本發(fā)明涉及檢測領域，尤其涉及一種基于生物介電譜的皮膚生化指標檢測方法及系統(tǒng)。

背景技術：

皮膚是人體的重要保護屏障，在日常生活中，由于機體內部的新陳代謝和外部環(huán)境的共同作用，皮膚的各項生理生化指標都在發(fā)生變化。研究證明，皮膚內多種重要元素的含量會維持在相對穩(wěn)定的狀態(tài)，若出現異常指標，細胞的一系列正常生理活動會受到影響，導致人體出現代謝紊亂。除此之外，若皮膚收到外部環(huán)境物理和生化傷害，導致皮膚損傷，也會引起人體多種疾病。因此，需要對皮膚生化指標進行穿戴式動態(tài)監(jiān)測。

雖然智能穿戴設備成為了人們生活中的必需品，其功能也變得越來越豐富，但現有技術中，穿戴式健康監(jiān)護只能實現少數參數檢測。如，專利CN201510996820.5公開了一種穿戴式皮膚生化指標檢測，主要實現對乳酸、尿素、酸堿度及電解質的檢測；且主要通過檢測汗液中的離子含量的方法進行，不能對皮膚狀態(tài)實現準確的分析。此外，上述方法還需要多個化學傳感器集成，不利于檢測設備的小型化。

因此，現有技術還有待于改進和發(fā)展。

技術實現要素：

鑒于上述現有技術的不足，本發(fā)明的目的在于提供一種基于生物介電譜的皮膚生化指標檢測方法及系統(tǒng)，旨在解決現有技術中皮膚生化指標檢測的指標種類少，不能對皮膚狀態(tài)實現準確的分析，不利于檢測設備的小型化問題。

本發(fā)明的技術方案如下：

一種基于生物介電譜的皮膚生化指標檢測方法，包括：

A、將激勵電極和測量電極貼覆在被檢測的目標上，通過激勵電極對目標進行激勵，采集測量電極上的信號；

B、對采集到的信號進行去噪預處理，繪制介電譜圖；

C、以待測參數為變量，對各個變量和介電譜圖的參數進行擬合，計算出每個待測參數的權重因子；

D、對計算出的權重因子進行模型匹配分析，獲取超出模型函數臨界值的權重因子以及對應的參數并輸出。

所述的基于生物介電譜的皮膚生化指標檢測方法中，所述步驟A之前還包括：

S、預先采集多次初始信號，并對初始信號進行標定，再將標定后的初始信號映射至高維空間，得到模型函數。

所述的基于生物介電譜的皮膚生化指標檢測方法中，所述步驟B中的去噪預處理具體包括：

B1、通過對采集的信號先進行差分放大，再進行低通濾波處理；

B2、然后進行線性放大，再進行二次濾波處理。

所述的基于生物介電譜的皮膚生化指標檢測方法中，所述步驟B還包括：

通過三軸運動傳感器獲取運動數據，并根據運動數據對去噪預處理后的信號進行融合修正，消除運動偽差。

所述的基于生物介電譜的皮膚生化指標檢測方法中，所述步驟C具體包括：

C1、以待測參數為變量，利用解析式逼近計算得到的離散的介電數值，所述解析式如下：f(x,c)=c₁X₁+c₂X₂+c₃X₃+…+c_nX_n，其中，X₁、X₂…X_n代表待測參數，c₁、c₂…c_n代表對應待測參數的權重因子；

C2、分別對各個變量和介電譜圖的參數進行擬合，計算出各個變量的線性擬合斜率；

C3、對各線性擬合斜率進行歸一化處理，得到各個變量的權重因子。

一種基于生物介電譜的皮膚生化指標檢測系統(tǒng)，包括：

信號采集模塊，用于將激勵電極和測量電極貼覆在被檢測的目標上，通過激勵電極對目標進行激勵，采集測量電極上的信號；

去噪預處理模塊，用于對采集到的信號進行去噪預處理，繪制介電譜圖；

擬合計算模塊，用于以待測參數為變量，對各個變量和介電譜圖的參數進行擬合，計算出每個待測參數的權重因子；

匹配分析模塊，用于對計算出的權重因子進行模型匹配分析，獲取超出模型函數臨界值的權重因子以及對應的參數并輸出。

所述的基于生物介電譜的皮膚生化指標檢測系統(tǒng)中，所述系統(tǒng)還包括：

模型建立模塊，用于預先采集多次初始信號，并對初始信號進行標定，再將標定后的初始信號映射至高維空間，得到模型函數。

所述的基于生物介電譜的皮膚生化指標檢測系統(tǒng)中，所述的去噪預處理模塊具體包括：

差分放大單元，用于通過對采集的信號先進行差分放大，再進行低通濾波處理；

線性放大單元，用于進行線性放大，再進行二次濾波處理。

所述的基于生物介電譜的皮膚生化指標檢測系統(tǒng)中共，所述去噪預處理模塊還包括：

修正融合單元，用于通過三軸運動傳感器獲取運動數據，并根據運動數據對去噪預處理后的信號進行融合修正，消除運動偽差。

所述的基于生物介電譜的皮膚生化指標檢測系統(tǒng)中，所述擬合計算模塊具體包括：

計算單元，用于以待測參數為變量，利用解析式逼近計算得到的離散的介電數值，所述解析式如下：f(x,c)=c₁X₁+c₂X₂+c₃X₃+…+c_nX_n，其中，X₁、X₂…X_n代表待測參數，c₁、c₂…c_n代表對應待測參數的權重因子；

擬合單元，用于分別對各個變量和介電譜圖的參數進行擬合，計算出各個變量的線性擬合斜率；

歸一化單元，用于對各線性擬合斜率進行歸一化處理，得到各個變量的權重因子。

有益效果：本發(fā)明通過檢測目標介電特性實現對皮膚生化指標的檢測，能夠對多種不同的皮膚生化指標進行實時檢測，不需使用多個傳感器，大大縮小了產品的尺寸，有利于產品的進一步集成化和應用領域的拓展。

附圖說明

圖1為本發(fā)明一種基于生物介電譜的皮膚生化指標檢測方法較佳實施例的流程圖。

圖2為本發(fā)明一種基于生物介電譜的皮膚生化指標檢測方法的原理圖。

圖3為圖1中步驟S2較佳實施例的流程圖。

圖4為圖1中步驟S3較佳實施例的流程圖。

圖5為本發(fā)明一種基于生物介電譜的皮膚生化指標檢測系統(tǒng)較佳實施例的結構框圖。

圖6為圖5中去噪預處理模塊較佳實施例的結構框圖。

圖7為圖5中擬合計算模塊較佳實施例的結構框圖。

具體實施方式

本發(fā)明提供一種基于生物介電譜的皮膚生化指標檢測方法及系統(tǒng)，為使本發(fā)明的目的、技術方案及效果更加清楚、明確，以下對本發(fā)明進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明一種基于生物介電譜的皮膚生化指標檢測方法較佳實施例，如圖1所示，包括步驟：

S1、將激勵電極和測量電極貼覆在被檢測的目標上，通過激勵電極對目標進行激勵，采集測量電極上的信號；

S2、對采集到的信號進行去噪預處理，繪制介電譜圖；

S3、以待測參數為變量，對各個變量和介電譜圖的參數進行擬合，計算出每個待測參數的權重因子；

S4、對計算出的權重因子進行模型匹配分析，獲取超出模型函數臨界值的權重因子以及對應的參數并輸出。

本發(fā)明是通過介電特性實現對皮膚生化指標的檢測，首先，將激勵電極和測量電極緊貼目標，然后通過激勵電極對目標進行激勵，再采集測量電極上的信號；其次，對采集到的信號進行去噪預處理，之后繪制介電譜圖；然后對各個變量和參數進行擬合；最后，對計算出的權重因子進行模型匹配分析，獲取超出模型函數臨界值的權重因子以及對應的參數。本發(fā)明可檢測的皮膚生化指標多，且無需使用多個傳感器，有利于滿足穿戴式設備的低功耗、小體積要求。

其中，在步驟S1中，采用的激勵電極和測量電極均為矩形金屬電極（比如矩形銅電極），且各電極的中心處凸起設置，這樣各電極與皮膚接觸的部位稍微高于邊緣，以便電極與皮膚接觸良好，也便于后續(xù)獲得清晰穩(wěn)定的信號。另外，本發(fā)明可設置兩對電極，每對電極包括一個測量電極和一個激勵電極，每對電極中的測量電極緊鄰對應的激勵電極。兩個測量電極之間的距離可固定在20mm。如圖2所示，兩個激勵電極中，一個為發(fā)射電極，另一個為參考地。在檢測過程中，通過發(fā)射電極向目標發(fā)送頻率為50kHz，幅度為1mA的恒流信號，并對兩個測量電極之間的信號進行檢測和采集。

步驟S2的較佳實施例的流程圖如圖3所示，具體包括：

S21、通過對采集的信號先進行差分放大，再進行低通濾波處理；

S22、然后進行線性放大，再進行二次濾波處理。

由于獲取的信號通常會受外界環(huán)境等因素的影響，將其直接進行檢測、判斷會帶來很大的誤差，因此預先對采集到的信號進行去除噪聲操作有利于提高檢測結果的準確性和可信度。該實施例中，信號的去噪預處理具體包括，如圖2所示，將兩測量電極分別接入差分運放的同相端和反相端，獲取兩測量電極之間的電壓差，進而獲得上述兩個測量電極之間的電壓信號（即步驟S21中提到的信號，即電壓差）；使用儀表放大器對信號進行差分采集并進行5倍放大，之后，將該信號通過二級有源低通濾波器，濾波器截止頻率為100kHz，以濾除高頻雜波；隨后對上述信號進行100-1000倍的線性放大，放大后信號再通過低通濾波器（如二級有源低通濾波器）進行二次濾波。然后由模擬數字轉換器對去噪預處理后的信號進行采樣，并將其保存于存儲器中。

上述步驟S2還包括：通過三軸運動傳感器獲取目標的運動數據，并根據運動數據對去噪預處理后的信號進行融合修正，消除運動偽差。這是因為，檢測到的數據是與靜息狀態(tài)下獲得的標定值進行比較，與目標運動狀態(tài)下輸出的信號直接進行對比顯然無法反映皮膚生化指標的真實情況，因此，需要通過附加的三軸運動傳感器獲取加速度和角速度數據，并將運動狀態(tài)下的信號與靜息狀態(tài)的信號進行對比，以在后續(xù)測量中消除運動偽差，保證檢測結果的準確。

在所述步驟S2中，繪制介電譜圖是通過掃頻描點方式獲得，激勵電極的電流信號已知，僅改變頻率，在測量電極處可獲得響應的電壓反饋，利用（1）；（2）導納 兩式，導納由響應電壓和激勵電流測出，反推介電常數后描點作圖。

步驟S3的較佳實施例的流程圖如圖4所示，具體包括：

S31、以待測參數為變量，利用解析式逼近計算得到的離散的介電數值，所述解析式為：f(x,c)=c₁X₁+c₂X₂+c₃X₃+…+c_nX_n，其中，X₁、X₂…X_n代表待測參數，c₁、c₂…c_n代表對應待測參數的權重因子；

S32、分別對各個變量和介電譜圖的參數進行擬合，計算出各個變量的線性擬合斜率；

S33、對各線性擬合斜率進行歸一化處理，得到各個變量的權重因子。

在該實施例中，首先以待測參數為變量，利用解析式逼近計算得到的離散的介電數值，所述解析式為：f(x,c)=c₁X₁+c₂X₂+c₃X₃+…+c_nX_n，其中，X₁、X₂…X_n代表待測參數，c₁、c₂…c_n代表對應待測參數的權重因子；所述待測參數X₁、X₂…X_n可以分別代表物理損傷程度、皮膚酸堿度、溫度等皮膚生化指標，利用f(x,c)=c₁X₁+c₂X₂+c₃X₃+…+c_nX_n的解析表達式逼近計算得出的離散的介電數值。這是因為待測參數X_n的值無法直接解出，因此需要借助測量介電數值f(x,c)（即電阻抗值）來反推每個待測參數與標定值的差值之和是否超過所設置的閾值，超過則進行警報。因此，在實施過程中，通過控制變量法獲得各介電數值（即電阻抗值）和各個待測參數X_n之間的關系，以及每個待測參數的權重因子c_n。之后，分別對各個變量和介電譜圖的參數進行擬合，計算出各個變量的線性擬合斜率；該擬合過程為二維線性擬合，即將介電圖譜參數分別和各待測參數（X_n）在二維坐標系中描點直線作圖，使各點均勻分散在直線兩側，計算出線性擬合的斜率為k。最后，對各線性擬合斜率進行歸一化處理，得到各個變量的權重因子，即在測量完所有待測參數的線性擬合斜率k后，進行歸一化處理，將各個k轉換為系數c_k，即規(guī)定，每個變量前的系數c_k（也即上述轉換后的線性擬合斜率k）即為相應的權重因子。

在上述步驟S1之前，還包括預先多次采集初始信號，并對初始信號進行標定，再將標定后的初始信號映射至高維空間，得到模型函數。在此過程中，為消除個體差異性，多次重復采集初始電壓數據（即前述的電壓信號），并對每個用戶進行初始電壓數據標定，確定介電數值的正常范圍。對明顯超出測量范圍的介電數值進行計算，將上述待測參數作為自變量，將標定完成后的初始電壓數據作為因變量以描點的方式映射至高維空間，對數據進行模型的建立，具體內容如下：模型的種類很多，以樸素的貝葉斯模型為例對上述過程進行解釋，。

第一個等號為條件概率基本公式P（A|B）=P（AB）/ P（B）而得，該模型中的x_i即代表待測參數X_n，且待測參數X_n之間相互獨立，因此在待測參數的數量增加的情況下，P（X₁|y=1）P（X₂|y=1）=P（X₁,X₂|y=1）即為X₁和X₂兩種情況的累加，同理可以擴展到X_n的n維。在此二維公式中，對于y = 0和y = 1的情況，分母相等，而分子僅取皮膚狀態(tài)，即只要p(y = 0|x)小于p(y = 1|x)就表示皮膚出現異常狀態(tài)。而由于正向無法直接檢測皮膚是否出現異常，需要依靠測量上述權重因子來間接反應皮膚生化指標。

在具體實施過程中，若當前檢測出的權重因子與標定的權重值相差超過50%時（即二者差值與標定的權重值之比），表示當前檢測出的權重因子超出模型函數臨界值，所以可采取亮紅燈和震動報警提醒。

基于上述方法，本發(fā)明還提供了基于生物介電譜的皮膚生化指標檢測系統(tǒng)較佳的實施例，如圖5所示，包括：

信號采集模塊100，用于將激勵電極和測量電極貼覆在被檢測的目標上，通過激勵電極對目標進行激勵，采集測量電極上的信號；

去噪預處理模塊200，用于對采集到的信號進行去噪預處理，繪制介電譜圖；

擬合計算模塊300，用于以待測參數為變量，對各個變量和介電譜圖的參數進行擬合，計算出每個待測參數的權重因子；

匹配分析模塊400，用于對計算出的權重因子進行模型匹配分析，獲取超出模型函數臨界值的權重因子以及對應的參數并輸出。

進一步的，如圖6所示，去噪預處理模塊200具體包括：

差分放大單元210，用于通過對采集的信號先進行差分放大，再進行低通濾波處理；

線性放大單元220，用于進行線性放大，再進行二次濾波處理。

所述去噪預處理模塊200還包括：

修正融合單元，用于通過三軸運動傳感器獲取運動數據，并根據運動數據對去噪預處理后的信號進行融合修正，消除運動偽差。

更進一步的，如圖7示，擬合計算模塊300具體包括：

計算單元310，用于以待測參數為變量，利用解析式逼近計算得到的離散介電數值，所述解析式如下：f(x,c)=c₁X₁+c₂X₂+c₃X₃+…+c_nX_n，其中，X₁、X₂…X_n代表待測參數，c₁、c₂…c_n代表對應待測參數的權重因子；

擬合單元320，用于分別對各個變量和介電譜圖的參數進行擬合，計算出各個變量的線性擬合斜率；

歸一化單元330，用于對各線性擬合斜率進行歸一化處理，得到各個變量的權重因子。

較佳的，所述擬合單元320分別對各個變量和介電譜圖的參數進行擬合，計算出各個變量的線性擬合斜率，并通過歸一化單元330將各線性擬合斜率進行歸一化處理，得到各個變量的權重因子，進而通過權重因子的分析找到與其對應的待測參數即具體生化指標。關于上述模塊單元的技術細節(jié)已在前面的方法中進行了詳述，故不再贅述。

綜上所述，本發(fā)明通過檢測人體介電特性實現對皮膚生化指標的檢測，避免了采用檢測汗液中的離子含量的方法檢測指標種類有限，需要多個傳感器不利于產品小型化的缺陷，不僅能夠對多種不同的皮膚生化指標進行實時檢測，而且檢測過程中不需使用多個傳感器，大大縮小了產品的尺寸，有利于產品的進一步集成化和應用領域的拓展。

應當理解的是，本發(fā)明的應用不限于上述的舉例，對本領域普通技術人員來說，可以根據上述說明加以改進或變換，所有這些改進和變換都應屬于本發(fā)明所附權利要求的保護范圍。