一种基于大数据的病理预警方法及装置制造方法及图纸

本发明专利技术涉及一种基于大数据的病理预警方法及装置，包括以下步骤：通过传感器实时采集用户的生物信号，以获取用户不同部位的原始加速度信号；对采集用户的生物信号进行降噪和分段，并生成用户的生理信号数据库；通过提取用户的生理信号数据库中的所述腰部传感器装置采集的数据，判断用户的躯干状态；将用户躯干特征矩阵和用户上肢特征矩阵进行归一化处理，并建立躯干状态识别模型和上肢状态识别模型，判断用户在静止状态下上肢是否出现震颤现象。本发明专利技术可以准确的根据用户的生理信号判断出用户是否存在老龄化的相关疾病，可以帮助用户对老龄化体质所伴随的疾病进行预警。对老龄化体质所伴随的疾病进行预警。对老龄化体质所伴随的疾病进行预警。

【技术实现步骤摘要】
一种基于大数据的病理预警方法及装置


[0001]本专利技术涉及大数据
，尤其涉及一种基于大数据的病理预警方法及装置。

技术介绍

[0002]病理，即疾病发生发展的过程和原理。也就是疾病发生的原因、发病原理和疾病过程中发生的细胞、组织和器官的结构、功能和代谢方面的改变及其规律。
[0003]帕金森又名震颤麻痹，是神经系统病变的一种，并且无法根治，只能通过长期的药物治疗来控制病情；同时，帕金森是一种老年慢性疾病，平均发病年龄约为60岁，主要临床表现为静止性震颤，因此，患者的运动症状是帕金森病临床确诊的重要依据。
[0004]目前，在现有技术中，对于病理预警的方法太过繁琐，且无法进行准确识别，可能导致用户错失对帕金森治疗的最佳时期，因此，急需改进。

技术实现思路

[0005]为了现有技术存在的上述技术缺陷，本专利技术提供了一种基于大数据的病理预警方法及装置，可以有效解决
技术介绍
中的问题。
[0006]为了解决上述技术问题，本专利技术提供的技术方案具体如下：
[0007]本专利技术实施例公开了一种基于大数据的病理预警方法，包括以下步骤：
[0008]通过传感器实时采集用户的生物信号，以获取用户不同部位的原始加速度信号；
[0009]对采集用户的生物信号进行降噪和分段，并生成用户的生理信号数据库；
[0010]通过提取用户的生理信号数据库中的所述腰部传感器装置采集的数据，判断用户的躯干状态；
[0011]将用户躯干特征矩阵和用户上肢特征矩阵进行归一化处理，并建立躯干状态识别模型和上肢状态识别模型，判断用户在静止状态下上肢是否出现震颤现象。
[0012]在上述任一方案中优选的是，所述传感器装置内设置有采集模块、储存模块和控制模块，采集模块用于采集用户的生物信号数据，或获取用户运动和姿势的加速度数据，并将采集的数据发送至控制模块中；控制模块与储存模块连接，在采集模块采集完用户的数据后，控制模块将采集模块采集的数据存储在储存模块内。
[0013]在上述任一方案中优选的是，所述述传感器装置包括腰部传感器装置、左上肢传感器装置和右上肢传感器装置，所述腰部传感器装置固定于用户腰部，所述左上肢传感器装置和所述右上肢传感器装置分别固定于用户的左右上肢末端。
[0014]在上述任一方案中优选的是，通过滤波器对所述腰部传感器装置、所述左上肢传感器装置和所述右上肢传感器装置采集的数据进行降噪和分段，并生成用户的生理信号数据库。
[0015]在上述任一方案中优选的是，通过滤波器对采集的数据进行降噪包括以下步骤：
[0016]对采集的数据进行三阶滤波；
[0017]确定滤波器的归一化截止频率和阶数；
[0018]计算滤波的系数；
[0019]通过滤波函数滤波。
[0020]在上述任一方案中优选的是，分别计算X、Y、Z轴向上的加速度绝对值的平均值，用以判断用户的躯干状态；分别计算在X、Y、Z轴方向上的加速度标准偏差，和在X、Y、Z轴方向上的加速度两两之间的相关系数；将X、Y、Z轴向加速度数据的绝对值均值、标准偏差和两两间的相关系数生成用户的躯干特征向量，进而将用户躯干静止状态特征矩阵与用户躯干非静止状态特征矩阵合并为用户躯干特征矩阵，并创建对应的两行N列的0
‑
1矩阵。
[0021]在上述任一方案中优选的是，根据用户的生理信号数据库中的所述左上肢传感器装置和所述右上肢传感器装置采集的数据，通过最小二乘法对自回归模型的系数进行估计，分别得到左上肢数据的五个AR系数和右上肢数据的五个AR系数，其中，设AR模型的阶数为5；将信号幅值域和五个AR系数作为识别上肢状态的上肢特征向量，并将上肢震颤、静止和运动状态特征矩阵合并为用户上肢特征矩阵，并创建对应的三行N列的0
‑
1矩阵。
[0022]在上述任一方案中优选的是，在躯干状态识别模型中，输入向量为用户躯干特征矩阵，其中，用户躯干特征矩阵包括9个特征，维数为9，设定躯干状态识别模型输入层的节点数为9，输出层的节点数为2，则输出向量为0
‑
1时表示静止，1
‑
0时表示非静止；在上肢状态识别模型中，输入向量为用户上肢特征矩阵，其中，用户上肢特征矩阵包括6个特征，维数为6，设定躯干状态识别模型输入层的节点数为6，输出层的节点数为3，则输出向量为0
‑0‑
1时表示震颤，0
‑1‑
0时表示静止，1
‑0‑
0时表示运动。
[0023]在上述任一方案中优选的是，当在躯干状态识别模型的输出向量为0
‑
1时，上肢状态识别模型的输出向量为0
‑0‑
1，则判定用户出现在静止状态下上肢出现震颤现象，否则不成立。
[0024]第二方面，一种基于大数据的病理预警装置，所述装置包括：
[0025]获取模块，用于通过传感器实时采集用户的生物信号，以获取用户不同部位的原始加速度信号；
[0026]处理模块，用于对采集用户的生物信号进行降噪和分段，并生成用户的生理信号数据库；
[0027]提取模块，用于通过提取用户的生理信号数据库中的所述腰部传感器装置采集的数据，判断用户的躯干状态；
[0028]识别模块，用于将用户躯干特征矩阵和用户上肢特征矩阵进行归一化处理，并建立躯干状态识别模型和上肢状态识别模型，判断用户在静止状态下上肢是否出现震颤现象。
[0029]与现有技术相比，本专利技术的有益效果：
[0030]本专利技术提供了一种基于大数据的病理预警方法及装置，通过传感器实时采集用户的生物信号，以获取用户不同部位的原始加速度信号；对采集用户的生物信号进行降噪和分段，并生成用户的生理信号数据库；通过提取用户的生理信号数据库中的所述腰部传感器装置采集的数据，判断用户的躯干状态；将用户躯干特征矩阵和用户上肢特征矩阵进行归一化处理，并建立躯干状态识别模型和上肢状态识别模型，判断用户在静止状态下上肢是否出现震颤现象；可以准确的根据用户的生理信号判断出用户是否存在老龄化的相关疾病，可以帮助用户对老龄化体质所伴随的疾病进行预警。
附图说明
[0031]附图用于对本专利技术的进一步理解，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。
[0032]图1是本专利技术基于大数据的病理预警方法的流程图；
[0033]图2是本专利技术基于大数据的病理预警装置的模块示意图。
具体实施方式
[0034]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。
[0035]需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的病理预警方法，其特征在于：包括以下步骤：通过传感器实时采集用户的生物信号，以获取用户不同部位的原始加速度信号；对采集用户的生物信号进行降噪和分段，并生成用户的生理信号数据库；通过提取用户的生理信号数据库中的所述腰部传感器装置采集的数据，判断用户的躯干状态；将用户躯干特征矩阵和用户上肢特征矩阵进行归一化处理，并建立躯干状态识别模型和上肢状态识别模型，判断用户在静止状态下上肢是否出现震颤现象。2.根据权利要求1所述的基于大数据的病理预警方法，其特征在于：所述传感器装置内设置有采集模块、储存模块和控制模块，采集模块用于采集用户的生物信号数据，或获取用户运动和姿势的加速度数据，并将采集的数据发送至控制模块中；控制模块与储存模块连接，在采集模块采集完用户的数据后，控制模块将采集模块采集的数据存储在储存模块内。3.根据权利要求2所述的基于大数据的病理预警方法，其特征在于：所述述传感器装置包括腰部传感器装置、左上肢传感器装置和右上肢传感器装置，所述腰部传感器装置固定于用户腰部，所述左上肢传感器装置和所述右上肢传感器装置分别固定于用户的左右上肢末端。4.根据权利要求3所述的基于大数据的病理预警方法，其特征在于：通过滤波器对所述腰部传感器装置、所述左上肢传感器装置和所述右上肢传感器装置采集的数据进行降噪和分段，并生成用户的生理信号数据库。5.根据权利要求4所述的基于大数据的病理预警方法，其特征在于：通过滤波器对采集的数据进行降噪包括以下步骤：对采集的数据进行三阶滤波；确定滤波器的归一化截止频率和阶数；计算滤波的系数；通过滤波函数滤波。6.根据权利要求5所述的基于大数据的病理预警方法，其特征在于：分别计算X、Y、Z轴向上的加速度绝对值的平均值，用以判断用户的躯干状态；分别计算在X、Y、Z轴方向上的加速度标准偏差，和在X、Y、Z轴方向上的加速度两两之间的相关系数；将X、Y、Z轴向加速度数据的绝对值均值、标准偏差和两两间的相关系数生成用户的躯干特征向量，进而将用户躯干静止状态特征矩阵与用户躯干非静止状态特征矩阵合并为用户躯干特征矩阵，并创建对应的两行N列的0
‑
1矩阵。7.根据权利要...

【专利技术属性】
技术研发人员：朱峻，黄小军，
申请(专利权)人：深圳市森盈智能科技有限公司，
类型：发明
国别省市：