一种基于血流动力学参数与BP神经网络的体力负荷评估方法技术

本发明专利技术公开一种基于血流动力学参数与BP神经网络的评估方法，采用以下步骤：S1、通过BP神经网络建立了预测模型；S2、利用所述多个血流动力学参数的所述多次取值对预设的BP神经网络模型进行训练，得到样本结果；S3、测定被测试人员在安静状态下的血流动力学参数，进行特征提取，得到输入向量G1；S4、被测试人员在负荷运动结束后立刻测定的血流动力学参数,进行特征提取，得到输入向量G2；S5、然后将G1和G2分别输入预测模型，得出测试评估结果；S6、被测试人员完成Borg疲劳评价量表，评测其在测试中的体力负荷值，并与评估结果对应得到最终评价报告；其能主客观结合，提高测试的准确度和信效度，可以使非专业人员清晰、明确地了解自身体适能状况。适能状况。适能状况。

【技术实现步骤摘要】
一种基于血流动力学参数与BP神经网络的体力负荷评估方法


[0001]本专利技术涉及体适能训练
，尤其是指一种基于血流动力学参数与BP神经网络的体力负荷评估方法。

技术介绍

[0002]体适能是身体的必要条件，是使个体能够正确使用必要的肌肉耐力、心肺能力、灵活性、协调、敏捷、力量、平衡、速度和准确性来达到任务的必要获得，同时不会产生难以恢复的过度疲劳与疲惫的感觉。在体能训练中，心肺功能是一个重要的指标。心肺功能是指机体摄取氧气并将转化氧气成为能量的力，这整个过程涉及心脏的制血和能泵血功能、肺脏的摄氧和气体交换功能、血液循环系统的携氧效率，以及肌肉利用氧气的功能。如果在体能训练的过程中体力负荷过大，那么容易产生二次伤害。所以，针对体能训练中的被测试人员，特别是军人和运动员的日是能测试的评估进行相关研究是很有必要的。
[0003]目前客观评测与主观评测都是体适能评估领域的常用方法。其中，客观生理数据是当下比较流行的体适能评估方法，但是操作比较复杂，且目前都处于实验阶段，各项指标与体适能的关系还未被有力地证明；主观评测量表法是最流行的体适能评估方法，操作简单，但是容易受到被试者主观因素的影响。

技术实现思路

[0004]有鉴于此，本专利技术针对现有技术存在之缺失，其主要目的是提供一种基于血流动力学参数与BP神经网络的体力负荷评估方法，其使被测试人员体适能状态的识别结果更加简单和直观，而且评估结果可以使非专业人员清晰、明确地了解自身体适能状况。
[0005]为实现上述目的，本专利技术采用如下之技术方案：
[0006]一种基于血流动力学参数与BP神经网络的体力负荷评估方法，采用以下步骤：
[0007]S1、确定被测试人员的多个血流动力学参数，通过BP神经网络建立了预测模型；根据历史数据为每一所述血流动力学参数进行多次取值；
[0008]S2、利用所述多个血流动力学参数的所述多次取值对预设的BP神经网络模型进行训练，得到样本结果；
[0009]S3、检测前让被测试人员静坐一段时间，之后采用ICON血流动力学设备测定测试人员在安静状态下的血流动力学参数，并对此参数分别进行时频域和非线性分析，进行特征提取，得到输入向量G1；
[0010]S4、让被测试人员进行负荷运动一段时间，负荷运动结束后立刻测定被测试人员的血流动力学参数，并对此参数分别进行时频域和非线性分析，进行特征提取，得到输入向量G2；
[0011]S5、然后将G1和G2分别输入预测模型对被测试人员进行健康状况识别，得出被测试人员的测试评估结果；
[0012]S6、被测试人员完成Borg疲劳评价量表，评测其在测试中的体力负荷值，并与评估
结果对应得到最终评价报告。
[0013]作为一种优选方案，所述ICON血流动力学设备测定的参数为心率、每搏输出量、心排量、胸腔液体水平、心肌收缩指数、修正的射血时间、每搏输出指数、心排指数，所述该参数作为自变量，将体力负荷值作为因变量做多因素方差分析。
[0014]作为一种优选方案，所述负荷运动包括军事体能测试体系(ACFT)，其包括硬拉、立姿背投、俯卧撑、25米冲刺/拖动/搬运、单杠吊退卷、2英里跑。
[0015]作为一种优选方案，在测定的血流动力学参数之前，建档记录被测试人员的性别、年龄、体重、身高和BMI指数。
[0016]作为一种优选方案，包括数据库，所述数据库用于记录同一被测试人员的不同时间测试的体重、身高、BMI指数以及每次测试得出的评估结果。
[0017]作为一种优选方案，所述评估结果为为1～10。
[0018]作为一种优选方案，所述预测模型中的BP神经网络算法包括有输入层、隐藏层和输出层，在训练的过程中，所述输入层用于输入血流动力学参数与期望值，所述隐藏层用于将待分析的血流动力学参数与期望值进行对比，并根据待分析血流动力学参数与期望值之间的误差调整权重系数，所述输出层用于输出对应的样本结果。
[0019]本专利技术其主要是通过被测试人员完成一个增量的运动测试，评估体力负荷极限值，本专利技术基于间接测量法，通过构建检测模型，采集定被测试人员血流动力学参数，包括每搏量SV、心率HR、心排量CO等，以及记录被试者的性别、身高、体重，多变量作为输入变量输入BP人工神经网络检测模型，得出被测试人员体适能评估报告。
[0020]本专利技术与现有技术相比具有明显的优点和有益效果，本专利技术通过多因素方差分析得到了与体适能测试相关性较高的血流动力学参数，并通过BP神经网络建立了检测模型，运用ICON血流动力学设备测得的参数评估运动下被试者的体力负荷，并结合了权威性较高的Borg量表进行体力负荷值的判定，综合得出被测试人员体适能评估报告，其能主客观结合，提高测试的准确度和信效度。本专利技术将多个反应人体指标值的血流动力学参数进行有效的融合，并通过BP神经网络模型给出体适能状况识别结果，不但使被测试人员体适能状态的识别结果更加简单和直观，而且评估结果可以使非专业人员清晰、明确地了解自身体适能状况，对被测试人员体适能的调整、恢复及治疗有重要指导意义。
[0021]为更清楚地阐述本专利技术的结构特征和功效，下面结合附图与具体实施例来对本专利技术进行详细说明。
附图说明
[0022]图1是本专利技术之实施例的测试流程框图；
[0023]图2是本专利技术之实施例的Borg指数对照表。
具体实施方式
[0024]为了使本专利技术的目的，技术方案及优点更加清楚明白，以下结合附图及实施实例，对本专利技术进行进一步详细说明。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。
[0025]需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上
或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
[0026]请参阅图1和图2，本专利技术实施例提供了一种基于血流动力学参数与BP神经网络的体力负荷评估方法，其采用以下步骤：
[0027]S1、确定被测试人员的多个血流动力学参数，通过BP神经网络建立了预测模型；根据历史数据为每一所述血流动力学参数进行多次取值；
[0028]S2、利用所述多个血流动力学参数的所述多次取值对预设的BP神经网络模型进行训练，得到样本结果；
[0029]S3、检测前让被测试人员静坐一段时间，之后采用ICON血流动力学设备测定测试人员在安静状态下的血流动力学参数，并对此参数分别进行时频域和非线性分析，进行特征提取，得到输入向量G1；
[0030]S4、让被测试人员进行负荷运动一段时间，负荷运动结束后立刻测定被测试人员的血流动力学参数，并对此参数分别进行时频域和非线性分析，进行特征提取，得到输入向量G2；
[0031]S5、然后将G1和G2分别输入预测模型对被测试人员进行健康本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于血流动力学参数与BP神经网络算法的体力负荷评估方法，其特征在于，采用以下步骤：S1、确定被测试人员的多个血流动力学参数，通过BP神经网络建立了预测模型；根据历史数据为每一所述血流动力学参数进行多次取值；S2、利用所述多个血流动力学参数的所述多次取值对预设的BP神经网络模型进行训练，得到样本结果；S3、检测前让被测试人员静坐一段时间，之后采用ICON血流动力学设备测定被测试人员在安静状态下的血流动力学参数，并对此参数分别进行时频域和非线性分析，进行特征提取，得到输入向量G1；S4、让被测试人员进行负荷运动一段时间，负荷运动结束后立刻测定被测试人员的血流动力学参数,并对此参数分别进行时频域和非线性分析，进行特征提取，得到输入向量G2；S5、然后将G1和G2分别输入预测模型，得出被测试人员的测试评估结果；S6、被测试人员完成Borg疲劳评价量表，评测其在测试中的体力负荷值，并与评估结果对应得到最终评价报告。2.根据权利要求1所述的一种基于血流动力学参数与BP神经网络的体力负荷评估方法，其特征在于：所述ICON血流动力学设备测定的参数为心率、每搏输出量、心排量、胸腔液体水平、心肌收缩指数、修正的射血时间、每搏输出指数、心排指数，所述该参数作为自变量，将体力负荷值作为因变量做多...

【专利技术属性】
技术研发人员：李海波，戴世玮，李秀岩，付逍，
申请(专利权)人：深圳东海浪潮科技有限公司，
类型：发明
国别省市：