域的红外扫描图像,得到手指结构扫描图像,并利用所述智能戒指中的传感器对所述被监测区域进行基于目标生理指标的监测操作,得到目标监测图像序列;
手指识别模块,用于利用预构建的健康指标监测模型中的手指位置识别网络,对所述手指结构扫描图像进行手指位置识别,得到手指位置识别结果;
健康指标识别模块,用于利用所述健康指标监测模型中的健康指标识别网络,识别所述目标监测图像序列中的图像类型,得到图像数据类型,并根据所述图像数据类型及所述手指位置识别结果,对所述目标监测图像序列进行指标数值检测,得到所述目标生理指标对应的检测数值。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于手指自适应的健康指标监控方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于手指自适应的健康指标监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531189.2A CN117253096B (zh) | 2023-11-16 | 2023-11-16 | 手指自适应的健康指标监控方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531189.2A CN117253096B (zh) | 2023-11-16 | 2023-11-16 | 手指自适应的健康指标监控方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117253096A true CN117253096A (zh) | 2023-12-19 |
CN117253096B CN117253096B (zh) | 2024-03-19 |
Family
ID=89126815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311531189.2A Active CN117253096B (zh) | 2023-11-16 | 2023-11-16 | 手指自适应的健康指标监控方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117253096B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1692874A (zh) * | 2004-05-08 | 2005-11-09 | 香港中文大学 | 指环式生理信息监测装置 |
CN105596010A (zh) * | 2016-01-28 | 2016-05-25 | 严斌 | 一种智能监测戒指式可穿戴设备 |
KR20220091619A (ko) * | 2020-12-22 | 2022-07-01 | 재단법인 경북아이티융합 산업기술원 | 지정맥 센싱장치 및 이를 포함하는 지정맥 헬스케어 시스템 |
CN116919397A (zh) * | 2023-06-30 | 2023-10-24 | 江苏鱼跃医疗设备股份有限公司 | 可根据手指位置进行血氧误差自动修正的血氧仪及方法 |
CN116942149A (zh) * | 2023-09-21 | 2023-10-27 | 亿慧云智能科技(深圳)股份有限公司 | 基于毫米波雷达的腰椎监控方法、装置、设备及存储介质 |
-
2023
- 2023-11-16 CN CN202311531189.2A patent/CN117253096B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1692874A (zh) * | 2004-05-08 | 2005-11-09 | 香港中文大学 | 指环式生理信息监测装置 |
CN105596010A (zh) * | 2016-01-28 | 2016-05-25 | 严斌 | 一种智能监测戒指式可穿戴设备 |
KR20220091619A (ko) * | 2020-12-22 | 2022-07-01 | 재단법인 경북아이티융합 산업기술원 | 지정맥 센싱장치 및 이를 포함하는 지정맥 헬스케어 시스템 |
CN116919397A (zh) * | 2023-06-30 | 2023-10-24 | 江苏鱼跃医疗设备股份有限公司 | 可根据手指位置进行血氧误差自动修正的血氧仪及方法 |
CN116942149A (zh) * | 2023-09-21 | 2023-10-27 | 亿慧云智能科技(深圳)股份有限公司 | 基于毫米波雷达的腰椎监控方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
KAAN SEL ET AL.: "Continuous cuffless blood pressure monitoring with a wearable ring bioimpedance device", NPJ DIGITAL MEDICINE, pages 1 - 11 * |
Also Published As
Publication number | Publication date |
---|---|
CN117253096B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7058373B2 (ja) | 医療画像に対する病変の検出及び位置決め方法、装置、デバイス、及び記憶媒体 | |
CN113159147B (zh) | 基于神经网络的图像识别方法、装置、电子设备 | |
CN112395978B (zh) | 行为检测方法、装置及计算机可读存储介质 | |
CN111209885A (zh) | 一种手势信息处理方法、装置、电子设备及存储介质 | |
CN111931701A (zh) | 基于人工智能的姿态识别方法、装置、终端和存储介质 | |
CN110705419A (zh) | 情绪识别方法、预警方法、模型训练方法和相关装置 | |
CN1845126A (zh) | 信息处理设备、信息处理方法 | |
CN107563997B (zh) | 一种皮肤病诊断系统、构建方法、分类方法和诊断装置 | |
CN116311539B (zh) | 基于毫米波的睡眠动作捕捉方法、装置、设备及存储介质 | |
CN104616002A (zh) | 用于年龄段判断的面部识别设备 | |
CN111950812B (zh) | 一种自动识别与预测雨量的方法及其装置 | |
CN114496264A (zh) | 基于多维数据的健康指数分析方法、装置、设备及介质 | |
CN112489129A (zh) | 位姿识别模型训练方法、装置、位姿识别方法和终端设备 | |
CN116681923A (zh) | 一种基于人工智能的眼科疾病自动分类方法及系统 | |
CN116942149B (zh) | 基于毫米波雷达的腰椎监控方法、装置、设备及存储介质 | |
CN117392470B (zh) | 基于知识图谱的眼底图像多标签分类模型生成方法及系统 | |
CN116687394B (zh) | 基于毫米波雷达的摔倒检测方法、装置、设备及存储介质 | |
CN109002758B (zh) | 人脸特征点定位方法、装置、设备及存储介质 | |
CN113435353A (zh) | 基于多模态的活体检测方法、装置、电子设备及存储介质 | |
CN117274278A (zh) | 基于模拟感受野的视网膜图像病灶部位分割方法及系统 | |
CN117253096B (zh) | 手指自适应的健康指标监控方法、装置、设备及存储介质 | |
CN109472289B (zh) | 关键点检测方法和设备 | |
CN112102951A (zh) | 一种基于人体体态估计算法的健康监测方法和装置 | |
CN111079560A (zh) | 一种摔倒监测方法、装置及终端设备 | |
CN113128373B (zh) | 基于图像处理的色斑评分方法、色斑评分装置及终端设备 |
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 |