一种颈椎疲劳智能监测装置制造方法及图纸

本发明专利技术公开了一种颈椎疲劳智能监测装置，包括信号采集模块以及信号处理系统；所述信号采集模块固定贴合在人体颈椎处且采集颈椎处的肌电信号传输至所述信号处理系统；所述信号处理系统包括信号预处理模块、标定样本数据模块、数据训练模块、输入模块：所述信号采集模块重新输入待检测的肌电信号数据，借助于数据训练模块提取待检测的肌电信号数据特征，此特征与颈椎病特征库形成对比；结果导出模块：对比结果显示在所述上位机的显示屏上。本发明专利技术采集肌电信号，对信号数据进行处理，帮助医生对颈椎病病人其病情程度做出诊断预测结果。椎病病人其病情程度做出诊断预测结果。椎病病人其病情程度做出诊断预测结果。

【技术实现步骤摘要】
一种颈椎疲劳智能监测装置


[0001]本专利技术属于基于深度学习算法的监测装置
，具体涉及一种颈椎疲劳智能监测装置。

技术介绍

[0002]颈部是人体的重要组成部分，上接头颅，下连躯干，对维持脑循环有重要作用，也是自上而下传递中枢神经的必由之路。人们在长时间的读写、打字、使用手机等电子设备后，会不自觉的低头，使颈椎前倾，颈椎较长时间处在非正常生理曲度下，将导致颈部肌肉出现疲劳，引起肌肉出现炎症性水肿进而形成疼痛。
[0003]但是因为颈部疲劳病症不易在日常生活中发现，往往病发后才前往医院诊治，这样耽误诊疗时间，拖延了诊疗精度，并且医生也不能快速辨别处颈部疲劳程度，也会影响到患者的诊疗。

技术实现思路

[0004]本专利技术的目的在于提供一种颈椎疲劳智能监测装置，以解决上述问题。
[0005]一种颈椎疲劳智能监测装置，包括信号采集模块以及信号处理系统；所述信号采集模块固定贴合在人体颈椎处且采集颈椎处的肌电信号传输至所述信号处理系统；所述信号处理系统包括
[0006]信号预处理模块：所述信号预处理模块包括开发板、上位机以及软件处理系统，所述开发板内预装有所述软件处理系统，所述信号采集模块将数据烧入到所述开发板内，所述上位机内安装有软件处理系统，所述开发板将数据输入到所述软件处理系统，将数据可视化为波形图并且将数据汇总为电子表格；
[0007]标定样本数据模块：在电子表格内对数据进行标定，将样本数据分类为多种颈椎病症；
[0008]数据训练模块：所述上位机内还预装有Anaconda软件，调用所述Anaconda软件中的Jupyte Notebook工具包，对标定后的肌电信号数据进行划分、学习，基于数学模型对机电信号数据进行训练，提取机电信号特征，形成颈椎病症特征库；
[0009]输入模块：所述信号采集模块重新输入待检测的肌电信号数据，借助于数据训练模块提取待检测的肌电信号数据特征，此特征与颈椎病特征库形成对比；
[0010]结果导出模块：对比结果显示在所述上位机的显示屏上。
[0011]优选的，所述信号采集模块与信号放大模块电性连接且所述信号放大模块将数据烧入到所述开发板内。
[0012]优选的，所述数学模型为逻辑回归数学模型以及Kmeans数学模型和KNN数学模型中的一种。
[0013]优选的，所述开发板为Arduino UNO
‑
R3开发板；所述软件处理系统为上位机LabVIEW软件。
[0014]优选的，所述信号采集模块包括颈托、柔性电子传感器以及数据线，所述颈托由弹性的弧形板构成且所述弧形板的表面包裹有柔性垫，所述颈托的中部开有开口且所述开口的两侧分别设有尼龙母贴以及尼龙公贴，所述弧形板的内部嵌附有所述柔性电子传感器，所述柔性电子传感器的下方连接有所述数据线，所述数据线连接到所述信号处理系统。
[0015]优选的，所述柔性电子传感器为压电薄膜传感器，所述压电薄膜传感器的型号为LDT0
‑
028K压电薄膜传感器。
[0016]本专利技术采用具有以下优点：
[0017]本装置利用压电薄膜传感器测量颈椎病患者的人体表面肌电信号，采集到肌电信号后，信号放大模块增强肌电信号传递且烧入开发板中，后续软件程序进行处理，利用LabVIEW软件数据图像显示，通过电压波形幅值图，观测人体肌电信号，完成数据预处理，预处理后的肌电信号数据完成动作的标定，对标定后的肌电信号数据进行学习，通过数学模型训练，在模型中完成采集肌电信号数据的测评和动作判断，帮助医生对颈椎病病人其病情程度做出诊断预测结果。
附图说明
[0018]图1为本专利技术的结构框图。
[0019]图中附图标记：1、信号处理系统；2、信号预处理模块；3、标定样本数据模块；4、数据训练模块；5、输入模块；6、结果导出模块；
[0020]图2为肌电信号波形图；
[0021]图3为基于逻辑回归的数学模型数据训练效果显示图；
[0022]图4为基于基于Kmeans和KNN数学模型训练效果显示图；
[0023]图5为待检测的肌电信号原始数据显示图；
[0024]图6为待检测的肌电信号原始数据训练后划分显示图；
[0025]图7为信号采集模块的结构示意图。
[0026]图中附图标记：7、颈托；8、；柔性电子传感器；9、数据线；10、尼龙公贴；11、尼龙母贴。
具体实施方式
[0027]下面对照附图，通过对实施例的描述，对本专利技术具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本专利技术的专利技术构思、技术方案有更完整、准确和深入的理解。
[0028]如图1
‑
7所示，本专利技术提供了一种颈椎疲劳智能监测装置，包括信号采集模块12，所述信号采集模块12包括颈托7、柔性电子传感器8以及数据线9，所述颈托7由弹性的弧形板构成且所述弧形板的表面包裹有柔性垫，所述颈托7的中部开有开口且所述开口的两侧分别设有尼龙母贴11以及尼龙公贴10，所述弧形板的内部嵌附有所述柔性电子传感器8，所述柔性电子传感器8的下方连接有所述数据线9，所述数据线9连接到所述信号处理系统1，所述柔性电子传感器8为压电薄膜传感器，所述压电薄膜传感器的型号为LDT0
‑
028K压电薄膜传感器，所述信号采集模块12与信号放大模块电性连接且所述信号放大模块将数据烧入到信号处理系统内，
[0029]信号放大模块是对肌电信号电压均匀的放大了2V，有利于实时采集检测。上位机LabVIEW软件进行程序编程，对原始数据可视化，通过数据波形图的变化，实时观测到柔性电子传感器对应变动作的灵敏度。肌电信号数据显示后，通过程序预处理形成二维数组，采集至电子表格中，进行区分标定，下表为采集到的肌电信号数据表；
[0030][0031][0032]上述的颈椎疲劳智能监测装置还包括信号处理系统1；所述信号采集模块12固定贴合在人体颈椎处且采集颈椎处的肌电信号传输至所述信号处理系统1；所述信号处理系统1包括
[0033]信号预处理模块2：所述信号预处理模块2包括开发板、上位机以及软件处理系统，所述开发板内预装有所述软件处理系统，所述信号采集模块12将数据烧入到所述开发板内，所述上位机内安装有软件处理系统，所述开发板将数据输入到所述软件处理系统，将数据可视化为波形图并且将数据汇总为电子表格；
[0034]标定样本数据模块3：在电子表格内对数据进行标定，将样本数据进行划分；
[0035]数据训练模块4：所述上位机内还预装有Anaconda软件，调用所述Anaconda软件中的Jupyte Notebook工具包，对标定后的肌电信号数据进行划分、学习，基于逻辑回归数学模型对机电信号数据进行训练，提取机电信号特征，形成颈椎病症特征库；
[0036]输入模块5：所述信号采集模块重新输入待检测的肌电信号数据，借助于数据训练模块提取待检测的肌电信号数据特征，此特征与颈椎病特征库本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种颈椎疲劳智能监测装置，其特征在于：包括信号采集模块(12)以及信号处理系统(1)；所述信号采集模块(12)固定贴合在人体颈椎处且采集颈椎处的肌电信号传输至所述信号处理系统(1)；所述信号处理系统(1)包括信号预处理模块(2)：所述信号预处理模块(2)包括开发板、上位机以及软件处理系统，所述开发板内预装有所述软件处理系统，所述信号采集模块(12)将数据烧入到所述开发板内，所述上位机内安装有软件处理系统，所述开发板将数据输入到所述软件处理系统，将数据可视化为波形图并且将数据汇总为电子表格；标定样本数据模块(3)：在电子表格内对数据进行标定，将样本数据分类为多种颈椎病症；数据训练模块(4)：所述上位机内还预装有Anaconda软件，调用所述Anaconda软件中的Jupyte Notebook工具包，对标定后的肌电信号数据进行划分、学习，基于数学模型对机电信号数据进行训练，提取机电信号特征，形成颈椎病症特征库；输入模块(5)：所述信号采集模块重新输入待检测的肌电信号数据，借助于数据训练模块提取待检测的肌电信号数据特征，此特征与颈椎病特征库形成对比；结果导出模块(6)：对比结果显示在所述上位机的显示屏上。2.根据权利要求1所述的一种颈椎疲劳智能监测装置...

【专利技术属性】
技术研发人员：李梦，杨晓琪，
申请(专利权)人：安徽信息工程学院，
类型：发明
国别省市：