【技术实现步骤摘要】
一种动态生命体征信号采集系统、监测装置及设备
本专利技术涉及生命体征信号监测领域，具体涉及一种动态生命体征信号采集系统、监测装置及设备。
技术介绍
血氧饱合度(SpO2)与心率(BP)是恒量人体生命特征的关键指标。血氧饱合度(SpO2)与心率(BP)的现有测量方案往往分为三种方式：即传感器置于额头、耳朵、或者手指端。常见的测量方案为手指测量，因手指端肌肉较少，测量过程中所受的肌电干扰较少，因而稳定性较好。测量结果往往直接在测量装置上显示，不会传输到远程终端，也不会对其进行分析。测量过程中要求人处于静止状态，不能运动，否则测量效果非常不准。现有的测量方案无法解决人在动态情况下的血氧和心率测量。现在没有任何一个产品能够进行运动状态下血氧的测量，其根本原因在于血氧装置所采用的光电管为了做到能准确测量，往往将其感知灵敏度做得非常的高，这样的好处是其能够测量到血氧值的微小变化，进而提高测量精度。然而这一设置带来的副作用是其对其它干扰，如运动干扰造成的影响非常敏感。而运动干扰对血氧信号造成的乘性噪声往往非常大，将有用的血氧信号淹没在噪声...
【技术保护点】
1.一种动态生命体征信号采集系统，其特征在于：包括以下模块，/n动态生命体征信号采集模块，其用于采集个体在运动状态下的生命体征信号，得到包含运动噪声的生命体征信号；/n惯导信号采集模块，其用于同步采集个体在运动状态下的惯导信号；/n去噪模块，其用于基于预先训练好的去噪网络模型对同步采集的惯导信号和包含运动噪声的生命体征信号进行分析处理，得到去除运动噪声的生命体征信号。/n
【技术特征摘要】
1.一种动态生命体征信号采集系统，其特征在于：包括以下模块，
动态生命体征信号采集模块，其用于采集个体在运动状态下的生命体征信号，得到包含运动噪声的生命体征信号；
惯导信号采集模块，其用于同步采集个体在运动状态下的惯导信号；
去噪模块，其用于基于预先训练好的去噪网络模型对同步采集的惯导信号和包含运动噪声的生命体征信号进行分析处理，得到去除运动噪声的生命体征信号。
2.根据权利要求1所述的动态生命体征信号采集系统，其特征在于：还包括去噪网络模型训练模块，所述去噪网络模型训练模块，其用于对初始去噪网络模型进行训练，得到训练好的去噪网络模型；
所述去噪网络模型训练模块具体包括以下单元，
动态生命体征信号样本采集单元，其用于采集样本在运动状态下的生命体征信号，得到包含运动噪声的生命体征信号样本；
惯导信号样本采集单元，其用于同步采集样本在运动状态下的惯导信号样本；
真实生命体征信号样本采集单元，其用于同步采集样本在运动状态停止瞬间的生命体征信号，得到真实生命体征信号样本；
去噪网络模型训练单元，其用于将同步采集的真实生命体征信号样本、惯导信号样本和包含运动噪声的生命体征信号样本输入至初始去噪网络模型中进行训练，得到训练好的去噪网络模型。
3.根据权利要求2所述的动态生命体征信号采集系统，其特征在于：所述初始去噪网络模型具体为带有skip连接的UNet网络，所述UNet网络包括多层层叠的编码层和多层层叠的解码层，还包括输出层，最底层的编码层接入同步采集的惯导信号样本和包含运动噪声的生命体征信号样本，最底层的解码层与输出层连接；最顶层的编码层与最顶层的解码层之间通过embedding层连接，所述embedding层具体为一LSTM层；所述LSTM层接入有一featureloss层，且所述featureloss层通过一预先训练网络层接入同步采集的真实生命体征信号样本；所述输出层接入有一生命特征值loss层。
4.根据权利要求3所述的动态生命体征信号采集系统，其特征在于：所述featureloss层中产生的featureloss信号由第一低维信号与第二低维信号之间的距离L1得到；其中，所述第一低维信号由所述真实生命体征信号样本经所述预先训练网络层直接提取得到的，所述第二低维信号由所述惯导信号样本和包含运动噪声的生命体征信号样本产生的；
所述生命特征值loss层中产生的生命特征值loss信号由所述真实生命体征信号样本与所述输出层的输出在计算出的生命特征信号之间的距离L2得到。
5.根据权利要求4所述的动态生命体征信号采集系统，其特征在于：所述生命体征信号具体为血氧信号和心率信号；
所述动态生命体征信号样本采集单元，具体用于采集样本在运动状态下的头部端的血氧信号和心率信号，得到包含运动噪声的生命体征信号样本；
所述真实生命体征信号样本采集单元，具体用于同步采集样本在运动状态停止瞬间的手指端的血氧信号和心率信号，得到真实生命体征信号样本。
6.根据权利要求4所述的动...
【专利技术属性】
技术研发人员：陈文强，刘绪平，蔡超，王绎，
申请(专利权)人：江西国科美信医疗科技有限公司，
类型：发明
国别省市：江西;36
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。