CN117617893A - 一种健康检测设备的调节控制方法、装置和计算机设备 - Google Patents
一种健康检测设备的调节控制方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN117617893A CN117617893A CN202410110903.9A CN202410110903A CN117617893A CN 117617893 A CN117617893 A CN 117617893A CN 202410110903 A CN202410110903 A CN 202410110903A CN 117617893 A CN117617893 A CN 117617893A
- Authority
- CN
- China
- Prior art keywords
- value
- characteristic information
- direct current
- current signal
- eye
- 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 52
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000008859 change Effects 0.000 claims abstract description 86
- 208000003464 asthenopia Diseases 0.000 claims abstract description 56
- 230000036407 pain Effects 0.000 claims abstract description 44
- 206010049565 Muscle fatigue Diseases 0.000 claims abstract description 27
- 210000001367 artery Anatomy 0.000 claims abstract description 22
- 230000008447 perception Effects 0.000 claims abstract description 15
- 230000000694 effects Effects 0.000 claims description 62
- 210000003205 muscle Anatomy 0.000 claims description 62
- 210000001747 pupil Anatomy 0.000 claims description 31
- 238000002567 electromyography Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 27
- 230000004424 eye movement Effects 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000008058 pain sensation Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004091 panning Methods 0.000 claims 3
- 210000001508 eye Anatomy 0.000 abstract description 52
- 238000005286 illumination Methods 0.000 abstract description 25
- 230000035945 sensitivity Effects 0.000 abstract description 6
- 230000006461 physiological response Effects 0.000 abstract description 2
- 230000004434 saccadic eye movement Effects 0.000 description 25
- 210000005252 bulbus oculi Anatomy 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 208000010412 Glaucoma Diseases 0.000 description 2
- 208000017442 Retinal disease Diseases 0.000 description 2
- 206010038923 Retinopathy Diseases 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 210000004220 fundus oculi Anatomy 0.000 description 1
- 230000037324 pain perception Effects 0.000 description 1
- 244000144985 peep Species 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Landscapes
- Eye Examination Apparatus (AREA)
Abstract
本发明涉及健康检测设备技术领域，特别涉及一种健康检测设备的调节控制方法、装置和计算机设备。本发明中通过计算扫视路径曲率变化值，可以更深入地了解用户在不同光照强度条件下的生理反应，扫视路径曲率变化值可以作为衡量用户眼部对光照刺激的敏感性的指标，通过这个指标，可以提高健康检测设备对用户状态的敏感性和准确性再通过眼部肌肉疲劳度特征信息获取眼部疲劳程度评分值以及眼动脉特征信息获取感知痛觉评分值，并根据眼部疲劳程度评分值和感知痛觉评分值计算适度调节值，通过获取用户的疲劳程度和痛觉感知评分，可以实现更个性化的调节光照强度，使得避免在对用户进行眼底检查时对用户眼睛造成刺激，引起用户的不适。
Description
技术领域
本发明涉及健康检测设备技术领域，特别涉及一种健康检测设备的调节控制方法、装置和计算机设备。
背景技术
随着医学技术的日益进步以及人们生活压力的不断增大，人们的健康意识大为增强，以健康为目的的身体检查能够让人们及时了解身体健康状况，越来越受到人们的喜爱，人体健康检测的发展已经成为一个重要的研究方向，健康检测设备能够对人体各项健康指标进行快速的检测，并将所检测的不同年龄、不同身体状况的人的检测指标进行记录存储，然后根据这些检测指标对人的身体进行相应的治疗。
随着社会经济的高速发展，生活节奏加快，人们用眼过度，导致人们眼睛可能会出现一些疾病，例如青光眼，视网膜病变等，对于上述疾病除了预防和缓解以外用户急需的是就诊，其中必不可少的就是眼底检查，而现有技术中通过健康检测设备在对用户的眼睛进行眼底检查时，一般需要采用灯光照射用户的眼睛来检查用户的视网膜和眼底血管，但是由于灯光的光照强度为恒定的，而每个用户的眼部情况不一样，即意味着能够承受的光照强度也不同，因此光照强度对于用户眼睛可能会具有一定的刺激，从而导致用户在检测过程中感觉眼睛较为不适，体验较差。
发明内容
本发明的主要目的为提供一种健康检测设备的调节控制方法、装置和计算机设备，旨在解决现有技术中的技术问题。
本发明提出一种健康检测设备的调节控制方法，包括：
获取用户在使用健康检测设备时的多个眼部运动特征信息，其中，所述眼部运动特征信息包括扫视路径特征信息和扫视速度特征信息；
根据多个所述扫视路径特征信息和扫视速度特征信息计算扫视路径曲率变化值；
判断所述扫视路径曲率变化值是否超出预设变化值；
若所述扫视路径曲率变化值超出预设变化值，则获取用户的生理特征信息，其中，所述生理特征信息包括眼部肌肉疲劳度特征信息和眼动脉特征信息；
根据所述眼部肌肉疲劳度特征信息获取眼部疲劳程度评分值；
根据所述眼动脉特征信息获取感知痛觉评分值；
根据所述眼部疲劳程度评分值和感知痛觉评分值计算适度调节值；
根据所述适度调节值对健康检测设备进行调节，并实时监控用户的生理特征信息。
作为优选，所述根据多个所述扫视路径特征信息和扫视速度特征信息计算扫视路径曲率变化值的步骤，包括：
根据多个所述扫视路径特征信息获取多个注视点的坐标信息；
根据多个所述注视点的坐标信息计算扫视路径曲率半径值，其中，计算公式为：
；
其中，f(x)表示扫视路径曲率半径值，n表示注视点的数量，Ri表示第i个注视点的横坐标信息，ri表示第i个注视点的纵坐标信息，i表示注视点的序号；
根据多个所述扫视速度特征信息获取多个注视点的速度信息和时间点信息；
根据多个注视点的速度信息和时间点信息计算速度变化率，其中，计算公式为：
；
其中，f(y)表示速度变化率，N表示时间点信息的数量，Vw表示第w个注视点的速度信息，tw表示第w个注视点的时间点信息，w表示注视点的序号；
根据所述速度变化率和扫视路径曲率半径值计算扫视路径曲率变化值，其中，计算公式为：
；
其中，X(b)表示扫视路径曲率变化值，f(x)表示扫视路径曲率半径值，f(y)表示速度变化率。
作为优选，所述根据所述眼部肌肉疲劳度特征信息获取眼部疲劳程度评分值的步骤，包括：
根据所述眼部肌肉疲劳度特征信息获取肌电图信号、肌肉活动频率和肌肉活动幅度；
对所述肌电图信号进行滤波和去噪处理，得到预处理肌电图信号；
对所述预处理肌电图信号进行整流处理，得到肌电图直流信号，并对所述肌电图直流信号进行平滑处理，得到稳定肌电图直流信号；
对所述稳定肌电图直流信号进行时域分析，得到直流信号标准差值；
根据所述直流信号标准差值、肌肉活动频率和肌肉活动幅度计算眼部疲劳程度评分值，其中，计算公式为：
；
其中，P(p)表示眼部疲劳程度评分值，h表示直流信号标准差值的权重，R表示直流信号标准差值，W表示肌肉活动频率，j表示肌肉活动频率的权重，k表示肌肉活动幅度的权重，Q表示肌肉活动幅度。
作为优选，所述对所述预处理肌电图信号进行整流处理，得到肌电图直流信号，并对所述肌电图直流信号进行平滑处理，得到稳定肌电图直流信号的步骤，包括：
对所述预处理肌电图信号依次进行放大和滤波处理，得到标准肌电图信号；
提取所述标准肌电图信号中的负半波信号，并对所述负半波信号进行半波整流，得到正半波信号；
将所述正半波信号融入至标准肌电图信号中，得到肌电图直流信号；
将所述肌电图直流信号分割为多个窗口信号，并提取每个窗口信号的局部特征，其中，所述局部特征包括峰值特征、波形形状特征和信号幅度特征；
根据所述局部特征将相同的窗口信号进行平滑重叠，得到稳定肌电图直流信号。
作为优选，所述根据所述眼动脉特征信息获取感知痛觉评分值的步骤，包括：
获取用户的正常基准瞳孔直径和正常基准眨眼频率；
根据所述眼动脉特征信息获取多个实时瞳孔直径和实时眨眼频率；
根据所述正常基准瞳孔直径、正常基准眨眼频率、多个实时瞳孔直径和实时眨眼频率计算感知痛觉评分值，其中，计算公式为：
；
其中，G(p)表示感知痛觉评分值，t表示实时瞳孔直径数据，i表示实时瞳孔直径数据的序号，T表示正常基准眨眼频率，a表示瞳孔直径的权重，z表示实时眨眼频率，Z表示正常基准眨眼频率，u表示实时眨眼频率的序号，b表示眨眼频率的权重。
作为优选，所述根据所述眼部疲劳程度评分值和感知痛觉评分值计算适度调节值的步骤，包括：
获取所述眼部疲劳程度评分值的第一权重；
获取所述感知痛觉评分值的第二权重；
根据所述眼部疲劳程度评分值、感知痛觉评分值、第一权重和第二权重计算适度调节值，其中，计算公式为：
；
其中，S(t)表示适度调节值，c表示第一权重，P(p)表示眼部疲劳程度评分值，G(p)表示感知痛觉评分值，d表示第二权重。
本申请还提供一种健康检测设备的调节控制装置，包括：
第一获取模块，用于获取用户在使用健康检测设备时的多个眼部运动特征信息，其中，所述眼部运动特征信息包括扫视路径特征信息和扫视速度特征信息；
第一计算模块，用于根据多个所述扫视路径特征信息和扫视速度特征信息计算扫视路径曲率变化值；
判断模块，用于判断所述扫视路径曲率变化值是否超出预设变化值；
若所述扫视路径曲率变化值超出预设变化值，则获取用户的生理特征信息，其中，所述生理特征信息包括眼部肌肉疲劳度特征信息和眼动脉特征信息；
第二获取模块，用于根据所述眼部肌肉疲劳度特征信息获取眼部疲劳程度评分值；
第三获取模块，用于根据所述眼动脉特征信息获取感知痛觉评分值；
第二计算模块，用于根据所述眼部疲劳程度评分值和感知痛觉评分值计算适度调节值；
调节模块，用于根据所述适度调节值对健康检测设备进行调节，并实时监控用户的生理特征信息。
作为优选，所述第二获取模块，包括：
第一获取单元，用于根据所述眼部肌肉疲劳度特征信息获取肌电图信号、肌肉活动频率和肌肉活动幅度；
预处理单元，用于对所述肌电图信号进行滤波和去噪处理，得到预处理肌电图信号；
整流单元，用于对所述预处理肌电图信号进行整流处理，得到肌电图直流信号，并对所述肌电图直流信号进行平滑处理，得到稳定肌电图直流信号；
分析单元，用于对所述稳定肌电图直流信号进行时域分析，得到直流信号标准差值；
计算单元，用于根据所述直流信号标准差值、肌肉活动频率和肌肉活动幅度计算眼部疲劳程度评分值，其中，计算公式为：
；
其中，P(p)表示眼部疲劳程度评分值，h表示直流信号标准差值的权重，R表示直流信号标准差值，W表示肌肉活动频率，j表示肌肉活动频率的权重，k表示肌肉活动幅度的权重，Q表示肌肉活动幅度。
本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述健康检测设备的调节控制方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述健康检测设备的调节控制方法的步骤。
本发明的有益效果为：本发明中根据扫视路径特征信息和扫视速度特征信息计算扫视路径曲率变化值，由于不同的光照强度可能导致眼球运动的不同模式，而通过计算扫视路径曲率变化值，可以更深入地了解用户在不同光照强度条件下的生理反应，扫视路径曲率变化值可以作为衡量用户眼部对光照刺激的敏感性的指标，通过这个指标，可以提高健康检测设备对用户状态的敏感性和准确性再通过眼部肌肉疲劳度特征信息获取眼部疲劳程度评分值以及眼动脉特征信息获取感知痛觉评分值，并根据眼部疲劳程度评分值和感知痛觉评分值计算适度调节值，通过获取用户的疲劳程度和痛觉感知评分，可以实现更个性化的调节光照强度，使得避免在对用户进行眼底检查时对用户眼睛造成刺激，引起用户的不适。
附图说明
图1为本发明一实施例的方法流程示意图。
图2为本发明一实施例的健康检测设备示意图。
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。
如图1和图2所示，本申请提供一种健康检测设备的调节控制方法，包括：
S1、获取用户在使用健康检测设备时的多个眼部运动特征信息，其中，所述眼部运动特征信息包括扫视路径特征信息和扫视速度特征信息；
S2、根据多个所述扫视路径特征信息和扫视速度特征信息计算扫视路径曲率变化值；
S3、判断所述扫视路径曲率变化值是否超出预设变化值；
若所述扫视路径曲率变化值超出预设变化值，则获取用户的生理特征信息，其中，所述生理特征信息包括眼部肌肉疲劳度特征信息和眼动脉特征信息；
S4、根据所述眼部肌肉疲劳度特征信息获取眼部疲劳程度评分值；
S5、根据所述眼动脉特征信息获取感知痛觉评分值；
S6、根据所述眼部疲劳程度评分值和感知痛觉评分值计算适度调节值；
S7、根据所述适度调节值对健康检测设备的光照强度进行调节，并实时监控用户的生理特征信息。
如上述步骤S1-S7所述，随着医学技术的日益进步以及人们生活压力的不断增大，人们的健康意识大为增强，人体健康检测的发展已经成为一个重要的研究方向，随着社会经济的高速发展，生活节奏加快，人们用眼过度，导致人们眼睛可能会出现一些疾病，例如青光眼，视网膜病变等，对于上述疾病除了预防和缓解以外用户急需的是就诊，其中必不可少的就是眼底检查，而现有技术中通过健康检测设备在对用户的眼睛进行眼底检查时，一般需要采用光照用户的眼睛来检查用户的视网膜和眼底血管，但是由于灯光的光照强度为恒定的，而每个用户的眼部情况不一样，即意味着能够承受的光照强度也不同，因此光照强度对于用户眼睛可能会具有一定的刺激，从而导致用户在检测过程中感觉眼睛较为不适，体验较差，本发明中通过先获取在使用健康检测设备时由于光照强度对用户眼部进行照射时用户的多个眼部运动特征信息，眼部运动特征信息包括扫视路径特征信息和扫视速度特征信息，进而可以根据扫视路径特征信息和扫视速度特征信息计算扫视路径曲率变化值，这样由于不同的光照强度可能导致眼球运动的不同模式，而通过计算扫视路径曲率变化值，可以更深入地了解用户在不同光照强度条件下的生理反应，扫视路径曲率变化值可以作为衡量用户眼部对光照刺激的敏感性的指标，通过这个指标，可以提高健康检测设备对用户状态的敏感性和准确性，如图2，其中，这里的健康检测设备主要是为眼底检查用检测设备，其主要构造有用于用户放置头部的支撑架系统、照射系统、观察系统以及适用于该调节控制方法的系统，其中照射系统包括照射光源、聚光透镜、投射透镜和反射镜等组成，观察系统主要是窥孔、补偿透镜盘、补偿透镜显示屏等组成，因此上述使用时为用户头部放置在支撑架上，通过照射系统的照射光源等向用户眼睛进行照射，而通过观察系统的补偿透镜显示屏等以及适用于该调节控制方法的系统可以得出扫视路径特征信息和扫视速度特征信息并结合计算扫视路径曲率变化值，然后判断扫视路径曲率变化值是否超出预设变化值，若扫视路径曲率变化值超出预设变化值，则表示此时用户在眼底检查时受到了光照的刺激，此时则通过获取用户的生理特征信息，其中，生理特征信息包括眼部肌肉疲劳度特征信息和眼动脉特征信息，然后再通过眼部肌肉疲劳度特征信息获取眼部疲劳程度评分值以及眼动脉特征信息获取感知痛觉评分值，并根据眼部疲劳程度评分值和感知痛觉评分值计算适度调节值，根据用户的疲劳程度和感知痛觉得到的适度调节值来对光照强度进行调节，可以确保用户在眼底检查期间感到更加舒适，通过获取用户的疲劳程度和痛觉感知评分，可以实现更个性化的调节光照强度，使得避免在对用户进行眼底检查时对用户眼睛造成刺激，引起用户的不适，考虑到疲劳和感知痛觉可能会随时间变化，通过实时监控用户的生理特征信息变化，并进行适应性地调整光照强度，即通过实时观察扫视路径特征信息和扫视速度特征信息以及眼部肌肉疲劳度特征信息和眼动脉特征信息，并实时循环根据扫视路径特征信息和扫视速度特征信息计算扫视路径曲率变化值，直至扫视路径曲率变化值不再超出预设变化值即可使得此时的光照强度为最佳，从而可以确保检查过程中保持最佳的观察条件。
在一个实施例中，所述根据多个所述扫视路径特征信息和扫视速度特征信息计算扫视路径曲率变化值的步骤S2，包括：
S21、根据多个所述扫视路径特征信息获取多个注视点的坐标信息；
S22、根据多个所述注视点的坐标信息计算扫视路径曲率半径值，其中，计算公式为：
；
其中，f(x)表示扫视路径曲率半径值，n表示注视点的数量，Ri表示第i个注视点的横坐标信息，ri表示第i个注视点的纵坐标信息，i表示注视点的序号；
S23、根据多个所述扫视速度特征信息获取多个注视点的速度信息和时间点信息；
S24、根据多个注视点的速度信息和时间点信息计算速度变化率，其中，计算公式为：
；
其中，f(y)表示速度变化率，N表示时间点信息的数量，Vw表示第w个注视点的速度信息，tw表示第w个注视点的时间点信息，w表示注视点的序号；
S25、根据所述速度变化率和扫视路径曲率半径值计算扫视路径曲率变化值，其中，计算公式为：
；
其中，X(b)表示扫视路径曲率变化值，f(x)表示扫视路径曲率半径值，f(y)表示速度变化率。
如上述步骤S21-S25所述，本发明中先通过多个扫视路径特征信息获取多个注视点的坐标信息，再根据多个注视点的坐标信息计算扫视路径曲率半径值，通过获取注视点的坐标信息可以提供用户眼球的具体位置，通过计算扫视路径曲率半径值，可以对扫视路径的形状进行具体分析，这有助于观察用户在进行眼底健康检查时的眼球的扫视路径是否存在弯曲或者直线，且由于扫视路径曲率半径值的变化可以作为反映扫视路径的曲率变化的重要指标，通过对扫视路径曲率半径值的分析，可以判断出用户在光照下眼球在不同位置上的注意力集中程度，扫视路径曲率半径值的计算可以用于评估扫视路径的平滑性，即较小的曲率半径值通常表示路径较为弯曲，而较大的曲率半径值表示路径较为直线，根据多个扫视速度特征信息获取多个注视点的速度信息和时间点信息，再根据多个注视点的速度信息和时间点信息计算速度变化率，通过获取注视点的速度信息可以提供用户眼球在不同时间点的运动速度，通过计算速度变化率，可以了解用户眼球运动速度的变化情况，这有助于理解眼动数据的动态特征，这些变化可能反映了用户在对于不同光照强度时眼部的负荷变化，较大的速度变化率可能反映出眼球运动在路径上的突然变化或不连贯性，即当用户的眼球运动时突然遇见强光照射时，此时的速度变化率就会很大，例如，当采集到用户的多个注视点的速度信息为10，20，30，注视点的时间点信息为2，3，5，则根据公式计算出速度变化率==5，再通过速度变化率和扫视路径曲率半径值计算扫视路径曲率变化值，扫视路径曲率变化值综合了眼球运动的速度变化率和路径曲率信息，使得眼动数据的分析更为全面，扫视路径曲率变化值反映了眼球从一个注视点到下一个注视点之间的路径曲率的变化情况，有助于突出扫视路径的曲线特征，在扫视路径中，扫视路径曲率变化值越大，即用户在两个注视点之间的眼球运动更为曲折，表示此时用户的眼球遇到的光照强度更高，反之，扫视路径曲率变化值越小，即用户在两个注视点之间的眼球运动更为平滑，表示此时用户的眼球遇到的光照强度更低，例如，根据上述计算得出扫视路径曲率半径值为10，速度变化率为5，则根据计算公式得出扫视路径曲率变化值= />=2，由于扫视路径曲率变化值为2较低，表示此时用户的眼球遇到的光照强度更低，上述出现的10、20、30、5、3等数字均是为了对实施例进行清楚的阐述而举例的说明，此处不做唯一限制。
在一个实施例中，所述根据所述眼部肌肉疲劳度特征信息获取眼部疲劳程度评分值的步骤S4，包括：
S41、根据所述眼部肌肉疲劳度特征信息获取肌电图信号、肌肉活动频率和肌肉活动幅度；
S42、对所述肌电图信号进行滤波和去噪处理，得到预处理肌电图信号；
S43、对所述预处理肌电图信号进行整流处理，得到肌电图直流信号，并对所述肌电图直流信号进行平滑处理，得到稳定肌电图直流信号；
S44、对所述稳定肌电图直流信号进行时域分析，得到直流信号标准差值；
S45、根据所述直流信号标准差值、肌肉活动频率和肌肉活动幅度计算眼部疲劳程度评分值，其中，计算公式为：
；
其中，P(p)表示眼部疲劳程度评分值，h表示直流信号标准差值的权重，R表示直流信号标准差值，W表示肌肉活动频率，j表示肌肉活动频率的权重，k表示肌肉活动幅度的权重，Q表示肌肉活动幅度。
如上述步骤S41-S45所述，本发明中通过获取肌电图信号、肌肉活动频率和肌肉活动幅度，并对肌电图信号进行滤波和去噪处理，得到预处理肌电图信号，从而可以去除这些噪声，提高信号质量，滤波和去噪处理可以减少由于信号采集引起的伪迹，有助于使信号更加平滑，更容易进行后续分析，然后通过对预处理肌电图信号进行整流处理，得到肌电图直流信号，并对肌电图直流信号进行平滑处理，得到稳定肌电图直流信号，通过整流处理不仅可以将信号中的负半波转换为正半波，缩小了信号的动态范围，从而便于提取肌电活动的绝对幅度信息，而且还能使得信号更加单一，消除了极性的影响，对肌电图直流信号进行平滑处理有助于去除高频噪声和抖动，从而得到更为稳定的信号，最后再根据直流信号标准差值、肌肉活动频率和肌肉活动幅度计算眼部疲劳程度评分值，这样可以根据用户眼部肌电图信号、肌肉活动频率和肌肉活动幅度结合对应的权重，使得计算得到的眼部疲劳程度评分值更能精准的反映出用户在眼底检查时的实际肌肉疲劳程度，然后可以根据实际肌肉疲劳程度来判断用户当前所受的光照刺激程度，例如，当直流信号标准差值为10、肌肉活动频率20和肌肉活动幅度15，其直流信号标准差值的权重为2，肌肉活动频率的权重为4，肌肉活动幅度的权重为4，则可以计算出眼部疲劳程度评分值==72.78，则此时可知用户的实际肌肉疲劳程度较高，即意味着用户当前所受的光照刺激程度较高，需要说明的是，上述出现的10、20、15、5、72.78等数字均是为了对实施例进行清楚的阐述而举例的说明，此处不做唯一限制。
在一个实施例中，所述对所述预处理肌电图信号进行整流处理，得到肌电图直流信号，并对所述肌电图直流信号进行平滑处理，得到稳定肌电图直流信号的步骤S43，包括：
S431、对所述预处理肌电图信号依次进行放大和滤波处理，得到标准肌电图信号；
S432、提取所述标准肌电图信号中的负半波信号，并对所述负半波信号进行半波整流，得到正半波信号；
S433、将所述正半波信号融入至标准肌电图信号中，得到肌电图直流信号；
S434、将所述肌电图直流信号分割为多个窗口信号，并提取每个窗口信号的局部特征，其中，所述局部特征包括峰值特征、波形形状特征和信号幅度特征；
S435、根据所述局部特征将相同的窗口信号进行平滑重叠，得到稳定肌电图直流信号。
如上述步骤S431- S435所述，本发明中通过对预处理肌电图信号依次进行放大和滤波处理得到标准肌电图信号，并提取标准肌电图信号中的负半波信号进行半波整流得到正半波信号，这样通过放大肌电信号有助于增强信号的强度，使其更容易观察和分析，其中滤波处理 可以使用低通滤波器去除高频噪声，也可以使用高通滤波器去除低频噪声，半波整流是取信号的绝对值，将所有负幅度部分转换为正幅度，其公式即为[ y(t) = |x(t)|]，其中，(y(t)) 是整流后的信号，(x(t)) 是原始的信号，通过提取正半波信号，强调了眼部肌肉的主要活动期，因为肌肉活动主要表现为正半波，这有助于准确分析用户眼部肌肉的收缩活动，而整流后的正半波信号更集中于肌肉活动的信号成分，减少了由噪声引起的背景干扰，这有助于提高信号的质量和信噪比，然后将肌电图直流信号分割为多个窗口信号并提取每个窗口信号的局部特征，并根据局部特征将相同的窗口信号进行平滑重叠得到稳定肌电图直流信号，这样将信号分割成窗口有助于捕捉信号的瞬时特性，使得在不同时间段内的信号变化能够得到更细致的分析，在每个窗口内提取局部特征，有助于更详细地描述信号的局部性质，平滑重叠可以提高对信号的时间分辨率，平滑重叠可以提供对于信号变化更平稳、更稳定的表示，从而可以使得对于用户眼底检查中的通过直流信号标准差值计算得到的眼部疲劳程度评分值更加精确。
在一个实施例中，所述根据所述眼动脉特征信息获取感知痛觉评分值的步骤S5，包括：
S51、获取用户的正常基准瞳孔直径和正常基准眨眼频率；
S52、根据所述眼动脉特征信息获取多个实时瞳孔直径和实时眨眼频率；
S53、根据所述正常基准瞳孔直径、正常基准眨眼频率、多个实时瞳孔直径和实时眨眼频率计算感知痛觉评分值，其中，计算公式为：
；
其中，G(p)表示感知痛觉评分值，t表示实时瞳孔直径数据，i表示实时瞳孔直径数据的序号，T表示正常基准眨眼频率，a表示瞳孔直径的权重，z表示实时眨眼频率，Z表示正常基准眨眼频率，u表示实时眨眼频率的序号，b表示眨眼频率的权重。
如上述步骤S51-S53所述，本发明中通过先获取正常基准瞳孔直径和正常基准眨眼频率，再根据眼动脉特征信息获取多个实时瞳孔直径和实时眨眼频率，其中，眼动脉通常指的是眼底图像中可用于识别和验证个体身份的血管网络，而眼动脉特征信息包括瞳孔直径和眨眼频率，再根据正常基准瞳孔直径、正常基准眨眼频率、多个实时瞳孔直径和实时眨眼频率计算感知痛觉评分值，这样通过获取实时瞳孔直径和眨眼频率，从而能够实时监测用户的生理状态，通过利用多个实时瞳孔直径和眨眼频率结合正常基准瞳孔直径和眨眼频率，提供了更为全面的数据信息，使得计算出的感知痛觉评分值更加精准，例如，当用户的正常基准瞳孔直径和正常基准眨眼频率分别为3和2，多个实时瞳孔直径为2，4，6和实时眨眼频率1，3，5，其中瞳孔直径的权重为2，眨眼频率的权重为3，则根据公式计算出感知痛觉评分值==12，则可知此时的感知痛觉评分值为12，后续可以根据感知痛觉评分值来对疼痛等级进行划分，如感知痛觉评分值1-10为第一等级，10-20为第二等级，以此类推，则可知此时感知痛觉评分值为12，则疼痛等级为第二等级，需要说明的是，上述出现的1、3、5、2、12等数字均是为了对实施例进行清楚的阐述而举例的说明，此处不做唯一限制。
在一个实施例中，所述根据所述眼部疲劳程度评分值和感知痛觉评分值计算适度调节值的步骤S6，包括：
S61、获取所述眼部疲劳程度评分值的第一权重；
S62、获取所述感知痛觉评分值的第二权重；
S63、根据所述眼部疲劳程度评分值、感知痛觉评分值、第一权重和第二权重计算适度调节值，其中，计算公式为：
；
其中，S(t)表示适度调节值，c表示第一权重，P(p)表示眼部疲劳程度评分值，G(p)表示感知痛觉评分值，d表示第二权重。
如上述步骤S61-S63所述，本发明通过根据眼部疲劳程度评分值、感知痛觉评分值、第一权重和第二权重计算适度调节值，这样使得在对用户进行眼底检查时，可以通过用户在检查时间内的疲劳程度评分和感知痛觉评分结合对应的分配权重来计算适度调节值，从而可以更全面地评估用户在眼底检查时的生理特征表现水平，进而可以根据适度调节值来调节健康检测设备的光照强度，可以在一定程度上减轻用户的眼部疲劳，提高用户的检查体验。
本申请还提供一种健康检测设备的调节控制装置，包括：
第一获取模块，用于获取用户在使用健康检测设备时的多个眼部运动特征信息，其中，所述眼部运动特征信息包括扫视路径特征信息和扫视速度特征信息；
第一计算模块，用于根据多个所述扫视路径特征信息和扫视速度特征信息计算扫视路径曲率变化值；
判断模块，用于判断所述扫视路径曲率变化值是否超出预设变化值；
若所述扫视路径曲率变化值超出预设变化值，则获取用户的生理特征信息，其中，所述生理特征信息包括眼部肌肉疲劳度特征信息和眼动脉特征信息；
第二获取模块，用于根据所述眼部肌肉疲劳度特征信息获取眼部疲劳程度评分值；
第三获取模块，用于根据所述眼动脉特征信息获取感知痛觉评分值；
第二计算模块，用于根据所述眼部疲劳程度评分值和感知痛觉评分值计算适度调节值；
调节模块，用于根据所述适度调节值对健康检测设备进行调节，并实时监控用户的生理特征信息。
在一个实施例中，所述第二获取模块，包括：
第一获取单元，用于根据所述眼部肌肉疲劳度特征信息获取肌电图信号、肌肉活动频率和肌肉活动幅度；
预处理单元，用于对所述肌电图信号进行滤波和去噪处理，得到预处理肌电图信号；
整流单元，用于对所述预处理肌电图信号进行整流处理，得到肌电图直流信号，并对所述肌电图直流信号进行平滑处理，得到稳定肌电图直流信号；
分析单元，用于对所述稳定肌电图直流信号进行时域分析，得到直流信号标准差值；
计算单元，用于根据所述直流信号标准差值、肌肉活动频率和肌肉活动幅度计算眼部疲劳程度评分值，其中，计算公式为：
；
其中，P(p)表示眼部疲劳程度评分值，h表示直流信号标准差值的权重，R表示直流信号标准差值，W表示肌肉活动频率，j表示肌肉活动频率的权重，k表示肌肉活动幅度的权重，Q表示肌肉活动幅度。
本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述健康检测设备的调节控制方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述健康检测设备的调节控制方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种健康检测设备的调节控制方法，其特征在于，包括：
获取用户在使用健康检测设备时的多个眼部运动特征信息，其中，所述眼部运动特征信息包括扫视路径特征信息和扫视速度特征信息；
根据多个所述扫视路径特征信息和扫视速度特征信息计算扫视路径曲率变化值；
判断所述扫视路径曲率变化值是否超出预设变化值；
若所述扫视路径曲率变化值超出预设变化值，则获取用户的生理特征信息，其中，所述生理特征信息包括眼部肌肉疲劳度特征信息和眼动脉特征信息；
根据所述眼部肌肉疲劳度特征信息获取眼部疲劳程度评分值；
根据所述眼动脉特征信息获取感知痛觉评分值；
根据所述眼部疲劳程度评分值和感知痛觉评分值计算适度调节值；
根据所述适度调节值对健康检测设备进行调节，并实时监控用户的生理特征信息。
2.根据权利要求1所述的健康检测设备的调节控制方法，其特征在于，所述根据多个所述扫视路径特征信息和扫视速度特征信息计算扫视路径曲率变化值的步骤，包括：
根据多个所述扫视路径特征信息获取多个注视点的坐标信息；
根据多个所述注视点的坐标信息计算扫视路径曲率半径值，其中，计算公式为：
；
其中，f(x)表示扫视路径曲率半径值，n表示注视点的数量，Ri表示第i个注视点的横坐标信息，ri表示第i个注视点的纵坐标信息，i表示注视点的序号；
根据多个所述扫视速度特征信息获取多个注视点的速度信息和时间点信息；
根据多个注视点的速度信息和时间点信息计算速度变化率，其中，计算公式为：
；
其中，f(y)表示速度变化率，N表示时间点信息的数量，Vw表示第w个注视点的速度信息，tw表示第w个注视点的时间点信息，w表示注视点的序号；
根据所述速度变化率和扫视路径曲率半径值计算扫视路径曲率变化值，其中，计算公式为：
；
其中，X(b)表示扫视路径曲率变化值，f(x)表示扫视路径曲率半径值，f(y)表示速度变化率。
3.根据权利要求1所述的健康检测设备的调节控制方法，其特征在于，所述根据所述眼部肌肉疲劳度特征信息获取眼部疲劳程度评分值的步骤，包括：
根据所述眼部肌肉疲劳度特征信息获取肌电图信号、肌肉活动频率和肌肉活动幅度；
对所述肌电图信号进行滤波和去噪处理，得到预处理肌电图信号；
对所述预处理肌电图信号进行整流处理，得到肌电图直流信号，并对所述肌电图直流信号进行平滑处理，得到稳定肌电图直流信号；
对所述稳定肌电图直流信号进行时域分析，得到直流信号标准差值；
根据所述直流信号标准差值、肌肉活动频率和肌肉活动幅度计算眼部疲劳程度评分值，其中，计算公式为：
；
其中，P(p)表示眼部疲劳程度评分值，h表示直流信号标准差值的权重，R表示直流信号标准差值，W表示肌肉活动频率，j表示肌肉活动频率的权重，k表示肌肉活动幅度的权重，Q表示肌肉活动幅度。
4.根据权利要求3所述的健康检测设备的调节控制方法，其特征在于，所述对所述预处理肌电图信号进行整流处理，得到肌电图直流信号，并对所述肌电图直流信号进行平滑处理，得到稳定肌电图直流信号的步骤，包括：
对所述预处理肌电图信号依次进行放大和滤波处理，得到标准肌电图信号；
提取所述标准肌电图信号中的负半波信号，并对所述负半波信号进行半波整流，得到正半波信号；
将所述正半波信号融入至标准肌电图信号中，得到肌电图直流信号；
将所述肌电图直流信号分割为多个窗口信号，并提取每个窗口信号的局部特征，其中，所述局部特征包括峰值特征、波形形状特征和信号幅度特征；
根据所述局部特征将相同的窗口信号进行平滑重叠，得到稳定肌电图直流信号。
5.根据权利要求1所述的健康检测设备的调节控制方法，其特征在于，所述根据所述眼动脉特征信息获取感知痛觉评分值的步骤，包括：
获取用户的正常基准瞳孔直径和正常基准眨眼频率；
根据所述眼动脉特征信息获取多个实时瞳孔直径和实时眨眼频率；
根据所述正常基准瞳孔直径、正常基准眨眼频率、多个实时瞳孔直径和实时眨眼频率计算感知痛觉评分值，其中，计算公式为：
；
其中，G(p)表示感知痛觉评分值，t表示实时瞳孔直径数据，i表示实时瞳孔直径数据的序号，T表示正常基准眨眼频率，a表示瞳孔直径的权重，z表示实时眨眼频率，Z表示正常基准眨眼频率，u表示实时眨眼频率的序号，b表示眨眼频率的权重。
6.根据权利要求1所述的健康检测设备的调节控制方法，其特征在于，所述根据所述眼部疲劳程度评分值和感知痛觉评分值计算适度调节值的步骤，包括：
获取所述眼部疲劳程度评分值的第一权重；
获取所述感知痛觉评分值的第二权重；
根据所述眼部疲劳程度评分值、感知痛觉评分值、第一权重和第二权重计算适度调节值，其中，计算公式为：
，
其中，S(t)表示适度调节值，c表示第一权重，P(p)表示眼部疲劳程度评分值，G(p)表示感知痛觉评分值，d表示第二权重。
7.一种健康检测设备的调节控制装置，其特征在于，包括：
第一获取模块，用于获取用户在使用健康检测设备时的多个眼部运动特征信息，其中，所述眼部运动特征信息包括扫视路径特征信息和扫视速度特征信息；
第一计算模块，用于根据多个所述扫视路径特征信息和扫视速度特征信息计算扫视路径曲率变化值；
判断模块，用于判断所述扫视路径曲率变化值是否超出预设变化值；
若所述扫视路径曲率变化值超出预设变化值，则获取用户的生理特征信息，其中，所述生理特征信息包括眼部肌肉疲劳度特征信息和眼动脉特征信息；
第二获取模块，用于根据所述眼部肌肉疲劳度特征信息获取眼部疲劳程度评分值；
第三获取模块，用于根据所述眼动脉特征信息获取感知痛觉评分值；
第二计算模块，用于根据所述眼部疲劳程度评分值和感知痛觉评分值计算适度调节值；
调节模块，用于根据所述适度调节值对健康检测设备进行调节，并实时监控用户的生理特征信息。
8.根据权利要求7所述的健康检测设备的调节控制装置，其特征在于，所述第二获取模块，包括：
第一获取单元，用于根据所述眼部肌肉疲劳度特征信息获取肌电图信号、肌肉活动频率和肌肉活动幅度；
预处理单元，用于对所述肌电图信号进行滤波和去噪处理，得到预处理肌电图信号；
整流单元，用于对所述预处理肌电图信号进行整流处理，得到肌电图直流信号，并对所述肌电图直流信号进行平滑处理，得到稳定肌电图直流信号；
分析单元，用于对所述稳定肌电图直流信号进行时域分析，得到直流信号标准差值；
计算单元，用于根据所述直流信号标准差值、肌肉活动频率和肌肉活动幅度计算眼部疲劳程度评分值，其中，计算公式为：
；
其中，P(p)表示眼部疲劳程度评分值，h表示直流信号标准差值的权重，R表示直流信号标准差值，W表示肌肉活动频率，j表示肌肉活动频率的权重，k表示肌肉活动幅度的权重，Q表示肌肉活动幅度。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410110903.9A CN117617893B (zh) | 2024-01-26 | 2024-01-26 | 一种健康检测设备的调节控制方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410110903.9A CN117617893B (zh) | 2024-01-26 | 2024-01-26 | 一种健康检测设备的调节控制方法、装置和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117617893A true CN117617893A (zh) | 2024-03-01 |
| CN117617893B CN117617893B (zh) | 2024-04-05 |
Family
ID=90034230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410110903.9A Active CN117617893B (zh) | 2024-01-26 | 2024-01-26 | 一种健康检测设备的调节控制方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117617893B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3948248A (en) * | 1974-09-05 | 1976-04-06 | Zuckerman Joel L | Method of measuring ocular pulse |
| CN102946797A (zh) * | 2009-08-14 | 2013-02-27 | D·伯顿 | 麻醉和意识深度监测系统 |
| US20160081575A1 (en) * | 2013-11-15 | 2016-03-24 | Yibing Wu | A life maintenance mode, a brain inhibition therapy and a personal health information platform |
| JP2017100039A (ja) * | 2015-12-01 | 2017-06-08 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | 体調推定装置、体調推定システム及びプロセッサ |
| CN116189895A (zh) * | 2023-04-10 | 2023-05-30 | 深圳曼瑞德科技有限公司 | 健康检测设备的控制方法、装置、计算机设备和存储介质 |
-
2024
- 2024-01-26 CN CN202410110903.9A patent/CN117617893B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3948248A (en) * | 1974-09-05 | 1976-04-06 | Zuckerman Joel L | Method of measuring ocular pulse |
| CN102946797A (zh) * | 2009-08-14 | 2013-02-27 | D·伯顿 | 麻醉和意识深度监测系统 |
| US20160081575A1 (en) * | 2013-11-15 | 2016-03-24 | Yibing Wu | A life maintenance mode, a brain inhibition therapy and a personal health information platform |
| JP2017100039A (ja) * | 2015-12-01 | 2017-06-08 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | 体調推定装置、体調推定システム及びプロセッサ |
| CN116189895A (zh) * | 2023-04-10 | 2023-05-30 | 深圳曼瑞德科技有限公司 | 健康检测设备的控制方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117617893B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hamilton et al. | VEP estimation of visual acuity: a systematic review | |
| Grabherr et al. | Vestibular thresholds for yaw rotation about an earth-vertical axis as a function of frequency | |
| Treleaven et al. | The relationship of cervical joint position error to balance and eye movement disturbances in persistent whiplash | |
| MacDougall et al. | Application of the video head impulse test to detect vertical semicircular canal dysfunction | |
| Xu et al. | An adaptive algorithm for the determination of the onset and offset of muscle contraction by EMG signal processing | |
| US6416480B1 (en) | Method and apparatus for automated acquisition of the glasgow coma score (AGCS) | |
| US20090062680A1 (en) | Artifact detection and correction system for electroencephalograph neurofeedback training methodology | |
| Pierleoni et al. | A real-time system to aid clinical classification and quantification of tremor in Parkinson's disease | |
| CN110600103B (zh) | 一种提升视力的可穿戴智能服务系统 | |
| Jervis et al. | The removal of ocular artefacts from the electroencephalogram: a review | |
| US20200129058A1 (en) | Visual field examination device and detection method | |
| Slobounov et al. | Human oscillatory brain activity within gamma band (30–50 Hz) induced by visual recognition of non-stable postures | |
| Mesbah et al. | Neurophysiological markers predicting recovery of standing in humans with chronic motor complete spinal cord injury | |
| CN109730682A (zh) | 人体脊柱健康的分析方法及装置 | |
| Hyde et al. | Primary motor cortex excitability is modulated during the mental simulation of hand movement | |
| CN112515676A (zh) | 心理体检方法和主客观相结合的受检者伪装性测试方法 | |
| Wang et al. | Tenotomy does not affect saccadic velocities: Support for the “small-signal” gain hypothesis | |
| CN117617893B (zh) | 一种健康检测设备的调节控制方法、装置和计算机设备 | |
| Muma et al. | The role of cardiopulmonary signals in the dynamics of the eye’s wavefront aberrations | |
| Moser et al. | Self-motion direction discrimination in the visually impaired | |
| Coughlin et al. | Automated eye tracking system calibration using artificial neural networks | |
| Gillmann et al. | A prospective evaluation of the repeatability and reliability of new steady-state pattern electroretinogram parameters | |
| Tirsi et al. | Pattern electroretinogram parameters are associated with optic nerve morphology in preperimetric glaucoma after adjusting for disc area | |
| CN106983511B (zh) | 肌力与肌张力状态突变点的识别方法及识别装置 | |
| Leal et al. | Pupillometry: development of equipment for studies of autonomic nervous system |
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 |