体温数据处理装置及其体温数据处理方法制造方法及图纸

本申请提供一种体温数据处理装置及其体温数据处理方法，采集目标对象在升温完整时间段的温升数据，将所述升温完整时间段划分为多个采样时刻，记录多个采样时刻对应的多个温升数据，对多个温升数据进行二维化处理，对经过二维化处理的多个温升数据进行归一化处理，得到可用于构建体温预测模型的体温数据。本申请能够利用全部温升数据，无需人工特征提取，特征信息更加全面，而且由传统的一维尺度上升到了二维尺度，特征提取更加丰富，另外，不但考虑了单个温度点与左右相邻点的关系，而且还包含了一段温度曲线与其他温度曲线的关系，同时，能够对接一些采用二维数据的算法如卷积神经网络等，能够提高体温预测的准确度。

Temperature data processing device and method of temperature data processing

The application provides a body temperature data processing device and a body temperature data processing method thereof, which collects temperature rise data of the target object in a complete temperature rise period, divides the complete temperature rise period into multiple sampling times, records multiple temperature rise data corresponding to multiple sampling times, performs two-dimensional processing on multiple temperature rise data, and performs two-dimensional processing on multiple temperature rise data After normalization, the temperature data which can be used to build the temperature prediction model are obtained. The application can use all the temperature rise data without manual feature extraction, and feature information is more comprehensive. Moreover, it has risen from the traditional one-dimensional scale to the two-dimensional scale, and feature extraction is more abundant. In addition, it not only considers the relationship between a single temperature point and adjacent points, but also includes the relationship between a section of temperature curve and other temperature curves. At the same time, it can connect some mining Using two-dimensional data algorithm such as convolution neural network can improve the accuracy of temperature prediction.

【技术实现步骤摘要】
体温数据处理装置及其体温数据处理方法
本申请涉及数据处理
，具体涉及一种体温数据处理装置，所述体温数据处理装置的体温数据处理方法。
技术介绍
体温，通常指机体内部的温度，它包括体表温度和体核温度。不同部位测得的温度不同(如额温、口温、腋温、肛温等)，我们的测量以腋温为主。人体的体温是相对恒定的，正常的人体体温为36～37℃。诸多疾病都会导致人体体温正常调节机能发生障碍，从而导致体温出现异常。临床上对病人的体温进行测量，能够为诸多疾病的诊治和预防提供依据。体温是医护人员采集病史和资料过程中一项重要的客观指标，也是一项比较容易获得生理参数。测量体温的仪器通常可以是温度计，例如水银温度计、电子温度计等。体温监测仪能够连续监测病人在一段时间内的体温。依据体温监测仪测得的关于某一人体的连续体温数据及其对应的测量时间，能够形成关于该人体的体温曲线。现有技术中通常依据人体的体温曲线来对该人体的身体状态进行评估。体温曲线能够较好地反应人体在一段时间内的体温变化情况，尤其是可以根据体温曲线的波形反应机体健康或是疾病的状态。另一方面，随着可穿戴技术的发展，可穿戴设备在医疗领域的应用越来越受到技术人员的重视，可穿戴体温计也逐渐成为研究重点。目前，对人体体温的测量主要还是依靠水银体温计或耳温枪等设备，水银体温计需要在腋窝夹紧至少10分钟才能测得人体体温，且水银体温计容易破碎，内含的水银外泄对人体产生危害；耳温枪则是利用耳膜产生的红外线来测量体温，但是对测试者的操作要求较高，且测量精度也不稳定；还有一些可穿戴式体温计仅靠物理传热，测出真实体温也需10分钟以上。以上方法均不能实现方便并且快速准确测量人体体温，而且得到的体温数据准确度不高、难以用于使用到其他领域。针对现有技术的多方面不足，本申请的专利技术人经过深入研究，提出一种体温数据处理装置及其体温数据处理方法。
技术实现思路
本申请的目的在于，提供一种体温数据处理装置及其体温数据处理方法，能够利用全部温升数据，无需人工特征提取，特征信息更加全面，而且由传统的一维尺度上升到了二维尺度，特征提取更加丰富，另外，不但考虑了单个温度点与左右相邻点的关系，而且还包含了一段温度曲线与其他温度曲线的关系，同时，能够对接一些采用二维数据的算法如CNN卷积神经网络等，能够提高体温预测的准确度。为解决上述技术问题，本申请提供一种体温数据处理方法，作为其中一种实施方式，所述体温数据处理方法包括步骤：采集目标对象在升温完整时间段的温升数据；将所述升温完整时间段划分为多个采样时刻，记录多个采样时刻对应的多个温升数据；对多个温升数据进行二维化处理；对经过二维化处理的多个温升数据进行归一化处理，得到可用于构建体温预测模型的体温数据。作为其中一种实施方式，所述对多个温升数据进行二维化处理的步骤，具体包括：定义其中一个温升数据为升温起点，取所述升温起点起至升温完整时的N个一维温升数据；将N个一维温升数据按预定方式重新排列组合，以形成M行M列的二维数组，其中，N＝M*M。作为其中一种实施方式，所述将N个一维温升数据按预定方式重新排列组合，以形成M行M列的二维数组的步骤，具体包括：将N个一维温升数据按从低到高进行排列；将从低到高进行排列的N个一维温升数据再依序先从左到右，再从上到下的预定方式放入到M行M列的二维数组内。作为其中一种实施方式，所述将N个一维温升数据按预定方式重新排列组合，以形成M行M列的二维数组的步骤，具体包括：将N个一维温升数据按从低到高进行排列；将从低到高进行排列的N个一维温升数据再依序由左上到右下的预定方式放入到M行M列的二维数组内。作为其中一种实施方式，所述将N个一维温升数据按预定方式重新排列组合，以形成M行M列的二维数组的步骤，具体包括：将N个一维温升数据按从低到高进行排列；将从低到高进行排列的N个一维温升数据再依序按逆时针方向且由外向内的预定方式放入到M行M列的二维数组内。作为其中一种实施方式，所述将N个一维温升数据按预定方式重新排列组合，以形成M行M列的二维数组的步骤之后，还包括：将从低到高进行排列的N个一维温升数据依序定义为灰度颜色由深到浅的梯度变化；通过二维数组对应的二维灰度图像表示升温曲线图。作为其中一种实施方式，所述对经过二维化处理的多个温升数据进行归一化处理的步骤，具体包括：对经过二维化处理的二维数组进行归一化处理。作为其中一种实施方式：所述采集目标对象在升温完整时间段的温升数据的步骤，具体包括：通过贴片式电子体温计采集处于不同环境温度且不同体温的不同目标对象在升温完整时间段的温升数据；将所述升温完整时间段划分为多个采样时刻，记录多个采样时刻对应的多个温升数据的步骤之后，还包括：对多个温升数据进行滤波处理。作为其中一种实施方式，所述定义其中一个温升数据为升温起点，取所述升温起点起至升温完整时的N个一维温升数据的步骤，具体包括：定义升温完整时间段中温度上升的第一点作为升温起点，或定义温度上升最快点作为升温起点。为解决上述技术问题，本申请还提供一种体温数据处理装置，作为其中一种实施方式，所述体温数据处理装置包括处理器，所述处理器用于执行程序数据，以实现任一上述的体温数据处理方法。有益效果：本申请体温数据处理装置及其体温数据处理方法，通过采集目标对象在升温完整时间段的温升数据，将所述升温完整时间段划分为多个采样时刻，记录多个采样时刻对应的多个温升数据，对多个温升数据进行二维化处理，对经过二维化处理的多个温升数据进行归一化处理，得到可用于构建体温预测模型的体温数据。通过上述方式，本申请能够利用全部温升数据，无需人工特征提取，特征信息更加全面，而且由传统的一维尺度上升到了二维尺度，特征提取更加丰富，另外，不但考虑了单个温度点与左右相邻点的关系，而且还包含了一段温度曲线与其他温度曲线的关系，同时，能够对接一些采用二维数据的算法如CNN卷积神经网络等，能够提高体温预测的准确度。上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。附图说明图1为本申请体温数据处理方法一实施方式的流程示意图。图2为一维温升曲线图。图3A-图5B为分别采用不同转换方式及其对应的不同灰度图像。图6为采用CNN网络模型与传统DB神经网络的预测结果准确度对比图。具体实施方式为更进一步阐述本申请为达成预定申请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，对本申请详细说明如下。通过具体实施方式的说明,当可对本申请为达成预定目的所采取的技术手段及效果得以更加深入且具体的了解，然而所附图式仅是提供参考与说明之本文档来自技高网...

【技术保护点】
1.一种体温数据处理方法，其特征在于，所述体温数据处理方法包括步骤：/n采集目标对象在升温完整时间段的温升数据；/n将所述升温完整时间段划分为多个采样时刻，记录多个采样时刻对应的多个温升数据；/n对多个温升数据进行二维化处理；/n对经过二维化处理的多个温升数据进行归一化处理，得到可用于构建体温预测模型的体温数据。/n

【技术特征摘要】
1.一种体温数据处理方法，其特征在于，所述体温数据处理方法包括步骤：
采集目标对象在升温完整时间段的温升数据；
将所述升温完整时间段划分为多个采样时刻，记录多个采样时刻对应的多个温升数据；
对多个温升数据进行二维化处理；
对经过二维化处理的多个温升数据进行归一化处理，得到可用于构建体温预测模型的体温数据。


2.根据权利要求1所述的体温数据处理方法，其特征在于，所述对多个温升数据进行二维化处理的步骤，具体包括：
定义其中一个温升数据为升温起点，取所述升温起点起至升温完整时的N个一维温升数据；
将N个一维温升数据按预定方式重新排列组合，以形成M行M列的二维数组，其中，N＝M*M。


3.根据权利要求2所述的体温数据处理方法，其特征在于，所述将N个一维温升数据按预定方式重新排列组合，以形成M行M列的二维数组的步骤，具体包括：
将N个一维温升数据按从低到高进行排列；
将从低到高进行排列的N个一维温升数据再依序先从左到右，再从上到下的预定方式放入到M行M列的二维数组内。


4.根据权利要求2所述的体温数据处理方法，其特征在于，所述将N个一维温升数据按预定方式重新排列组合，以形成M行M列的二维数组的步骤，具体包括：
将N个一维温升数据按从低到高进行排列；
将从低到高进行排列的N个一维温升数据再依序由左上到右下的预定方式放入到M行M列的二维数组内。


5.根据权利要求2所述的体温数据处理方法，其特征在于，所述将N个一维温升数据按预定方式重新排列组合，以形成M行M列的二维数组的步骤，具体包括：
将N个一维...

【专利技术属性】
技术研发人员：钮旗超，苏宏红，
申请(专利权)人：浙江清华柔性电子技术研究院，
类型：发明
国别省市：浙江;33