当前位置: 首页 > 专利查询>高军峰专利>正文

体征信号检测方法及装置制造方法及图纸

技术编号:15475505 阅读:305 留言:0更新日期:2017-06-02 16:15
本发明专利技术实施例提供一种体征信号检测方法及装置,属于健康监测领域。所述方法包括:获取多组第一信号值,其中,每组所述第一信号值包括第一脉搏信号值、第一运动姿态信号值和体征信号值;将所述多组第一信号值输入到预先建立的深度学习算法模型进行训练,获取训练得出的权值矩阵;获取待测的第二脉搏信号值以及第二运动姿态信号值,将所述第二脉搏信号值以及所述第二运动姿态信号值输入到所述权值矩阵进行测试,获取预测体征信号值,通过深度学习算法模型训练得出的权值矩阵可以有效地检测出准确的体征信号值,从而实现对自身健康进行实时监测和观察。

Sign signal detecting method and device

The embodiment of the invention provides a sign signal detection method and a device, belonging to the field of health monitoring. The method comprises: obtaining a plurality of groups of first signal value, wherein, each of the first signal includes a first pulse signal, first motion signal values and signs of value; the group of the first signal input to the training model of pre established deep learning algorithm, to obtain the weight matrix obtained for training; second pulse signal to be measured value and the second motion signal value, the value of the second pulse signal and the second motion signal value input to the weight matrix test, obtain forecast signs, can effectively detect signs of the exact value of the weight matrix learning training algorithm model to get through the depth of their own health so as to realize the real-time monitoring and observation.

【技术实现步骤摘要】
体征信号检测方法及装置
本专利技术涉及健康监测领域,具体而言,涉及一种体征信号检测方法及装置。
技术介绍
随着科学技术的发展,人们越来越关心自身的健康问题,心率是人类心脏周期性变化信息的重要指标,其变化及差异也成为一项反映被测人心脏疾病基本指标。而心率主要可作用于以下几个方面:1.心脏病的预后检测;心脏病患者的心率快慢和差异与生存率相关较高。心率如果总是高于正常,或最快和最慢心率之间的差异很小,死亡几率就相当高。2.提示运动量是否适宜;心率可以用来衡量运动量的大小。如有氧运动达到有效而安全时,人的心率是170减去年龄数,或掌握在108~144之间。3.心率预示生命的长短;研究发现,所有动物的生命周期都遵循着这样一个规律:心率越快,寿命越短。人类也是如此,保证规律的心跳将有助与人类提高身体抵抗力,延长寿命。4.预示心脏病发病的危险;就人类而言,虽然在安静时60~90次/分钟的心率都属正常范围,但最佳心率却是70次/分钟左右。一项对34000人的调查表明,心率比正常人快12次/分钟的人死于心血管病的危险性要比正常人高27%。这提示人们不能无视心率的快慢。5.反映过劳的指征;当人类过度而产生疲劳后,次日早晨心率比前一天快5次/分钟以上,便可以认为是疲劳过度,这时应调整运动量或劳动量。6.情绪预测;当人类发生情绪波动时,其心跳将依照一定模式发生变化,比如士兵执行任务遇到危险时心跳加快等,根据这些模式,可以实现情绪控制、安全预警、甚至军事方面的应用。现有技术中对心率的检测主要依靠复杂的算法以及硬件,但是对于在远动状态下的心率的检测不足以达到很精确的地步,以致于人们不能很好的预防疾病,时刻观察自身的健康状况。因此,在运动的情况下也能检测一个准确的心率值,是目前急需考虑解决的难题。
技术实现思路
有鉴于此,本专利技术实施例的目的在于提供一种体征信号检测方法及装置,以改善现有技术中不能在运动状态下准确地测出体征信号值的问题。第一方面,本专利技术实施例提供了一种体征信号检测方法,所述方法包括:获取多组第一信号值,其中,每组所述第一信号值包括第一脉搏信号值、第一运动姿态信号值和体征信号值;将所述多组第一信号值输入到预先建立的深度学习算法模型进行训练,获取训练得出的权值矩阵;获取待测的第二脉搏信号值以及第二运动姿态信号值,将所述第二脉搏信号值以及所述第二运动姿态信号值输入到所述权值矩阵进行测试,获取预测体征信号值。进一步地,所述获取多组第一信号值,其中,每组所述第一信号值包括第一脉搏信号值、第一运动姿态信号值和体征信号值,包括:采集多组初始信号和多组初始体征信号,其中,每组所述初始信号包括初始脉搏信号以及初始运动姿态信号;将采集的所述多组初始信号进行放大处理,获取多组放大信号,其中,每组所述放大信号包括放大脉搏信号以及放大运动姿态信号;将所述多组放大信号以及所述多组初始体征信号进行采样,以获得多组第一信号值。进一步地,将将所述多组第一信号值输入到预先建立的深度学习算法模型进行训练,获取训练得出的权值矩阵,包括:将所述多组第一信号值进行特征提取,获得多组第一信号特征值,每组所述第一信号特征值包括第一脉搏信号特征值、第一运动姿态信号特征值和体征信号特征值;将所述多组第一信号特征值通过栈式自编码神经网络模型进行训练,获取训练得出的权值矩阵。进一步地,所述获取待测的第二脉搏信号值以及第二运动姿态信号值,将所述第二脉搏信号值以及所述第二运动姿态信号值输入到所述权值矩阵进行测试,获取预测体征信号值,包括:将所述待测的第二脉搏信号值以及第二运动姿态信号值进行特征提取,获得第二脉搏信号特征值和第二运动姿态信号特征值;将所述第二脉搏信号特征值和第二运动姿态信号特征值进行归一化,获得归一化后的第二脉搏信号值和第二运动姿态信号值;基于所述归一化的第二脉搏信号值和第二运动姿态信号值通过所述栈式自编码神经网络模型训练的所述权值矩阵,获取预测体征信号。进一步地,所述体征信号值为心率信号值或血氧饱和度信号值。第二方面,本专利技术实施例提供了一种体征信号检测装置,所述装置包括:获取第一信号值模块,用于获取多组第一信号值,其中,每组所述第一信号值包括第一脉搏信号值、第一运动姿态信号值和体征信号值;获取权值矩阵模块,用于将所述多组第一信号值输入到预先建立的深度学习算法模型进行训练,获取训练得出的权值矩阵;获取预测体征信号值模块,用于获取待测的第二脉搏信号值以及第二运动姿态信号值,将所述第二脉搏信号值以及所述第二运动姿态信号值输入到所述权值矩阵进行测试,获取预测体征信号值。进一步地,所述获取第一信号值模块包括:采集初始信号子模块,用于采集多组初始信号和多组初始体征信号,其中,每组所述初始信号包括初始脉搏信号以及初始运动姿态信号;放大子模块,用于将采集的所述多组初始信号进行放大处理,获取多组放大信号,其中,每组所述放大信号包括放大脉搏信号以及放大运动姿态信号;采样子模块,用于将所述多组放大信号以及所述多组初始体征信号进行采样,以获得多组第一信号值。进一步地,所述获取权值矩阵模块包括:第一特征提取子模块,用于将所述多组第一信号值进行特征提取,获得多组第一信号特征值,每组所述第一信号特征值包括第一脉搏信号特征值、第一运动姿态信号特征值和体征信号特征值;训练子模块,用于将所述多组第一信号特征值通过栈式自编码神经网络模型进行训练,获取训练得出的权值矩阵。进一步地,所述获取预测体征信号值模块包括:第二特征提取子模块,用于将所述待测的第二脉搏信号值以及第二运动姿态信号值进行特征提取,获得第二脉搏信号特征值和第二运动姿态信号特征值;归一化子模块,用于将所述第二脉搏信号特征值和第二运动姿态信号特征值进行归一化,获得归一化后的第二脉搏信号值和第二运动姿态信号值;预测子模块,用于基于所述归一化的第二脉搏信号值和第二运动姿态信号值通过所述栈式自编码神经网络模型训练的所述权值矩阵,获取预测体征信号。进一步地,所述体征信号值为心率信号值或血氧饱和度信号值。本专利技术实施例的有益效果是:本专利技术提供一种体征信号检测方法及装置,通过获取多组第一信号值,其中,每组所述第一信号值包括第一脉搏信号值、第一运动姿态信号值和体征信号值,再将所述多组第一信号值输入到预先建立的深度学习算法模型进行训练,获取训练得出的权值矩阵;其次将获取待测的第二脉搏信号值以及第二运动姿态信号值,将所述第二脉搏信号值以及所述第二运动姿态信号值输入到所述权值矩阵进行测试,获取预测体征信号值,通过深度学习算法模型训练得出的权值矩阵可以有效地检测出准确的体征信号值,从而实现对自身健康进行实时监测和观察。本专利技术的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。附图说明为了更清楚地说明本专利技术实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本专利技术的某些实施例,因此不应被看作是对范围的限定,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相关的附图。图1示出了一种可应用于本申请实施例中的电子设备400的结构框图;图2为本专利技术实本文档来自技高网
...
体征信号检测方法及装置

【技术保护点】
一种体征信号检测方法,其特征在于,所述方法包括:获取多组第一信号值,其中,每组所述第一信号值包括第一脉搏信号值、第一运动姿态信号值和体征信号值;将所述多组第一信号值输入到预先建立的深度学习算法模型进行训练,获取训练得出的权值矩阵;获取待测的第二脉搏信号值以及第二运动姿态信号值,将所述第二脉搏信号值以及所述第二运动姿态信号值输入到所述权值矩阵进行测试,获取预测体征信号值。

【技术特征摘要】
1.一种体征信号检测方法,其特征在于,所述方法包括:获取多组第一信号值,其中,每组所述第一信号值包括第一脉搏信号值、第一运动姿态信号值和体征信号值;将所述多组第一信号值输入到预先建立的深度学习算法模型进行训练,获取训练得出的权值矩阵;获取待测的第二脉搏信号值以及第二运动姿态信号值,将所述第二脉搏信号值以及所述第二运动姿态信号值输入到所述权值矩阵进行测试,获取预测体征信号值。2.根据权利要求1所述的方法,其特征在于,所述获取多组第一信号值,其中,每组所述第一信号值包括第一脉搏信号值、第一运动姿态信号值和体征信号值,包括:采集多组初始信号和多组初始体征信号,其中,每组所述初始信号包括初始脉搏信号以及初始运动姿态信号;将采集的所述多组初始信号进行放大处理,获取多组放大信号,其中,每组所述放大信号包括放大脉搏信号以及放大运动姿态信号;将所述多组放大信号以及所述多组初始体征信号进行采样,以获得多组第一信号值。3.根据权利要求1所述的方法,其特征在于,将将所述多组第一信号值输入到预先建立的深度学习算法模型进行训练,获取训练得出的权值矩阵,包括:将所述多组第一信号值进行特征提取,获得多组第一信号特征值,每组所述第一信号特征值包括第一脉搏信号特征值、第一运动姿态信号特征值和体征信号特征值;将所述多组第一信号特征值通过栈式自编码神经网络模型进行训练,获取训练得出的权值矩阵。4.根据权利要求3所述的方法,其特征在于,所述获取待测的第二脉搏信号值以及第二运动姿态信号值,将所述第二脉搏信号值以及所述第二运动姿态信号值输入到所述权值矩阵进行测试,获取预测体征信号值,包括:将所述待测的第二脉搏信号值以及第二运动姿态信号值进行特征提取,获得第二脉搏信号特征值和第二运动姿态信号特征值;将所述第二脉搏信号特征值和第二运动姿态信号特征值进行归一化,获得归一化后的第二脉搏信号值和第二运动姿态信号值;基于所述归一化的第二脉搏信号值和第二运动姿态信号值通过所述栈式自编码神经网络模型训练的所述权值矩阵,获取预测体征信号。5.根据权利要求1-4任一一项所述的方法,其特征在于,所述体征信号值为心率信号值或...

【专利技术属性】
技术研发人员:高军峰张崇党鑫韦然郑伟荣凡稳
申请(专利权)人:高军峰
类型:发明
国别省市:湖北,42

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1