基于集成心电衣的高海拔环境冷应激与耗氧量预测方法
本发明涉及高海拔环境人体生理监测与智能分析,尤其涉及一种基于集成心电衣的高海拔环境冷应激与耗氧量预测方法。
背景技术:
1、高海拔环境通常伴随低压、低氧、低温、风冷增强及昼夜温差大等特征。人员在该环境下从事巡检、施工、运输、抢修、边防、应急救援、科考等作业时,容易出现体温下降、代谢负荷增加、体力消耗加快和疲劳积累等问题。特别是在持续运动或作业过程中,冷应激和耗氧量变化会直接影响作业安全与作业效率。
2、现有技术中,对高海拔环境下人体状态的评估通常存在以下不足:一是冷应激评估多依赖间断式测温,难以满足连续监测需求;二是核心温度虽是冷应激判定的重要指标,但难以长期无创连续获取;三是耗氧量是反映代谢负荷和疲劳状态的重要指标,但传统耗氧量测量依赖呼吸代谢设备,难以用于现场持续监测;四是已有方案多针对单一指标或单一场景,缺少针对高海拔环境下冷应激识别与未来耗氧量预测的一体化方法。此外,现有集成心电衣主要解决采集问题,尚未形成一种基于所采集数据实现高海拔作业期间冷应激识别与未来耗氧量预测的完整方法。
技术实现思路
1、鉴于上述的分析,本发明实施例旨在提供一种基于集成心电衣的高海拔环境冷应激与耗氧量预测方法,用以解决现有技术缺乏冷应激识别与未来耗氧量预测机制、难以实现持续监测与风险预警的问题。
2、本发明实施例提供了一种基于集成心电衣的高海拔环境冷应激与耗氧量预测方法,包括:
3、实时获取高海拔环境下受试对象的多模态生理数据,经预处理后构建标准化的实时数据集;所述实时数据集包括用于冷应激判别的第一实时数据序列和用于耗氧量预测的第二实时数据序列;
4、基于预先构建的耳温预测模型,根据所述第一实时数据序列,得到连续耳温预测值;根据预设温度阈值和所述连续耳温预测值,判定受试对象各时刻的冷应激状态;
5、根据所述第二实时数据序列,提取得到实时多模态生理特征;基于预先构建的耗氧量预测模型,根据所述实时多模态生理特征,得到受试对象未来时段的耗氧量预测结果;
6、根据所述冷应激状态和所述耗氧量预测结果,生成冷应激与耗氧量的综合预警信息。
7、进一步地,所述多模态生理数据至少包括:基于集成心电衣采集得到的心电数据、呼吸频率数据、三轴加速度数据、血氧饱和度数据、脉搏波数据以及腋下温度数据。
8、进一步地,所述构建标准化的实时数据集包括:
9、根据所述多模态生理数据中的腋下温度数据,并结合预采集的个体基础信息与环境信息,进行受试对象匹配与预处理,得到同一受试者在同一运动或作业过程中的实时监测数据,构建所述第一实时数据序列;
10、根据所述多模态生理数据中的心电数据、呼吸频率数据、三轴加速度数据、血氧饱和度数据、脉搏波数据以及腋下温度数据,并结合预采集的个体基础信息与环境信息,进行受试对象匹配与预处理,得到同一受试者在同一运动或作业过程中的实时监测数据,构建所述第二实时数据序列。
11、进一步地,所述耳温预测模型的构建过程包括:
12、构建高海拔环境下历史受试对象的冷应激分析样本;所述冷应激分析样本包括:腋下温度历史数据和耳温历史数据;
13、将所述腋下温度历史数据与耳温历史数据进行时间配对,建立基于腋下温度直接预测耳温的所述耳温预测模型;
14、所述耳温预测模型为线性回归模型,按照如下形式表示:
15、;
16、其中:为t时刻的耳温预测值;为t时刻的腋下温度值;、均为回归系数。
17、进一步地,所述冷应激状态用于表征受试对象在高海拔寒冷作业环境下的寒冷暴露风险等级,依次包括正常状态、轻度冷应激状态和冷应激状态;其中,轻度冷应激状态的体温范围为35.75℃±0.25℃,冷应激状态的体温范围为35.25℃±0.25℃。
18、进一步地,所述预设温度阈值包括正常温度阈值和冷应激阈值;所述根据预设温度阈值和所述连续耳温预测值,判定受试对象各时刻的冷应激状态,包括:基于所述连续耳温预测值,分别将各时刻的耳温预测值与所述预设温度阈值进行比较,判定对应时刻的寒冷暴露风险等级;其中:
19、若当前时刻的耳温预测值大于所述正常温度阈值时,判定为正常状态;
20、若当前时刻的耳温预测值大于或等于所述冷应激阈值,且小于或等于所述正常温度阈值时,判定为轻度冷应激状态;
21、若当前时刻的耳温预测值小于所述冷应激阈值时,判定为冷应激状态。
22、进一步地,所述实时多模态生理特征至少包括:
23、基于所述心电数据提取到的心电特征;基于所述呼吸频率数据提取到的呼吸特征;基于所述血氧饱和度数据提取到的血氧特征;基于所述脉搏波数据提取到的脉搏特征;基于所述腋下温度数据提取到的体温特征;基于所述三轴加速度数据提取到的运动强度特征。
24、进一步地,所述耗氧量预测模型的构建过程包括:
25、构建高海拔环境下历史受试对象的耗氧量预测样本;所述耗氧量预测样本包括:历史多模态生理数据、呼吸代谢历史数据;
26、按预设时间窗提取所述历史多模态生理数据的历史多模态生理特征,并将基于所述呼吸代谢历史数据确定的耗氧量动态参数作为监督标签,构建以多模态生理特征为输入,预测输出未来时段耗氧量预测结果的耗氧量预测模型。
27、进一步地,所述耗氧量预测模型为随机森林模型,满足的参数预测表达式,且输出的耗氧量预测结果按照如下形式表示:
28、;
29、其中,为随机森林模型;x为当前时刻的多模态生理特征;为t时刻的耗氧量预测值;为耗氧量动态参数中的基础耗氧水平;为耗氧量动态参数中的耗氧增量;为耗氧量动态参数中的动态响应时间常数。
30、进一步地,所述生成冷应激与耗氧量的综合预警信息包括:
31、基于所述冷应激状态和所述耗氧量预测结果进行联合判断,当满足寒冷暴露风险等级升高,和/或耗氧量预测结果异常升高时,生成相应的作业风险提示或安全预警。
32、与现有技术相比,本发明至少可实现如下有益效果之一:
33、第一,区别于相关技术中依赖耳温测量设备、难以实现连续监测的问题,本发明通过集成心电衣采集的多模态生理数据并结合腋下温度与耳温之间的线性回归模型,实现了人体核心温度的近似连续估计,为高海拔环境下的持续冷应激判定提供了可行的数据基础。
34、第二,区别于相关技术中缺乏冷应激识别与未来耗氧量预测机制的问题,本发明通过连续预测的耳温值与预设温度阈值自动判定正常、轻度冷应激和冷应激状态;通过耗氧量预测模型,建立多模态生理特征与耗氧动力学参数之间的映射关系,能够输出未来时段(如未来30分钟)的耗氧量预测结果,在不持续依赖呼吸代谢设备的条件下实现耗氧量的提前估计;同时,将冷应激识别与耗氧量预测联合用于运动或作业风险预警,能够满足高海拔环境下持续监测、负荷调节与作业安全保障的实际需求。
35、本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com