一种生理信号的融合方法及系统、解析方法及系统技术方案

本发明专利技术提出了一种生理信号的融合方法及系统、解析方法及系统，属于生理信号融合技术领域，在融合方法中，通过将生理信号融合为生理信号融合矩阵，并对应矩阵中的数值设置唯一的颜色代码，将其转化为生理信号融合图，达到了对生理信号的保密性融合，无法被轻易解读，杜绝了患者生理状态信息泄漏的发生；在解析方法中，结合卷积神经网络模型构建融合图解析模型，利用大量生理信号融合图和对应的生理特征训练该融合图解析模型，使融合图解析模型能够学习到生理信号融合图的特征，后续可以直接通过融合图解析模型将生理信号融合图解析为对应的生理状态。应的生理状态。应的生理状态。

【技术实现步骤摘要】
一种生理信号的融合方法及系统、解析方法及系统


[0001]本专利技术涉及生理信号融合
，特别是涉及一种生理信号的融合方法及系统、解析方法及系统。

技术介绍

[0002]人体体征可以通过多种类型的生理信号变化反映出来，如在医学上常使用心电、脉搏、血压、血氧饱和度等指标来判定人体生命特征的有无以及是否正常，且相比单一生理信号，多种生理信号可以提供更为丰富的信息，利用多生理信号融合的方式进行人体生理状态的识别判断已逐渐成为主要研究方向。
[0003]针对生理信号融合问题，申请号为202210188212.1名称为“生命体征多生理信号提取、融合分析方法”的中国专利申请提出一种基于特征级融合的方法，将心电、脑电、肌电、脉搏、心肺音等参数进行特征提取，运用SVM进行多生理参数融合分析，完成多生理参数的融合，从而据此得出伤病患者生理状态，但这种方法仅是通过对其中的一些点提取相应特征，导致原始信号中很多信息被浪费。而申请号为202111558264.5的名称为一种基于BCG信号与PPG信号融合的生理监测系统的中国专利申请将采集到的BCG和PPG信号采用非线性拟合方式进行融合最终得到生理参数信息，这种融合方法保密性不强，很容易被反解码。

技术实现思路

[0004]本专利技术的目的是提供一种生理信号的融合方法及系统、解析方法及系统，达到了对生理信号的保密融合。
[0005]为实现上述目的，一方面，本专利技术提供了如下方案：
[0006]一种生理信号的融合方法，所述融合方法包括以下步骤：/>[0007]获取人体的若干类原始生理信号；
[0008]分别对若干类所述原始生理信号进行预处理，得到各类原始生理信号的若干个生理信号片段；所述预处理包括对所述原始生理信号依次进行滤波以及标准化处理；
[0009]根据若干条生理信号片段，构造生理信号融合矩阵；所述生理信号融合矩阵的行数为生理信号片段的数量；所述生理信号融合矩阵的列数为所述生理信号片段中采样点的个数；
[0010]根据所述生理信号融合矩阵和数值颜色对照表，生成生理信号融合图；所述生理信号融合图与所述生理信号融合矩阵的行列相同；所述生理信号融合图中每一像素的颜色对应于所述生理信号融合矩阵每一采样点的数值；所述数值颜色对照表用于表征像素颜色与采样点数值的对应关系。
[0011]可选地，所述原始生理信号包括心电信号、脉搏波信号、呼吸波信号和血压信号中的至少两种。
[0012]可选地，所述生理信号融合矩阵中每行元素为一个生理信号片段；在所述生理信号融合矩阵的每n行元素中，交叉排列n类生理信号片段。
[0013]可选地，所述分别对若干类所述原始生理信号进行预处理，得到各类原始生理信号的若干个生理信号片段，具体包括：
[0014]针对任一原始生理信号，进行滤波处理，得到滤波后的生理信号；
[0015]针对任一滤波后的生理信号，进行标准化处理，得到若干个生理信号片段。
[0016]可选地，所述针对任一原始生理信号，进行滤波处理，得到滤波后的生理信号，具体包括：
[0017]若所述原始生理信号为心电信号，则对所述原始生理信号依次进行去基线漂移处理、去工频干扰处理和去肌电干扰处理；
[0018]若所述原始生理信号为脉搏波信号，则对所述原始生理信号依次进行去基线漂移处理和去工频干扰处理；
[0019]若所述原始生理信号为呼吸波信号或血压信号，则对所述原始生理信号进行去奇异点处理。
[0020]对应于前述的融合方法，本专利技术还提供了一种生理信号的融合系统，所述生理信号的融合系统在被计算机运行时，执行如前文所述的生理信号的融合方法。
[0021]另一方面，本专利技术还提供了一种生理信号的解析方法，用于对通过前文所述的融合方法生成的生理信号融合图的解析；所述解析方法包括：
[0022]构建训练数据集；所述训练数据集包括若干个生理信号融合图及对应各生理信号融合图的生理状态标签；所述生理状态标签包括正常状态和非正常状态；
[0023]基于卷积神经网络，构建融合图解析模型；
[0024]以所述生理信号融合图作为模型输入，以所述生理信号融合图对应的生理状态标签为模型的目标输出，对所述融合图解析模型进行训练，得到训练好的融合图解析模型；
[0025]获取待解析的生理信号融合图；
[0026]将所述待解析的生理信号融合图输入到所述训练好的融合图解析模型中，得到对应的生理状态。
[0027]可选地，所述构建训练数据集，具体包括：
[0028]利用如前文所述的融合方法，生成若干张生理信号融合图；
[0029]通过人工对若干张生理信号融合图进行生理状态标签的标注；
[0030]将每张生理信号融合图和与之对应的生理状态标签作为一条训练数据，得到训练数据集。
[0031]可选地，所述融合图解析模型包括依次连接的输入层、卷积层、池化层、全连接层和输出层。
[0032]对应于前述的解析方法，本专利技术还提供了一种生理信号的解析系统，所述生理信号的解析系统在被计算机运行时，执行如前文所述的解析方法。
[0033]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0034]本专利技术提供的一种生理信号的融合方法及系统、解析方法及系统，包括：获取人体的若干类原始生理信号；分别对若干类所述原始生理信号进行预处理，得到各类原始生理信号的若干个生理信号片段；根据若干条生理信号片段，构造生理信号融合矩阵；根据所述生理信号融合矩阵和数值颜色对照表，生成生理信号融合图；所述生理信号融合图与所述生理信号融合矩阵的行列相同，所述生理信号融合图中每一像素的颜色对应于所述生理信
号融合矩阵每一采样点的值，数值颜色对照表用于表征像素颜色与采样点数值的对应关系。本专利技术中通过将多种生理信号融合为矩阵，并对应矩阵中每一数值设置唯一的颜色，将生理信号融合矩阵转化为融合图，达到了对生理信号的保密融合，完成融合后再将融合图进行传输，保障各类生理信号的传输一致性；在解析方法中结合卷积神经网络模型构建融合图解析模型，利用大量生理信号融合图和对应的生理特征训练该融合图解析模型，使融合图解析模型能够学习到生理信号融合图的特征，后续可以直接通过融合图解析模型将生理信号融合图解析为对应的生理状态。
附图说明
[0035]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1为本专利技术实施例1提供的一种生理信号的融合方法的流程图；
[0037]图2为本专利技术实施例1提供的融合方法中步骤A2的具体流程图；
[0038]图3为本专利技术实施例1提供的融合方法中生理信号融合矩阵的示意图；
[0039]图4为本专利技术实施例1提供的融合方法中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生理信号的融合方法，其特征在于，所述融合方法包括：获取人体的若干类原始生理信号；分别对若干类所述原始生理信号进行预处理，得到各类原始生理信号的若干个生理信号片段；所述预处理包括对所述原始生理信号依次进行滤波以及标准化处理；根据若干条生理信号片段，构造生理信号融合矩阵；所述生理信号融合矩阵的行数为生理信号片段的数量；所述生理信号融合矩阵的列数为所述生理信号片段中采样点的个数；根据所述生理信号融合矩阵和数值颜色对照表，生成生理信号融合图；所述生理信号融合图与所述生理信号融合矩阵的行列个数相同；所述生理信号融合图中每一像素的颜色对应于所述生理信号融合矩阵每一采样点的数值；所述数值颜色对照表用于表征像素颜色与采样点数值的对应关系。2.根据权利要求1所述的生理信号的融合方法，其特征在于，所述原始生理信号包括心电信号、脉搏波信号、呼吸波信号和血压信号中的至少两种。3.根据权利要求1所述的生理信号的融合方法，其特征在于，所述生理信号融合矩阵中每行元素为一个生理信号片段；在所述生理信号融合矩阵的每n行元素中，交叉排列n类生理信号片段。4.根据权利要求2所述的生理信号的融合方法，其特征在于，所述分别对若干类所述原始生理信号进行预处理，得到各类原始生理信号的若干个生理信号片段，具体包括：针对任一原始生理信号，进行滤波处理，得到滤波后的生理信号；针对任一滤波后的生理信号，进行标准化处理，得到若干个生理信号片段。5.根据权利要求4所述的生理信号的融合方法，其特征在于，所述针对任一原始生理信号，进行滤波处理，得到滤波后的生理信号，具体包括：若所述原始生理信号为心电信号，则对所述原始生理信号依次进行去基线漂移处...

【专利技术属性】
技术研发人员：王慧泉，曹丰，韩梦婷，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：