CN106548011B - 基于多模态的移动健康实时监测系统及方法 - Google Patents
基于多模态的移动健康实时监测系统及方法 Download PDFInfo
- Publication number
- CN106548011B CN106548011B CN201610895683.0A CN201610895683A CN106548011B CN 106548011 B CN106548011 B CN 106548011B CN 201610895683 A CN201610895683 A CN 201610895683A CN 106548011 B CN106548011 B CN 106548011B
- Authority
- CN
- China
- Prior art keywords
- health
- module
- responsible
- host computer
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 6
- 239000008280 blood Substances 0.000 claims abstract description 6
- 210000004369 blood Anatomy 0.000 claims abstract description 6
- 238000006243 chemical reaction Methods 0.000 claims abstract description 6
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 6
- 239000001301 oxygen Substances 0.000 claims abstract description 6
- 230000005611 electricity Effects 0.000 claims description 8
- 210000004556 brain Anatomy 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 238000003491 array Methods 0.000 abstract description 3
- 230000036760 body temperature Effects 0.000 abstract description 3
- 230000003993 interaction Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种多模态移动健康实时监测系统，该系统区别于其他可穿戴设备，采集多个健康指标(心电、脑电、心率、体温以及血氧)组成一个一维数组。在时间域上，随时间推移，采集到大量的离散数组，将多个数组带入多模态相关向量回归机(relevance vector machine,RVM)得出一个健康指标(即多输入单出)。所述系统包括采集模块、信号处理模块、无线发送模块、无线接收模块和上位机。采集模块负责生理信号的拾取，信号处理模块负责电压信号的检测转换；无线发送模块负责人体健康数据的无线发送，无线接收模块负责人体健康数据的无线接收；上位机主要负责人体健康数据的存储、显示和分析，其中分析以机器智能分析为主，人工分析为辅。所属系统不仅仅是一种硬件设备，更是通过软件支持以及数据交互、云端交互来实现强大的功能。
Description
技术领域
本发明涉及可穿戴技术领域，特别是涉及生物信号采集与分析健康监测领域。
背景技术
人口老龄化是全球性的发展趋势。根据第六次全国人口普查数据显示，我国60岁及以上的老年人口占总人口的13.26％，人口老龄化呈现加速发展的态势。可穿戴设备，即直接穿在身上，或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备，更是通过软件支持以及数据交互、云端交互来实现强大的功能。
发明内容
本发明的目的是：提供一种多模态移动健康实时监测系统，该系统区别于其他可穿戴设备，采集多个健康指标(心电、脑电、心率、体温以及血氧)组成一个一维数组。在时间域上，随时间推移，采集到大量的离散数组，将多个数组带入多模态相关向量回归机(relevance vectormachine,RVM) 得出一个健康指标(即多输入单输出)。为了达到上述目的，本发明所述系统主要用于对人体健康进行包括心电、脑电、心率、体温以及血氧的多模态检测并将采集数据发送到上位机机进行机器智能分析为主人工分析为辅的数据处理，最终及时得到检测报告。此系统包括采集模块、信号处理模块、无线发送模块、无线接收模块和上位机。采集模块负责生理信号的拾取，信号处理模块负责电压信号的检测转换以及信号的加权重和相关向量回归；无线发送模块负责人体健康数据的无线发送，无线接收模块负责人体健康数据的无线接收；上位机主要负责人体健康数据的存储、显示和分析，其中分析以机器智能分析为主人工分析为辅。本实用系统实现了人体健康监测的穿戴化、多模化，是一种性能可靠、及时反馈、有效范围广的移动健康系统。
其中所述信号采集至少三种信号，如此可以多方位检测人体健康。
其中所述的多模态移动健康实时监测系统，其特征在于，所述信号处理模块中，心电信号检测包括前置放大电路、带通滤波电路、程控滤波电路和电平抬升电路。前置放大电路放大增益为250，带通滤波电路截止频率为10～500Hz，程控滤波电路用于去除空间50Hz电磁干扰。脑电信号检测使用标准脑电图帽采集八通道的模拟信号，利用24位高精度模拟前端 ADS1299得到高分辨率的脑电数字信号。体温信号检测使用传感器 DS18B20。血氧心率使用Pluse Sensor模块。
其中所述信号处理模块信号加权重和相关向量回归。所述加权重，将持续超出正常范围最大的指标加最大的权重值，超出正常范围最小的指标加最小的重，以此类推。所谓相关向量回归：设观测样本集为 xi为输入向量，yi为目标输出，则其中i＝1，2，…， n，(ω0，ω1…，ωn)为各个指标的权值，k(x，xi)为核函数，假设模型的残差符合高斯分布就可以得到数据的极大似然估计：其中β的噪声服从N(0，σ2)的正态分布，Φω是由k(x，xi)组成的N(N+1)矩阵；且最大化(*)式，可得到权值ω的最大似然估计，当噪声服从正态分布时,最大似然估计等同于最小二乘估计，然后使用贝叶斯理论最大化式(*)式即可求得最优权值ω，处理器处理如上操作再将数据发送到上位机。
其中所述信号处理模块采用内置高精度模/数转换的高速处理器；所述无线发送和无线接收模块采用射频数据收发器。
其中所述整体系统均可穿戴于人体，便于移动携带。
其中所述上位机处理数据以人工为辅机器分析为主。
检测人体健康包括以下步骤：
Step1:首先用户穿戴所述系统；
Step2:在用户携带所述系统过程中，无线发送和无线接收模块实时通信，将人体健康特征数据发送至上位机；
Step3:上位机在接收到数据后及时存储并机器智能分析；
Step4:上位机生成人体健康监测报告；
本发明的有益效果为：
(1)以往人体参数采集系统都是有专门的控制显示传送装置，而如今手机、平板电脑等智能移动设备广泛普及，项目基于该平台开发人体健护系统，不但可以降低成本，而且更加具备便携性，更适合用户使用。
(2)基于智能移动设备的多生理参数采集监测并未有成熟产品出现，本项目的实施可为此打下良好的基础；多模态人体生理信号采集使系统得出的检测报告更准确。
(3)基于可穿戴生电检测、无线通信等技术来研发健康监护系统，解决目前社区医护人员有限，不能完全覆盖所有人群，尤其是老年人的健康监护等实际问题，有助于提高社区人员的整体健康水平。目前还没有没有类似成熟产品可使用，本项目对此研发具备创新性。
附图说明
图1是基于多模态的移动健康实时监测系统的系统框图；
图2是系统流程图。
具体实施方式
下面结合附图对本发明的实施方式做进一步的描述。
如图1所示，所述系统包括采集模块、信号处理模块、无线发送模块、无线接收模块和上位机。采集模块负责生理信号的拾取，信号处理模块负责电压信号的检测转换；无线发送模块负责人体健康数据的无线发送，无线接收模块负责人体健康数据的无线接收；上位机主要负责人体健康数据的存储、显示和分析，其中分析以机器智能分析为主人工分析为辅。信号处理模块中，心电信号检测包括前置放大电路、带通滤波电路、程控滤波电路和电平抬升电路。前置放大电路放大增益为250，带通滤波电路截止频率为10～500Hz，程控滤波电路用于去除空间50Hz电磁干扰。脑电信号检测使用标准脑电图帽采集八通道的模拟信号，利用24位高精度模拟前端 ADS1299得到高分辨率的脑电数字信号。体温信号检测使用传感器 DS18B20。血氧心率使用Pluse Sensor模块。信号处理模块采用内置高精度模/数转换的高速处理器；所述无线发送和无线接收模块采用射频数据收发器。上位机处理数据以人工为辅机器分析为主。
在用户携带所述系统过程中，无线发送和无线接收模块实时通信，将人体健康特征数据发送至上位机；上位机在接收到数据后及时存储并机器智能分析；上位机生成人体健康监测报告。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种多模态移动健康实时监测系统，其特征在于，所述系统包括采集模块、信号处理模块、无线发送模块、无线接收模块和上位机，采集模块负责生理信号的拾取，信号处理模块负责电压信号的检测转换；无线发送模块负责人体健康数据的无线发送，无线接收模块负责人体健康数据的无线接收；上位机主要负责人体健康数据的存储、显示和分析，其中分析以机器智能分析为主，人工分析为辅；
其中所述信号处理模块对信号加权重和相关向量回归，所述加权重，将持续超出正常范围最大的指标加最大的权重值，超出正常范围最小的指标加最小的权重，所谓相关向量回归：设观测样本集为xi为输入向量，yi为目标输出，则其中i＝1，2，…，n，(ω0，ω1…，ωn)为各个指标的权值，k(x，xi)为核函数，假设模型的残差符合高斯分布就可以得到数据的极大似然估计：其中β的噪声服从N(0，σ2)的正态分布，Φω是由k(x，xi)组成的N(N+1)矩阵；且最大化(*)式，可得到权值ω的最大似然估计，处理器处理如上操作再将数据发送到上位机。
2.如权利要求1所述的多模态移动健康实时监测系统，其特征在于，所述信号采集至少三种信号，如此可以多方位检测人体健康。
3.如权利要求1所述的多模态移动健康实时监测系统，其特征在于，所述信号处理模块中，心电信号检测包括前置放大电路、带通滤波电路、程控滤波电路和电平抬升电路；前置放大电路放大增益为250，带通滤波电路截止频率为10～500Hz，程控滤波电路用于去除空间50Hz电磁干扰；脑电信号检测使用标准脑电图帽采集八通道的模拟信号，利用24位高精度模拟前端ADS1299得到高分辨率的脑电数字信号；体温信号检测使用传感器DS18B20；血氧心率使用Pluse Sensor模块。
4.如权利要求1所述的多模态移动健康实时监测系统，其特征在于，所述信号处理模块采用内置高精度模/数转换的高速处理器；所述无线发送和无线接收模块采用射频数据收发器。
5.如权利要求1所述的多模态移动健康实时监测系统，其特征在于，所述监测系统均可穿戴于人体，便于移动携带。
6.如权利要求1所述的多模态移动健康实时监测系统，其特征在于，所述上位机处理数据以人工为辅机器分析为主。
7.一种多模态移动健康实时监测方法，其特征在于，检测人体健康包括以下步骤：
Step1:首先用户穿戴所述系统；
Step2:在用户穿戴所述系统过程中，无线发送和无线接收模块实时通信，将人体健康特征数据发送至上位机；其中信号处理模块对信号加权重和相关向量回归，所述加权重，将持续超出正常范围最大的指标加最大的权重值，超出正常范围最小的指标加最小的权重，所谓相关向量回归：设观测样本集为xi为输入向量，yi为目标输出，则其中(ω0，ω1…，ωi)为各个指标的权值，k(x，xi)为核函数，假设模型的残差符合高斯分布就可以得到数据的极大似然估计：其中β的噪声服从N(0，σ2)的正态分布，Φω是由k(x，xi)组成的N(N+1)矩阵；且最大化(*)式，可得到权值ω的最大似然估计，处理器处理如上操作再将数据发送到上位机；
Step3:上位机在接收到数据后及时存储并机器智能分析；
Step4:上位机生成人体健康监测报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610895683.0A CN106548011B (zh) | 2017-01-12 | 2017-01-12 | 基于多模态的移动健康实时监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610895683.0A CN106548011B (zh) | 2017-01-12 | 2017-01-12 | 基于多模态的移动健康实时监测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106548011A CN106548011A (zh) | 2017-03-29 |
| CN106548011B true CN106548011B (zh) | 2019-05-28 |
Family
ID=58368864
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610895683.0A Active CN106548011B (zh) | 2017-01-12 | 2017-01-12 | 基于多模态的移动健康实时监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106548011B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110442035A (zh) * | 2019-08-22 | 2019-11-12 | 梅钟可 | 一种多通道人体信息采集分析智能家居系统 |
| CN112353372A (zh) * | 2020-11-10 | 2021-02-12 | 西安工程大学 | 一种基于可穿戴的智能服装健康监护系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010108287A1 (en) * | 2009-03-23 | 2010-09-30 | Hongyue Luo | A wearable intelligent healthcare system and method |
| CN105286850A (zh) * | 2015-09-17 | 2016-02-03 | 深圳市华盛伟业电子有限公司 | 基于老人机平台的多模态健康监护系统和方法 |
| CN205541392U (zh) * | 2016-03-14 | 2016-08-31 | 湘南学院 | 一种物联网智能信息采集器 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120071741A1 (en) * | 2010-09-21 | 2012-03-22 | Zahra Moussavi | Sleep apnea monitoring and diagnosis based on pulse oximetery and tracheal sound signals |
-
2017
- 2017-01-12 CN CN201610895683.0A patent/CN106548011B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010108287A1 (en) * | 2009-03-23 | 2010-09-30 | Hongyue Luo | A wearable intelligent healthcare system and method |
| CN105286850A (zh) * | 2015-09-17 | 2016-02-03 | 深圳市华盛伟业电子有限公司 | 基于老人机平台的多模态健康监护系统和方法 |
| CN205541392U (zh) * | 2016-03-14 | 2016-08-31 | 湘南学院 | 一种物联网智能信息采集器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106548011A (zh) | 2017-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | An IoT-cloud based wearable ECG monitoring system for smart healthcare | |
| CN203763056U (zh) | 一种耳机式人体健康检测仪 | |
| CN103190905B (zh) | 基于Wi-Fi的多通道表面肌电信号采集系统及处理方法 | |
| CN202067276U (zh) | 移动健康管理系统 | |
| CN106166065B (zh) | 一种基于社交网络的可穿戴心电健康交互平台及其实现方法 | |
| Wang et al. | Low-power multi-lead wearable ECG system with sensor data compression | |
| CN105212923A (zh) | 一种穿戴式脑电采集器 | |
| CN110353649A (zh) | 一种心率检测方法 | |
| CN107080545A (zh) | 一种基于脑电的测谎系统 | |
| CN110960211A (zh) | 一种基于嵌入式的心电实时监测系统 | |
| CN106548011B (zh) | 基于多模态的移动健康实时监测系统及方法 | |
| CN106768245A (zh) | 一种脂肪秤智能匹配用户方法 | |
| CN109009005A (zh) | 一种可穿戴式中医脉象采集与分析系统 | |
| CN108227905A (zh) | 一种基于表面肌电信号的游戏控制系统 | |
| WO2021184818A1 (zh) | 一种基于粒子滤波的人体逐拍心率测量装置及方法 | |
| CN114947891A (zh) | 一种臂环装置对用户肌肉康复情况进行检测的方法 | |
| CN120203550B (zh) | 一种基于多传感器融合的心律失常诊断系统 | |
| CN104856666B (zh) | 一种基于LabVIEW的生物电信号监测系统 | |
| Yao | RETRACTED ARTICLE: Prediction of sports fatigue degree based on spectral sensors and machine learning algorithms | |
| CN105708441A (zh) | 可佩戴指套及心电图和脉象采集终端 | |
| CN204581273U (zh) | 一种用于身份确认的手握式心电信号采集系统 | |
| CN106805943A (zh) | 基于分数阶微分方程的血糖数据处理方法及装置 | |
| Li | Community application of wearable sports fitness equipment in the embedded system environment of the Internet of Things | |
| Song et al. | Design of a wireless distributed real-time muscle fatigue detection system | |
| CN107411734A (zh) | 一种根据人体生物电磁波获取用户特征的装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240419 Address after: Room 18-1806, Tongjiang South Road, Zhonglou District, Changzhou City, Jiangsu Province, 213000 Patentee after: Jiangsu Jianzhong Kanghua Medical Technology Co.,Ltd. Country or region after: China Address before: Gehu Lake Road Wujin District 213164 Jiangsu city of Changzhou province No. 1 Patentee before: CHANGZHOU University Country or region before: China |