基于智能终端的生命体征测量技术研究与实现

发布时间：2017-03-28 15:16

  本文关键词：基于智能终端的生命体征测量技术研究与实现，由笔耕文化传播整理发布。

【摘要】：人体的五大生命体征包括心率、呼吸、血压、血氧饱和度和体温,它们与人体健康状态息息相关。心血管疾病是中老年人群中常见的慢性病之一,而生命体征指标与心血管的健康状态有着密切的联系。近年来,人口老龄化已经成为了全球性问题,越来越多的中老年人的健康受到心血管疾病的威胁。随着健康意识地提高,很多人为了能尽早发现健康异常状态,开始选择袖套式、腕带式的医学设备测量自己的体征指标,而尽早发现健康异常并采取措施有助于减少治疗的费用。目前这类测量设备都存在着一些问题,比如价格昂贵、不易使用等,因此难以进入寻常百姓家;另一方面,由于缺乏专业医生对测量值的解读,导致测量的意义大打折扣。针对这种现状,本文研究了基于智能手机终端来测量人体生命体征的测量方法,不仅可以方便地测量体征参数,还可以将测量值发送到远程服务来获取对应的健康状态分析报告。本文的主要贡献如下:1.为了确保设备测量值是基于有效信号计算而来,本文重点分析了信号产生机理,提出了自适应的指端近视频ROI选取算法来增强信号,同时设计了卡尔曼滤波器来降低系统抖动带来的噪声干扰,引入了改进型米利有限状态机来检测信号质量,控制后续的计算都基于有效的视频体征信号。2.基于指端近视频中提取的信号曲线下降沿陡峭的特征提出了差商阈值法来构造更强的颜色变化速率体征信号,降低了噪声对PV检测的干扰,提高了测量准确度,并给出了自适应的阈值计算方法。3.设计了基于极大似然估计的算法来检测在测量过程中由于手指移动等因素引入的奇异信号,从统计学的角度解决了奇异信号检测问题,有利于系统对奇异信号的进一步分析。4.引入了经验模态分解算法将原始信号分解出多个单频带模函数分量,然后结合人体呼吸的频带范围选择其中部分低频分量重构呼吸信号,从而将信号中的呼吸分量占比大大提高。本文分别在Android和苹果智能手机平台实现研究的测量算法,并设置对照实验来分析测量算法与标准医学测量设备的测量差异。实验表明,在手机设备上,心率、呼吸测量结果与标准设备测量值的吻合度非常好,血压的中低压型的测量结果也较好,从实验的角度验证了本文测量方法的可行性和准确度。最后从心率变异性的角度引入三维离散散点图定性分析人体自主神经对心脏的调节能力,为基于生命体征指标的健康状态分析提供了一种新的思路。
【关键词】：生命体征 智能终端 心率 呼吸 动脉血压
【学位授予单位】：湘潭大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R443;TN911.7
【目录】：

• 摘要4-5
• Abstract5-9
• 主要符号对照表9-10
• 第1章 绪论10-14
• 1.1 课题背景和研究意义10-11
• 1.2 研究现状和发展趋势11-13
• 1.3 本文的写作结构安排13-14
• 第2章 基于智能终端的生命体征测量原理14-22
• 2.1 指端近视频信号和血液动力学理论14-17
• 2.1.1 智能终端采集的指端近视频14-15
• 2.1.2 Lambert-Beer定律15-16
• 2.1.3 血流动力学与人体生命体征测量16-17
• 2.2 基于智能终端近视频的人体生命体征计算原理17-20
• 2.2.1 心率的检测原理和心率变异性分析17-18
• 2.2.2 呼吸率的检测原理18-19
• 2.2.3 动脉的收缩压和舒张压19-20
• 2.3 基于智能终端测量方法的优势和发展方向20-21
• 2.4 本章小结21-22
• 第3章 指端近视频信号处理算法研究22-35
• 3.1 指端近视频信号特性分析22-23
• 3.2 信号的增强与降噪23-29
• 3.2.1 自适应的ROI选取方法23-26
• 3.2.2 卡尔曼滤波器设计26-28
• 3.2.3 信号的基线漂移去除算法设计28-29
• 3.3 指端检测算法设计29-30
• 3.3.1 R分量均值计算模块介绍29-30
• 3.3.2 基于R分量的手指检测算法30
• 3.4 有效信号检测算法设计30-34
• 3.4.1 FSM的引入31-32
• 3.4.2 基于米利FSM的信号状态检测算法32-34
• 3.5 本章小结34-35
• 第4章 智能终端近视频信号特征提取算法设计35-47
• 4.1 基于差商阈值法的PV检测算法35-39
• 4.1.1 差商阈值法35-37
• 4.1.2 自适应的阈值选取算法设计37-38
• 4.1.3 算法效果分析38-39
• 4.2 基于极大似然估计的奇异信号定位算法39-42
• 4.2.1 极大似然估计法的引入39-41
• 4.2.2 奇异信号检测效果分析41-42
• 4.3 基于EMD的信号分解算法42-44
• 4.3.1 经验模态分解法的引入42-43
• 4.3.2 呼吸信号的分解与重构43-44
• 4.4 基于梯形面积公式的近视频特征曲线积分计算44-45
• 4.5 本章小结45-47
• 第5章 应用设计与实验数据分析47-66
• 5.1 应用平台介绍与选择47-50
• 5.1.1 硬件平台47-49
• 5.1.2 软件平台49-50
• 5.2 应用系统设计50-53
• 5.2.1 SDK设计概述50
• 5.2.2 实验应用设计50-52
• 5.2.3 测量应用实现效果52-53
• 5.3 实验及测量数据分析53-65
• 5.3.1 心率及心率变异性检测53-60
• 5.3.2 呼吸率检测60-63
• 5.3.3 收缩压和舒张压63-65
• 5.4 本章小结65-66
• 第6章 总结与展望66-69
• 6.1 论文工作总结66-67
• 6.2 下一步研究计划67-69
• 参考文献69-72
• 致谢72-73
• 附录A 攻读硕士学位期间的科研成果与参与的科研项目73
• 【攻读硕士学位期间的科研成果】73
• 【攻读硕士学位期间参加的科研项目】73

  本文关键词：基于智能终端的生命体征测量技术研究与实现，由笔耕文化传播整理发布。

，

本文编号：272520