CN114073550A - 一种基础体温监测女性***分析方法及智能穿戴设备 - Google Patents

Abstract

本发明公开了一种基础体温监测女性***分析方法及智能穿戴设备，包括外壳，所述外壳内安装设有蓄电池、心率传感器、数据传输组件、运动监测传感器、体温传感器、体温信号放大器及其数据处理组件和处理器，所述蓄电池、心率传感器、数据传输组件、运动监测传感器、体温传感器、体温信号放大器及其数据处理组件和处理器之间相电连。本发明的优点：本发明使用便捷，通过将体温传感器置入智能可穿戴设备中，可随时监测体温，监测得来的数据通过算法截取有意义的数据，进行高精度的对比，得出更为精确的体温变化趋势。

Description

一种基础体温监测女性***分析方法及智能穿戴设备

技术领域

本发明涉及健康监测技术领域，具体是指一种基础体温监测女性***分析方法及智能穿戴设备。

背景技术

正常女性从第一次月经来潮到绝经这段时间里，子宫会发生周期性变化，这个变化周期叫***，平均约为28天。在此期间，体内的***、孕激素、***、***呈周期性变化，同时基础体温也呈周期性变化，在月经期以及***，基础体温较低，***期降至最低，***后，即黄体期基础体温迅速升高0.3-0.5℃，并维持到下一次月经来潮。“基础体温法”已经被用来指导备孕以及避孕已有上百年历史。但是由于其操作繁琐，需要自行测温、自行记录、自行分析，致使这种方法一直未惠及广大女性。

目前，***期体温升高的机制尚未明确。医学界一般认为，***期体温升高，是由于孕激素或者其他未知物质如去甲肾上腺素直接或者间接作用于体温调节中枢，或者作用于外周血管，致使其产生舒张或者收缩而引起的。该发明主要检测用户的体表温度，人的体表体温受多种因素影响，其中包括环境温度以及人体自身的状态比如运动、睡眠、工作、情绪、疾病、药物、饮食等影响。

体表温度本质上手体表血液循环的影响，当表皮下血管收缩时，体表温度下降，表皮下血管扩张时，体表温度升高。当表皮下血管充分扩张时，体表温度与体核温度的差值越小，越能代表体核温度。体核温度是指深部组织的温度，主要指大脑的温度，体核温度正常值接近38℃。影响体核温度的因素有昼夜节律、代谢情况、运动、全身炎症等。体核温度在凌晨2至6点最低，午后1至6点最高。

现有的体表智能测温的装置及方案有两个缺陷：1，不能分辨测温时机体皮肤血管舒缩情况，即不能保证此时的体温与体核体温的差距；2，部分体温测量方案选取用户睡眠时测体温，但是不能分辨此刻测温部位是否受其他因素影响，比如覆盖物、伴侣等，监测窗口小。睡眠时的覆盖物比如被褥，会明显影响局部体表温度，若监测部位至于覆盖物外较长时间，则此局部体表温度降明显下降，不能代表体核温度。

目前用于预测或者确定***的方法主要包括尿试纸法、普通体温计法、智能体温计法。尿试纸法中的试纸属于消耗品，不仅价格昂贵，而且操作繁琐，需要每日自行验尿。普通体温计法，只需要一个体温计，需要用户每日自测体温并记录，不仅操作繁琐，其计算过程也需要一定的医学基础知识。智能体温计法，省去了计算过程，但是需要每日自行测温，接受度不高，售价及其昂贵。

发明内容

本发明为了解决上述的各种问题，提供了一种基础体温监测女性***分析方法及智能穿戴设备。

为解决上述技术问题，本发明提供的技术方案为：一种基础体温监测女性***分析方法及智能穿戴设备，包括外壳，所述外壳内安装设有蓄电池、心率传感器、数据传输组件、运动监测传感器、体温传感器、体温信号放大器及其数据处理组件和处理器，所述蓄电池、心率传感器、数据传输组件、运动监测传感器、体温传感器、体温信号放大器及其数据处理组件和处理器之间相电连。

作为改进，所述体温传感器采用单传感器或者多传感器，所述体温传感器的数量为一个或两个。

作为改进，所述运动监测传感器包括安装于所述外壳内的陀螺仪及其组件和加速度传感器及组件。

作为改进，所述体温传感器为红外温度传感器或集成温度传感器。

作为改进，所述心率传感器为光学传感器或心电信号传感器。

本发明还包括一种基础体温监测女性***分析方法，其分析过程步骤如下：

步骤一：监测并采集体温、运动、心率数据；

步骤二：通过对运动、心率综合分析，同时满足对运动分析和心率分析的结果并持续特定时间段后启动体温监测；

步骤三：通过基础体温的变化规律，来记录并预测***；

步骤四：通过对***的智能学习，将预测到的结果用于指导备孕、避孕以及部分妇产科疾病的预警。

本发明与现有技术相比的优点在于：本发明使用便捷，通过将体温传感器置入智能可穿戴设备中，可随时监测体温，监测得来的数据通过算法截取有意义的数据，进行高精度的对比，得出更为精确的体温变化趋势。另外还可以通过学习用户的作息、工作、饮食等习惯，使得对生理周期的预测更为准确。用户只需要第一次进行设置，并将智能设备穿戴在固定的位置，便可终生使用。本发明成本低，对温度的选取更精确，温度传感器以及软件算法所需成本远远低于目前市面上的产品，并且可以大规模复制。本发明与科技、时尚等元素结合，加上使用便捷，使得用户更易于接受。

该发明通过装置所检测的心率、运动情况、睡眠情况等来判断用户的交感张力，思考、精神紧张、运动、不适感、疾病、寒冷、饮食等，均能提高人体的交感张力，交感张力增加，主要表现包括但不限于：心率加快、血压升高、外周血管收缩等，其中心率是判断交感张力的最佳指标之一，即一般情况下心率越快，交感张力越大。而外周血管收缩时，体表体温便会下降，但此时的体核温度往往在轻度升高或者不变，所以体表温度与体核温度差值增加，则不能代表体核温度。清醒静坐、且心率较低，靠近基础心率时，由于交感张力小，而副交感活跃，此时外周血管扩张，体表温度与体核温度相差较小。夜间睡眠时，交感张力小，体表温度与体核温度差别小，亦能代表体核温度，但若局部无覆盖物覆盖，则局部体温会明显下降，不能代表体核温度。且用户睡眠期间的体温容易受到伴侣体温的影响，所以只监测睡眠期间的体温，是不够准确的。若女性用户的伴侣基础体温较高，且共享一件被褥，则夜间睡眠的期间女性的基础体温不再能代表基础体温。在这种情况下，白天静息/休息状态的基础体温显得更重要。经过综合计算过的基础体温，及其变化的趋势，将可用来协助判断女性的***，***的确定将可用于指导备孕、避孕、监测早孕等，在女性***症、***、早产方面的监测也有一定的潜力。

附图说明

图1为本发明一种基础体温监测女性***分析方法及智能穿戴设备的结构示意图。

图2为本发明一种基础体温监测女性***分析方法及智能穿戴设备的分析过程***框图。

图3为本发明一种基础体温监测女性***分析方法及智能穿戴设备的体温随时间的变化趋势图一。

图4为本发明一种基础体温监测女性***分析方法及智能穿戴设备的体温随时间的变化趋势图二。

图5为本发明一种基础体温监测女性***分析方法及智能穿戴设备的体温随时间的变化趋势图三。

图6为本发明一种基础体温监测女性***分析方法及智能穿戴设备的静息状态下***框图。

图7为本发明一种基础体温监测女性***分析方法及智能穿戴设备的睡眠状态下***框图。

如图所示：1、外壳；2、蓄电池；3、心率传感器；4、加速度传感器及组件；5、数据传输组件；6、陀螺仪及其组件；7、体温传感器；8、处理器；9、体温信号放大器及其数据处理组件。

具体实施方式

下面结合附图和实施例对本发明做进一步的详细说明。

结合附图1至附图7，一种基础体温监测女性***分析方法及智能穿戴设备，包括外壳1，所述外壳1内安装设有蓄电池2、心率传感器3、数据传输组件5、运动监测传感器、体温传感器7、体温信号放大器及其数据处理组件9和处理器8，所述蓄电池2、心率传感器3、数据传输组件5、运动监测传感器、体温传感器7、体温信号放大器及其数据处理组件9和处理器8之间相电连。

所述体温传感器7采用单传感器或者多传感器，所述体温传感器7的数量为一个或两个。

所述运动监测传感器包括安装于所述外壳1内的陀螺仪及其组件6和加速度传感器及组件4。

所述体温传感器7为红外温度传感器或集成温度传感器。

所述心率传感器3为光学传感器或心电信号传感器。

本发明还包括一种基础体温监测女性***分析方法，其分析过程步骤如下：

步骤一：监测并采集体温、运动、心率数据；

步骤二：通过对运动、心率综合分析，同时满足对运动分析和心率分析的结果并持续特定时间段后启动体温监测；

步骤三：通过基础体温的变化规律，来记录并预测***；

步骤四：通过对***的智能学习，将预测到的结果用于指导备孕、避孕以及部分妇产科疾病的预警。

测得的结果以及分析的结果，既可以储存在智能可穿戴设备中供用户查看，也可以经过数据传输***传输到云端或者移动智能终端APP供用户提取、查看。

数据传输方式可以是蓝牙传输、移动网络传输，或者其他传输协议。

数据传输的目标可以是移动智能终端APP，也可以是云端。

体温监测目标分为两类：日常体温监测、女性基础体温监测。

日常体温监测的目的是监控用户体温动态变化，可预设为每日定时测量若干次，用于预警发热类疾病，比如感染、甲亢等。

日常体温监测除自动每日按特定时间间隔监测数十次外，在监测到用户在静息状态、睡眠状态或者轻度活动状态时心率大于基础心率的160%时启动。此时若体温高于特定值（通常是37.8℃），则判断为用户可能出现发热，提醒用户留意或者就医。

日常体温监测除自动监测外，还可以手动启动监测。

女性基础体温监测的目的是用于分析女性的***。

女性基础体温监测可手动开启，但需符合条件：运动监测显示小于特定运动量持续特定时间，心率处于基础心率特定百分比范围之内持续特定时间。

自动监测女性基础体温时，温度传感器的启动由设备的专用的算法中心（女性专用测温控制组件）控制。

女性专用测温控制组件的输入数据为智能手表所采集到的瞬时心率及其趋势、运动状态及其趋势、睡眠状态及其趋势、通过学习得来的用户基础心率。

运动状态：通过加速度传感器及陀螺仪各个轴测得的数据进行计算，将运动状态分为：睡眠、轻微活动、活动、轻度运动、运动、剧烈运动六个等级或者更多。基础体温监测（自动）只在睡眠和轻微活动状态进行。

基础心率（basical heart rate，BHR）获得方法：用户前一日深度睡眠期间，心率的平均值，为睡眠期间的心跳总次数（total beats，Bt）/深度睡眠总时间（Tt），BHR=Bt/Tt（次每分钟，bpm）。

女性基础体温包括监测主要包括睡眠时的体表温度（Tsleep，Ts）和休息时体表温度（Trest，Tr）。

Ts、Tr启动监测后，将在数分钟内完成数次测量，测量所得数据记录为：（T1、T2、T3+……Tx），x个体温数据中，舍弃偏差≥0.1℃（或者某个特定值）的数值，对其余有效值值求均值。

偏差算法：△T1=∣T1- （T1+T2+T3+……Tx）/x∣，依此类推。

若偏差≥0.1℃（或者某个特定值）的数据个数为y，则剩下的有效值为（x-y）个，平均值算法：T=（T1、T2、T3+……Tx-y）/x-y。T即为此时段的基础体温。

Ts启动监测须同时满足两个条件：①心率波动在基础心率特定百分比范围（比如±10%）并持续特定长度时间段；②运动监测判断用户处于睡眠状态并持续特定长度时间段。

实施例1：

每一个“睡眠期间”测得的体温记录依次为Ts1、Ts2、Ts3……Tsn。

第一步：若同时满足以上①②10分钟，则启动基础体温监测，每次启动将连续监测数次，通过上述的方差和均值计算获取有效的Ts1，若同时满足以上①②20分钟，得出的结果记为Ts2，若同时满足①②30分钟，得出的结果记为 Ts3。

第二步：测得Ts3后，以后的同时满足①②每30分钟进行一次测量，所获得的数据记录为Ts4、Ts5、Ts6……Tsn。

若nmax=1，表示该段睡眠期间持续同时满足①②的时间大于10分钟，不到20分钟，不能获取Ts2及以后的数据，则Ts1作为该时段体温的代表数据，进入“第四步”的组合进行计算。

若nmax=2，表示该段睡眠期间持续同时满足①②的时间大于20分钟，不到30分钟分钟，不能获取Ts3及以后的数据，则Ts2作为该时段体温的代表数据，进入“第四步”的组合进行计算。

若nmax=3，表示该段睡眠期间持续同时满足①②的时间大于30分钟，不到60分钟，不能获取Ts4及以后的数据，则Ts3作为该时段体温的代表数据，进入“第四步”的组合进行计算。

若nmax>3，表示该段睡眠期间持续同时满足①②的时间大于60分钟，至少获得了4个数据（Ts1、Ts2、Ts3、Ts4……），则将Ts3以及其后的数据，作为该时段的代表数据，共同进入“第四步”的组合进行计算。

第三步：睡眠期间出现任何不能同时满足①②的情况，则回到“第一步”。

第四步：将上述每段睡眠期间采集并计算得到的若干个Ts组成组合，并分为两类：Ts、Ts’。

Ts，指睡眠期间测得的较高体温，为有被褥覆盖较长时间后的体表温度，Ts’，指睡眠时测得的明显较低的体表温度，为无被褥遮盖或者从无覆盖转为有覆盖后一段时间内的体表温度。Ts’的数据将被舍弃。

具体方法：若干个Ts（包括Ts’）组成的组合中，较高的一部分（比如top25%）为Ts，其余（75%）较低的数据为Ts’。

将余下的Ts（比如top25%）形成的组合进行计算，将方差大于特定值（比如0.1℃）的数据再一次舍弃，然后对剩下的数值求平均值，得出的结果为用户当日睡眠期间的基础体温，Ts。

用户每日（0:00-23:59：59）只获取一个最终的Ts，以Ts为纵坐标、时间（天）为横坐标，绘制出体温随时间（天）的变化趋势图（见附图3）。

Tr启动监测须同时满足两个条件：③心率波动在基础心率特定百分比范围（比如±20%）并持续特定长度时间段；④运动监测判断用户处于静息状态/轻度活动状态并持续特定长度时间段。

实施例2：

每一个“静息/轻度活动”期间测得的体温记录依次为Tr1、Tr2、Tr3……Trn。

第一步：若同时满足上述③④10分钟，则启动基础体温监测，每次启动将连续监测数次，通过上述的方差和均值计算后获取有效的Tr1，作为此刻静息状态的体温记为Tr1，若同时满足③④20分钟，得出的数据记为Tr2，若同时满足③④30分钟，得出的数据记为Tr3。

第二步：测得Ts3后，以后的同时满足①②每30分钟进行一次测量，所获得的数据记录为Tr4、Tr5、Tr6……Trn。

第三步：“静息/轻度活动”期间出现任何不能同时满足①②的情况，则进入下一时段的“第一步”。

第四步：选取Trn中的一个数据或者多个数据求平均值，获得该时段的基础体温。

若nmax=1，则表示持续满足③④大于10分钟，不到20分钟，Tr1为此时段的基础体温。

若nmax=2，则表示持续满足③④大于20分钟，不到30分钟，Tr2为此时段的基础体温。

若nmax=3，则表示持续满足③④大于30分钟，不到60分钟，Tr3为此时段的基础体温。

若nmax>3，则表示持续满足③④大于60分钟，将Tr3、Tr4……Trn进行偏差分析，舍弃偏差≥0.1℃（或者某个特定值）的数值，再求平均值Tr，Tr则为此时段的基础体温。

用户每日（0:00-23:59：59）可获取不止一个Tr，以每个Tr为纵坐标，其对应的时间点（时刻）为横坐标，绘制一个体温随时间变化的趋势图（见附图4）。

校正

人体的体核温度，随昼夜呈周期性变化，凌晨2到6点最低，午后1到6点最高。原则上，体温的变化趋势，需要保证是前后两天的同一时刻获得的数据，才具有可比性。实际上，人体的体温变化趋势，符合相应的数学模型，比如“三振荡器模型”，根据相关的公式校正后，便可以代表当日体温的整体水平。

学习

经过至少一个***的学习，获取一个***之内的Tr以及Ts数据，并各自绘制成Tr趋势图与Ts趋势图。

正常的***，体温应为双相型，***后体温较高，称为高相，月经期开始后体温下降并持续，成称为低相。

用户在可穿戴设备学习期，需对相关事件进行确认，比如月经来潮的时间，发热类疾病、饮酒、用药等等，以增加学习的准确性。

若Tr、Ts均反复不符合***体温变化的理论趋势，则提示用户是否有规律的月经来潮、是否怀疑无***，是否存在***、是否需要就医。若用户***正常，则提示用户联系商家，是否设备的软硬件出现故障。

结合体温趋势图以及用户添加的相关事件（比如月经来潮、月经结束），绘制出该跃进周期中各个时期（月经期、***、***期、黄体期、易孕期、安全期、备孕期……）对应的时间段。

若本次（尤其是第一次）***中，Tr的变化趋势符合理论基础体温的变化趋势，则Tr可作为下一次***中的可参考趋势，即下一次***中Tr的变化趋势可以用于预测***及其每一天所处***中的位置。

若本次（尤其是第一次）***中，Tr的变化趋势不符合理论基础体温的变化趋势。则不可作为下一次***中的可参考趋势。

若本次（尤其是第一次）***中，Ts的变化趋势符合理论基础体温的变化趋势，则Ts可作为下一次***中的可参考趋势，即下一次***中Ts的变化趋势可以用于预测***及其每一天所处***中的位置。

若本次（尤其是第一次）***中，Ts的变化趋势不符合理论基础体温的变化趋势。则不可作为下一次***中的可参考趋势。

理论基础体温变化趋势：月经开始第一天，体温开始明显下降（0.3-0.5℃），持续至***结束，***（或***前一日）体温下降至最低（或没有明显下降），***后体温明显升高（0.3-0.5℃），持续至黄体期结束，直至月经来潮，体温下降。

学习的次数越多、每个***持续的时间以及周期中每个时期持续的时间越稳定，则后面的预测可信度越高，用户可参与到每一次的学习中。

记录与预测

根据附图5，经过有效学习后，可开始预测用户的***并给予相应的建议。并可用于孕期监测。有效学习指，至少在一个***中，Tr或者Ts中至少有一个趋势符合***的体温变化的理论趋势。

若Tr符合，则采用Tr的数据进行预测与建议；若Ts符合，则采用Ts的数据进行预测与建议；若Tr与Ts均符合，则采用Tr、Ts数据进行综合性预测与建议。

符合理论趋势的体温值（Tr和/或Ts）及其处于***中的对应的时间，综合判断用户当日的生理状态，并预测未来若干天的生理状态。

实例：

假设通过学习，得到以下结果：用户***为29-31天之间，***持续5-7天，***日为***第14-15天。

实例以Tr与Ts趋势图均符合理论趋势图为例，若只有其中一个符合理论趋势图，则只参照符合要求的趋势图（Tr或者Ts）。

***第一天为：体温低相开始的第一天。以下是各种情况（situation,S）下的可能结果及其推断。

S1：用户处于***第7天，且Tr与Ts同时处于低相，此时预测用户处于***、安全期。安全期表示用户在此期间进行性生活（月经干净后），怀孕概率极小，可不戴安全套。

S2：用户处于***第10天，且Tr与Ts同时处于低相，此时预测用户处于***、易孕期。此时虽然仍未***，但***可在子宫内存活一段时间，存活的时间可能与***时间重叠，***后遇存活的***，则很可能受精。易孕期提示用户在此期间进行性生活，若未戴安全套，受孕几率极大。

S3：用户处于***第14天，且Tr和/或Ts处于高相，此时提示用户已经发生***。若再一次次Tr相对前一日均处于高相，则预测准确性进一步增加。用户处于***第14天，且Tr或Ts低于低相，此时提示用户***将在很短时间发生。***期无保护性生活，怀孕几率极高。

S4：用户处于***第16天，且Tr与Ts同时处于高相，此时预测用户处于***/黄体期、易孕期。此时***可能已经发生，卵子排到子宫后，最多可存活3天，此时若性生活无安全套，也容易引起了卵子受精。

S5：用户处于***第20天，且Tr与Ts同时处于高相且持续时间大于3天或以上，此时预测用户处于黄体期、安全期。***后的三天以后至下次月经来潮，为安全期。

S6：用户处于***第27天，且Tr与Ts同时处于高相，且***时间与上一次周期差别不大于1天，此时预测用户处于黄体期、安全期、月经前期。提示用户月经即将来潮，应对相关的生活和工作做好相关的计划，比如体育赛事、入院检查手术、重要事件、卫生巾、止痛药物准备等。

S7,用户处于***第29天，且Tr与Ts同时处于低相，且***时间与上一次周期差别不大于1天，提示用户月经即将在一天之内来潮，应对相关的生活和工作做好相关的计划，比如体育赛事、入院检查手术、重要事件、卫生巾、止痛药物准备等。

S7：用户处于***第35天，且Tr与Ts同时处于高相，且***时间与上一次周期差别不大于1天，此时预测可能黄体期延长、月经推迟、或者早孕。用户结合自身是否在上次月经期结束后进行无保护性生活，选择是否进行验孕测试或者入院检查。

S8：生育后，体温由低温相转为高温相，且排除其他病理现象，则提示产后初次***，将进入正常的***。

以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

Claims (6)

1.一种基础体温监测女性***分析方法及智能穿戴设备，其特征在于:包括外壳（1），所述外壳（1）内安装设有蓄电池（2）、心率传感器（3）、数据传输组件（5）、运动监测传感器、体温传感器（7）、体温信号放大器及其数据处理组件（9）和处理器（8），所述蓄电池（2）、心率传感器（3）、数据传输组件（5）、运动监测传感器、体温传感器（7）、体温信号放大器及其数据处理组件（9）和处理器（8）之间相电连。

2.根据权利要求1所述的一种基础体温监测女性***分析方法及智能穿戴设备，其特征在于：所述体温传感器（7）采用单传感器或者多传感器，所述体温传感器（7）的数量为一个或两个。

3.根据权利要求1所述的一种基础体温监测女性***分析方法及智能穿戴设备，其特征在于：所述运动监测传感器包括安装于所述外壳（1）内的陀螺仪及其组件（6）和加速度传感器及组件（4）。

4.根据权利要求1所述的一种基础体温监测女性***分析方法及智能穿戴设备，其特征在于：所述体温传感器（7）为红外温度传感器或集成温度传感器。

5.根据权利要求1所述的一种基础体温监测女性***分析方法及智能穿戴设备，其特征在于：所述心率传感器（3）为光学传感器或心电信号传感器。

6.根据权利要求1所述的一种基础体温监测女性***分析方法及智能穿戴设备，其特征在于：其分析过程步骤如下：

步骤一：监测并采集体温、运动、心率数据；

步骤二：通过对运动、心率综合分析，同时满足对运动分析和心率分析的结果并持续特定时间段后启动体温监测；

步骤三：通过基础体温的变化规律，来记录并预测***；

步骤四：通过对***的智能学习，将预测到的结果用于指导备孕、避孕以及部分妇产科疾病的预警。

Images