一种基于大数据的病理预警方法及装置与流程

1.本发明涉及大数据技术领域，尤其涉及一种基于大数据的病理预警方法及装置。


背景技术：

2.病理，即疾病发生发展的过程和原理。也就是疾病发生的原因、发病原理和疾病过程中发生的细胞、组织和器官的结构、功能和代谢方面的改变及其规律。
3.帕金森又名震颤麻痹，是神经系统病变的一种，并且无法根治，只能通过长期的药物治疗来控制病情；同时，帕金森是一种老年慢性疾病，平均发病年龄约为60岁，主要临床表现为静止性震颤，因此，患者的运动症状是帕金森病临床确诊的重要依据。
4.目前，在现有技术中，对于病理预警的方法太过繁琐，且无法进行准确识别，可能导致用户错失对帕金森治疗的最佳时期，因此，急需改进。


技术实现要素：

5.为了现有技术存在的上述技术缺陷，本发明提供了一种基于大数据的病理预警方法及装置，可以有效解决背景技术中的问题。
6.为了解决上述技术问题，本发明提供的技术方案具体如下：
7.本发明实施例公开了一种基于大数据的病理预警方法，包括以下步骤：
8.通过传感器实时采集用户的生物信号，以获取用户不同部位的原始加速度信号；
9.对采集用户的生物信号进行降噪和分段，并生成用户的生理信号数据库；
10.通过提取用户的生理信号数据库中的所述腰部传感器装置采集的数据，判断用户的躯干状态；
11.将用户躯干特征矩阵和用户上肢特征矩阵进行归一化处理，并建立躯干状态识别模型和上肢状态识别模型，判断用户在静止状态下上肢是否出现震颤现象。
12.在上述任一方案中优选的是，所述传感器装置内设置有采集模块、储存模块和控制模块，采集模块用于采集用户的生物信号数据，或获取用户运动和姿势的加速度数据，并将采集的数据发送至控制模块中；控制模块与储存模块连接，在采集模块采集完用户的数据后，控制模块将采集模块采集的数据存储在储存模块内。
13.在上述任一方案中优选的是，所述述传感器装置包括腰部传感器装置、左上肢传感器装置和右上肢传感器装置，所述腰部传感器装置固定于用户腰部，所述左上肢传感器装置和所述右上肢传感器装置分别固定于用户的左右上肢末端。
14.在上述任一方案中优选的是，通过滤波器对所述腰部传感器装置、所述左上肢传感器装置和所述右上肢传感器装置采集的数据进行降噪和分段，并生成用户的生理信号数据库。
15.在上述任一方案中优选的是，通过滤波器对采集的数据进行降噪包括以下步骤：
16.对采集的数据进行三阶滤波；
17.确定滤波器的归一化截止频率和阶数；
18.计算滤波的系数；
19.通过滤波函数滤波。
20.在上述任一方案中优选的是，分别计算x、y、z轴向上的加速度绝对值的平均值，用以判断用户的躯干状态；分别计算在x、y、z轴方向上的加速度标准偏差，和在x、y、z轴方向上的加速度两两之间的相关系数；将x、y、z轴向加速度数据的绝对值均值、标准偏差和两两间的相关系数生成用户的躯干特征向量，进而将用户躯干静止状态特征矩阵与用户躯干非静止状态特征矩阵合并为用户躯干特征矩阵，并创建对应的两行n列的0-1矩阵。
21.在上述任一方案中优选的是，根据用户的生理信号数据库中的所述左上肢传感器装置和所述右上肢传感器装置采集的数据，通过最小二乘法对自回归模型的系数进行估计，分别得到左上肢数据的五个ar系数和右上肢数据的五个ar系数，其中，设ar模型的阶数为5；将信号幅值域和五个ar系数作为识别上肢状态的上肢特征向量，并将上肢震颤、静止和运动状态特征矩阵合并为用户上肢特征矩阵，并创建对应的三行n列的0-1矩阵。
22.在上述任一方案中优选的是，在躯干状态识别模型中，输入向量为用户躯干特征矩阵，其中，用户躯干特征矩阵包括9个特征，维数为9，设定躯干状态识别模型输入层的节点数为9，输出层的节点数为2，则输出向量为0-1时表示静止，1-0时表示非静止；在上肢状态识别模型中，输入向量为用户上肢特征矩阵，其中，用户上肢特征矩阵包括6个特征，维数为6，设定躯干状态识别模型输入层的节点数为6，输出层的节点数为3，则输出向量为0-0-1时表示震颤，0-1-0时表示静止，1-0-0时表示运动。
23.在上述任一方案中优选的是，当在躯干状态识别模型的输出向量为0-1时，上肢状态识别模型的输出向量为0-0-1，则判定用户出现在静止状态下上肢出现震颤现象，否则不成立。
24.第二方面，一种基于大数据的病理预警装置，所述装置包括：
25.获取模块，用于通过传感器实时采集用户的生物信号，以获取用户不同部位的原始加速度信号；
26.处理模块，用于对采集用户的生物信号进行降噪和分段，并生成用户的生理信号数据库；
27.提取模块，用于通过提取用户的生理信号数据库中的所述腰部传感器装置采集的数据，判断用户的躯干状态；
28.识别模块，用于将用户躯干特征矩阵和用户上肢特征矩阵进行归一化处理，并建立躯干状态识别模型和上肢状态识别模型，判断用户在静止状态下上肢是否出现震颤现象。
29.与现有技术相比，本发明的有益效果：
30.本发明提供了一种基于大数据的病理预警方法及装置，通过传感器实时采集用户的生物信号，以获取用户不同部位的原始加速度信号；对采集用户的生物信号进行降噪和分段，并生成用户的生理信号数据库；通过提取用户的生理信号数据库中的所述腰部传感器装置采集的数据，判断用户的躯干状态；将用户躯干特征矩阵和用户上肢特征矩阵进行归一化处理，并建立躯干状态识别模型和上肢状态识别模型，判断用户在静止状态下上肢是否出现震颤现象；可以准确的根据用户的生理信号判断出用户是否存在老龄化的相关疾病，可以帮助用户对老龄化体质所伴随的疾病进行预警。
附图说明
31.附图用于对本发明的进一步理解，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
32.图1是本发明基于大数据的病理预警方法的流程图；
33.图2是本发明基于大数据的病理预警装置的模块示意图。
具体实施方式
34.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
35.需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。
36.在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
37.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
38.为了更好地理解上述技术方案，下面将结合说明书附图及具体实施方式对本发明技术方案进行详细说明。
39.本发明提供了一种基于大数据的病理预警方法，如图1所示，所述方法包括如下步骤：
40.步骤一，通过传感器实时采集用户的生物信号，以获取用户不同部位的原始加速度信号。
41.具体的，将传感器装置设置于用户本体上，所述传感器装置内设置有采集模块、储存模块和控制模块，采集模块用于采集用户的生物信号数据，例如用户的脑电、心电和肌电等信号，或获取用户运动和姿势的加速度数据，并将采集的数据发送至控制模块中；控制模块与储存模块连接，在采集模块采集完用户的数据后，控制模块将采集模块采集的数据存储在储存模块内；为采集用户整体数据的完整性，所述传感器装置设置有三组，分别为腰部传感器装置、左上肢传感器装置和右上肢传感器装置，所述腰部传感器装置固定于用户腰部，其中，在进行所述腰部传感器装置佩戴时，佩戴时的方向以自然坐标系为准，使用户坐标系的z轴与自然坐标系的z轴重合，以消除重力加速度对xy轴加速度数据的影响；所述左上肢传感器装置和所述右上肢传感器装置分别固定于用户的左右上肢末端，以实现采集用户不同部位的原始加速度信号。
42.步骤二，对采集用户的生物信号进行降噪和分段，并生成用户的生理信号数据库。
43.具体的，由于老龄化人群在处于走路、跑步或者上下楼等运动状态时，身体的上肢形态并不会出现震颤的症状，进而将用户的运动形态分为躯干运动时刻、躯干静止时刻、上肢震颤时刻、上肢静止时刻和上肢运动时刻，并分别采集在用户的运动形态时的生理信号。
44.进一步的，由于腰部在站立时更加接近人体的重心，通过所述腰部传感器装置可以识别出用户躯干当前是运动或静止状态，通过所述上肢传感器装置可以识别出用户的上肢当前是静止、震颤或运动状态，以实现能够准确的反映出用户的实时运动状态。
45.进一步的，将所述腰部传感器装置、所述左上肢传感器装置和所述右上肢传感器装置采集的数据进行降噪和分段，并生成用户的生理信号数据库。
46.进一步的，在通过所述传感器装置采集用户的生理信号时，常会伴有噪声的产生，为减少噪声的产生并去除产生的噪声和干扰，通过滤波器对采集的数据进行降噪。
47.进一步的，根据所通过信号的频段的不同，滤波器包括低通滤波器、高通滤波器、带通滤波器、带阻滤波器和全通滤波器，而由于人体加速度其频率相对较低，而混杂其中的环境噪声等干扰信号频率较高，优选的，采用低通滤波器对采集的数据进行降噪。
48.进一步的，通过滤波器对采集的数据进行降噪包括以下步骤：
49.对采集的数据进行三阶滤波；
50.确定滤波器的归一化截止频率和阶数；
51.计算滤波的系数；
52.通过滤波函数滤波。
53.进一步的，将所采集的t0到tn时间段内的数据以时间窗δt为单位划分为n段长度相等的数据序列，每一个数据序列作为一个基本的处理单位，以完成对数据的分段；其中，选取δt为2秒的时间窗，将每2秒采集的数据组成一个数据序列。
54.步骤三，通过提取用户的生理信号数据库中的所述腰部传感器装置采集的数据，判断用户的躯干状态。
55.具体的，通过所述腰部传感器装置采集的数据判断用户的躯干处于静止或非静止状态，利用所述腰部传感器装置采集的加速度数据绝对值的均值作为识别躯干状态的特征。
56.进一步的，由于在用户的躯干处于静止状态下时，在xy轴方向的加速度绝对值的均值接近于0，在z轴方向的加速度绝对值的均值接近于1；在用户做随机动作时，在xy轴方向的加速度绝对值大于0或者在z轴方向的加速度绝对值均值大于1；在用户做规律性动作时，在xy轴方向的加速度绝对值均值大于0，在z轴方向的加速度绝对值均值大于1，进而分别计算x、y、z轴向上的加速度绝对值的平均值，用以判断用户的躯干状态。
57.进一步的，为提高对用户的躯干状态判断的准确度，分别计算在x、y、z轴方向上的加速度标准偏差，和在x、y、z轴方向上的加速度两两之间的相关系数。
58.进一步的，将x、y、z轴向加速度数据的绝对值均值、标准偏差和两两间的相关系数生成用户的躯干特征向量，进而将用户躯干静止状态特征矩阵与用户躯干非静止状态特征矩阵合并为用户躯干特征矩阵，并创建对应的两行n列的0-1矩阵。
59.进一步的,通过提取用户的生理信号数据库中的所述左上肢传感器装置和所述右上肢传感器装置采集的数据，判断用户的上肢状态，其中，用户的上肢状态包括震颤状态、静止状态、运动状态；
60.进一步的，由于人体运动的加速度信号在时间序列上具有连续性、随机性和自相关性，仅依据加速度三个轴向的均值、标准偏差和相关系数等特征，无法对震颤、静止或其他状态进行准确分析，而人体上肢在发生震颤时，所述左上肢传感器装置和所述右上肢传感器装置采集到的数据具有特定的规律性，对于不同时间段的震颤数据，通过相同的方法估计出的各段震颤数据的自回归模型的系数也是相似的。
61.进一步的，根据用户的生理信号数据库中的所述左上肢传感器装置和所述右上肢传感器装置采集的数据，通过最小二乘法对自回归模型的系数进行估计，分别得到左上肢数据的五个ar系数和右上肢数据的五个ar系数，其中，设ar模型的阶数为5。
62.进一步的，由于信号幅值域可以反映出用户动作的激烈程度，sma的值越大，说明用户在这段时间内动作变化的频率越快，或者其动作速度的变化越快。在上肢震颤症状出现的时间段内，其信号幅值域的值在一个稳定的范围内波动，并且数值相对较大；在上肢静止时，其值也较为稳定，但是相对较小；在上肢运动时，各种不同的动作也有其大小相对固定的信号幅值域；进而，将信号幅值域和五个ar系数作为识别上肢状态的上肢特征向量，并将上肢震颤、静止和运动状态特征矩阵合并为用户上肢特征矩阵，并创建对应的三行n列的0-1矩阵。
63.步骤四，将用户躯干特征矩阵和用户上肢特征矩阵进行归一化处理，并建立躯干状态识别模型和上肢状态识别模型，判断用户在静止状态下上肢是否出现震颤现象。
64.具体的，由于在躯干状态识别模型中，输入向量为用户躯干特征矩阵，其中，用户躯干特征矩阵包括9个特征，维数为9，设定躯干状态识别模型输入层的节点数为9，输出层的节点数为2，则输出向量为0-1时表示静止，1-0时表示非静止。
65.进一步的，在上肢状态识别模型中，输入向量为用户上肢特征矩阵，其中，用户上肢特征矩阵包括6个特征，维数为6，设定躯干状态识别模型输入层的节点数为6，输出层的节点数为3，则输出向量为0-0-1时表示震颤，0-1-0时表示静止，1-0-0时表示运动。
66.进一步的，当在躯干状态识别模型的输出向量为0-1时，上肢状态识别模型的输出向量为0-0-1，则判定用户出现在静止状态下上肢出现震颤现象，否则不成立。
67.本发明还提供了一种基于大数据的病理预警装置，如图2所示，所述装置包括：
68.获取模块，用于通过传感器实时采集用户的生物信号，以获取用户不同部位的原始加速度信号；
69.处理模块，用于对采集用户的生物信号进行降噪和分段，并生成用户的生理信号数据库；
70.提取模块，用于通过提取用户的生理信号数据库中的所述腰部传感器装置采集的数据，判断用户的躯干状态；
71.识别模块，用于将用户躯干特征矩阵和用户上肢特征矩阵进行归一化处理，并建立躯干状态识别模型和上肢状态识别模型，判断用户在静止状态下上肢是否出现震颤现象。
72.与现有技术相比，本发明的有益效果是：
73.本发明提供了一种基于大数据的病理预警方法及装置，通过传感器实时采集用户的生物信号，以获取用户不同部位的原始加速度信号；对采集用户的生物信号进行降噪和分段，并生成用户的生理信号数据库；通过提取用户的生理信号数据库中的所述腰部传感
器装置采集的数据，判断用户的躯干状态；将用户躯干特征矩阵和用户上肢特征矩阵进行归一化处理，并建立躯干状态识别模型和上肢状态识别模型，判断用户在静止状态下上肢是否出现震颤现象；可以准确的根据用户的生理信号判断出用户是否存在老龄化的相关疾病，可以帮助用户对老龄化体质所伴随的疾病进行预警。
74.以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。