基于智能传感技术的智能医疗体温监测方法与流程

本发明涉及智能医疗体温监测，具体为基于智能传感技术的智能医疗体温监测方法。

背景技术：

1、柔性生物传感器用于体表温度监测时，所采集的原始体表温度序列常混叠出汗、微循环波动等生理背景变化引起的干扰，直接使用该序列难以反映真实核心体温。现有温度校准方法多采用固定参数滤波或全局回归，忽略了生理背景信号在不同时段呈现的差异化非平稳特性，导致校准时无法自适应生理状态的动态切换，局部温度突变失真较大。同时，不同患者或同一患者在不同病程阶段的体温波动模式存在显著个体化差异，现有技术缺乏利用临床体征先验知识对校准后温度进行针对性补偿的手段，使得监测数据与临床实际体征关联弱，容易漏判或误判短期发热趋势变化。

2、体温校准需解决的两个关键问题在于：如何在获取原始体表温度序列的同时，利用同步采集的生理背景信号，依据信号本身的非平稳变化幅度动态分割序列并施以局部递归映射，从而消除不同时间尺度下的随机生理干扰；以及，如何将校准后的温度序列与包含典型发热、退热模式的临床体征特征库进行多尺度匹配，提取匹配模式对应的个体化体征校准偏移量并进行二次精细修正。

技术实现思路

1、提供一种基于智能传感技术的智能医疗体温监测方法，通过同步生理背景信号引导的动态分段与局部回归递归映射实现第一级温度校准，并通过临床体征特征库驱动多尺度波动模式匹配赋予个体化体征偏移补偿生成第二级温度校准，最终输出与内网控制指令队列和蓝牙查看请求绑定的最终监测温度数据流，以改善体表温度监测在非平稳生理干扰下的校准精度并增强监测数据对临床体征的依从性。

2、为了实现上述目的，本发明提供如下技术方案：本发明提供一种基于智能传感技术的智能医疗体温监测方法，包括：

3、采集柔性生物传感器阵列输出的原始体表温度序列和同步生理背景信号序列；

4、对原始体表温度序列和同步生理背景信号序列执行融合处理，根据同步生理背景信号序列的非平稳性指标将原始体表温度序列动态分割为多个温度子段，并对每个温度子段执行基于局部回归的递归映射，生成第一校准温度序列；

5、根据临床体征特征库对第一校准温度序列进行多尺度波动模式匹配，并将匹配成功的模式对应的体征校准偏移量叠加至第一校准温度序列，生成第二校准温度序列；

6、将第二校准温度序列与预设的多床位集中监控系统中的内网控制指令队列和家属终端蓝牙查看请求进行物理参数绑定，输出最终监测温度数据流。

7、作为优选的，所述采集柔性生物传感器阵列输出的原始体表温度序列和同步生理背景信号序列的方式为，将柔性生物传感器阵列贴附于人体腋下区域，以固定采样频率连续采集热敏电阻的阻值变化数据作为原始体表温度序列，同时通过同一柔性生物传感器阵列中的阻抗传感器采集人体表面电导率变化数据作为同步生理背景信号序列，由此获得生理活动关联的多模态原始数据。

8、优选的，所述根据同步生理背景信号序列的非平稳性指标将原始体表温度序列动态分割为多个温度子段的过程包括：计算同步生理背景信号序列中每个采样点的局部方差，将局部方差超过预设波动阈值的采样点标记为非平稳点；以每个非平稳点作为分割边界，对原始体表温度序列执行切割操作，将相邻两个分割边界之间的连续元素作为一个温度子段，从而实现与生理状态变化同步的自适应分段。

9、优选的，所述对每个温度子段执行基于局部回归的递归映射，生成第一校准温度序列的过程包括：对于每个温度子段，提取该温度子段内部的所有元素构成局部输入向量；将该局部输入向量输入至一个预先构建的局部加权回归模型，计算该局部输入向量的拟合残差序列；将拟合残差序列中的每个残差值叠加到原始体表温度序列中对应的原始温度值上，获得更新后的温度值，并将所有更新后的温度值按原始位序排列，生成第一校准温度序列。进一步优选的，所述局部加权回归模型采用三次核函数作为权重函数，且带宽参数根据每个温度子段的长度自适应调整，以提高对局部温度变化细节的拟合精度与抗噪能力。

10、优选的，所述根据临床体征特征库对第一校准温度序列进行多尺度波动模式匹配的过程包括：从临床体征特征库中提取多个预设的体温波动模式模板，每个体温波动模式模板包含一个升温模式向量和一个降温模式向量；依次计算第一校准温度序列与每个体温波动模式模板的动态时间弯曲距离；将动态时间弯曲距离最小的体温波动模式模板确定为匹配成功的模式。为提升对局部波动特征的捕捉能力，在多尺度波动模式匹配过程中，采用滑动时间窗口对第一校准温度序列进行重叠分段，再分别计算各分段与体温波动模式模板的相似度，从而实现精细化的体征模式识别。

11、优选的，所述将匹配成功的模式对应的体征校准偏移量叠加至第一校准温度序列，生成第二校准温度序列的具体过程为：从临床体征特征库中读取与匹配成功的模式相关联的体征校准偏移量，该体征校准偏移量是一个与第一校准温度序列长度相同的偏移向量；将第一校准温度序列中的每个元素与偏移向量中对应位序的元素执行加法运算，获得校准后的温度值；将所有校准后的温度值按原始位序排列，生成第二校准温度序列。进一步优选的，所述体征校准偏移量是根据历史体温数据和对应临床结局通过最小二乘拟合预先标定的患者个体化偏移值，使校准结果与患者个体生理特征高度适配，有效补偿个体体征差异引入的测温偏差。

12、优选的，所述将第二校准温度序列与预设的多床位集中监控系统中的内网控制指令队列和家属终端蓝牙查看请求进行物理参数绑定的过程包括：从内网控制指令队列中解析出目标床位标识符和对应的温度采集启停指令；根据温度采集启停指令控制柔性生物传感器阵列的工作状态，并将第二校准温度序列与目标床位标识符关联存储至内网数据库；当接收到家属终端蓝牙查看请求时，从该请求中提取出授权床位标识符，并从内网数据库中读取与授权床位标识符匹配的最新第二校准温度序列，通过蓝牙通道返回给家属终端，由此保障多床位环境下的安全定向数据分发。

13、作为本发明的一个优选技术方案，在输出最终监测温度数据流之前，还执行以下护理辅助处理：获取预设的多个发热程度档位对应的水温推荐区间，该发热程度档位包括低热档位、中热档位和高热档位；计算第二校准温度序列中最新多个温度值的滑动平均值，并根据该滑动平均值所处的数值范围判定当前的发热程度档位；从水温推荐区间中选取与当前发热程度档位对应的一个具体水温值，将该具体水温值作为护理辅助数据附加到最终监测温度数据流的尾部，从而为物理降温或保暖护理提供直接的操作依据。

14、作为本发明的另一优选技术方案，在生成第二校准温度序列之后，还执行安全监控处理：将第二校准温度序列与预设的超温绝对阈值和低温绝对阈值进行比较；若第二校准温度序列中的连续多个元素均大于超温绝对阈值，则生成一个设备断电控制信号，防止因持续超温导致的设备损坏或人身安全隐患；若第二校准温度序列中的任意一个元素小于低温绝对阈值，则生成一个额头低温报警标志，提醒医护人员及时干预体温过低风险；同时，当柔性生物传感器阵列的阻抗传感器检测到开路状态时，生成一个设备故障报警标志，确保监测硬件的可靠运行。

15、优选的，在生成第一校准温度序列之后，还包括自适应学习更新过程：计算原始体表温度序列与第一校准温度序列之间的差值序列，并将该差值序列输入至一个自适应滤波器；利用自适应滤波器的输出结果对同步生理背景信号序列进行反向修正，得到修正后的生理背景信号序列；将修正后的生理背景信号序列与第一校准温度序列共同输入至一个递归最小二乘估计器，以更新临床体征特征库中的体温波动模式模板，使特征库能够随使用过程持续优化，不断提升后续多尺度波动模式匹配的准确性与个体化适应能力。

16、在上述技术方案中，本发明提供的技术效果和优点：

17、采集柔性生物传感器阵列输出的原始体表温度序列的同时获取同步生理背景信号序列，利用同步生理背景信号序列中每个采样点的局部方差标记非平稳点，以非平稳点作为分割边界动态切割原始体表温度序列，得到多个反映不同生理状态区间的温度子段。针对每个温度子段，提取内部元素构成局部输入向量，利用带宽参数随该温度子段长度自适应调整的局部加权回归模型进行递归映射，将拟合残差逐点叠加回原始温度值，生成第一校准温度序列。该动态分段策略避免了固定窗口滤波对边界瞬态变化的平滑作用，使得每个子段内的局部回归充分利用区间内数据的统计特性，递推残差校正则消除因出汗或神经性血管舒张等引起的基线漂移和瞬时尖峰干扰，从而在不损失真实发热趋势的前提下抑制生理背景噪声。

18、基于临床体征特征库对第一校准温度序列进行多尺度波动模式匹配时，从特征库中提取多个包含升温模式向量和降温模式向量的体温波动模式模板，采用滑动时间窗口对第一校准温度序列进行重叠分段，并分别计算每个分段与各模板的动态时间弯曲距离，选取最小距离所对应的模板作为匹配模式。从特征库读取与该模式关联的预先通过历史体温及对应临床结局最小二乘拟合标定的个体化体征校准偏移量，该偏移量为与第一校准温度序列等长的偏移向量，将其按位序叠加至第一校准温度序列，生成第二校准温度序列。通过匹配反映真实发热进程和恢复规律的波动模式，第二校准温度序列携带了患者个体病程特征带来的系统性偏差补偿，使监测温度更贴近临床判读时所依据的核心体温变化轨迹，在早期低热识别和退热确认阶段减少由个体代谢差异或药物反应造成的滞后或假象。