基于多传感器融合的生理状态分析方法与流程

本技术涉及生理状态分析，尤其涉及基于多传感器融合的生理状态分析方法。

背景技术：

1、随着个人健康监测与交互体验技术的不断发展，近年来，面向女性人群的个人健康管理类智能终端产品日趋丰富，其中部分产品以辅助进行局部肌群自主激活训练为主要功能定位，这类产品通常以辅助使用者进行局部肌群自主训练为核心功能，通过内置传感器感知使用过程中的力学与生理信号，并结合移动终端应用提供实时的交互引导与进展总结。

2、由于数据采集部位和使用场景的特殊性，愿意并能够按照标准化流程完成完整会话并授权使用其数据的用户规模有限，高质量标注样本的积累极为困难，从零训练一个高精度的状态识别模型面临严重的数据瓶颈。不同使用者在局部解剖结构、神经控制模式和自主收缩习惯等方面存在较大差异，小样本条件下训练的模型在面向新用户时容易出现识别精度断崖式下降，跨用户泛化能力难以保证。自动生成的文字反馈存在合规隐患，若调用通用语言模型直接从数据推导生成用户报告，受模型幻觉影响，可能在缺乏事实支撑的情况下输出带有诊断、预测或治疗建议性质的越权内容，在健康相关且涉及私密数据的场景中极易触发合规风险。

3、因此，如何在样本数据有限且个体差异显著的条件下，实现对局部肌群激活状态的精准识别并生成合规的用户反馈报告，是本领域亟待解决的技术问题。

技术实现思路

1、本技术的主要目的在于提供一种基于多传感器融合的生理状态分析方法，旨在解决现有技术中如何在样本数据有限且个体差异显著的条件下，实现对局部肌群激活状态的精准识别并生成合规的用户反馈报告的技术问题。

2、为实现上述目的，本技术提供了一种基于多传感器融合的生理状态分析方法，该方法包括以下步骤：获取多模态传感器数据，多模态传感器数据包括阴道内多点位压力数据、运动感知数据、阴道盆底肌群活动信号、温湿度数据以及阴道内ph值数据；将多模态传感器数据输入至状态识别模型中进行窗口级生理状态识别，得到生理状态识别结果，以及基于生理状态识别结果统计生成的派生指标；将派生指标与用户历史基线数据进行对比，得到生理状态趋势判断结果；根据生理状态识别结果、生理状态趋势判断结果以及用户画像，构建结构化上下文；在预设的提示词约束下，将结构化上下文输入至大语言模型，得到初始记录文本；对初始记录文本执行至少包括敏感词过滤和合规映射验证的过滤操作，得到用户生理状态记录报告，并输出至用户终端。

3、可选地，上述将多模态传感器数据输入至状态识别模型中进行窗口级生理状态识别，得到生理状态识别结果，以及基于生理状态识别结果统计生成的派生指标，包括：根据时间轴对齐后的阴道内多点位压力数据进行时空特征提取，得到反映阴道盆底肌群各个子区域激活强度分布的压力空间特征序列；根据时间轴对齐后的运动感知数据及阴道盆底肌群活动信号进行时序特征提取，得到高频时序特征序列；根据温湿度数据和阴道内ph值数据，进行帧级特征编码，得到低频环境特征序列；根据压力空间特征序列、高频时序特征序列和低频环境特征序列，进行跨模态注意力交互，并与用户画像对应的用户画像令牌进行加性融合，得到条件化融合特征序列；根据条件化融合特征序列进行时序建模，得到各时间步的生理状态概率分布，其中，用户画像令牌参与每一层自注意力计算；根据各时间步的生理状态概率分布进行时间加权聚合，得到生理状态识别结果及派生指标。

4、可选地，上述根据各时间步的生理状态概率分布进行时间加权聚合，得到生理状态识别结果及派生指标，包括：对各时间步的生理状态概率分布按时间轴取平均，得到会话级平均概率分布；将会话级平均概率分布中最大概率对应的类别作为生理状态识别结果；根据各时间步的生理状态概率分布，提取统计特征，统计特征包括各状态类别的时间占比、状态持续片段数、状态转移频次、多点位压力均衡性、概率分布的方差或熵值、环境温湿度变化趋势指标及阴道内ph值变化趋势指标中的至少一种；根据统计特征生成派生指标。

5、可选地，上述获取多模态传感器数据之前，还包括：获取训练样本集，训练样本集包括多组带标注的多模态传感器样本数据，每组样本数据标注有窗口级生理状态标签；对训练样本集实施多策略数据增强，得到增强训练样本集，多策略数据增强包括随机时间偏移、时间尺度拉伸压缩、传感器通道噪声叠加、通道掩码以及跨用户样本混合中的至少一种；构建初始模型，初始模型包括多模态特征编码层、跨模态融合层和transformer主干网络，多模态特征编码层包含用于将静态用户画像特征映射为用户画像令牌的嵌入层；将增强训练样本集中的样本数据输入初始模型，得到预测的生理状态概率分布；根据预测的生理状态概率分布与窗口级生理状态标签，计算损失函数值，并基于损失函数值更新初始模型的参数，直至满足训练收敛条件，得到状态识别模型，其中，损失函数值包括基于单个窗口的预测概率分布与标签计算的第一损失项，以及基于全部窗口的预测概率分布聚合得到的会话级预测分布与样本数据对应的会话级状态标签计算得到的第二损失项。

6、可选地，上述将派生指标与用户历史基线数据进行对比，得到生理状态趋势判断结果，包括：根据派生指标与用户历史基线数据中的中心趋势基线，计算偏差值，中心趋势基线包括阴道盆底肌群多点位压力峰值基线、平均收缩频率基线、各生理阶段持续时长基线、环境温湿度基线、阴道内ph值基线中的至少一种；根据偏差值与用户历史基线数据中的离散度基线，确定偏差值对应的偏差等级；根据偏差值和偏差等级，生成生理状态趋势判断结果，生理状态趋势判断结果包括变化方向、变化幅度和变化显著性描述。

7、可选地，上述对初始记录文本执行至少包括敏感词过滤和合规映射验证的过滤操作，得到用户生理状态记录报告，包括：基于预定义的敏感词库对初始记录文本进行标记，得到敏感词标记后的初始记录文本；基于敏感词标记后的初始记录文本，对标记的敏感词执行替换或删除处理，得到过滤后的中间文本；基于预定义的合规映射规则集，对过滤后的中间文本进行合规映射验证，得到过滤后的中间文本中的不合规表述标记及对应的不合规原因；根据不合规表述标记及对应的不合规原因，对过滤后的中间文本进行合规表述修正，将不合规表述替换为合规映射规则集中对应的允许表述，得到全字段合规的修正后文本；基于全字段合规的修正后文本，生成用户生理状态记录报告。

8、此外，为实现上述目的，本技术实施例还提出一种基于多传感器融合的生理状态分析装置，该装置包括：

9、数据采集模块，用于获取多模态传感器数据，多模态传感器数据包括阴道内多点位压力数据、运动感知数据、阴道盆底肌群活动信号、温湿度数据以及阴道内ph值数据；

10、状态识别模块，用于将多模态传感器数据输入至状态识别模型中进行窗口级生理状态识别，得到生理状态识别结果，以及基于生理状态识别结果统计生成的派生指标；

11、趋势判断模块，用于将派生指标与用户历史基线数据进行对比，得到生理状态趋势判断结果；

12、提示信息生成模块，用于根据生理状态识别结果、生理状态趋势判断结果及用户画像，构建结构化上下文，并在预设的提示词约束下调用预训练的通用大语言模型进行文本生成，得到初始记录文本；

13、提示信息生成模块，还用于对初始记录文本执行至少包括敏感词过滤和合规映射验证的过滤操作，得到用户生理状态记录报告并输出。

14、此外，为实现上述目的，本技术还提出一种基于多传感器融合的生理状态分析设备，基于多传感器融合的生理状态分析设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的基于多传感器融合的生理状态分析程序，基于多传感器融合的生理状态分析程序配置为实现如上文的基于多传感器融合的生理状态分析方法的步骤。

15、此外，为实现上述目的，本技术还提出一种存储介质，存储介质上存储有基于多传感器融合的生理状态分析程序，基于多传感器融合的生理状态分析程序被处理器执行时实现如上文的基于多传感器融合的生理状态分析方法的步骤。

16、本技术提出的一个或多个技术方案，至少具有以下技术效果：通过将用户画像作为条件令牌注入识别网络并配合数据增强，使模型在小样本条件下学习不同人群的差异化特征表达，缓解了因采集场景私密导致样本稀缺及个体差异显著带来的泛化困难。通过趋势判断模块以统计基线进行跨会话对比，并以同类人群基线为新用户冷启动，在不争抢训练资源的前提下实现了纵向趋势分析，增强了评估的连续性与个性化。通过在文本生成环节以结构化数据锁定事实域、提示词划定禁区，并经敏感词过滤与规则校验双重把关，抑制了语言模型幻觉引发的越权陈述，不合规输出自动降级为安全描述。上述环节协同构成从多模态采集到合规报告输出的处理链路，在有限样本与高个体差异约束下，实现了对局部肌群激活状态的精准评估与可靠反馈。