基于人体行为信息熵的人体行为活力度测量方法及系统技术方案

本发明专利技术涉及一种基于人体行为信息熵的人体行为活力度测量方法及系统，其中，所述说法，特征在于，其包括人体行为活力HBV方法：通过计算人体行为连续动态数据序列信息熵测度人体系统宏观系统复杂度，进而度量人体微观系统活力程度。本发明专利技术解决了现有技术存在无法准确地从整体上系统性测量人体整体机能状态，进而准确判定人体健康和机能整体情况，并缺乏统一的量化标准的问题，对人体健康态测量、主动健康行为干预和科学运动训练监控具有重大意义。

Measurement method and system of human activity based on human behavior information entropy

【技术实现步骤摘要】
基于人体行为信息熵的人体行为活力度测量方法及系统
本专利技术属于运动健康和运动训练监控
，尤其涉及一种基于人体行为信息熵的人体行为活力度测量方法及系统。
技术介绍
主动健康是李祥臣研究员所提出的一个新型的健康医学模式，其核心是需要通过把人体主动“推离”相对平衡状态，也就是疾病医学所谈的正常范围，从而激发人体的自组织行为，达到提高人体机能状态目的。其核心理念对科学训练和健康干预具有重大指导意义。如何测量人体的机能状态是关键技术，也是合理安排干预和训练的负荷的基础。目前，较为广泛应用的方法主要是以最大摄氧量百分比、血乳酸含量、安静心率和最大心率百分比划分运动强度，人体心肺运动试验(CardioPulmonaryExerciseTesting，CPET)是通过测定最大摄氧量对人体运动进行评估，作为指导制定运动训练方案(处方)和评价康复疗效的主要方式；心率数据往往借助心率带(表)等方法测试获得，然而，人体系统是非线性、不确定、随机多个子系统协同工作的复杂巨系统，以上传统的方法试图对人体子系统通过“拍照”式采集骨骼肌、心血管、呼吸等各子系统横断面静态数据(如图5)，再通过独立或者线性计算实现对整体测量的目的，比如通过最大心率百分比(如图6)建立常数评价运动强度和整体机能状态(见：JANSSENP.LactateThresholdTraining[M].IL,USA:HumanKinetics,2001.常芸,张忠秋,陈吉棣.中国运动员心血管生理常数[M].中国运动员生理心理常数和营养状况调查.北京；人民体育出版社.2006.常芸,张忠秋,陈吉棣.中国运动员有氧耐力生理常数[M].中国运动员生理心理常数和营养状况调查.北京；人民体育出版社.2006)，按照复杂性科学理念，运动负荷是人体系统对刺激的整体性反应，调控过程涉及到呼吸、神经和大脑等各功能子系统，所有子系统都是相互影响，信号与效应之间的关系是非线性的，存在时间和空间多重并存的复杂相互关系(见如：孙兴国.整体整合生理学医学新理论体系_人体功能一体化自主调控[J].中国循环杂志,2013,28(2):88-92.等)，忽视整体用孤立指标和抽样分析方式会忽略大量隐藏在连续动态数据中的重要信息，尽管很多研究证明CPET在指导制定个体化高强度运动训练、康复治疗稳定性心力衰竭有效(见：刘艳玲,孙兴国,高华,etal.心肺运动指导个体化心衰患者康复的初步总结报告[J].中国应用生理学杂志2015,31(4):374-377)，然而，这种测量心率、呼吸等各单项指标，再建立回归方程预测最大摄氧量、无氧阈等测定值的方法，其本质依然是把静态分离的各项指标进行线性计算简单地等同于对整体上做定量评估，仍然是机械的还原论；此外，CPET的实际操作过程中需要采用提醒、鼓励等，包括非语言类的沟通方式，期望保证患者(被试者)能够达到其运动极限(见如：孙兴国.心肺运动试验的规范化操作要求和难点_数据分析图示与判读原则[J].中国应用生理学杂志,2015,31(4):361-364.等)，这种测量方式存在大量的主观因素，最常用的最大摄氧量的判读方法是人工通过观察打印纸或者显示器上是否出现了“突然”增加(见：孙兴国.心肺运动试验的规范化操作要求和难点-数据分析图示与判读原则[J].中国应用生理学杂志,2015,31(4):361-364.)；氧通气量有规律上升，吸入气和呼出气氧差开始下降二氧化碳并不下降等作为无氧阈判据(见：田野.无氧阈的测试与评价[M].运动生理学高级教程.北京；高等教育出版社.2003:906.)，这都依然是定性判断的方式，实际上无法真正得到精准定量结果，也无法确定被试者是否达到力竭，从而导致最终无法精准测量人体运动能力，更不能依赖子系统准确判定人体整体的功能状态，另，上官若男等人(见：上官若男,苏全生,尚画雨,etal.运动负荷强度与运动疲劳程度量化分级研究进展[J].中国康复医学杂志,2013,28(2):188-192.)在其文献综述中指出当前运动强度实验研究还存在比较凌乱，缺乏一个统一的量化标准的问题；综上所述，现有技术存在无法准确地从整体上系统性测量人体整体机能状态，进而准确判定人体健康和机能整体情况，并缺乏统一的量化标准的问题。
技术实现思路
本专利技术提供一种基于人体行为信息熵的人体行为活力度测量方法及系统，以解决上述
技术介绍
中提出现有技术存在无法准确地从整体上系统性测量人体整体机能状态，进而准确判定人体健康和机能整体情况，并缺乏统一的量化标准的问题。本专利技术所解决的技术问题采用以下技术方案来实现：一种基于人体行为信息熵的人体行为活力度测量方法，包括：人体行为活力HBV方法：通过计算人体行为连续动态数据序列的信息熵，测定人体系统宏观行为复杂度测度，进而测度人体微观系统活力程度。进一步，所述HBV方法包括：在人体行为过程中，通过人体行为活力度函数测量指定连续动态指标计算人体行为活力度BVD，所述BVD为人体行为活力度的量。进一步，所述任一连续动态指标包括运动训练常用的连续监测的如心率、RR间期、心率变异性、血压、呼吸等连续动态指标，所述任一连续动态指标优选为连续动态心率、RR间期或者心率的心率变异性HRV指标。进一步，所述人体行为活力度函数包括：其中：所述RTE为人体实时行为信息熵，其为人体行为活动期间，当前时间段所截取的特定长度的连续动态数据的信息熵；所述PVE为生理活力信息熵，其为人体深度睡眠期间，作为特定参考值的人体行为指定长度连续动态数据序列信息熵；所述BVD为人体行为活力度的量，其为人体实时行为信息熵RTE相对与生理活力信息熵PVE的比值；所述PV为人体行为活力度的量的测量单位，且，规定1PV＝1000mPV。进一步，所述生理活力信息熵PVE须通过连续测试并计算平均值，其连续测试时间优选为两天以上。进一步，所述生理活力信息熵PVE优选确定方法为：步骤一：将特定的行为数序列，如深度睡眠期间心率数据序列；{HRi}＝{HR(1),HR(2),...,HR(3)}按序号顺序组成一组m维矢量；f1：HRm(i)＝{HR(i)，HR(i+1)，...，HR(i+m-1)}，1≤i≤N-m+1；步骤二：将排序后的深度睡眠期间心率数据序列HRm(i)和HRm(j)通过绝对值确定函数确定对应元素差值绝对值最大的一个值，并组成最大序列d[X(i)，X(j)]，其绝对值确定函数为：d[HRm(i)，HRm(j)]＝maxk＝0，...，m-1(|HR(i+k)-HR(j+k)|)，i，j＝1，...，N-m+1；步骤三：将最大序列d[X(i)，X(j)]的维数设为m，统计最大序列d[X(i)，X(j)]中的小于设定阈值r的统计序列；f2：f3：所述Bm(r)是两个序列在相似容限r下匹配m个点的概率；步骤四：将最大序列d[X(i)，X(j)]的维数设为m+1，统计自增后的深度睡眠期间心率数据序列HRm+1(i)本文档来自技高网...

【技术保护点】
1.一种基于人体行为信息熵的人体行为活力度测量方法，其特征在于，包括：/n人体行为活力HBV方法：通过计算人体行为连续动态数据序列的信息熵，测定人体系统宏观行为复杂度测度，进而测度人体微观系统活力程度。/n

【技术特征摘要】
1.一种基于人体行为信息熵的人体行为活力度测量方法，其特征在于，包括：
人体行为活力HBV方法：通过计算人体行为连续动态数据序列的信息熵，测定人体系统宏观行为复杂度测度，进而测度人体微观系统活力程度。


2.根据权利要求1所述人体行为活力度测量方法，其特征在于，所述HBV方法包括：
在人体行为过程中，通过人体行为活力度函数测量指定连续动态指标计算人体行为活力度BVD，所述BVD为人体行为活力度的量。


3.根据权利要求2所述人体行为活力度测量方法，其特征在于，所述任一连续动态指标包括运动训练常用的连续监测的如心率、RR间期、心率变异性、血压、呼吸等连续动态指标，所述任一连续动态指标优选为连续动态心率、RR间期或者心率的心率变异性HRV指标。


4.根据权利要求3所述人体行为活力度测量方法，其特征在于，所述人体行为活力度函数包括：



其中：
所述RTE为人体实时行为信息熵，其为人体行为活动期间，当前时间段所截取的特定长度的连续动态数据的信息熵；
所述PVE为生理活力信息熵，其为人体深度睡眠期间，作为特定参考值的人体行为指定长度连续动态数据序列信息熵；
所述BVD为人体行为活力度的量，其为人体实时行为信息熵RTE相对与生理活力信息熵PVE的比值；
所述PV为人体行为活力度的量的测量单位，且，规定1PV＝1000mPV。


5.根据权利要求4所述人体行为活力度测量方法，其特征在于，所述生理活力信息熵PVE须通过连续测试并计算平均值，其连续测试时间优选为两天以上。


6.根据权利要求5所述人体行为活力度测量方法，其特征在于，所述生理活力信息熵PVE优选确定方法为：
步骤一：将特定的行为数序列，如深度睡眠期间心率数据序列；
{HRi}＝{HR(1),HR(2)，...，HR(N)}按序号顺序组成一组m维矢量；
f1：HRm(i)＝{HR(i)，HR(i+1)，...，HR(i+m-1)}，1≤i≤N-m+1；
步骤二：将排序后的深度睡眠期间心率数据序列HRm(i)和HRm(j)通过绝对值确定函数确定对应元素差值绝对值最大的一个值，并组成最大序列d[X(i)，X(j)]，其绝对值确定函数为：d[HRm(i)，HRm(j)]＝maxk＝0，...，m-1(|HR(i+k)-HR(j+k)|)，i，j＝1，...，N-m+1；
步骤三：将最大序列d[X(i)，X(j)]的维数设为m，统计最大序列d[X(i)，X(j)]中的小于设定阈值r的统计序列；
f2：
f3：
所述Bm(r)是两个序列在相似容限r下匹配m个点的概率；
步骤四：将最大序列d[X(i)，X(j)]的维数设为m+1，统计自增后的深度睡眠期间心率数据序列HRm+1(i)与HRm+1(j)(1≤j≤N-m，j≠i)距离小于等于r的的自增序列；
f4：
f5：
所述Am(r)是两个序列在相似容限r下匹配m+1个点的概率；
步骤五：通过生理活力信息函数确定生理活力信息熵，所述生理活力信息函数为下面两个中的任意一个：
其一为：
f6：PVE＝-ln|Am(r)|，其称为人体生理e熵；
其二为：
f7：PVE＝logΦ|Am(r)|,Φ＝0.618；其中，优选的，Φ近似值为0.618，其称为人体生理Φ熵。


7.根据权利要求6所述人体行为活力度测量方法，其特征在于，所述行为实时信息熵确定方法RTE为：
将步骤一中的深度睡眠期间的心率数据序列替换为人体行为期间的心率数据序列，所述人体行为包括：骑车、跑步、爬山、游泳、静坐、开会、气功、做操或其他人体行为；
步骤二到步骤五的方法与PVE所述的相应步骤二到步骤五保持一致。


8.根据权利要求6、7所述人体行为活力度测量方法，其特征在于，所述m的优选值为1或2，所述r的优选范围为r＝0.15std～0.2std，所述std是原始数据X(i)，所述i＝1，2，......，N的标准差。


9.一种基于人体行为信息熵的人体行为活力度测量系统，其特征在于，包括人体行为活力HBV模块；
所述人体行为活力HBV...

【专利技术属性】
技术研发人员：李祥臣，
申请(专利权)人：李祥臣，
类型：发明
国别省市：北京;11