CN117064343B - 一种可检测生命体征的智能ar偏振探测数据处理方法 - Google Patents
一种可检测生命体征的智能ar偏振探测数据处理方法 Download PDFInfo
- Publication number
- CN117064343B CN117064343B CN202311307941.5A CN202311307941A CN117064343B CN 117064343 B CN117064343 B CN 117064343B CN 202311307941 A CN202311307941 A CN 202311307941A CN 117064343 B CN117064343 B CN 117064343B
- Authority
- CN
- China
- Prior art keywords
- vital sign
- sign parameter
- optical signal
- parameter
- vital
- 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
- 230000010287 polarization Effects 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000003672 processing method Methods 0.000 title abstract description 7
- 230000003287 optical effect Effects 0.000 claims abstract description 203
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 230000005856 abnormality Effects 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000008859 change Effects 0.000 claims abstract description 13
- 239000006185 dispersion Substances 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 27
- 230000000737 periodic effect Effects 0.000 claims description 27
- 230000006835 compression Effects 0.000 claims description 20
- 238000007906 compression Methods 0.000 claims description 20
- 230000036541 health Effects 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000036760 body temperature Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000035487 diastolic blood pressure Effects 0.000 claims description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 5
- 230000035488 systolic blood pressure Effects 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000006837 decompression Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 18
- 230000035790 physiological processes and functions Effects 0.000 description 50
- 238000012544 monitoring process Methods 0.000 description 5
- 230000008054 signal transmission Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010827 pathological analysis Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 101100272279 Beauveria bassiana Beas gene Proteins 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及数据处理技术领域，具体涉及一种可检测生命体征的智能AR偏振探测数据处理方法，包括：对每种生命体征参数对应的历史正常光信号曲线进行分解获得每种生命体征参数的初始阈值；根据每种生命体征参数对应的生命体征数据序列的分散情况和变化情况，计算每种生命体征参数对应的生命体征数据序列的异常程度；根据每种生命体征参数对应的待传输光信号曲线的所有参考曲线的异常程度，获得每种生命体征参数对应的待传输光信号曲线的改进阈值；根据改进阈值对每种生命体征参数对应的待传输光信号曲线进行压缩。本发明根据异常程度调整DP算法的阈值参数，在保证光信号的传输效率的同时，保证通过光信号提取的生命体征数据的真实性。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种可检测生命体征的智能AR偏振探测数据处理方法。
背景技术
智能AR偏振探测器结合偏振技术和增强现实技术，通过分析光的偏振状态非侵入式地检测生命体征，从而提供用户生理状态的实时监测，同时还可以将用户的生命体征数据与其他环境信息结合，以提供更全面的健康分析和指导，在医疗、运动监测、生物反馈等领域具有潜在的应用前景，并可以为个人健康管理、病理诊断和治疗等提供有益的工具和支持。
通过偏振滤波器选择特定方向的偏振光，通过检测器接收和转换光信号，最后对接收到的光信号进行处理和分析，以提取和计算生命体征的参数。
为了对用户生理状态进行实时监测，需要保证光信号传输的实时性；由于光信号是连续信号，数据量较大，为了提高传输光信号时的传输效率，需要对光信号进行压缩；道格拉斯-普克算法(DP算法)常用于对连续信号进行压缩。
DP算法中的阈值参数决定了压缩效率和压缩数据损失程度：阈值参数越大，压缩效率越高，相应的光信号的传输效率越高，但同时压缩数据损失程度越大，通过光信号提取的生命体征数据与真实生命体征数据的差异越大，通过光信号提取的生命体征数据越不能反应用户的真实身体状况；阈值参数越小，压缩数据损失程度越小，通过光信号提取的生命体征数据与真实生命体征数据的差异越小，通过光信号提取的生命体征数据越能反应用户的真实身体状况，但同时压缩效率越小，相应的光信号的传输效率越低。
因此，需要获得合适的DP算法中的阈值参数，在保证光信号的传输效率的同时，保证通过光信号提取的生命体征数据的真实性。
发明内容
为了解决上述问题，本发明提供一种可检测生命体征的智能AR偏振探测数据处理方法，所述方法包括：
利用智能AR偏振探测器和检测器采集多种生命体征参数对应的光信号，根据多种生命体征参数对应的光信号获得每种生命体征参数对应的光信号曲线和历史正常光信号曲线；
对每种生命体征参数对应的历史正常光信号曲线进行分解获得每种生命体征参数的初始阈值；
将每种生命体征参数对应的光信号曲线转换为每种生命体征参数对应的生命体征数据序列；获得每种生命体征参数的正常范围和预警范围；结合每种生命体征参数的正常范围和预警范围，根据每种生命体征参数对应的生命体征数据序列的分散情况和变化情况，计算每种生命体征参数对应的生命体征数据序列的异常程度；
所述计算每种生命体征参数对应的生命体征数据序列的异常程度，包括的具体方法如下：
对接收的每种生命体征参数对应的光信号曲线进行处理和分析，获得每种生命体征参数对应的生命体征数据序列；获得每种生命体征参数对应的生命体征数据序列中连续超出预警范围的若干个生命体征数据组成的子序列，共获得每种生命体征参数对应的生命体征数据序列的若干个子序列；计算每种生命体征参数对应的生命体征数据序列的异常程度，具体计算公式为：
表示第i生命体征参数对应的生命体征数据序列的异常程度，/>表示第i生命体征参数对应的生命体征数据序列的方差，/>表示第i生命体征参数对应的生命体征数据序列中子序列的数量，/>表示第i生命体征参数对应的生命体征数据序列的第j个子序列的平均变化速率，/>表示第i生命体征参数对应的生命体征数据序列的第j个子序列的长度，/>表示第i生命体征参数对应的生命体征数据序列的长度，/>表示第i生命体征参数对应的生命体征数据序列的第j个子序列中超出正常范围的生命体征数据的平均值，/>表示第i生命体征参数对应的生命体征数据序列的第j个子序列中超出正常范围的程度；
获取当前待传输的每种生命体征参数对应的光信号曲线的所有参考曲线；根据当前待传输的每种生命体征参数对应的光信号曲线的所有参考曲线的异常程度，获得每种生命体征参数对应的待传输光信号曲线的改进阈值；
所述获得每种生命体征参数对应的待传输光信号曲线的改进阈值，包括的具体方法如下：
表示第i生命体征参数对应的待传输光信号曲线的改进阈值，/>表示第i生命体征参数的初始阈值，/>表示第i生命体征参数对应的待传输光信号曲线的第s参考曲线的异常程度，Q表示预设数量；
将所述改进阈值作为道格拉斯-普克算法中的阈值参数，通过道格拉斯-普克算法对每种生命体征参数对应的待传输光信号曲线进行压缩。
进一步地，所述获得每种生命体征参数的初始阈值，包括的具体步骤如下：
对每种生命体征参数对应的历史正常光信号曲线进行STL分解，获得每种生命体征参数对应的历史正常光信号曲线的周期项序列；根据所有极值点将每种生命体征参数对应的历史正常光信号曲线的周期项序列划分为若干个周期段，将每个周期段的两个极值点的连线记为每个周期段的基准线，将每个周期段上所有数据点到每个周期段的基准线的距离的最大值记为每个周期段的最大误差，将所有周期段的最大误差的均值的记为每种生命体征参数的初始阈值。
进一步地，所述获得每种生命体征参数对应的光信号曲线和历史正常光信号曲线，包括的具体步骤如下：
智能AR偏振探测器通过偏振滤波器选择特定方向的偏振光，通过检测器接收和转换得到的光信号，分别为第一生命体征参数到第五生命体征参数对应的光信号；
分别将预设时间段T内每种生命体征参数对应的光信号按照顺序组成的曲线，作为每种生命体征参数对应的光信号曲线，分别为第一生命体征参数对应的光信号曲线到第五生命体征参数对应的光信号曲线；
在历史数据中选取用户的身体健康情况良好时每种生命体征参数对应的光信号按照顺序组成的曲线，要求曲线对应的时间长度为30T，作为每种生命体征参数对应的历史正常光信号曲线，分别为第一生命体征参数对应的历史正常光信号曲线到第五生命体征参数对应的历史正常光信号曲线。
进一步地，所述第一生命体征参数到第五生命体征参数，包括的具体步骤如下：
分别将呼吸、脉搏、体温、舒张压和收缩压这5种生命体征参数记为第一生命体征参数到第五生命体征参数。
进一步地，所述获得每种生命体征参数的正常范围和预警范围，包括的具体步骤如下：
预设每种生命体征参数的正常范围，用和/>分别表示第i生命体征参数的正常范围的下限和上限，第i生命体征参数的正常范围为/>；将/>作为第i生命体征参数的预警范围，/>表示预设参数。
进一步地，所述将每种生命体征参数对应的光信号曲线转换为每种生命体征参数对应的生命体征数据序列，包括的具体步骤如下：
对接收的每种生命体征参数对应的光信号曲线处理和分析，提取和计算生命体征数据，获得每种生命体征参数对应的生命体征数据序列。
进一步地，所述获取当前待传输的每种生命体征参数对应的光信号曲线的所有参考曲线，包括的具体步骤如下：
获得当前待传输的每种生命体征参数对应的光信号曲线，分别记为第一生命体征参数对应的待传输光信号曲线到第五生命体征参数对应的待传输光信号曲线；将当前待传输的每种生命体征参数对应的光信号曲线之前的预设数量Q个每种生命体征参数对应的光信号曲线，按照与当前时刻的时间差从小到大的顺序分别记为当前待传输的每种生命体征参数对应的光信号曲线的第一参考曲线到第六参考曲线。
进一步地，所述通过道格拉斯-普克算法对每种生命体征参数对应的待传输光信号曲线进行压缩，包括的具体步骤如下：
通过道格拉斯-普克算法对每种生命体征参数对应的待传输光信号曲线进行压缩，将压缩结果传输至光信号接收端，对接收到的压缩结果进行解压，对解压获得的光信号进行处理和分析，提取和计算生命体征参数，专业医护人员结合用户的生命体征数据与其他环境信息，提供更全面的健康分析和指导。
本发明的技术方案的有益效果是：为了对用户生理状态进行实时监测，需要保证智能AR偏振探测器的光信号传输的实时性；为了解决在保证光信号的传输效率的同时，保证通过光信号提取的生命体征数据的真实性的问题，本发明结合用户生理状态异常及其前后一段时间内的生命体征数据对分析用户身体状态具有重要意义，通过计算每种生命体征参数对应的生命体征数据序列的异常程度，根据当前待传输的每种生命体征参数对应的光信号曲线的所有参考曲线的异常程度，获得每种生命体征参数对应的待传输光信号曲线的改进阈值，通过异常程度减小DP算法中的阈值参数，缩小压缩结果与光信号之间的差异，减小光信号提取的生命体征数据与真实生命体征数据的差异，在保证光信号的传输效率的同时，优先保证用户生理状态异常及其前后一段时间内的光信号的真实性，使通过光信号提取的生命体征数据越能够反应用户的真实身体状况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种可检测生命体征的智能AR偏振探测数据处理方法的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种可检测生命体征的智能AR偏振探测数据处理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种可检测生命体征的智能AR偏振探测数据处理方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种可检测生命体征的智能AR偏振探测数据处理方法的数据传输模块的方法流程图，该方法包括：
为了对用户生理状态进行实时监测，需要保证光信号传输的实时性；由于光信号是连续信号，数据量较大，为了提高传输光信号时的传输效率，需要对光信号进行压缩；道格拉斯-普克算法(DP算法)常用于对连续信号进行压缩。DP算法中的阈值参数决定了压缩效率和压缩数据损失程度：阈值参数越大，压缩效率越高，相应的光信号的传输效率越高，但同时压缩数据损失程度越大，通过光信号提取的生命体征数据与真实生命体征数据的差异越大，通过光信号提取的生命体征数据越不能反应用户的真实身体状况；阈值参数越小，压缩数据损失程度越小，通过光信号提取的生命体征数据与真实生命体征数据的差异越小，通过光信号提取的生命体征数据越能反应用户的真实身体状况，但同时压缩效率越小，相应的光信号的传输效率越低。因此，需要获得合适的DP算法中的阈值参数，在保证光信号的传输效率的同时，保证通过光信号提取的生命体征数据的真实性。
考虑到对用户生理状态进行实时监测的目的是及时发现用户的身体健康问题，提醒用户及时休息并就医，因此，通过对用户生理状态异常时的生命体征数据进行分析能够准确地获得用户身体发生异常的具体部位，通过对用户生理状态异常前的生命体征数据进行分析能够提前对用户生理状态异常进行预警，通过对用户生理状态异常后的生命体征数据进行分析能够准确地获得用户身体恢复情况，判断是否有再次异常的可能；综上，用户生理状态异常及其前后一段时间内的生命体征数据对分析用户身体状态具有重要意义，因此，需要在保证光信号的传输效率的同时，优先保证用户生理状态异常及其前后一段时间内的光信号的真实性，主要通过减小DP算法中的阈值参数，减小光信号提取的生命体征数据与真实生命体征数据的差异，使通过光信号提取的生命体征数据越能够反应用户的真实身体状况。
本实施例是先对光信号进行传输时，对接收到的光信号进行处理和分析，提取和计算生命体征参数，对生命体征参数进行分析获得用户生理状态；因此，在传输光信号时，无法根据光信号直接获得用户生理状态，因此，本实施例根据对光信号转换后的生命体征参数进行分析获得用户生理状态，用当前的用户生理状态调整对后续的光信号进行压缩时DP算法中的阈值参数，减小光信号提取的生命体征数据与真实生命体征数据的差异，使通过光信号提取的生命体征数据越能够反应用户的真实身体状况
S001，获得每种生命体征参数对应的光信号曲线。
需要说明的是，智能AR偏振探测器结合偏振技术和增强现实技术，通过分析光的偏振状态非侵入式地检测生命体征，从而提供用户生理状态的实时监测，同时还可以将用户的生命体征数据与其他环境信息结合，以提供更全面的健康分析和指导，在医疗、运动监测、生物反馈等领域具有潜在的应用前景，并可以为个人健康管理、病理诊断和治疗等提供有益的工具和支持。具体为：通过偏振滤波器选择特定方向的偏振光，通过检测器接收和转换得到光信号，最后对接收到的光信号进行处理和分析，以提取和计算生命体征的参数。
具体的，智能AR偏振探测器通过偏振滤波器选择特定方向的偏振光，通过检测器接收和转换得到的光信号；由于本实施例需要通过用户的呼吸、脉搏、体温、舒张压和收缩压共5个生命体征数据对用户的生理状态进行监测，其中，分别将呼吸、脉搏、体温、舒张压和收缩压这5种生命体征参数记为第一生命体征参数到第五生命体征参数，因此产生的光信号有5种，分别为第一生命体征参数对应的光信号到第五生命体征参数对应的光信号。
预设一个时间段T，其中本实施例以T=10s为例进行叙述，本实施例不进行具体限定，其中T可根据具体实施情况而定。
进一步，分别将预设时间段T内每种生命体征参数对应的光信号按照顺序组成的曲线，作为每种生命体征参数对应的光信号曲线，分别为第一生命体征参数对应的光信号曲线到第五生命体征参数对应的光信号曲线。
S002，根据历史数据获得每种生命体征参数对应的历史正常光信号曲线，对每种生命体征参数对应的历史正常光信号曲线进行分解获得每种生命体征参数的初始阈值。
需要说明的是，为了对用户生理状态进行实时监测，需要保证光信号传输的实时性；由于光信号是连续信号，数据量较大，为了提高传输光信号时的传输效率，需要对光信号进行压缩；道格拉斯-普克算法(DP算法)常用于对连续信号进行压缩。DP算法中的阈值参数决定了压缩效率和压缩数据损失程度，因此，本实施例通过对用户的身体健康情况良好时的光信号进行分析，获得正常情况下光信号的误差，作为DP算法中的阈值参数的初始值。
1、根据历史数据获得每种生命体征参数对应的历史正常光信号曲线。
具体的，在历史数据中选取用户的身体健康情况良好时每种生命体征参数对应的光信号按照顺序组成的曲线，要求曲线对应的时间长度为30T，T表示预设时间段，作为每种生命体征参数对应的历史正常光信号曲线，分别为第一生命体征参数对应的历史正常光信号曲线到第五生命体征参数对应的历史正常光信号曲线；其中，用户的身体健康情况是专业医护人员结合用户的生命体征数据与其他环境信息提供的；专业医护人员结合用户的生命体征数据与其他环境信息提供用户的身体健康情况为智能AR偏振探测器中的公知技术，此处不进行赘述。
2、对每种生命体征参数对应的历史正常光信号曲线进行分解获得每种生命体征参数的初始阈值。
对每种生命体征参数对应的历史正常光信号曲线进行STL分解，获得每种生命体征参数对应的历史正常光信号曲线的周期项序列；根据所有极值点将每种生命体征参数对应的历史正常光信号曲线的周期项序列划分为若干个周期段，将每个周期段的两个极值点的连线记为每个周期段的基准线，将每个周期段上所有数据点到每个周期段的基准线的距离的最大值记为每个周期段的最大误差，将所有周期段的最大误差的均值的记为每种生命体征参数的初始阈值。
S003，根据生命体征参数的正常范围获得生命体征参数的预警范围，结合生命体征参数的正常范围和预警范围，根据每种生命体征参数对应的生命体征数据序列的分散情况和变化情况，计算每种生命体征参数对应的生命体征数据序列的异常程度。
需要说明的是，本实施例通过减小对用户生理状态异常及其前后一段时间内的光信号进行压缩时DP算法中的阈值参数，减小光信号提取的生命体征数据与真实生命体征数据的差异，使通过光信号提取的生命体征数据越能够反应用户的真实身体状况，以此在保证光信号的传输效率的同时，优先保证用户生理状态异常及其前后一段时间内的光信号的真实性。
进一步需要说明的是，因此，在光信号接收端，对接收到的光信号进行处理和分析，提取和计算生命体征参数，需要对生命体征参数进行简单分析，判断用户生理状态的异常程度，根据用户生理状态的异常程度调整对下一个预设时间段的光信号曲线进行压缩时的DP算法中的阈值参数，用户生理状态的异常程度越大，越需要更加准确的生命体征数据，进而反应用户的真实身体状况，则DP算法中的阈值参数越小。
1、根据生命体征参数的正常范围获得生命体征参数的预警范围。
需要说明的是，对生命体征参数进行分析获得用户生理状态的异常程度时，现有方法通常是通过设置生命体征参数的上限和下限获得正常范围，生命体征数据在对应的生命体征参数的正常范围内时，说明生命体征数据正常，其中，呼吸的正常范围为[12,20]，脉搏的正常范围为[60,100]，体温的正常范围为[36.2,37.3]，舒张压的正常范围为[60,90]，收缩压的正常范围为[90,140]；只有当生命体征数据超出正常范围时，才认为用户生理状态发生异常，但是当患者的生命体征数据在正常数范围内大幅度变化且多次非常接近上下限时，由于没有超过设定的正常范围，因此，不会认为用户生理状态发生异常，但是，此时用户的生理状态即将变得异常甚至已经属于异常了；因此，本实施例结合生命体征参数的正常范围设置生命体征参数的预警范围，结合生命体征数据在生命体征参数的预警范围内的变化情况，获得用户生理状态的异常程度。
预设一个参数，其中本实施例/>=0.8为例进行叙述，本实施例不进行具体限定，其中/>根据具体实施情况而定。
具体的，第一生命体征参数的正常范围为[12,20]，第二生命体征参数的正常范围为[60,100]，第三生命体征参数的正常范围为[36.2,37.3]，第四生命体征参数的正常范围为[60,90]，第五生命体征参数的正常范围为[90,140]；用和/>分别表示第i生命体征参数的正常范围的下限和上限，第i生命体征参数的正常范围为/>；将作为第i生命体征参数的预警范围。
2、结合生命体征参数的正常范围和预警范围，根据每种生命体征参数对应的生命体征数据序列的分散情况和变化情况，计算每种生命体征参数对应的生命体征数据序列的异常程度。
具体的，对接收的每种生命体征参数对应的光信号曲线处理和分析，提取和计算生命体征数据，获得每种生命体征参数对应的生命体征数据序列；具体处理和分析以及提取和计算的方法为智能AR偏振探测器中的公知技术，此处不进行赘述。
具体的，获得每种生命体征参数对应的生命体征数据序列中连续超出预警范围的若干个生命体征数据组成的子序列，共获得每种生命体征参数对应的生命体征数据序列的若干个子序列；根据每种生命体征参数对应的生命体征数据序列的分散情况和每种生命体征参数对应的生命体征数据序列的若干个子序列的变化情况，计算每种生命体征参数对应的生命体征数据序列的异常程度，具体计算公式为：
表示第i生命体征参数对应的生命体征数据序列的异常程度，/>表示第i生命体征参数对应的生命体征数据序列的方差，/>表示第i生命体征参数对应的生命体征数据序列中子序列的数量，/>表示第i生命体征参数对应的生命体征数据序列的第j个子序列的平均变化速率，/>是指第i生命体征参数对应的生命体征数据序列的第j个子序列中所有相邻的两个生命体征数据的差值的绝对值的均值，/>表示第i生命体征参数对应的生命体征数据序列的第j个子序列的长度，/>表示第i生命体征参数对应的生命体征数据序列的长度，/>表示第i生命体征参数对应的生命体征数据序列的第j个子序列中超出正常范围的生命体征数据的平均值，/>表示第i生命体征参数对应的生命体征数据序列的第j个子序列中超出正常范围的程度。
第i生命体征参数对应的生命体征数据序列的方差表征第i生命体征参数对应的生命体征数据序列的分散情况，该值越大，患者的生命体征数据的变化越剧烈，用户生理状态越可能发生异常，生命体征数据序列的异常程度越大；第i生命体征参数对应的生命体征数据序列的第j个子序列的平均变化速率/>表征子序列的变化情况，该值越大，单位时间内子序列中的生命体征数据变化越快，则生命体征数据越可能在短时间内突破生命体征参数的正常范围，用户生理状态越可能发生异常，第i生命体征参数对应的生命体征数据序列的异常程度越大；/>表示第i生命体征参数对应的生命体征数据序列的第j个子序列中超出预警范围的数据的连续程度，该值越大，说明患者的生命体征数据非常接近生命体征参数的正常范围的上下限的持续时间越长，此时，用户生理状态越可能发生异常，第i生命体征参数对应的生命体征数据序列的异常程度越大；/>表示第i生命体征参数对应的生命体征数据序列的第j个子序列中超出正常范围的程度，该值越大，说明子序列中超出正常范围的程度越大，用户生理状态发生异常的程度越大，第i生命体征参数对应的生命体征数据序列的异常程度越大；用/>作为伽马变换函数/>的伽马因子，该值越大，伽马因子/>越小，则伽马变换函数/>越大，第i生命体征参数对应的生命体征数据序列的异常程度越大。
需要说明的是，本实施例计算的生命体征数据序列的异常程度判断用户的身体健康情况的，仅用于后续对光信号进行压缩时DP算法中的阈值参数进行计算，用户的身体健康情况，需要专业医护人员结合用户的生命体征数据与其他环境信息，提供更全面的健康分析和指导。
S004，根据当前待传输的每种生命体征参数对应的光信号曲线的所有参考曲线的异常程度，获得每种生命体征参数对应的待传输光信号曲线的改进阈值。
需要说明的是，本实施例为了提高偏振探测数据的传输效率的同时，优先保证用户生理状态异常及其前后一段时间内的光信号的真实性，根据每种生命体征参数对应的生命体征数据序列的异常程度，对后一段时间内的光信号进行压缩时DP算法中的阈值参数进行调整，主要通过减小DP算法中的阈值参数，减小光信号提取的生命体征数据与真实生命体征数据的差异，使通过光信号提取的生命体征数据越能够反应用户的真实身体状况。
预设一个数量Q，其中本实施例以Q=6为例进行叙述，本实施例不进行具体限定，其中Q可根据具体实施情况而定。
具体的，获得当前待传输的每种生命体征参数对应的光信号曲线，分别记为第一生命体征参数对应的待传输光信号曲线到第五生命体征参数对应的待传输光信号曲线；将当前待传输的每种生命体征参数对应的光信号曲线之前的Q个每种生命体征参数对应的光信号曲线，按照与当前时刻的时间差从小到大的顺序分别记为当前待传输的每种生命体征参数对应的光信号曲线的第一参考曲线到第六参考曲线。
进一步，根据当前待传输的每种生命体征参数对应的光信号曲线的所有参考曲线的异常程度，获得每种生命体征参数对应的待传输光信号曲线的改进阈值，具体计算公式为：
表示第i生命体征参数对应的待传输光信号曲线的改进阈值，/>表示第i生命体征参数的初始阈值，/>表示第i生命体征参数对应的待传输光信号曲线的第s参考曲线的异常程度，Q表示预设数量。
本实施例以当前时刻之前的1分钟内的用户生理状态为依据预测当前的用户生理状态，之前的1分钟内的用户生理状态越异常，则当前的用户生理状态异常的可能性越大；因此，本实施例根据前1分钟的6个生命体征数据序列的异常程度来获得目标光信号曲线的改进阈值，时间上距离当前时间越近的用户生理状态对预测当前的用户生理状态越重要，因此，时间上距离目标光信号曲线越近的生命体征数据序列的异常程度越能够表征目标光信号曲线对应的生命体征数据序列的异常程度，以时间差为伽马因子，距离目标光信号曲线越近的生命体征数据序列的时间差越小，则伽马因子越小，相应的通过伽马函数变换后的结果越大，第i生命体征参数对应的待传输光信号曲线的改进阈值越小/>，减小光信号提取的生命体征数据与真实生命体征数据的差异，使通过光信号提取的生命体征数据越能够反应用户的真实身体状况。
S005，根据改进阈值对每种生命体征参数对应的待传输光信号曲线进行压缩。
具体的，将每种生命体征参数对应的待传输光信号曲线的改进阈值作为DP算法中的阈值参数，通过DP算法对每种生命体征参数对应的待传输光信号曲线进行压缩，将压缩结果传输至光信号接收端，对接收到的压缩结果进行解压，对解压获得的光信号进行处理和分析，提取和计算生命体征参数，专业医护人员结合用户的生命体征数据与其他环境信息，提供更全面的健康分析和指导。
为了对用户生理状态进行实时监测，需要保证智能AR偏振探测器的光信号传输的实时性；为了解决在保证光信号的传输效率的同时，保证通过光信号提取的生命体征数据的真实性的问题，本发明结合用户生理状态异常及其前后一段时间内的生命体征数据对分析用户身体状态具有重要意义，通过计算每种生命体征参数对应的生命体征数据序列的异常程度，根据当前待传输的每种生命体征参数对应的光信号曲线的所有参考曲线的异常程度，获得每种生命体征参数对应的待传输光信号曲线的改进阈值，通过异常程度减小DP算法中的阈值参数，缩小压缩结果与光信号之间的差异，减小光信号提取的生命体征数据与真实生命体征数据的差异，在保证光信号的传输效率的同时，优先保证用户生理状态异常及其前后一段时间内的光信号的真实性，使通过光信号提取的生命体征数据越能够反应用户的真实身体状况。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种可检测生命体征的智能AR偏振探测数据处理方法，其特征在于，所述方法包括：
利用智能AR偏振探测器和检测器采集多种生命体征参数对应的光信号，根据多种生命体征参数对应的光信号获得每种生命体征参数对应的光信号曲线和历史正常光信号曲线；
对每种生命体征参数对应的历史正常光信号曲线进行分解获得每种生命体征参数的初始阈值；
将每种生命体征参数对应的光信号曲线转换为每种生命体征参数对应的生命体征数据序列；获得每种生命体征参数的正常范围和预警范围；结合每种生命体征参数的正常范围和预警范围，根据每种生命体征参数对应的生命体征数据序列的分散情况和变化情况，计算每种生命体征参数对应的生命体征数据序列的异常程度；
所述计算每种生命体征参数对应的生命体征数据序列的异常程度，包括的具体方法如下：
对接收的每种生命体征参数对应的光信号曲线进行处理和分析，获得每种生命体征参数对应的生命体征数据序列；获得每种生命体征参数对应的生命体征数据序列中连续超出预警范围的若干个生命体征数据组成的子序列，共获得每种生命体征参数对应的生命体征数据序列的若干个子序列；计算每种生命体征参数对应的生命体征数据序列的异常程度，具体计算公式为：
表示第i生命体征参数对应的生命体征数据序列的异常程度，/>表示第i生命体征参数对应的生命体征数据序列的方差，/>表示第i生命体征参数对应的生命体征数据序列中子序列的数量，/>表示第i生命体征参数对应的生命体征数据序列的第j个子序列的平均变化速率，/>表示第i生命体征参数对应的生命体征数据序列的第j个子序列的长度，/>表示第i生命体征参数对应的生命体征数据序列的长度，/>表示第i生命体征参数对应的生命体征数据序列的第j个子序列中超出正常范围的生命体征数据的平均值，/>表示第i生命体征参数对应的生命体征数据序列的第j个子序列中超出正常范围的程度；
获取当前待传输的每种生命体征参数对应的光信号曲线的所有参考曲线；根据当前待传输的每种生命体征参数对应的光信号曲线的所有参考曲线的异常程度，获得每种生命体征参数对应的待传输光信号曲线的改进阈值；
所述获得每种生命体征参数对应的待传输光信号曲线的改进阈值，包括的具体方法如下：
表示第i生命体征参数对应的待传输光信号曲线的改进阈值，/>表示第i生命体征参数的初始阈值，/>表示第i生命体征参数对应的待传输光信号曲线的第s参考曲线的异常程度，Q表示预设数量；
将所述改进阈值作为道格拉斯-普克算法中的阈值参数，通过道格拉斯-普克算法对每种生命体征参数对应的待传输光信号曲线进行压缩。
2.根据权利要求1所述的一种可检测生命体征的智能AR偏振探测数据处理方法，其特征在于，所述获得每种生命体征参数的初始阈值，包括的具体步骤如下：
对每种生命体征参数对应的历史正常光信号曲线进行STL分解，获得每种生命体征参数对应的历史正常光信号曲线的周期项序列；根据所有极值点将每种生命体征参数对应的历史正常光信号曲线的周期项序列划分为若干个周期段，将每个周期段的两个极值点的连线记为每个周期段的基准线，将每个周期段上所有数据点到每个周期段的基准线的距离的最大值记为每个周期段的最大误差，将所有周期段的最大误差的均值的记为每种生命体征参数的初始阈值。
3.根据权利要求1所述的一种可检测生命体征的智能AR偏振探测数据处理方法，其特征在于，所述获得每种生命体征参数对应的光信号曲线和历史正常光信号曲线，包括的具体步骤如下：
智能AR偏振探测器通过偏振滤波器选择特定方向的偏振光，通过检测器接收和转换得到的光信号，分别为第一生命体征参数到第五生命体征参数对应的光信号；
分别将预设时间段T内每种生命体征参数对应的光信号按照顺序组成的曲线，作为每种生命体征参数对应的光信号曲线，分别为第一生命体征参数对应的光信号曲线到第五生命体征参数对应的光信号曲线；
在历史数据中选取用户的身体健康情况良好时每种生命体征参数对应的光信号按照顺序组成的曲线，要求曲线对应的时间长度为30T，作为每种生命体征参数对应的历史正常光信号曲线，分别为第一生命体征参数对应的历史正常光信号曲线到第五生命体征参数对应的历史正常光信号曲线。
4.根据权利要求3所述的一种可检测生命体征的智能AR偏振探测数据处理方法，其特征在于，所述第一生命体征参数到第五生命体征参数，包括的具体步骤如下：
分别将呼吸、脉搏、体温、舒张压和收缩压这5种生命体征参数记为第一生命体征参数到第五生命体征参数。
5.根据权利要求1所述的一种可检测生命体征的智能AR偏振探测数据处理方法，其特征在于，所述获得每种生命体征参数的正常范围和预警范围，包括的具体步骤如下：
预设每种生命体征参数的正常范围，用和/>分别表示第i生命体征参数的正常范围的下限和上限，第i生命体征参数的正常范围为/>；将/>作为第i生命体征参数的预警范围，/>表示预设参数。
6.根据权利要求1所述的一种可检测生命体征的智能AR偏振探测数据处理方法，其特征在于，所述将每种生命体征参数对应的光信号曲线转换为每种生命体征参数对应的生命体征数据序列，包括的具体步骤如下：
对接收的每种生命体征参数对应的光信号曲线处理和分析，提取和计算生命体征数据，获得每种生命体征参数对应的生命体征数据序列。
7.根据权利要求1所述的一种可检测生命体征的智能AR偏振探测数据处理方法，其特征在于，所述获取当前待传输的每种生命体征参数对应的光信号曲线的所有参考曲线，包括的具体步骤如下：
获得当前待传输的每种生命体征参数对应的光信号曲线，分别记为第一生命体征参数对应的待传输光信号曲线到第五生命体征参数对应的待传输光信号曲线；将当前待传输的每种生命体征参数对应的光信号曲线之前的预设数量Q个每种生命体征参数对应的光信号曲线，按照与当前时刻的时间差从小到大的顺序分别记为当前待传输的每种生命体征参数对应的光信号曲线的第一参考曲线到第六参考曲线。
8.根据权利要求1所述的一种可检测生命体征的智能AR偏振探测数据处理方法，其特征在于，所述通过道格拉斯-普克算法对每种生命体征参数对应的待传输光信号曲线进行压缩，包括的具体步骤如下：
通过道格拉斯-普克算法对每种生命体征参数对应的待传输光信号曲线进行压缩，将压缩结果传输至光信号接收端，对接收到的压缩结果进行解压，对解压获得的光信号进行处理和分析，提取和计算生命体征参数，专业医护人员结合用户的生命体征数据与其他环境信息，提供更全面的健康分析和指导。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311307941.5A CN117064343B (zh) | 2023-10-11 | 2023-10-11 | 一种可检测生命体征的智能ar偏振探测数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311307941.5A CN117064343B (zh) | 2023-10-11 | 2023-10-11 | 一种可检测生命体征的智能ar偏振探测数据处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117064343A CN117064343A (zh) | 2023-11-17 |
| CN117064343B true CN117064343B (zh) | 2023-12-19 |
Family
ID=88708319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311307941.5A Active CN117064343B (zh) | 2023-10-11 | 2023-10-11 | 一种可检测生命体征的智能ar偏振探测数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117064343B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117649914B (zh) * | 2024-01-30 | 2024-04-26 | 陕西省核工业二一五医院 | 一种用于胃镜麻醉过程的患者体征实时监测*** |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105142498A (zh) * | 2013-03-15 | 2015-12-09 | 感知技术有限公司 | 增强光学和感知数字护目镜 |
| CN107106017A (zh) * | 2014-10-30 | 2017-08-29 | 皇家飞利浦有限公司 | 用于提取生理信息的设备、***和方法 |
| CN108474956A (zh) * | 2015-12-29 | 2018-08-31 | 微软技术许可有限责任公司 | 具有可变聚焦的增强现实显示*** |
| CN110095866A (zh) * | 2018-01-29 | 2019-08-06 | 京东方科技集团股份有限公司 | 增强现实装置、增强现实***及其信息提示方法 |
| CN110361866A (zh) * | 2019-07-11 | 2019-10-22 | Oppo广东移动通信有限公司 | 一种透射光强可调的头戴显示设备 |
| CN110558956A (zh) * | 2019-08-21 | 2019-12-13 | 武汉凯锐普信息技术有限公司 | 一种生命体征监测装置 |
| CN111916215A (zh) * | 2020-06-17 | 2020-11-10 | 扬州大学附属医院 | 一种群集性/慢性疾病早期自动报警、初步特征分析与风险评估*** |
| CN113509152A (zh) * | 2021-09-15 | 2021-10-19 | 深圳市脉度科技有限公司 | 一种检测皮肤生理参数的方法、装置及智能终端 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7375701B2 (en) * | 2004-07-01 | 2008-05-20 | Carestream Health, Inc. | Scanless virtual retinal display system |
| US20170103440A1 (en) * | 2015-08-01 | 2017-04-13 | Zhou Tian Xing | Wearable augmented reality eyeglass communication device including mobile phone and mobile computing via virtual touch screen gesture control and neuron command |
-
2023
- 2023-10-11 CN CN202311307941.5A patent/CN117064343B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105142498A (zh) * | 2013-03-15 | 2015-12-09 | 感知技术有限公司 | 增强光学和感知数字护目镜 |
| CN107106017A (zh) * | 2014-10-30 | 2017-08-29 | 皇家飞利浦有限公司 | 用于提取生理信息的设备、***和方法 |
| CN108474956A (zh) * | 2015-12-29 | 2018-08-31 | 微软技术许可有限责任公司 | 具有可变聚焦的增强现实显示*** |
| CN110095866A (zh) * | 2018-01-29 | 2019-08-06 | 京东方科技集团股份有限公司 | 增强现实装置、增强现实***及其信息提示方法 |
| CN110361866A (zh) * | 2019-07-11 | 2019-10-22 | Oppo广东移动通信有限公司 | 一种透射光强可调的头戴显示设备 |
| CN110558956A (zh) * | 2019-08-21 | 2019-12-13 | 武汉凯锐普信息技术有限公司 | 一种生命体征监测装置 |
| CN111916215A (zh) * | 2020-06-17 | 2020-11-10 | 扬州大学附属医院 | 一种群集性/慢性疾病早期自动报警、初步特征分析与风险评估*** |
| CN113509152A (zh) * | 2021-09-15 | 2021-10-19 | 深圳市脉度科技有限公司 | 一种检测皮肤生理参数的方法、装置及智能终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117064343A (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117064343B (zh) | 一种可检测生命体征的智能ar偏振探测数据处理方法 | |
| EP2298158B1 (en) | Adaptive selection of a warning limit in patient monitoring | |
| CN109259756B (zh) | 基于非平衡训练的二级神经网络的ecg信号处理方法 | |
| Tarassenko et al. | BIOSIGN™: multi-parameter monitoring for early warning of patient deterioration | |
| WO2013112935A1 (en) | Systems and methods for automatic segment selection for multi-dimensional biomedical signals | |
| KR20190120684A (ko) | 생체신호 측정 상태 모니터링 장치 및 방법과, 생체정보 측정 장치 및 방법 | |
| Kim et al. | Deepcnap: A deep learning approach for continuous noninvasive arterial blood pressure monitoring using photoplethysmography | |
| CN111714117A (zh) | 一种基于时序深度模型的心电信号异常检测方法 | |
| CN115089179A (zh) | 一种心理情绪洞察分析方法及*** | |
| Bernard et al. | Toward IoT-based medical edge devices: PPG-based blood pressure estimation application | |
| CN111402523A (zh) | 一种基于面部影像识别的医疗报警***及方法 | |
| US20080246617A1 (en) | Monitor apparatus, system and method | |
| US11179046B2 (en) | Method and system for detection of atrial fibrillation | |
| CN116942115A (zh) | 基于无线传感网络的手术麻醉生命体征智能监测*** | |
| US6629930B2 (en) | Pressure Holter that is self-programmable as a function of the monitored physical activity of the patient | |
| CN111067500A (zh) | 一种基于ppg信号实现连续血压的监测*** | |
| CN114903449A (zh) | 一种远程健康监护*** | |
| Pathinarupothi | Clinically aware data summarization at the edge for Internet of Medical Things | |
| CN110547769A (zh) | 使用人工智能提高无创检测设备检测精度的纠偏方法 | |
| CN118078305B (zh) | 用于可穿戴式血流动力监测仪的动态心电数据处理方法 | |
| US20230190203A1 (en) | Human health risk assessment method | |
| CN117045216B (zh) | 一种基于模糊控制的血液指标非侵入性医疗分析*** | |
| CN117503073A (zh) | 一种采集多类生理参数的设备模块 | |
| CN213821406U (zh) | 基于ppg信号的人体热舒适状态检测*** | |
| CN117438021A (zh) | 一种可还原信号特征压缩算法 |
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 |