一种基于混合传感的生理监测及分析系统技术方案

本实用新型专利技术涉及一种基于混合传感的生理检测及分析系统，包括用于收集数据的传感器、数据记录单元、用于数据分析的数据分析单元以及用于接受分析报告的报告接收单元。本实用新型专利技术通过收集目标生物各方面的生理数据，实现了对目标生物生理信息全方位的分析，使得分析的结果更加准确可靠，且方便快捷，提高了生理监测及疾病检测的效率。

【技术实现步骤摘要】
一种基于混合传感的生理监测及分析系统
本技术涉及疾病诊断技术，尤其涉及一种基于混合传感的生理检测及分析系统。
技术介绍
现有技术中的疾病或健康状态的判断一般是通过检测机器判断。但是这种检测方法因外界因素的干扰，以及因条件限制获取的生理数据不全面等原因造成的检测结果准确率不高，容易造成误诊现象。
技术实现思路
针对现有技术中存在的缺陷或不足，本技术所要解决的技术问题是：提供一种能够解决在健康状态判断容易造成误诊的技术方案。为了实现上述目的，本技术采取的技术方案为一种基于混合传感的生理检测及分析系统，包括若干传感器、数据记录单元、数据分析单元以及报告接收单元；所述数据分析单元：用于分析经过所述数据记录单元处理后的所述传感器收集的目标生物的生理信息数据，并将分析报告发送至所述报告接收单元。作为本技术的进一步改进，所述传感器包括心电图传感器、加速计、运动传感器以及压力传感器；所述数据记录单元包括用于测量、记录或寄存所述传感器收集的生理信息数据的中央处理器，所述中央处理器：还用于将所述生理信息数据发送至所述数据分析单元。作为本技术的进一步改进，所述数据分析单元包括过往数据库、实时采集数据库以及能够通过机器学习方法建立、训练算法统计模型的分析平台；所述过往数据库包括：与所述目标生物的过往生理信息数据以及与所述目标生物的种族、品种相同或不同的生物的过往生理信息群组数据；所述实时采集数据库包括所述目标生物的生理信息数据。作为本技术的进一步改进，所述数据分析平台还用于：提高所述生理信息数据的信噪比、通过特征提取方法提取不同生理信息数据的时域和/或频域特征。还提供一种基于混合传感的生理检测及分析方法，包括以下步骤：S1.通过实验建立算法统计模型；S2.采集目标生物的生理信息数据；其中，所述生理信息数据包括目标生物的电生理讯息、机械生理讯息以及身体运动活动数据；通过采集目标生物的电生理讯息、机械生理讯息以及身体运动活动数据等，保证信息的全面性。S3.通过信号处理方法对所述生理信息数据进行降噪处理，并通过特征提取方法提取不同生理信息数据的时域特征和/或频域特征；其中，所述特征提取方法为傅里叶变换、频带功率计算、时频分析、小波分解或者波形检测中的一种或多种的组合，还可以是其他能够提取生理信息数据的时域特征或频域特征的特征提取方法的一种或者多种组合；提高生理信息数据的信噪比，排除因外界的干扰或的其他不可控因素造成的失真或异常的数据信息。S4.分别将由电生理讯息、机械生理讯息以及身体运动活动数据提取的时域特征和/或频域特征输入到算法统计模型中进行运算，得出输出目标；其中，所述的算法统计模型包括心率检查算法统计模型、血压检查算法统计模型、心率变异检查算法统计模型、呼吸率检查算法统计模型、血压检查算法统计模型、情绪检查算法统计模型、心输出量检查算法统计模型以及身体运动检查算法统计模型。所述输出目标包括与所述的算法统计模型相对应的心率分析、血压分析、心率变异分析、呼吸率分析、血压分析、情绪分析、心输出量分析以及身体运动分析，还可以包括其他生理信息的算法统计模型。通过实验建立的不同生理信息数据建立与该生理信息数据相对应的算法统计模型，在将收集的目标生物的生理信息数据输入与之对应的算法统计模型中进行对比计算分析得出相应的输出目标，所述输出目标包括与所述的算法统计模型相对应的心率分析、血压分析以及心率变异分析等等。S5.所述输出目标作为分析报告并回报给报告接收单元，或将所述输出目标分别与过往数据库进行对比，得出分析报告并回报至报告接收单元，其中，所述过往数据库包括：与所述目标生物的过往生理信息数据以及与所述目标生物的种族、品种相同或不同的生物的过往生理信息群组数据。过往数据库中一般保存有该目标生物或者与该目标生物的种族、科、目、年龄、大小相同或类似的生物的生理数据信息，通过将输出目标与该数据进行对比，得出该目标生物的分析报告，数据分析单元将所述分析报告发送至报告接收单元，供专业人士根据该报告给出建议。作为本技术的进一步改进，所述步骤S1还包括以下步骤：S11.通过传感器收集实验对象的实验生理信息数据；S12.通过信号处理方法提高实验生理信息数据的信噪比；S13.通过特征提取方法提取不同的实验生理信息数据的时域特征和/或频域特征，其中，所述特征提取方法为：傅里叶变换、频带功率计算、时频分析、小波分解以及波形检测；S14.通过将实验生理信息数据的时域特征和/或频域特征输入机器学习系统中建立统计模型，并训练统计模型获得算法统计模型。作为本技术的进一步改进，步骤S14还包括以下步骤：S141.所述机器学习系统预先设定的标准统计学检验参数以及预设的算法结果的可接受偏差度；S142.所述机器学习系统通过特征选择方法选择所述实验生理信息数据的相关的时域特征和/或频域特征的子集构建不同组合的模型，并将统计模型的运算结果与通过标准度量方法获取的生理结果相对比，核对是否符合预设的统计学检验参数以及可接受结果偏差度；S143.若不符合，则将测试的时域特征和/或频域特征从所述统计模型中剔除；S144.通过选取拥有最高准确度及统计参数值的特征子集构建算法统计模型。作为本技术的进一步改进，所述电生理讯息包括心电图、电性质呼吸测量图。作为本技术的进一步改进，所述机械性生理讯息包括心脏振动图、心冲击图及机械性呼吸测量图。作为本技术的进一步改进，所述输出目标包括身体运动、呼吸率、心率、心率变异、血压、情绪、心输出量以及身体运动。本技术的有益效果是：本技术通过收集目标生物各方面的生理数据，实现了对目标生物生理信息全方位的分析，使得分析的结果更加准确可靠，且方便快捷，提高了生理监测以及疾病检测的效率。附图说明图1是本技术提供的检测流程图；图2是本技术提供的系统框图；图3是本技术提供的从电生理信号提取的时域数据图像；图4是本技术提供的从电生理信号提取的频域数据图像；图5是本技术提供的从机械性生理信号提取的时域数据图像；图6是本技术提供的从机械性生理信号提取的频域数据图像；图7是本技术提供的电生理信号和机械性生理信号提取的时域特征之间的相互数据图像；图8是本技术提供的从电生理信号和机械性生理信号提取的时域/或频域特征之间的相互关精神状态主成分分析数据分布图像；图9是本技术提供的从电生理信号和机械性生理信号提取的时域特征之间的相互关数据图像以分析心输出量及相关参数图像；图10是本技术提供的分析系统的数据收集结构的侧视图；图11是本技术提供的分析系统的数据收集结构的折叠或展开过程图；图12是本技术提供的收集目标生物数据的实施方式；其中数字表示：11-心电图传感器12-加速器13-压力本文档来自技高网...

【技术保护点】
1.一种基于混合传感的生理监测及分析系统，其特征在于，包括数据收集器、数据记录单元以及报告接收单元；/n其中，所述数据收集器包括一旋转体以及传感器，所述传感器设置于所述旋转体上，所述传感器为心电图传感器、加速计、运动传感器或压力传感器，所述旋转体包括第一旋转部以及第二旋转部，所述第一旋转部与所述第二旋转部通过一旋转轴旋转固定。/n

【技术特征摘要】
1.一种基于混合传感的生理监测及分析系统，其特征在于，包括数据收集器、数据记录单元以及报告接收单元；
其中，所述数据收集器包括一旋转体以及传感器，所述传感器设置...

【专利技术属性】
技术研发人员：麦年丰，
申请(专利权)人：动析智能科技有限公司，
类型：新型
国别省市：中国香港;81