一种便秘预测方法技术

本发明专利技术涉及一种便秘预测方法。本发明专利技术通过重量传感器采集用户如厕过程中的重量变化数据，然后根据不同的排便时长将数据进行分类，根据不同的分类结果计算便秘的分析参数：以重量稳定性判断用户是否存在难以排便的紧张感，其次通过重量稳定性作为参数计算便期稳定性，进而分析用户整个排便过程的状态，判断是否存在大量排便困难节点，最后与历史2

【技术实现步骤摘要】
一种便秘预测方法


[0001]本专利技术属于无线传感器和人工智能
，涉及一种便秘预测方法。

技术介绍

[0002]智慧医疗以人工智能与大数据为基础，通过传感器收集各方面的数据信息，进行建模、计算、分析，给医生诊断患者的病情给予指导建议，切实推动医疗健康领域的研究进展，产生实际的社会影响和经济效益。对于传统的便秘诊断，具有多方面的缺陷之处：
[0003](1)医生判断便秘的方法是通过患者是否超过三天以上的时间没有排便，并且排便困难，排便时间会超过半个小时。
[0004](2)早期的便秘症状不太明显，患者往往容易忽视，也很难通过现有的方法进行判断。
[0005](3)已经发现具有明显便秘症状的患者，通常肠道黏膜已经糜烂、溃疡,血清性蛋白质渗出液明显，结肠直肠部位已经具有炎症，甚至会形成肠道肿瘤。
[0006]可见便秘对人体的具有很大的危害，尽早发现早期便秘的症状，进行有效的治疗尤为重要。随着人们对自身健康重视程度的提高，迫切需要能够提早预测便秘的技术。

技术实现思路

[0007]本专利技术的目的就是提供一种便秘预测方法。根据用户体重数据的变化量进行目标识别以及症状诊断分析，能够提前预测用户的便秘状况。
[0008]具体包括如下步骤：
[0009]步骤一、在马桶盖中安装4个半桥式重量传感器，通过海芯科技有限公司的HX711控制器实时采集人体重量数据；在使用前，通过互联网将所有用户的标准特征数据录入排便数据库，标准特征数据包括标准体重以及第一次排便过程；通常在用户第一次使用时，测量其体重，并记录其第一次排便过程；通过服务器定义重量传感器取样频率、便秘几率R的阈值；
[0010]步骤二、当排便开始时，通过初始5秒钟体重连续变化数据与数据库中标准特征数据比较，确认用户；
[0011]步骤三、当系统确认用户对象后，将每次排便时长作为数据变化周期，4个半桥式重量传感器向HX711控制器发送体重变化数据：
[0012]a.数据变化周期若小于3分钟，如果便前与便后的重量变化大于100g，认为表示通便顺畅，将便秘几率R记录为0；如果便前与便后的重量没有发生改变，说明无法排便，将便秘几率R记录为0.5；
[0013]b.数据变化周期若小于10分钟大于3分钟，将当前排便时长和当前排便稳定性作为输入参数，根据历史排便稳定性和历史排便时长，以分析用户在长时间内的排便变化状态，通过人工神经网络ANN计算便秘几率R，其权重系数cof∈[0.1,0.3]；
[0014]将相邻两次重量变化数值大于500g定义为尖峰变化Peak，统计整个排便过程中出
现的Peak的百分率P
peak
，P
peak
即当前排便稳定性；
[0015]c.数据变化周期若大于10分钟，通过人工神经网络ANN计算便秘几率R，其权重系数cof∈[0.6,0.9]；
[0016]步骤四、系统计算便秘几率R如果大于阈值，将该用户的2
‑
4周的排便分析结果通过微信小程序推送给用户，以消息的方式警告用户存在便秘的风险。
[0017]所述HX711控制器用于采集重量传感器收集的数据，并对模糊数据进行过滤，将数据通过WiFi发送给服务器。
[0018]所述的尖峰变化其中，t
p
表示当前时刻，t
q
表示前一时刻，w
p
表示当前时刻的重量，w
q
表示前一时刻的重量；其中，t0表示记录的初始时刻，t
n
表示第n次记录的时刻，w1表示初始时刻的重量，w
n
表示第n次记录时的重量。
[0019]本专利技术通过排便过程中重量数据变化的频率和数值，不仅分析排便整个周期的顺畅程度，而且通过历史排便数据分析较长周期的变化趋势，较准确的预测和判断是否存在便秘的可能性。
附图说明
[0020]图1为马桶盖的传感器结构图；
[0021]图2为智能马桶盖便秘系统的体系结构图
[0022]图3为正常排便与便秘排便的历史稳定性变化图。
具体实施方式
[0023]以下结合附图详细说明本专利技术一种智能马桶盖便秘预测方法的具体实施步骤。
[0024]步骤一、在马桶盖中安装4个半桥式重量传感器，通过海芯科技有限公司的HX711控制器实时采集人体重量数据；在使用前，通过互联网将所有用户的标准特征数据录入排便数据库(上位机)，标准特征数据包括标准体重以及第一次排便过程。通常在用户第一次使用时，测量其体重，并记录其第一次排便过程；通过服务器(上位机)定义重量传感器取样频率为每0.5秒一次、便秘几率R的阈值为80％。HX711控制器用于收集重量传感器收集的数据，并对模糊数据进行过滤，将数据通过WiFi发送给服务器。
[0025]如图1和2所示，C1/C2/C3/C
4 4个传感器均匀排布在马桶盖中，4个传感器每隔500ms采集用户的体重数据，发送给海芯HX711控制器，然后将这些数据通过WiFi发送给云端的服务器。
[0026]步骤二、当排便开始时，重量变化后，以初始5秒钟作为一个阶段，检测体重连续变化数据，通过体重连续变化数据与标准特征数据比较，以确认用户；
[0027]步骤三、当系统确认用户对象后，将每次排便时长作为数据变化周期，4个半桥式重量传感器每0.5秒向HX711控制器发送一次体重变化数据：
[0028]a.数据变化周期若小于3分钟，如果便前与便后的重量发生明显改变(重量变化大
于100g)，认为表示通便顺畅，将便秘几率R记录为0；如果便前与便后的重量没有发生改变，说明无法排便，将便秘几率R记录为0.5；
[0029]b.数据变化周期若小于10分钟大于3分钟，将当前排便时长和当前的排便稳定性作为输入参数，根据历史排便稳定性和历史排便时长，以分析用户在长时间内的排便变化状态，通过人工神经网络ANN计算便秘几率R，其权重系数cof∈[0.1,0.3]；
[0030]c.数据变化周期若大于10分钟，通过人工神经网络ANN计算便秘几率R，其权重系数cof∈[0.6,0.9]。
[0031]定义重量稳定性：通过重量稳定性对用户的排便状态进行判断，由于通便的顺畅，为了积压收缩臀部的肌肉将大便排出，整个肌肉群会处于紧张状态，同时引起腿部肌肉向地面用力，因此会导致身体的重量大部分会负担到腿部，而使得臀部离开坐便器，也有人会反向用力，向马桶盖用力坐下；上述情况都会导致重量在一段时间内迅速变化，将这种尖峰变化Peak(0.5秒内的重量变化数值大于500g)定义为重量稳定性。其数学表达式为：
[0032][0033]其中，t
p
表示当前时刻，t
q
表示前一时刻，w
p
表示当前时刻的重量，w
q
表示前一时刻的重量。
[0034]便期稳定性：通过便期稳定性分析整个排便过程状态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种便秘预测方法，其特征在于：具体包括如下步骤：步骤一、在马桶盖中安装4个半桥式重量传感器，通过海芯科技有限公司的HX711控制器实时采集人体重量数据；在使用前，通过互联网将所有用户的标准特征数据录入排便数据库，标准特征数据包括标准体重以及第一次排便过程；通常在用户第一次使用时，测量其体重，并记录其第一次排便过程；通过服务器定义重量传感器取样频率、便秘几率R的阈值；步骤二、当排便开始时，通过初始5秒钟体重连续变化数据与数据库中标准特征数据比较，确认用户；步骤三、当系统确认用户对象后，将每次排便时长作为数据变化周期，4个半桥式重量传感器向HX711控制器发送体重变化数据：a.数据变化周期若小于3分钟，如果便前与便后的重量变化大于100g，认为表示通便顺畅，将便秘几率R记录为0；如果便前与便后的重量没有发生改变，说明无法排便，将便秘几率R记录为0.5；b.数据变化周期若小于10分钟大于3分钟，将当前排便时长和当前排便稳定性作为输入参数，根据历史排便稳定性和历史排便时长，以分析用户在长时间内的排便变化状态，通过人工神经网络ANN计算便秘几率R，其权重系数cof∈[0.1,0.3]；将相邻两次重量变化数值大于500g定...

【专利技术属性】
技术研发人员：李阳，杨磊，姜华强，
申请(专利权)人：杭州师范大学，
类型：发明
国别省市：