[发明专利]一种基于神经网络自适应健康监测的可穿戴设备

说明书

本发明公开一种基于神经网络自适应健康监测的可穿戴设备，包括：运动状态求解模块、运动环节判断模块、降维求解模块、生理参数设定模块、生理参数采集模块；运动状态求解模块采集加速度传感器输出的加速度数据，并经小波变换过滤高频噪声，划分用户的运动状态；运动环节判断模块，结合角速度对所述运动状态进行细分，获得运动细分环节；降维求解模块，使用优化的SVM分层级结合不同层级数据对部分病态特征的进一步精细区分。本发明分析环节综合不同特征降维取样，大大减少了运动量，通过重点计算验证环节，又保证了正确性，提高所获得的用户生理参数的医学参考价值，并在同等情况下提取功耗待机能力。

技术领域

本发明涉及智能穿戴领域，特别涉及一种基于神经网络自适应健康监测的可穿戴设备。

背景技术

心血管疾病作为最能威胁人类健康的一种疾病，其病因涉及人体内运输血液的组织和包括心脏、动脉血管、静脉血管在内的循环系统。人体脉搏包含丰富的与心血管有关的生理病理信息，其波形幅值、周期、形状都可作为判断人体心血管系统健康与否的重要依据。

长期以来，人们通过心电图机获取心电图进行判别。随着可穿戴技术和远程医疗的发展，人们越来越不满足在限定时间、地点并且限制生理活动的条件下使用心电图机等大型设备获得自身健康信息，而更倾向于自由、灵活、连续和实时地监测自身健康状态。

心电图的获取，从原理上划分大体有如下四类：

1、光：利用光透射或反射血管内流动的血液（脉搏）来检测脉率，通常情况下脉率与心率数据相等的。目前指夹式光传感器基本使用可见光透射原理；而脉搏的光传感器基本使用光反射原理。

2、电：就是通常说的ECG信号，它是有人体心脏搏动而产生的毫伏级电信号，大家看到体检的心电图，心率带、心电手表等至少需要两个以上电极的设备基本上都属于这种检测原理。

3、声：通常是利用超声多普勒原理来检查心脏的搏动，常见的胎心仪就是这一原理。

4、压：通常使用一个压力传感器来检测脉博搏动的微弱压力信号来检测脉率，有极少手环使用，主要在血压检测中计算血压和脉率。

上述四类方法中，光学检测方法具有实施便捷、成本低廉、能够24小时检测等优势，成为可穿戴便携式手表测量的主流手段。尤其是使用绿光作为光源测量PPG的特性，与红外光和红光相比较，绿光受皮下组织的干扰更小，获取的PPG波形更加完整。通过绿光照射，由于人体皮下组织的血红蛋白等吸光物质在整个血液循环中吸光系数和血液浓度保持不变，透射光或反射光光程随心脏作用呈周期性变化，心脏舒张期外周血液容积量最小，光程最小，光吸收量也最小，检测到的光强最小，而心脏收缩期则刚好相反，探测到反射光强的变化并转化为数字信号，进而描绘成心电脉搏波。

可穿戴健康智能腕表采集的健康体征数据目前业界只作为健康分析参考，没有大规模取代传统非穿戴式家用医疗器械和快速普及，存在如下原因：

1、准确性问题：现有的可穿戴设备，未考虑不同生理参数应该在不同的运动状态下进行采集，这样才能获得具有医学参考价值的生理参数。

目前业界健康检测设备是在用户静止状态下，测量其心率或心电图。但是实际上针对不同的病患需要采集不同运动状态下的生理参数采用意义，即许多健康体征的采集对采集者的状态环境有较高的要求。例如，心电图的采集需要人体平静状态下采集，如果运动过后，需要人体静止休息10分钟后，获得的心率数据具有医学参考价值；动态心率在运动开始3分钟后测得的运动心率数据具有医学参考价值。

同时，对于一些特殊病例，其生理参数应该在特定的步态周期中采集。现有技术，并根据步态状态进行生理参数的采集。例如，对于中风（脑卒中）、帕金森等预测诊断与步态周期的不同环节的动作状态下的表现等情况有关。故需要精细地采集运动状态、周期、运动细微特征。