适老化多功能自主非侵入式动态生理信号监测分析系统技术方案

本发明专利技术公开了一种适老化多功能自主非侵入式动态生理信号监测分析系统，包括基于图神经网络的多传感器融合生理信号检测模型，该模型包含阵列式生理信号采集模块和基于图模型的生理信号特征提取与计算的协处理器模块。本发明专利技术采用上述的一种适老化多功能自主非侵入式动态生理信号监测分析系统，根据多传感器采集及图神经网络的多传感器融合生理信号检测模型，实现多功能自主非侵入式的动态生理信号监测及分析，具有高实时性、多样性、可解释性。可解释性。可解释性。

【技术实现步骤摘要】
适老化多功能自主非侵入式动态生理信号监测分析系统


[0001]本专利技术涉及医工融合
，尤其是涉及一种适老化多功能自主非侵入式动态生理信号监测分析系统。

技术介绍

[0002]随着人口老龄化时代的到来，老年人对生活品质、便捷性的要求逐年提高，对健康监测、健康管理的需求也越发强烈。各类型适老化生理检测、监测类产品与设备应运而生，并且迭代更新速度加快，其中小型化、集成度高、动态性能强等需求成为迭代更新的主要方向。
[0003]当前，面向老年人的生理检测、监测类的居家或便携式设备主要存在具备至少一项的生理指标检测、具备一定程度的通信能力和具备基本的数字信息显示功能等特点。该设备典型的产品类型可根据携带方式与测量方式分为嵌入式可穿戴、非嵌入式小型化设备、及时测量类、点动测量类。进一步组合形成的四种典型产品有嵌入式可穿戴即时型产品、嵌入式可穿戴的点动型产品、非嵌入式小型化及时测量型产品和非嵌入式小型化点动测量型产品。
[0004]上述有适老化生理检测相关类设备，在单一生理指标检测上基本做到了一体化并具备一定的持续监测的能力。但适老化设计不足、设备集成度低、动态监测实时性差、检测指标单一、存在侵入性、无创化检测程度不高、检测精度低等问题仍未得到应有的解决。

技术实现思路

[0005]本专利技术的目的是提供一种适老化多功能自主非侵入式动态生理信号监测分析系统，根据多传感器采集及图神经网络的多传感器融合生理信号检测模型，实现多功能自主非侵入式的动态生理信号监测及分析，具有高实时性、多样性、可解释性、结构简单的优点。
[0006]为实现上述目的，本专利技术提供了一种适老化多功能自主非侵入式动态生理信号监测分析系统，包括基于图神经网络的多传感器融合生理信号检测模型，该模型包含阵列式生理信号采集模块和基于图模型的生理信号特征提取与计算的协处理器模块。
[0007]优选的，还包括电源模块、主控模块、交互模块组成，电源模块由电源、充电与电池管理模块、输出驱动模块组成，交互模块包括人机交互界面和语音模块。电源为整机提供不间断电力，充电及电池管理模块包括锂电池平衡放电、静电保护、反向保护、低电量保护、软开关及type
‑
c快充等功能，输出驱动模块可产生驱动电压，驱动主控模块、交互模块、小功率参数采集及协处理器模块等。
[0008]优选的，采集模块为多传感器模组，协处理器模块的协处理器通过二次开发接口与主控模块连接。
[0009]主控模块为软件及操作系统提供支撑，强大的运算能力可对参数采集及协处理器模块的采集数据进行模型计算。参数采集及协处理器模块由多传感器模组、协处理器、二次开发接口组成。多传感器模组包括生理信号感知和环境参数感知，传感器信号发送至协处
理器；协处理器解析主控命令后触发多传感器模组序列；二次开发接口分别于主控模块和协处理器直连，用于二次开发。交互模块包括人机交互界面和语音模块，负责整机与用户交互，监测用户指令，展示输出的生理指标计算结果。
[0010]优选的，多传感器模组包括但不限于PPG信号传感器、ECG信号传感器、气体压力传感器、生物电阻抗传感器、EEG信号传感器、GSR信号传感器。
[0011]一种适老化多功能自主非侵入式动态生理信号监测分析系统，基于图神经网络的多传感器融合生理信号检测模型的计算过程中，通过多传感器模组和协处理器采集处理信号，以向量纵向数据的形式输入模型，其具体流程如下：S1、计算信号数据的各项指标，将上述数据整理分析为模型直接计算的特征数据；S2、使用图模型融合计算特征数据，全连接函数构造特征节点与生理指标数据节点间的映射关系，量化特征与生理指标检测结果的映射关系；S3、将图模型处理得到的生理指标数据作为结果输出，在交互模块展示。
[0012]优选的，在步骤S1中，使用多传感器模组测量PPG信号、ECG信号、气体压力传感器信号、生物电阻抗、EEG信号和GSR信号，特征提取模块使用高频采样，得到特征序列数据，针对不同的测量对象分别进行分析；在一个采样周期中，定义x的取值信息为基于光电容积脉搏波（PPG）信号波形计算波峰数量N，波峰与波谷差值AC，均值DC；结合心电（ECG）信号计算两种信号的波峰时间差PWTT；再使用压力传感器测得血压值，阻抗测量传感器测得生物电阻抗值Z和相位；PPG信号、ECG信号、EEG信号、GSR信号分别作为光电容积脉搏波信号、心电信号、脑电信号、皮电信号的测量结果直接在交互模块中输出波形图。
[0013]优选的，步骤S2中，将测量的PPG信号、ECG信号、气体压力传感器信号、生物电阻抗、EEG信号、GSR信号的T次测量结果x传递到GNDP图神经网络模型节点，经过模型处理，输出特征集M，主要模型表述为：
ꢀꢀꢀꢀꢀꢀꢀ
（1）其中，Sigmoid为神经网络常用激活函数，FCN为全卷积神经网络模块，Fpooling为神经网络池化函数，TCN
out
为时域卷积网络模块，GCN
out
为神经网络的图卷积模块。
[0014]优选的，步骤S3中，以步骤S2输出的特征集M和公认数据集内的心率值HR、血压值BP、血氧值SPO2、体脂值BFR、骨密度值BMD、身体水分比例值TBW生理指标分别作为两组节点，两组节点间采取全连接方式，使用图模型（V，E）将特征进行融合计算，以此描述各项生理指标间的联系与影响并以图权值表示，图模型（V，E）描述如下：
ꢀꢀꢀꢀꢀ
（2）其中，θ
A
为A节点内的待训练参数，α
A
、B为网络节点A、B间的权值，二者共同构成网络参数，Y∈{HR，BP，SPO2，BFR，BMD，TBW}是生理指标之一；在模型训练中，使用实测的{HR，BP，SPO2，BFR，BMD，TBW}进行标定，用较少的数据量训练模型参数，实现弱监督学习，由于各测量对象的数据采集同时进行，因此可即时获取测量结果。最终在交互模块输出心率值HR、血压值BP、血氧值SPO2、体脂值BFR、骨密度值BMD、身体水分比例值TBW。
[0015]因此，本专利技术采用上述一种适老化多功能自主非侵入式动态生理信号监测分析系统，具体技术效果如下：（1）本专利技术的模型充分利用了多传感器测量并进行了有效融合，GNDP模型可充分测量结果的历史信息，测量与计算具有时效性与即时性，采用图模型建立了各项生理指标之间的联系与相互影响，对实际人体具有更高的仿真能力与可解释性。
[0016]（2）本专利技术采用多传感器序列机制进行数据采集，协处理器可根据用户指令建立多传感器序列，分时调用，实现全部生理数据实时采集，一次性输出多种生理指标，对使用者健康状态进行全方位评估。
[0017]（3）本专利技术利用单导联心电与四电极生物阻抗共用电极采集点，协处理器控制决策电路分时选通，减少设备使用复杂度。
[0018]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
附图说明
[0019]图1是本专利技术一种适老化多功能自主本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适老化多功能自主非侵入式动态生理信号监测分析系统，其特征在于：包括基于图神经网络的多传感器融合生理信号检测模型，该模型包含阵列式生理信号采集模块和基于图模型的生理信号特征提取与计算的协处理器模块。2.根据权利要求1所述的一种适老化多功能自主非侵入式动态生理信号监测分析系统，其特征在于：还包括电源模块、主控模块、交互模块组成，电源模块由电源、充电与电池管理模块、输出驱动模块组成，交互模块包括人机交互界面和语音模块。3.根据权利要求1所述的一种适老化多功能自主非侵入式动态生理信号监测分析系统，其特征在于：采集模块为多传感器模组，协处理器模块的协处理器通过二次开发接口与主控模块连接。4.根据权利要求3所述的一种适老化多功能自主非侵入式动态生理信号监测分析系统，其特征在于：多传感器模组包括但不限于PPG信号传感器、ECG信号传感器、气体压力传感器、生物电阻抗传感器、EEG信号传感器、GSR信号传感器。5.一种适老化多功能自主非侵入式动态生理信号监测分析系统，其特征在于：基于图神经网络的多传感器融合生理信号检测模型的计算过程中，通过多传感器模组和协处理器采集处理信号，以向量纵向数据的形式输入模型，其具体流程如下：S1、计算信号数据的各项指标，将上述数据整理分析为模型直接计算的特征数据；S2、使用图模型融合计算特征数据，全连接函数构造特征节点与生理指标数据节点间的映射关系，量化特征与生理指标检测结果的映射关系；S3、将图模型处理得到的生理指标数据作为结果输出，在交互模块展示。6.根据权利要求5所述的一种适老化多功能自主非侵入式动态生理信号监测分析系统，其特征在于：在步骤S1中，使用多传感器模组测量PPG信号、ECG信号、气体压力传感器信号、生物电阻抗、EEG信号和GSR信号，特征提取模块使用高频采样，得到特征序列数据，针对不同的测量对象分别进行分析；在一个采样周期中，定义x的取值信息为基于光电容积脉搏波（PPG）信号波形计算波峰数量...

【专利技术属性】
技术研发人员：刘钟泽，刘一村，姜作翰，卢一，
申请(专利权)人：北京九叁有方物联网科技有限公司，
类型：发明
国别省市：