一种心率体表温度相结合的个体体温精准测量计算方法与流程

1.本发明涉及人体体温测量计算技术领域，具体为一种心率体表温度相结合的个体体温精准测量计算方法。


背景技术：

2.2020年，covid-19新型冠状病毒在全世界范围内大流行。为了应对疫情，最广泛的初步筛查手段就是体温测量。不管是额温枪，还是红外摄像头测温，其体温测量准确度都不高，有时会和实际体温相差几度，严重影响了筛查效果。因此，方便精准的不同个体体温测量计算变得越来越重要。
3.目前，公知的各种温度测量手段，包括水银温度计和各种电子温度计，都是通过测量人体局部体表温度，然后结合普遍适用的经验差值补偿，最终估算出人体体温。
4.但根据现有医学知识，每个人的正常体温并不是指某一具体温度，而是一个温度范围。人体各个部位、每日早晚及男女之间的体温均存在着差异。正常人口腔温度为36。3℃～37。2℃，腋窝温度较口腔温度低0。3℃～0。6℃，直肠温度较口腔温度高0。3℃～0。5℃。一天之中，清晨2～5 时体温最低，下午5～7时最高，但一天之内温差应小于1℃。女子体温一般较男子高0。3 ℃左右。女子体温在经期也有些许变化。一般人正常体温37度，每次体温升高一度，心跳增加15次左右，可能因体质在12-18之间浮动。
5.因此，现有的体温测量方法主要有如下不足之处：水银体温计或电子体温计腋窝测量方式不方便，基于腋窝和人体体温固定差值补偿的体温估算，忽略了人体体质各不相同的差异性；额温枪或红外摄像头体温测量，测量器件本身存在测量精度差的问题；不同环境温湿度，以及所处室内或室外温湿度场短时间内的变化，对体温测量的准确度也有直接的影响。
6.没有完全考虑人体体温在一天中随时间段变化的规律，只是以多数人的正常体温均值作为衡量标准，经常会出现具体个人的体温是否异常的误判。
7.技术实现要素本发明所要解决的技术问题是：针对以上所述现有的体温测量方法的各种缺陷，以及方便精准的人体体温测量的重要性，提供一种心率体表温度相结合的个体体温测量计算方法，以解决上述背景技术中提出的广泛需求的不同时间段不同个体体温精准测量计算的问题。
8.本发明所采用的技术方案是，针对不同个体体温在一天中不同时间段的规律性变化，结合环境温湿度及环境温湿度变化趋势对人体体温的直接影响。以每个人的体温调节机制都是独有的，一人一算法的思路，提出不同时间段不同个体精准体温测量计算方法。本发明公布的精准体温测量计算方法，把心率值和环境温湿度引入到精准体温测量的算法公式中。通过用户佩戴心率体表温度测量穿戴终端，经由后台服务器建立体温算法并优化，可实现不同时段不同个体在不同的温湿度环境中的精准体温测量和计算。
9.按照本发明公布的方法建立好个人体温测量计算算法模型后，用户只需要佩戴一
支心率体温终端，可由后台及算法服务器提供实现针对个人身体特质优化的分时段精准体温测量计算。
10.本发明公布的个体体温测量计算方法需要一些基本特征数据参数，其测试条件为基础代谢率测量条件：清晨、清醒、静卧，未做肌肉活动；前夜睡眠良好，测定时无精神紧张；测定前至少禁食12小时；室温保持在20~25℃。
11.一种心率体表温度相结合的个体体温测量计算方法，其系统如图1包括以下六个部分：手腕部心率体温测量手环，当然佩戴部位根据需要也可以选择额头、脚腕、前胸或腰部；单独的环境温湿度测量终端，用来测量用户所处温度场的温湿度；腋下无线温度测量终端，用来测量用户体温值，建立个人体温算法时才使用；无线局域路由器，将以上三项的设备数据通过健康私有云传输到后台算法服务器；后台及算法服务器，基于一人一算法的精准体温测量计算模块，以后台即服务的模式进行训练建立和运行；用户app，作为用户的信息展示终端界面，可以进行基础数据的录入，动态体温曲线的展示以及预警报警信息的推送。
12.与现有技术相比，本发明所具有的有益效果为：针对不同个体的精准体温测量计算，采用一人一算法，后台服务方式实现计算；基于每个人不同时段心率体温的生理体质表现不同，进行体温测量计算；方便对大量人群，实现不同时段不同个体在不同的温度环境中的精准体温测量和计算。
附图说明
13.图1为本发明精准体温测量计算方法的系统结构图。
具体实施方式
14.一种心率体表温度相结合的个体体温测量计算方法，其计算的实施方式包括以下五个步骤：在基础代谢率测试条件下，测量基础心率hr
base
，基础体温t
base
。
15.实时测量体表温度t
skin
和心率值hr，同时完成至少24小时实时体温值t
body
腋下测量，同时全天候实时测量环境温度值t
env
和环境湿度值h
env
，数据采样频率可以后台配置，一般为30秒一次数据采集；根据公式n(t)=(hr-hr
base
)-15
×
(t
body-t
base
)计算一天中0时到24时各个时刻的心率体温关联系数；按照公式t
body
=t
skin
k{[(hr-hr
base
)-n(t)]/15 t
base
} c[f(h
env
, t
env
, slopet
env
, slopeh
env
)]，其中slopet
env
为当前时刻之前五分钟内环境温度数据的变化斜率，slopeh
env
为当前时刻之前五分钟内环境湿度数据的变化斜率，f(h
env
, t
env
, slopet
env
, slopeh
env
)为根据算法建立时个体所处环境的温湿度实测数据拟合出的函数曲线表达式；最终依据个体足够的测试数据优化出f(h
env
, t
env
, slopet
env
, slopeh
env
)]函数，以及系数k和c。按照公式t
body
=t
skin
k{[(hr-hr
base
)-n(t)]/15 t
base
} c[f(h
env
, t
env
, slopet
env
, slopeh
env
)]，根据佩戴的心率体温终端实时测量上传数据hr和t
skin
，以及实时
环境温度值t
env
和环境湿度值h
env
，在后台算法服务器计算出人体体温值t
body
，推送给用户app显示。
实施例
[0016]
模型计算的数据采样频率可以后台配置，为方便描述，以每1个小时一次数据采集为例，针对所举例用户个体的精准体温测量计算模型建立时的实测数据如下：
实时数据测量抽样点间隔周期小于五分钟时，slopetenv和slopehenv可以分别由各自定义按照曲线斜率计算出，通过对c[f(henv, tenv, slopetenv, slopehenv)] 序列数据的曲线拟合，可以精确计算c值。
[0017]
对于以上1小时间隔数据，取值k=0.9，则通过数据的曲线拟合方法，计算出f(henv, tenv, slopetenv, slopehenv)的序列数据为（t=1-24）：c[f(h
env
, t
env
, slopet
env
, slopeh
env
)]=[-25.74
ꢀ-
24.55
ꢀ-
24.36
ꢀ-
24.46
ꢀ-
25.35
ꢀ-
25.05
ꢀ-
25.54
ꢀ-
26.13
ꢀ-
28.43
ꢀ-
28.42
ꢀ-
27.41
ꢀ-
29.21
ꢀ-
28.39
ꢀ-
27.39
ꢀ-
29.48
ꢀ-
29.17
ꢀ-
29.07
ꢀ-
28.57
ꢀ-
27.38
ꢀ-
26.39
ꢀ-
25.91
ꢀ-
25.31
ꢀ-
25.32
ꢀ-
26.13 ]最终，本实施例的体温计算公式为：t
body
=t
skin
0.9{[(hr-hr
base
)-n(t)]/15 t
base
} c[f(h
env
, t
env
, slopet
env
, slopeh
env
)]其中n(t) = [-2.75
ꢀ-
9.50
ꢀ-
2.75
ꢀ-
3.53
ꢀ-
2.13
ꢀ-
4.25
ꢀ-
2.70
ꢀ-
1.20
ꢀ-
2.80 10.00
ꢀ-
5.12 2.75
ꢀ-
4.50
ꢀ-
8.25 6.25
ꢀ-
2.65
ꢀ-
3.50 2.10
ꢀ-
0.15 3.50
ꢀ-
5.50
ꢀ-
2.05 0.25
ꢀ-
12.50]c[f(henv, tenv, slopetenv, slopehenv)] = [-25.74
ꢀ-
24.55
ꢀ-
24.36
ꢀ-
24.46
ꢀ-
25.35
ꢀ-
25.05
ꢀ-
25.54
ꢀ-
26.13
ꢀ-
28.43
ꢀ-
28.42
ꢀ-
27.41
ꢀ-
29.21
ꢀ-
28.39
ꢀ-
27.39
ꢀ-
29.48
ꢀ-
29.17
ꢀ-
29.07
ꢀ-
28.57
ꢀ-
27.38
ꢀ-
26.39
ꢀ-
25.91
ꢀ-
25.31
ꢀ-
25.32
ꢀ-
26.13 ]。