亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種體溫測量方法及裝置的制造方法

文檔序號:10600543閱讀:699來源:國知局
一種體溫測量方法及裝置的制造方法
【專利摘要】本發(fā)明公開了一種體溫測量方法,包括:根據(jù)實(shí)時測量得到的人體溫度來獲取實(shí)際體溫時間序列;根據(jù)所述實(shí)際體溫時間序列,采用預(yù)先構(gòu)建的自回歸滑動平均模型,獲得體溫觀測值時間序列;根據(jù)所述實(shí)際體溫時間序列和所述體溫觀測值時間序列,采用預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型,預(yù)測預(yù)設(shè)時段后的人體溫度。相應(yīng)的,本發(fā)明還公開了一種體溫測量裝置。采用本發(fā)明實(shí)施例,能夠提高體溫測量的效率。
【專利說明】
一種體溫測量方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及信號檢測與處理技術(shù)領(lǐng)域,尤其涉及一種體溫測量方法及裝置。
【背景技術(shù)】
[0002] 在醫(yī)學(xué)領(lǐng)域中,常用的檢測體溫的方法是利用水銀溫度計進(jìn)行測量,先將溫度計 插進(jìn)病人體內(nèi),使溫度計與人體接觸的時間足夠長,一般為四到八分鐘以上,以保證體溫檢 測的準(zhǔn)確性,最后由專業(yè)人員對溫度計進(jìn)行讀取。這種體溫檢測方法存在很多不足之處,測 量時間較長,而且在測量的過程中要保證體溫計與人體一直保持緊密接觸狀態(tài),使得被測 者要保持一種比較安穩(wěn)的狀態(tài),對于一些特殊患者來說,顯得十分不方便。此外,傳統(tǒng)的水 銀溫度計在讀取方面也不太便利,很容易產(chǎn)生人為錯誤,而且測量的精度很多時候也無法 滿足臨床上的需要。因此,電子體溫計應(yīng)運(yùn)而生。但是,為了使溫度傳感器能夠穩(wěn)固固定,電 子體溫計的溫度傳感器外部包裹了一層導(dǎo)熱材料,使得人體和溫度傳感器之間沒有直接接 觸,而導(dǎo)熱器件需要較長時間的緩慢升溫,從而導(dǎo)致電子體溫計對外界溫度的測量時間較 長,測量效率低下。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明實(shí)施例提出一種體溫測量方法及裝置,能夠提高體溫測量的效率。
[0004] 本發(fā)明實(shí)施例提供一種體溫測量方法,包括:
[0005] 根據(jù)實(shí)時測量得到的人體溫度來獲取實(shí)際體溫時間序列;
[0006] 根據(jù)所述實(shí)際體溫時間序列,采用預(yù)先構(gòu)建的自回歸滑動平均模型,獲得體溫觀 測值時間序列;
[0007] 根據(jù)所述實(shí)際體溫時間序列和所述體溫觀測值時間序列,采用預(yù)先構(gòu)建的神經(jīng)網(wǎng) 絡(luò)模型,預(yù)測預(yù)設(shè)時段后的人體溫度。
[0008] 進(jìn)一步地,所述根據(jù)所述實(shí)際體溫時間序列和所述體溫觀測值時間序列,采用預(yù) 先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型,預(yù)測預(yù)設(shè)時段后的人體溫度,具體包括:
[0009] 計算所述實(shí)際體溫時間序列與所述體溫觀測值時間序列在每一時刻的差值,獲得 體溫殘差值時間序列;
[0010] 根據(jù)所述實(shí)際體溫時間序列和所述體溫殘差值時間序列,采用預(yù)先構(gòu)建的神經(jīng)網(wǎng) 絡(luò)模型,預(yù)測預(yù)設(shè)時段后的人體溫度。
[0011] 進(jìn)一步,在所述實(shí)時測量人體溫度,獲得實(shí)際體溫時間序列之前,還包括:
[0012] 對人體溫度進(jìn)行采樣,獲得體溫采樣數(shù)據(jù);所述體溫采樣數(shù)據(jù)包括采樣歷史值時 間序列;
[0013] 根據(jù)所述采樣歷史值時間序列,構(gòu)建所述自回歸滑動平均模型;
[0014] 根據(jù)所述采樣歷史值時間序列,采用所述自回歸滑動平均模型,獲得采樣觀測值 時間序列;
[0015] 根據(jù)所述采樣歷史值時間序列和所述采樣觀測值時間序列,構(gòu)建所述神經(jīng)網(wǎng)絡(luò)模 型。
[0016] 進(jìn)一步,所述根據(jù)所述采樣歷史值時間序列和所述采樣觀測值時間序列,構(gòu)建所 述神經(jīng)網(wǎng)絡(luò)模型,具體包括:
[0017] 計算所述采樣歷史值時間序列與所述采樣觀測值時間序列在每一時刻的差值,獲 得米樣殘差值時間序列;
[0018] 對所述采樣歷史值時間序列進(jìn)行噪聲處理;
[0019] 對所述采樣殘差值時間序列和噪聲處理后的采樣歷史值時間序列進(jìn)行歸一化處 理;
[0020] 根據(jù)歸一化處理后的采樣殘差值時間序列和采樣歷史值時間序列,構(gòu)建所述神經(jīng) 網(wǎng)絡(luò)模型。
[0021] 進(jìn)一步,所述體溫采樣數(shù)據(jù)還包括所述采樣歷史值時間序列預(yù)設(shè)時段后的采樣體 溫;
[0022] 所述根據(jù)歸一化處理后的采樣殘差值時間序列和采樣歷史值時間序列,構(gòu)建所述 神經(jīng)網(wǎng)絡(luò)模型,具體包括:
[0023] 以所述歸一化處理后的采樣殘差值時間序列和采樣歷史值時間序列作為輸入數(shù) 據(jù),以所述預(yù)設(shè)時段后的采樣體溫作為輸出數(shù)據(jù),對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,獲得神經(jīng)網(wǎng)絡(luò)模 型。
[0024] 相應(yīng)地,本發(fā)明實(shí)施例還提供一種體溫測量裝置,包括:
[0025] 實(shí)際體溫獲取模塊,用于根據(jù)實(shí)時測量得到的人體溫度來獲取實(shí)際體溫時間序 列;
[0026] 觀測值獲取模塊,用于根據(jù)所述實(shí)際體溫時間序列,采用預(yù)先構(gòu)建的自回歸滑動 平均模型,獲得體溫觀測值時間序列;以及,
[0027] 體溫預(yù)測模塊,用于根據(jù)所述實(shí)際體溫時間序列和所述體溫觀測值時間序列,采 用預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型,預(yù)測預(yù)設(shè)時段后的人體溫度。
[0028] 進(jìn)一步,所述體溫預(yù)測模塊具體包括:
[0029] 殘差值計算單元,用于計算所述實(shí)際體溫時間序列與所述體溫觀測值時間序列在 每一時刻的差值,獲得體溫殘差值時間序列;以及,
[0030] 體溫預(yù)測單元,用于根據(jù)所述實(shí)際體溫時間序列和所述體溫殘差值時間序列,采 用預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型,預(yù)測預(yù)設(shè)時段后的人體溫度。
[0031] 進(jìn)一步,所述體溫測量裝置還包括:
[0032] 采樣模塊,用于對人體溫度進(jìn)行采樣,獲得體溫采樣數(shù)據(jù);所述體溫采樣數(shù)據(jù)包括 米樣歷史值時間序列;
[0033] 第一模型構(gòu)建模塊,用于根據(jù)所述采樣歷史值時間序列,構(gòu)建所述自回歸滑動平 均模型;
[0034]采樣觀測值獲取模塊,用于根據(jù)所述采樣歷史值時間序列,采用所述自回歸滑動 平均模型,獲得采樣觀測值時間序列;以及,
[0035] 第二模型構(gòu)建模塊,用于根據(jù)所述采樣歷史值時間序列和所述采樣觀測值時間序 列,構(gòu)建所述神經(jīng)網(wǎng)絡(luò)模型。
[0036] 進(jìn)一步,所述第二模型構(gòu)建模塊具體包括:
[0037]采樣殘差值計算單元,用于計算所述采樣歷史值時間序列與所述采樣觀測值時間 序列在每一時刻的差值,獲得采樣殘差值時間序列;
[0038] 噪聲處理單元,用于對所述采樣歷史值時間序列進(jìn)行噪聲處理;
[0039]歸一化處理單元,用于對所述采樣殘差值時間序列和噪聲處理后的采樣歷史值時 間序列進(jìn)行歸一化處理;以及,
[0040] 神經(jīng)網(wǎng)絡(luò)模型構(gòu)建單元,用于根據(jù)歸一化處理后的采樣殘差值時間序列和采樣歷 史值時間序列,構(gòu)建所述神經(jīng)網(wǎng)絡(luò)模型。
[0041] 進(jìn)一步,所述體溫采樣數(shù)據(jù)還包括所述采樣歷史值時間序列預(yù)設(shè)時段后的采樣體 溫;
[0042]所述神經(jīng)網(wǎng)絡(luò)模型構(gòu)建單元具體用于以所述歸一化處理后的采樣殘差值時間序 列和采樣歷史值時間序列作為輸入數(shù)據(jù),以所述預(yù)設(shè)時段后的采樣體溫作為輸出數(shù)據(jù),對 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,獲得神經(jīng)網(wǎng)絡(luò)模型。
[0043] 實(shí)施本發(fā)明實(shí)施例,具有如下有益效果:
[0044] 本發(fā)明實(shí)施例提供的體溫測量方法及裝置,能夠根據(jù)測量獲得的實(shí)際體溫時間序 列及其相應(yīng)的體溫觀測值時間序列,采用神經(jīng)網(wǎng)絡(luò)模型,預(yù)測人體溫度,實(shí)現(xiàn)體溫的快速測 量,大大節(jié)省測量時間,提高測量效率,而且,體溫的快速測量能夠使醫(yī)護(hù)人員更加及時了 解被測者的生理狀況,以便對被測者采取更加準(zhǔn)確有效的治療手段。
【附圖說明】
[0045] 圖1是本發(fā)明提供的體溫測量方法的一個實(shí)施例的流程示意圖;
[0046] 圖2是本發(fā)明提供的體溫測量方法的一個實(shí)施例的體溫預(yù)測曲線圖;
[0047] 圖3是本發(fā)明提供的體溫測量方法的另一個實(shí)施例的部分流程示意圖;
[0048] 圖4是本發(fā)明提供的體溫測量方法的一個實(shí)施例的體溫采樣數(shù)據(jù)曲線圖;
[0049] 圖5是本發(fā)明提供的體溫測量裝置的一個實(shí)施例的結(jié)構(gòu)示意圖;
[0050] 圖6是本發(fā)明提供的體溫測量裝置的另一個實(shí)施例的部分結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0051] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖,對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述,顯然,所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例,而不是全部的實(shí)施例。基于 本發(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他 實(shí)施例,都屬于本發(fā)明保護(hù)的范圍。
[0052] 參見圖1,本發(fā)明提供的體溫測量方法的一個實(shí)施例的流程示意圖,包括:
[0053] Sl、根據(jù)實(shí)時測量得到的人體溫度來獲取實(shí)際體溫時間序列;
[0054] S2、根據(jù)所述實(shí)際體溫時間序列,采用預(yù)先構(gòu)建的自回歸滑動平均模型,獲得體溫 觀測值時間序列;
[0055] S3、根據(jù)所述實(shí)際體溫時間序列和所述體溫觀測值時間序列,采用預(yù)先構(gòu)建的神 經(jīng)網(wǎng)絡(luò)模型,預(yù)測預(yù)設(shè)時段后的人體溫度。
[0056] 需要說明的是,在體溫測量過程中,每實(shí)時通過藍(lán)牙電子體溫計測量一次人體溫 度,則結(jié)合當(dāng)前時刻的前N個時刻測量到的人體溫度,構(gòu)成實(shí)際體溫時間序列,其中,1。 將實(shí)際體溫時間序列中每個時刻所測的體溫通過自回歸滑動平均模型,即可獲得相應(yīng)時刻 的體溫觀測值,從而構(gòu)成體溫觀測值時間序列。根據(jù)實(shí)際體溫時間序列和體溫觀測值時間 序列作,通過神經(jīng)網(wǎng)絡(luò)模型,即可預(yù)測出預(yù)設(shè)時段后的人體溫度。體溫的預(yù)測實(shí)現(xiàn)體溫的快 速測量,大大節(jié)省測量時間,提高測量效率,免去被測者需要長時間保持相同狀態(tài)的麻煩, 為醫(yī)護(hù)人員帶來更多便利,而且,體溫的快速測量能夠作為個人或醫(yī)護(hù)人員檢測、診斷的基 礎(chǔ),使醫(yī)護(hù)人員更加及時了解被測者的生理狀況,以便對被測者采取更加準(zhǔn)確有效的治療 手段。
[0057] 進(jìn)一步地,所述根據(jù)所述實(shí)際體溫時間序列和所述體溫觀測值時間序列,采用預(yù) 先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型,預(yù)測預(yù)設(shè)時段后的人體溫度,具體包括:
[0058] 計算所述實(shí)際體溫時間序列與所述體溫觀測值時間序列在每一時刻的差值,獲得 體溫殘差值時間序列;
[0059] 根據(jù)所述實(shí)際體溫時間序列和所述體溫殘差值時間序列,采用預(yù)先構(gòu)建的神經(jīng)網(wǎng) 絡(luò)模型,預(yù)測預(yù)設(shè)時段后的人體溫度。
[0060] 需要說明的是,在獲取體溫觀測值時間序列后,即可求取每一時刻實(shí)際體溫與體 溫觀測值之間的差值,構(gòu)成體溫殘差值時間序列。以實(shí)際體溫時間序列和體溫殘差值時間 序列作為輸入,通過神經(jīng)網(wǎng)絡(luò)模型,即可預(yù)測出預(yù)設(shè)時段后的人體溫度,實(shí)現(xiàn)體溫的快速測 量,其體溫預(yù)測曲線圖如圖2所示。采用神經(jīng)網(wǎng)絡(luò)模型對人體溫度進(jìn)行預(yù)測,極大提高預(yù)測 值與實(shí)際值的逼近程度,而且神經(jīng)網(wǎng)絡(luò)模型具有較高的擬合精度,具有并行處理、高速度、 高可靠性等明顯優(yōu)越性。
[0061] 進(jìn)一步,如圖3所示,在所述實(shí)時測量人體溫度,獲得實(shí)際體溫時間序列之前,還包 括:
[0062] SOl、對人體溫度進(jìn)行采樣,獲得體溫采樣數(shù)據(jù);所述體溫采樣數(shù)據(jù)包括采樣歷史 值時間序列;
[0063] S02、根據(jù)所述采樣歷史值時間序列,構(gòu)建所述自回歸滑動平均模型;
[0064] S03、根據(jù)所述采樣歷史值時間序列,采用所述自回歸滑動平均模型,獲得采樣觀 測值時間序列;
[0065] S04、根據(jù)所述采樣歷史值時間序列和所述采樣觀測值時間序列,構(gòu)建所述神經(jīng)網(wǎng) 絡(luò)模型。
[0066] 需要說明的是,在對體溫進(jìn)行測量前,需先構(gòu)建自回歸滑動平均模型和神經(jīng)網(wǎng)絡(luò) 模型。在構(gòu)建自回歸滑動平均模型時,先通過藍(lán)牙電子體溫計對人體溫度進(jìn)行采樣,每隔 (s)獲得一次體溫采樣數(shù)據(jù),采樣頻率為F(Hz ),從而獲得采樣歷史值時間序列,其變化趨勢 如圖4所示。利用采樣歷史值時間序列,構(gòu)建自回歸模型AR ( p ) : g/i) >·, = %,其中, 奴的=1-奶義巧,,,Byt = YmB為延遲算子,p為自回歸模型的階數(shù),yt為時間序列中當(dāng) 前時刻的觀測值,at為隨機(jī)干擾。在自回歸模型AR(p)中,當(dāng)前時刻的觀測值y t由p個歷史時 刻的觀測值和一個當(dāng)前時刻的隨機(jī)干擾at來表示。然后,利用滑動平均法來優(yōu)化自回歸模 型AR(p),其中,滑動平均模型MA(q)為y t = 0(B) · at J(B) = I-Q1-...-0qBq,其中,q為滑動平 均模型的階數(shù)。在滑動平均模型MA(q)中,當(dāng)前時刻的觀測值y t由q個歷史時刻的觀測值和 一個當(dāng)前時刻的隨機(jī)干擾at來表示。優(yōu)化后,即可獲得自回歸滑動平均模型ARMA(p,q): 爐(幻=0外心利用采樣歷史值時間序列,通過自回歸滑動平均模型ARMA(p,q),即可獲 得每一時刻的觀測值,從而構(gòu)成采樣觀測值時間序列。通過采樣歷史值時間序列和采樣觀 測值時間序列對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,即可構(gòu)建可靠的神經(jīng)網(wǎng)絡(luò)模型以對人體溫度進(jìn)行預(yù) 測。
[0067] 進(jìn)一步,所述根據(jù)所述采樣歷史值時間序列和所述采樣觀測值時間序列,構(gòu)建所 述神經(jīng)網(wǎng)絡(luò)模型,具體包括:
[0068] 計算所述采樣歷史值時間序列與所述采樣觀測值時間序列在每一時刻的差值,獲 得米樣殘差值時間序列;
[0069]對所述采樣歷史值時間序列進(jìn)行噪聲處理;
[0070] 對所述采樣殘差值時間序列和噪聲處理后的采樣歷史值時間序列進(jìn)行歸一化處 理;
[0071] 根據(jù)歸一化處理后的采樣殘差值時間序列和采樣歷史值時間序列,構(gòu)建所述神經(jīng) 網(wǎng)絡(luò)模型。
[0072] 需要說明的是,在構(gòu)建神經(jīng)網(wǎng)絡(luò)模型時,先選取模型的輸入變量。選取自回歸滑動 平均模型ARMA(p,q)的最近的N個采樣歷史值和M個采樣殘差值,構(gòu)成采樣歷史值時間序列 和采樣殘差值時間序列。其中,N通常為100,可依照采樣頻率設(shè)定,M〈N,p、q可取1,也可取其 他值,滿足性能要求即可。在選取輸入變量后,對輸入變量進(jìn)行數(shù)據(jù)預(yù)處理。對采樣歷史值 時間序列進(jìn)行異常、噪聲的處理,直接去除采樣歷史值時間序列中明顯異常的數(shù)據(jù)。由于數(shù) 據(jù)采集間隔較短,相鄰的幾組數(shù)據(jù)通常只有微小的變化,而數(shù)據(jù)采集過程中難免存在偶然 干擾,從而導(dǎo)致數(shù)據(jù)出現(xiàn)跳變,因此對相鄰幾組數(shù)據(jù)進(jìn)行平均化處理即可消除噪聲干擾。在 對采樣歷史值時間序列進(jìn)行噪聲處理后,對采樣歷史值時間序列和采樣殘差值時間序列進(jìn) 行歸一化處理。其中,歸一化公式;
中,X為輸入變量,S為零點(diǎn)偏移 量,Xmin、Xmax*別為輸入變量中的最小值和最大值。根據(jù)歸一化處理后的數(shù)據(jù)即可構(gòu)建所需 的神經(jīng)網(wǎng)絡(luò)模型。
[0073] 進(jìn)一步,所述體溫采樣數(shù)據(jù)還包括所述采樣歷史值時間序列預(yù)設(shè)時段后的采樣體 溫;
[0074] 所述根據(jù)歸一化處理后的采樣殘差值時間序列和采樣歷史值時間序列,構(gòu)建所述 神經(jīng)網(wǎng)絡(luò)模型,具體包括:
[0075] 以所述歸一化處理后的采樣殘差值時間序列和采樣歷史值時間序列作為輸入數(shù) 據(jù),以所述預(yù)設(shè)時段后的采樣體溫作為輸出數(shù)據(jù),對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,獲得神經(jīng)網(wǎng)絡(luò)模 型。
[0076]需要說明的是,從體溫采樣數(shù)據(jù)中選取采樣歷史值時間序列預(yù)設(shè)時段后的采樣體 溫作為輸出數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò),其中,預(yù)設(shè)時段一般為10分鐘。在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計中, 采用自適應(yīng)法或其他方式來確定隱層數(shù),一般取1即可滿足要求,以收斂性能和收斂速度為 目標(biāo)采用試湊法確定隱層節(jié)點(diǎn)數(shù)為k個,采用試湊法確定學(xué)習(xí)速率為μ,一般選取在0.02~ 0.2之間。再采用Levenberg-Marquart算法(列文伯格-馬夸爾特法算法)或共輒梯度學(xué)習(xí)算 法等算法作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法,對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。當(dāng)神經(jīng)網(wǎng)絡(luò)滿足誤差要求時,即 可將其作為可靠的神經(jīng)網(wǎng)絡(luò)模型。
[0077] 本發(fā)明實(shí)施例提供的體溫測量方法,能夠根據(jù)測量獲得的實(shí)際體溫時間序列及其 相應(yīng)的體溫觀測值時間序列,采用神經(jīng)網(wǎng)絡(luò)模型,預(yù)測人體溫度,實(shí)現(xiàn)體溫的快速測量,大 大節(jié)省測量時間,提高測量效率,而且,體溫的快速測量能夠使醫(yī)護(hù)人員更加及時了解被測 者的生理狀況,以便對被測者采取更加準(zhǔn)確有效的治療手段。
[0078] 相應(yīng)的,本發(fā)明還提供一種體溫測量裝置,能夠?qū)崿F(xiàn)上述實(shí)施例中的體溫測量方 法的所有流程。
[0079] 參見圖5,是本發(fā)明提供的體溫測量裝置的一個實(shí)施例的結(jié)構(gòu)示意圖,包括:
[0080] 實(shí)際體溫獲取模塊1,用于根據(jù)實(shí)時測量得到的人體溫度來獲取實(shí)際體溫時間序 列;
[0081] 觀測值獲取模塊2,用于根據(jù)所述實(shí)際體溫時間序列,采用預(yù)先構(gòu)建的自回歸滑動 平均模型,獲得體溫觀測值時間序列;以及,
[0082] 體溫預(yù)測模塊3,用于根據(jù)所述實(shí)際體溫時間序列和所述體溫觀測值時間序列,采 用預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型,預(yù)測預(yù)設(shè)時段后的人體溫度。
[0083] 進(jìn)一步,所述體溫預(yù)測模塊具體包括:
[0084] 殘差值計算單元,用于計算所述實(shí)際體溫時間序列與所述體溫觀測值時間序列在 每一時刻的差值,獲得體溫殘差值時間序列;以及,
[0085] 體溫預(yù)測單元,用于根據(jù)所述實(shí)際體溫時間序列和所述體溫殘差值時間序列,采 用預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型,預(yù)測預(yù)設(shè)時段后的人體溫度。
[0086] 進(jìn)一步,如圖6所示,所述體溫測量裝置還包括:
[0087] 采樣模塊01,用于對人體溫度進(jìn)行采樣,獲得體溫采樣數(shù)據(jù);所述體溫采樣數(shù)據(jù)包 括采樣歷史值時間序列;
[0088] 第一模型構(gòu)建模塊02,用于根據(jù)所述采樣歷史值時間序列,構(gòu)建所述自回歸滑動 平均模型;
[0089] 采樣觀測值獲取模塊03,用于根據(jù)所述采樣歷史值時間序列,采用所述自回歸滑 動平均模型,獲得采樣觀測值時間序列;以及,
[0090] 第二模型構(gòu)建模塊04,用于根據(jù)所述采樣歷史值時間序列和所述采樣觀測值時間 序列,構(gòu)建所述神經(jīng)網(wǎng)絡(luò)模型。
[0091] 進(jìn)一步,所述第二模型構(gòu)建模塊具體包括:
[0092] 采樣殘差值計算單元,用于計算所述采樣歷史值時間序列與所述采樣觀測值時間 序列在每一時刻的差值,獲得采樣殘差值時間序列;
[0093] 噪聲處理單元,用于對所述采樣歷史值時間序列進(jìn)行噪聲處理;
[0094]歸一化處理單元,用于對所述采樣殘差值時間序列和噪聲處理后的采樣歷史值時 間序列進(jìn)行歸一化處理;以及,
[0095]神經(jīng)網(wǎng)絡(luò)模型構(gòu)建單元,用于根據(jù)歸一化處理后的采樣殘差值時間序列和采樣歷 史值時間序列,構(gòu)建所述神經(jīng)網(wǎng)絡(luò)模型。
[0096]進(jìn)一步,所述體溫采樣數(shù)據(jù)還包括所述采樣歷史值時間序列預(yù)設(shè)時段后的采樣體 溫;
[0097]所述神經(jīng)網(wǎng)絡(luò)模型構(gòu)建單元具體用于以所述歸一化處理后的采樣殘差值時間序 列和采樣歷史值時間序列作為輸入數(shù)據(jù),以所述預(yù)設(shè)時段后的采樣體溫作為輸出數(shù)據(jù),對 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,獲得神經(jīng)網(wǎng)絡(luò)模型。
[0098] 本發(fā)明實(shí)施例提供的體溫測量裝置,能夠根據(jù)測量獲得的實(shí)際體溫時間序列及其 相應(yīng)的體溫觀測值時間序列,采用神經(jīng)網(wǎng)絡(luò)模型,預(yù)測人體溫度,實(shí)現(xiàn)體溫的快速測量,大 大節(jié)省測量時間,提高測量效率,而且,體溫的快速測量能夠使醫(yī)護(hù)人員更加及時了解被測 者的生理狀況,以便對被測者采取更加準(zhǔn)確有效的治療手段。
[0099] 以上所述是本發(fā)明的優(yōu)選實(shí)施方式,應(yīng)當(dāng)指出,對于本技術(shù)領(lǐng)域的普通技術(shù)人員 來說,在不脫離本發(fā)明原理的前提下,還可以做出若干改進(jìn)和潤飾,這些改進(jìn)和潤飾也視為 本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種體溫測量方法,其特征在于,包括: 根據(jù)實(shí)時測量得到的人體溫度來獲取實(shí)際體溫時間序列; 根據(jù)所述實(shí)際體溫時間序列,采用預(yù)先構(gòu)建的自回歸滑動平均模型,獲得體溫觀測值 時間序列; 根據(jù)所述實(shí)際體溫時間序列和所述體溫觀測值時間序列,采用預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模 型,預(yù)測預(yù)設(shè)時段后的人體溫度。2. 如權(quán)利要求1所述的體溫測量方法,其特征在于,所述根據(jù)所述實(shí)際體溫時間序列和 所述體溫觀測值時間序列,采用預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型,預(yù)測預(yù)設(shè)時段后的人體溫度,具 體包括: 計算所述實(shí)際體溫時間序列與所述體溫觀測值時間序列在每一時刻的差值,獲得體溫 殘差值時間序列; 根據(jù)所述實(shí)際體溫時間序列和所述體溫殘差值時間序列,采用預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模 型,預(yù)測預(yù)設(shè)時段后的人體溫度。3. 如權(quán)利要求1或2所述的體溫測量方法,其特征在于,在所述實(shí)時測量人體溫度,獲得 實(shí)際體溫時間序列之前,還包括: 對人體溫度進(jìn)行采樣,獲得體溫采樣數(shù)據(jù);所述體溫采樣數(shù)據(jù)包括采樣歷史值時間序 列; 根據(jù)所述采樣歷史值時間序列,構(gòu)建所述自回歸滑動平均模型; 根據(jù)所述采樣歷史值時間序列,采用所述自回歸滑動平均模型,獲得采樣觀測值時間 序列; 根據(jù)所述采樣歷史值時間序列和所述采樣觀測值時間序列,構(gòu)建所述神經(jīng)網(wǎng)絡(luò)模型。4. 如權(quán)利要求3所述的體溫測量方法,其特征在于,所述根據(jù)所述采樣歷史值時間序列 和所述采樣觀測值時間序列,構(gòu)建所述神經(jīng)網(wǎng)絡(luò)模型,具體包括: 計算所述采樣歷史值時間序列與所述采樣觀測值時間序列在每一時刻的差值,獲得采 樣殘差值時間序列; 對所述采樣歷史值時間序列進(jìn)行噪聲處理; 對所述采樣殘差值時間序列和噪聲處理后的采樣歷史值時間序列進(jìn)行歸一化處理; 根據(jù)歸一化處理后的采樣殘差值時間序列和采樣歷史值時間序列,構(gòu)建所述神經(jīng)網(wǎng)絡(luò) 模型。5. 如權(quán)利要求4所述的體溫測量方法,其特征在于,所述體溫采樣數(shù)據(jù)還包括所述采樣 歷史值時間序列預(yù)設(shè)時段后的采樣體溫; 所述根據(jù)歸一化處理后的采樣殘差值時間序列和采樣歷史值時間序列,構(gòu)建所述神經(jīng) 網(wǎng)絡(luò)模型,具體包括: 以所述歸一化處理后的采樣殘差值時間序列和采樣歷史值時間序列作為輸入數(shù)據(jù),以 所述預(yù)設(shè)時段后的采樣體溫作為輸出數(shù)據(jù),對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,獲得神經(jīng)網(wǎng)絡(luò)模型。6. -種體溫測量裝置,其特征在于,包括: 實(shí)際體溫獲取模塊,用于根據(jù)實(shí)時測量得到的人體溫度來獲取實(shí)際體溫時間序列; 觀測值獲取模塊,用于根據(jù)所述實(shí)際體溫時間序列,采用預(yù)先構(gòu)建的自回歸滑動平均 模型,獲得體溫觀測值時間序列;以及, 體溫預(yù)測模塊,用于根據(jù)所述實(shí)際體溫時間序列和所述體溫觀測值時間序列,采用預(yù) 先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型,預(yù)測預(yù)設(shè)時段后的人體溫度。7. 如權(quán)利要求6所述的體溫測量裝置,其特征在于,所述體溫預(yù)測模塊具體包括: 殘差值計算單元,用于計算所述實(shí)際體溫時間序列與所述體溫觀測值時間序列在每一 時刻的差值,獲得體溫殘差值時間序列;以及, 體溫預(yù)測單元,用于根據(jù)所述實(shí)際體溫時間序列和所述體溫殘差值時間序列,采用預(yù) 先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型,預(yù)測預(yù)設(shè)時段后的人體溫度。8. 如權(quán)利要求6或7所述的體溫測量裝置,其特征在于,所述體溫測量裝置還包括: 采樣模塊,用于對人體溫度進(jìn)行采樣,獲得體溫采樣數(shù)據(jù);所述體溫采樣數(shù)據(jù)包括采樣 歷史值時間序列; 第一模型構(gòu)建模塊,用于根據(jù)所述采樣歷史值時間序列,構(gòu)建所述自回歸滑動平均模 型; 采樣觀測值獲取模塊,用于根據(jù)所述采樣歷史值時間序列,采用所述自回歸滑動平均 模型,獲得采樣觀測值時間序列;以及, 第二模型構(gòu)建模塊,用于根據(jù)所述采樣歷史值時間序列和所述采樣觀測值時間序列, 構(gòu)建所述神經(jīng)網(wǎng)絡(luò)模型。9. 如權(quán)利要求8所述的體溫測量裝置,其特征在于,所述第二模型構(gòu)建模塊具體包括: 采樣殘差值計算單元,用于計算所述采樣歷史值時間序列與所述采樣觀測值時間序列 在每一時刻的差值,獲得采樣殘差值時間序列; 噪聲處理單元,用于對所述采樣歷史值時間序列進(jìn)行噪聲處理; 歸一化處理單元,用于對所述采樣殘差值時間序列和噪聲處理后的采樣歷史值時間序 列進(jìn)行歸一化處理;以及, 神經(jīng)網(wǎng)絡(luò)模型構(gòu)建單元,用于根據(jù)歸一化處理后的采樣殘差值時間序列和采樣歷史值 時間序列,構(gòu)建所述神經(jīng)網(wǎng)絡(luò)模型。10. 如權(quán)利要求9所述的體溫測量裝置,其特征在于,所述體溫采樣數(shù)據(jù)還包括所述采 樣歷史值時間序列預(yù)設(shè)時段后的采樣體溫; 所述神經(jīng)網(wǎng)絡(luò)模型構(gòu)建單元具體用于以所述歸一化處理后的采樣殘差值時間序列和 采樣歷史值時間序列作為輸入數(shù)據(jù),以所述預(yù)設(shè)時段后的采樣體溫作為輸出數(shù)據(jù),對神經(jīng) 網(wǎng)絡(luò)進(jìn)行訓(xùn)練,獲得神經(jīng)網(wǎng)絡(luò)模型。
【文檔編號】A61B5/01GK105962906SQ201610415281
【公開日】2016年9月28日
【申請日】2016年6月14日
【發(fā)明人】胡靜
【申請人】廣州視源電子科技股份有限公司
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
1