血氧状态检测装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种血氧状态检测装置、设备及存储介质，相较于现有的先发出两组光源，然后接收器检测反射回来的红光和红外光的强度，通过计算两路信号的峰谷值，得到血氧状态的方式，本发明专利技术中，通过确定模块在接收血氧检测指令时，根据血氧检测指令确定待检测区域；提取模块获取待检测区域的初始光信号，并对初始光信号进行特征提取，获得信号特征信息，检测模块根据信号特征信息以及预设深度学习网络模型确定待检测区域的血氧状态，克服了现有技术中采集到的PPG信号往往含有大量的噪声的缺陷，从而能够优化血氧状态检测过程，提高准确率。率。率。

【技术实现步骤摘要】
血氧状态检测装置、设备及存储介质


[0001]本专利技术涉及信号处理
，尤其涉及一种血氧状态检测装置、设备及存储介质。

技术介绍

[0002]目前，血氧状态检测装置是先发出两组光源，然后接收器检测反射回来的红光和红外光的强度，通过计算两路信号的峰谷值，得到血氧饱和度。
[0003]但是，上述方式由于容易受到干扰，采集到的PPG信号往往含有大量的噪声，从而导致检测结果准确率低。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0005]本专利技术的主要目的在于提供一种血氧状态检测装置、设备及存储介质，旨在解决如何优化血氧状态检测过程的技术问题。
[0006]为实现上述目的，本专利技术还提出一种血氧状态检测装置，所述血氧状态检测装置包括：确定模块、提取模块和检测模块；
[0007]所述确定模块，用于在接收血氧检测指令时，根据所述血氧检测指令确定待检测区域；
[0008]所述提取模块，用于获取所述待检测区域的初始光信号，并对所述初始光信号进行特征提取，获得信号特征信息；
[0009]所述检测模块，用于根据所述信号特征信息以及预设深度学习网络模型确定所述待检测区域的血氧状态。
[0010]可选地，所述提取模块，还用于获取所述待检测区域的初始光信号，并对所述初始光信号进行预处理，获得待处理光信号；
[0011]所述提取模块，还用于对所述待处理光信号进行特征提取，获得信号特征信息。/>[0012]可选地，所述提取模块，还用于获取所述待检测区域的初始光信号，并对所述初始光信号进行过滤，获得候选光信号；
[0013]所述提取模块，还用于通过预设小波变化模型对所述候选光信号进行数据处理，获得待处理光信号。
[0014]可选地，所述提取模块，还用于根据预设分段策略对所述待处理光信号进行分割，获得多个待提取光信号；
[0015]所述提取模块，还用于根据所述待提取光信号生成样本特征矩阵，并根据所述样本特征矩阵确定信号特征信息。
[0016]可选地，所述提取模块，还用于对所述待提取光信号进行遍历，将遍历到的待提取光信号作为当前提取光信号；
[0017]所述提取模块，还用于对所述当前提取光信号进行特征提取，获得信号特征点，并根据所述信号特征点生成样本特征矩阵；
[0018]所述提取模块，还用于在对所述待提取光信号遍历结束后，根据所述样本特征矩阵确定信号特征信息。
[0019]可选地，所述提取模块，还用于对所述当前提取光信号进行特征提取，获得信号特征点；
[0020]所述提取模块，还用于根据所述信号特征点确定数据均值、波峰值以及波谷值，并根据所述波峰值以及所述波谷值确定峰谷值；
[0021]所述提取模块，还用于对所述当前提取光信号进行统计，获得上升沿数量以及下降沿数量；
[0022]所述提取模块，还用于根据所述数据均值、所述波峰值、所述波谷值、所述峰谷值、所述上升沿数量以及所述下降沿数量生成样本特征矩阵。
[0023]可选地，所述血氧状态检测装置还包括：训练模块；
[0024]所述训练模块，用于获取样本数据，并根据所述样本数据对初始深度学习网络模型进行训练，获得训练结果；
[0025]所述训练模块，还用于根据所述训练结果确定对所述初始深度学习网络模型进行更新，获得预设深度学习网络模型。
[0026]可选地，所述训练模块，还用于根据所述训练结果确定目标神经元数量以及目标隐藏层数；
[0027]所述训练模块，还用于根据所述目标神经元数量以及所述目标隐藏层数对所述初始深度学习网络模型进行更新，获得预设深度学习网络模型。
[0028]此外，为实现上述目的，本专利技术还提出一种血氧状态检测设备，所述血氧状态检测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的血氧状态检测程序，所述血氧状态检测程序配置为实现如下方法的步骤：
[0029]在接收血氧检测指令时，根据所述血氧检测指令确定待检测区域；
[0030]获取所述待检测区域的初始光信号，并对所述初始光信号进行特征提取，获得信号特征信息；
[0031]根据所述信号特征信息以及预设深度学习网络模型确定所述待检测区域的血氧状态。
[0032]此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有血氧状态检测程序，所述血氧状态检测程序被处理器执行时实现如下方法的步骤；
[0033]在接收血氧检测指令时，根据所述血氧检测指令确定待检测区域；
[0034]获取所述待检测区域的初始光信号，并对所述初始光信号进行特征提取，获得信号特征信息；
[0035]根据所述信号特征信息以及预设深度学习网络模型确定所述待检测区域的血氧状态。
[0036]相较于现有的先发出两组光源，然后接收器检测反射回来的红光和红外光的强度，通过计算两路信号的峰谷值，得到血氧状态的方式，本专利技术中，通过确定模块在接收血氧检测指令时，根据血氧检测指令确定待检测区域；提取模块获取待检测区域的初始光信
号，并对初始光信号进行特征提取，获得信号特征信息，检测模块根据信号特征信息以及预设深度学习网络模型确定待检测区域的血氧状态，克服了现有技术中采集到的PPG信号往往含有大量的噪声的缺陷，从而能够优化血氧状态检测过程，提高准确率。
附图说明
[0037]图1是本专利技术实施例方案涉及的硬件运行环境的血氧状态检测设备的结构示意图；
[0038]图2为本专利技术血氧状态检测装置第一实施例的结构框图；
[0039]图3为本专利技术血氧状态检测装置第三实施例的结构框图；
[0040]图4为本专利技术血氧状态检测装置一实施例的深度学习网络模型结构图。
[0041]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0042]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0043]参照图1，图1为本专利技术实施例方案涉及的硬件运行环境的血氧状态检测设备结构示意图。
[0044]如图1所示，该血氧状态检测设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)，可选用户接口1003还可以包括标准的有线接口、无线接口，对于用户接口1003的有线接口在本专利技术中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的存储器(Non-本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血氧状态检测装置，其特征在于，所述血氧状态检测装置包括：确定模块、提取模块和检测模块；所述确定模块，用于在接收血氧检测指令时，根据所述血氧检测指令确定待检测区域；所述提取模块，用于获取所述待检测区域的初始光信号，并对所述初始光信号进行特征提取，获得信号特征信息；所述检测模块，用于根据所述信号特征信息以及预设深度学习网络模型确定所述待检测区域的血氧状态。2.如权利要求1所述的血氧状态检测装置，其特征在于，所述提取模块，还用于获取所述待检测区域的初始光信号，并对所述初始光信号进行预处理，获得待处理光信号；所述提取模块，还用于对所述待处理光信号进行特征提取，获得信号特征信息。3.如权利要求2所述的血氧状态检测装置，其特征在于，所述提取模块，还用于获取所述待检测区域的初始光信号，并对所述初始光信号进行过滤，获得候选光信号；所述提取模块，还用于通过预设小波变化模型对所述候选光信号进行数据处理，获得待处理光信号。4.如权利要求2所述的血氧状态检测装置，其特征在于，所述提取模块，还用于根据预设分段策略对所述待处理光信号进行分割，获得多个待提取光信号；所述提取模块，还用于根据所述待提取光信号生成样本特征矩阵，并根据所述样本特征矩阵确定信号特征信息。5.如权利要求4所述的血氧状态检测装置，其特征在于，所述提取模块，还用于对所述待提取光信号进行遍历，将遍历到的待提取光信号作为当前提取光信号；所述提取模块，还用于对所述当前提取光信号进行特征提取，获得信号特征点，并根据所述信号特征点生成样本特征矩阵；所述提取模块，还用于在对所述待提取光信号遍历结束后，根据所述样本特征矩阵确定信号特征信息。6.如权利要求5所述的血氧状态检测装置，其特征在于，所述提取模块，还用于对所述当前提取光信号进行特征提取，获得信号特征点；所述提取模块，还用于根据所述信号特征点确定数据均值、波峰值以及...

【专利技术属性】
技术研发人员：王见荣，郝培博，朱海英，王德信，付晖，
申请(专利权)人：青岛歌尔智能传感器有限公司，
类型：发明
国别省市：