天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

當前位置:主頁 > 科技論文 > 信息工程論文 >

面向健康的非干預式體征感知關(guān)鍵技術(shù)研究

發(fā)布時間:2020-06-15 09:47
【摘要】:在老齡化這一人口發(fā)展的時代背景下,慢性疾病在老年人群中呈現(xiàn)明顯高發(fā)的勢態(tài),使得家庭和整個社會所擔負的老年人健康保障成本日益加重。其中,呼吸類慢性疾病(如睡眠呼吸暫停)和運動障礙類慢性疾病(如帕金森綜合征)是老年人群中發(fā)病率較高的兩類慢性疾病。呼吸類和運動障礙類慢性疾病具有病程長、早期癥狀不明顯和病情隨時間逐漸變化的特點。對此類疾病的可靠評估需要長期連續(xù)地監(jiān)測相應體征:呼吸和步態(tài)。已有的常規(guī)呼吸監(jiān)測和步態(tài)評估等方法,需要被測者在臨床環(huán)境下佩戴各種醫(yī)用傳感器(如電極貼片、鼻管、各類慣性傳感器等),盡管可以做到較為精準的檢測和評估,但存在侵擾性大和費用高等不足,難以實現(xiàn)長期持續(xù)的監(jiān)測。夜間睡眠和日間行走是人類最自然的兩種日常生活行為,在不干預老年人活動自由的前提下,以日常生活中夜間睡眠和日間行走為感知場景,采用新型非干預式體征感知手段,監(jiān)測睡眠呼吸和行走步態(tài)是實現(xiàn)持續(xù)健康監(jiān)測的理想選擇。然而,現(xiàn)有新型體征感知方法在非干預性、可普及性、準確性、適應性等方面尚存在不同程度的不足,難以支撐日常生活環(huán)境下長期健康監(jiān)測的需求。基于此,本文研究日常生活環(huán)境下的非干預式體征感知若干關(guān)鍵技術(shù),具體包括:·非接觸式睡眠呼吸監(jiān)測本文研究基于普通音頻設(shè)備的非接觸式聲波呼吸監(jiān)測技術(shù)。相比于其他非接觸式感知方式(如基于射頻信號和光學信號感知方式),聲波信號可由普通手機的揚聲器和麥克風發(fā)送并接收,具有無接觸和低成本的優(yōu)點。呼吸監(jiān)測的感知源包括兩個:一個是呼吸過程中的胸脯起伏,另一個是呼吸氣流本身。因胸脯起伏并不總是呼吸的可靠表征(阻塞性睡眠呼吸暫停發(fā)生時呼吸與胸脯起伏不對應),而感知呼吸氣流的方式易受室內(nèi)氣流的干擾。針對這兩種感知方式的適用性,本文分別對兩種感知方式進行了探索研究。·非干預式行走步態(tài)感知與分析本文研究基于足底壓力數(shù)據(jù)的步態(tài)分析及步態(tài)模式識別。足底壓力數(shù)據(jù)通過壓力鞋墊獲得,具有完全非干預日常行為和可長期持續(xù)使用的優(yōu)點。行走過程中的足底壓力數(shù)據(jù)可以在時間域和力學域上同時提供細粒度的運動特性,相較于健康步態(tài),帕金森等運動功能衰退類疾病產(chǎn)生的病理步態(tài)會造成特定的運動模式變化。本文以帕金森步態(tài)為例,從足底壓力數(shù)據(jù)分析并識別其運動特性呈現(xiàn)出的特定變化模式。本文主要工作和取得成果包括如下幾個方面:1)提出了基于胸脯起伏測量的非接觸式聲波睡眠呼吸監(jiān)測方法使用高精度測距技術(shù),實時測量呼吸過程中胸脯起伏位移的微弱變化,實現(xiàn)呼吸監(jiān)測。具體而言,以胸脯起伏為感知對象,研究并提出了一種高精度聲波測距方法C-FMCW,該方法的測距精度僅與采樣率有關(guān)。另外,克服了普通揚聲器和麥克風存在的采樣率不一致、開機時間不同步、真實環(huán)境存在眾多聲波反射源等問題帶來的現(xiàn)實挑戰(zhàn),將CFMCW測距技術(shù)在普通音頻設(shè)備上實現(xiàn)并用于呼吸監(jiān)測。在不同環(huán)境下就不同睡姿,對不同人實現(xiàn)了準確的呼吸監(jiān)測,誤差中值為0.3 breaths/min。2)提出了基于呼吸氣流感知的非接觸式聲波睡眠呼吸監(jiān)測方法基于呼吸氣流可散射聲波這一事實,實時捕捉并分析因呼吸氣流散射聲而波引入到接收聲波中的多普勒效應,度量呼吸氣流速度,實現(xiàn)呼吸監(jiān)測。具體而言,首先,通過嚴密的理論推導和大量實驗驗證,對呼吸氣流散射聲波引起的多普勒效應構(gòu)建數(shù)學模型,量化描述呼吸氣流的方向和大小與多普勒效應之間的關(guān)系;然后,基于構(gòu)建的模型建立弱多普勒效應實時分析方法;最后,研發(fā)實現(xiàn)了首個基于普通音頻設(shè)備直接感知呼吸氣流的呼吸監(jiān)測系統(tǒng),在不同環(huán)境,不同睡姿下,實現(xiàn)對不同個體呼吸的監(jiān)測,誤差中值為0.35 breaths/min。3)提出了基于細粒度運動參數(shù)的非干預式帕金森步態(tài)識別方法以人在行走過程中足底壓力的變化為研究對象,提取細粒度的運動功能特征度量并分析各運動功能特性與健康人的不同,進而識別帕金森步態(tài)模式。具體而言,首先,提出了一種基于滑動窗口的步態(tài)階段識別方法,從壓力鞋墊采集的足底壓力數(shù)據(jù)中識別隱藏在步態(tài)周期里的步態(tài)階段;其次,基于步態(tài)階段,設(shè)計并提取出能同時反映步態(tài)穩(wěn)定性、對稱性和協(xié)調(diào)性的細粒度運動參數(shù);最后,構(gòu)建了基于BP網(wǎng)絡的集成步態(tài)識別模型對步態(tài)模式進行識別。實驗結(jié)果表明,所述帕金森步態(tài)識別方法的識別準確率和召回率分別達到87.9%和87.4%,AUC值達到0.893,總體性能優(yōu)于對照方法。4)設(shè)計并實現(xiàn)集成化非干預式體征感知平臺在綜合考慮老年人對非接觸式體征感知需求的基礎(chǔ)上,對前面提到的兩種呼吸監(jiān)測系統(tǒng)和步態(tài)模式識別方法進行功能集成。首先,將兩種感知方式不同應用場景不同的呼吸感知系統(tǒng)集成在同一套音頻設(shè)備上;其次,將步態(tài)分析和步態(tài)模式識別功能集成為一個軟件系統(tǒng),用戶只需提供從智能鞋墊等設(shè)備獲得的步態(tài)數(shù)據(jù)即可完成全部功能;然后,在呼吸感知和步態(tài)分析與識別的基礎(chǔ)上設(shè)計并實現(xiàn)了呼吸暫停報警、異常呼吸模式報警、病理步態(tài)模式識別、運動功能衰退報警和歷史數(shù)據(jù)可視化等擴展功能;最后,通過真實實驗對系統(tǒng)進行了性能測試。
【學位授予單位】:西北工業(yè)大學
【學位級別】:博士
【學位授予年份】:2018
【分類號】:TN911.7;TH77
【圖文】:

慢性疾病,不同性別,呼吸系統(tǒng)疾病


很多人同時患有多種慢性病[5-9],如圖1-2 所示。60 歲及以上人口中有近 80%死于非傳染性疾病 [8]。其中,呼吸系統(tǒng)慢性疾病和運動障礙類慢性疾病是老年人群中典型的兩類慢性疾病,具有病程長、早期癥狀不明顯和病情隨時間緩慢變化型特點。以間斷性臨床診斷為主要健康監(jiān)測手段的傳統(tǒng)醫(yī)療模式難以及時的發(fā)現(xiàn)和追蹤上述兩類慢性疾病,且會給家庭和社會造成沉重的健康保障負擔。特別是對獨居老年人而言,持續(xù)的健康監(jiān)測有助于及時發(fā)現(xiàn)健康問題,及時就醫(yī),避免病情持續(xù)惡化威脅老年人生命安全。圖 1-2 中國在 2010 年、2020 年和 2030 年不同性別患有一種及以上慢性疾病的人數(shù)[9]2)呼吸系統(tǒng)疾病據(jù)世界衛(wèi)生組織 2016 年發(fā)布的《中國老齡化與健康國家評估報告》,呼吸系統(tǒng)疾病是老年人第三大常見死因[15]。慢性阻塞性肺。–hronicObstructivePulmonaryDisease,COPD)是最為常見的一種呼吸系統(tǒng)慢性疾病,致殘率和病死率高。根據(jù) 2010 年全國調(diào)查結(jié)果,60 歲及以上老年人慢性阻塞性肺炎的患病率為 15.5% [10, 11]?赏ㄟ^持續(xù)的呼吸監(jiān)測來發(fā)現(xiàn)和跟蹤呼吸系統(tǒng)疾病。目前常見的呼吸監(jiān)測系統(tǒng)均為臨床上使用的專用設(shè)備,雖然性能可靠,但價格昂貴,需要被測者佩戴鼻管、電極等設(shè)備嚴重限制被測者正;顒樱倚枰獙I(yè)醫(yī)護人員操作無法實現(xiàn)長期可持續(xù)的呼吸監(jiān)測。3)運動功能衰退類疾病

體征,研究概況,感知方式,技術(shù)


圖 2-1 非干預式體征感知研究概況,從感知方式看,非干預式體征感知技術(shù)主要包括接觸式感知。從感知目標看,非干預式體征感知主感知。生理參數(shù)感知一般包括基本的呼吸感知、心包括步態(tài)感知與識別、摔倒預測\檢測。

本文編號:2714240

資料下載
論文發(fā)表

本文鏈接:http://www.sikaile.net/kejilunwen/xinxigongchenglunwen/2714240.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶89bba***提供,本站僅收錄摘要或目錄,作者需要刪除請E-mail郵箱bigeng88@qq.com