用于生物反馈设备的利用数据库检测及加权运算的方法与流程

文档序号:15643437发布日期:2018-10-12 22:18阅读:170来源:国知局

本发明涉及生物反馈设备技术领域,特别涉及一种用于生物反馈设备的利用数据库检测及加权运算的方法。



背景技术:

生物反馈(biofeedback)是借助精密的专门工具,去探查和放大人体固有的生理变化过程所产生的各种信息,通过显示系统,将此种信息转变为易于为患者理解的信号或读数,在医务人员的指导下进行训练,使病人学会利用发自自身经过处理的信号,有意识地控制体内各种生理、病理过程,促进机能恢复,从而达到治疗疾病地目的。

目前市面现有的生物反馈设备绝大部份仅能做调理、训练而无法进行检测,这将使得从业人员无法了解客户问题的真正原因就进行调理,导致调理的效果大打折扣。



技术实现要素:

本发明的目的旨在至少解决所述技术缺陷之一。

为此,本发明的目的在于提出一种用于生物反馈设备的利用数据库检测及加权运算的方法。

为了实现上述目的,本发明的实施例提供一种用于生物反馈设备的利用数据库检测及加权运算的方法,包括如下步骤:

步骤s1,利用生物反馈设备采集被测用户对多个预设种类物质的肌电反应数据;

步骤s2,将所述被测用户对多个预设种类物质的肌电反应数据进行相加并除以总量,得到算术平均值;

步骤s3,将所述被测用户对每个所述预设种类物质的肌电反应数据,进行正态分布计算以判断是否符合正态分布,如果符合则判断该肌电反应数据为有效检测数据;

步骤s4,将所述被测用户在多个时间节点上的肌电反应数据,进行线性回归计算,根据线性回归计算结果推测在未来时间段上,该物质对所述被测用户的作用影响,以对所述被测用户进行健康管理提醒。

进一步,在所述步骤s1中,所述多个预设种类物质包括以下一种或多种:西药、中药、顺势疗法、维生素、矿物质、细菌、病毒、微生物。

进一步,判断是否符合正态分布,包括:设正态分布公式计算结果为p,并计算标准偏差σ,如果正态分布计算结果p与μ的差值大于3σ,则判断该数据对应的物质对所述被测用户为过敏源、疾病风险源或情绪压力源,设置该物质为高预警等级;如果正态分布计算结果p与的差值位于2σ和3σ之间,则判断该数据对应的物质对所述被测用户为潜在过敏源、疾病风险源或情绪压力源,设置该物质为中预警等级;如果正态分布计算结果p与的差值位于σ和2σ之间,则判断该数据对应的物质对所述被测用户为非过敏源、非疾病风险源或非情绪压力源,设置该物质为低预警等级。

进一步,所述生物反馈设备在呈现界面上,以不同颜色对不同预警等级的数据进行展示。

进一步,在所述步骤s4中,将将所述被测用户在多个时间节点上的肌电反应数据,进行线性回归计算,预测所述被测户继续此生活习惯及趋势,估计在未来时间点该项指标将进入敏感数据区域,开始对健康开始产生影响或症状,对所述被测用户进行健康管理提醒提示客户改善生活形态。

根据本发明实施例的用于生物反馈设备的利用数据库检测及加权运算的方法,将受测者的疾病风险,症状的产生原因等都以直观的方式呈现,使得调理师可以准确的找到病因,有效的提高治疗效果,对客户也更明白了疾病的风险,可以积极的进行自主健康管理,降低疾病的发生率。

本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:

图1为根据本发明实施例的用于生物反馈设备的利用数据库检测及加权运算的方法的流程图;

图2为根据本发明实施例的预警等级的呈现示意图。

具体实施方式

下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。

如图1所示,本发明实施例的用于生物反馈设备的利用数据库检测及加权运算的方法,包括如下步骤:

步骤s1,利用生物反馈设备采集被测用户对多个预设种类物质的肌电反应数据。

在本发明的一个实施例中,多个预设种类物质包括以下一种或多种:西药、中药、顺势疗法、维生素、矿物质、细菌、病毒、微生物。

需要说明的是,物质的种类不限于上述举例,还可以包括其他类型,根据需要进行添加设置。本发明可以检测客户对一万余种物质,例如上述西药、中药、顺势疗法、维生素、矿物质、细菌、病毒、微生物等的肌电反应。

步骤s2,将被测用户对多个预设种类物质的肌电反应数据进行相加并除以总量,得到算术平均值。

步骤s3,将被测用户对每个预设种类物质的肌电反应数据,进行正态分布(normaldistribution)计算以判断是否符合正态分布,如果符合则判断该肌电反应数据为有效检测数据。

下面对标准偏差和正态分布的具体计算过程进行说明:

(1)标准差(standarddeviation)也称为标准偏差,用于描述各数据偏离平均数的距离(离均差)的平均数,它是离差平方和平均后的方根,用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度,标准偏差越小,这些值偏离平均值就越少,反之亦然。标准偏差的大小可通过标准偏差与平均值的倍率关系来衡量。

总体标准偏差公式:

其中,μ代表总体x的均值。

以实际客户检测资料为例,共10,239笔有效检测数据(n=10239),其算术平均值为73.05(μ=73.05),而代入上述公式得到标准偏差为15.35(σ=15.35)。

(2)正态分布(normaldistribution),也称“常态分布”,又名高斯分布(gaussiandistribution)。若随机变量x服从一个数学期望为μ、方差为σ^2的正态分布,记为n(μ,σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。

为了便于描述和应用,常将正态变量作数据转换。将一般正态分布转化成标准正态分布。

当μ=0,σ=1时的正态分布是标准正态分布。

由于“小概率事件”和假设检验的基本思想,认为在一次试验中该事件是几乎不可能发生的。由此可见x落在(μ-3σ,μ+3σ)以外的概率小于千分之三,在实际问题中常认为相应的事件是不会发生的,基本上可以把区间(μ-3σ,μ+3σ)看作是随机变量x实际可能的取值区间,这称之为正态分布的“3σ”原则,又称为拉依达准则。

以实际客户检测资料为例,共10,239笔有效检测数据(n=10239),其算术平均值为73.05(μ=73.05),标准偏差为15.35(σ=15.35),而μ+3σ=119.0876,μ-3σ=27.0056代入上述正态分布公式得到检测数值在119.0876以上或27.0056的概率为千分之1.3499,皆明显小于千分之三,因此可以推论出此检测资料服从正态分布(常态分布或高斯分布),为一有效检测数据。

此外,设正态分布公式计算结果为p,并计算标准偏差σ,如果正态分布计算结果p与μ的差值大于3σ,则判断该数据对应的物质对被测用户为过敏源、疾病风险源或情绪压力源,设置该物质为高预警等级;如果正态分布计算结果p与的差值位于2σ和3σ之间,则判断该数据对应的物质对被测用户为潜在过敏源、疾病风险源或情绪压力源,设置该物质为中预警等级;如果正态分布计算结果p与的差值位于σ和2σ之间,则判断该数据对应的物质对被测用户为非过敏源、非疾病风险源或非情绪压力源,设置该物质为低预警等级。

在本发明的一个实施例中,如图2所示,生物反馈设备在呈现界面上,以不同颜色对不同预警等级的数据进行展示。例如,若相差大于标准偏差三倍(3σ)以上则视为差异明显,将以红色表示于报告中。若相差大于标准偏差二倍(2σ)以上小于三倍(3σ)则将以橙色表示于报告中。若相差大于标准偏差一倍(σ)以上小于二倍(2σ)则将以黄色表示于报告中。

步骤s4,将被测用户在多个时间节点上的肌电反应数据,进行线性回归(linearregression)计算,根据线性回归计算结果推测在未来时间段上,该物质对被测用户的作用影响,以对被测用户进行健康管理提醒。

具体的,将被测用户在多个时间节点上的肌电反应数据,进行线性回归计算,预测被测户继续此生活习惯及趋势,估计在未来时间点该项指标将进入敏感数据区域,开始对健康开始产生影响或症状,对被测用户进行健康管理提醒提示客户改善生活形态。

线性回归(linearregression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。

其表达形式为:y=xβ+ε.(4)

其中,y是一个包括了观测值的列向量,ε包括了未观测的随机成分ε1,...,εn以及回归量的观测值矩阵x:

x通常包括一个常数项。如果x列之间存在线性相关,那么参数向量β就不能以最小二乘法估计除非β被限制,例如要求它的一些元素之和为0。

线性回归模型经常用最小二乘逼近来拟合:

以实际客户检测资料为例,共10,239笔有效检测数据(n=10239),其算术平均值为73.05(μ=73.05),标准偏差为15.35(σ=15.35),而μ+3σ=119.0876,μ+2σ=103.7406。

举例来说,若每三个月,1,4,7,10月检测一次客户,在某一项目上其数值为78,87,93,100,代入上述线性回归模型公式得到:若此客户继续此生活习惯及趋势,估计在十二月左右该项指标将进入μ+2σ区域,可能开始对健康开始产生影响或症状,因此需及早提示客户改善生活形态。

需要说明的是,在报告的疾病风险计算中,对于治疗疾病的西药、改善体质的中药、缓解症状的顺势疗法等其加权运算的参数经过详细计算及验证后以1比0.57比0.21为最能反应客户实际状况。

根据本发明实施例的用于生物反馈设备的利用数据库检测及加权运算的方法,将受测者的疾病风险,症状的产生原因等都以直观的方式呈现,使得调理师可以准确的找到病因,有效的提高治疗效果,对客户也更明白了疾病的风险,可以积极的进行自主健康管理,降低疾病的发生率。

在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1