识别盆底肌状态的方法及相关装置、设备和存储装置与流程

本发明涉及检测领域，特别是涉及识别盆底肌状态的方法及相关装置、设备和存储装置。

背景技术：

盆底肌收缩过程可以分为三个阶段，即肌纤维募集阶段、稳定收缩阶段以及肌纤维去募集阶段。准确获取评价指标数据的关键就是要识别肌纤维募集的起点、稳定收缩的起止点以及肌纤维去募集的止点。

在实际应用中，通常采用语音或图像等指令指导受试者进行盆底肌运动，如采用“收缩”“放松”等语音指令，并通过定点测量法来确定上述起止点。该方法是直接将指令附近的某一固定时间点作为肌纤维募集起点和去募集止点，并以此计算稳定收缩的起止点。

由于不同受试者对指令的反应速度存在显著差异，即使同一个受试者每次的反应速度也会有所不同，盆底肌的运动根本无法按照固定起止点执行，从而会导致结果数据与实际情况出现偏差。

技术实现要素：

本发明主要解决的技术问题是提供识别盆底肌状态的方法及相关装置、设备和存储装置，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种识别盆底肌状态的方法，包括：获取在盆底肌进行收缩的过程中产生的收缩反馈信号；分析所述收缩反馈信号的幅值变化情况，以确定所述盆底肌在所述收缩过程中不同阶段所对应的时间节点。

为解决上述技术问题，本发明采用的另一个技术方案是：提供一种盆底肌检测装置，包括：获取模块，用于获取在盆底肌进行收缩的过程中产生的收缩反馈信号；分析模块，用于分析所述收缩反馈信号的幅值变化情况，以确定所述盆底肌在所述收缩过程中不同阶段所对应的时间节点。

为解决上述技术问题，本发明采用的另一个技术方案是：提供一种盆底肌检测设备，包括处理器、存储器和信号检测电路，所述处理器分别耦接所述存储器和所述信号检测电路，所述信号检测电路用于对盆底肌进行检测，以获取盆底肌进行收缩的过程中产生的收缩反馈信号，所述处理器用于运行所述存储器存储的程序指令以执行如上所述方法中的步骤。

为解决上述技术问题，本发明采用的另一个技术方案是：提供一种具有存储功能的装置，存储有程序指令，所述程序指令能够被处理器执行以实现如上所述方法中的步骤。

本发明的有益效果是：区别于现有技术的情况，本发明获取在盆底肌进行收缩的过程中产生的收缩反馈信号，分析该收缩反馈信号的幅值变化情况，以确定盆底肌在所述收缩过程中不同阶段所对应的时间节点，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：

图1是本发明提供的识别盆底肌状态的方法的一实施例的流程示意图；

图2是本发明提供的识别盆底肌状态的方法的另一实施例的流程示意图；

图3是本发明提供的识别盆底肌状态的方法中确定盆底肌在收缩过程中肌纤维募集阶段的起始时间节点的步骤的一实施例的流程示意图；

图4是本发明提供的识别盆底肌状态的方法中查找出满足第一起点条件的第一组第二反馈数据的步骤的一实施例的流程示意图；

图5是本发明提供的识别盆底肌状态的方法中确定盆底肌在收缩过程中的稳定收缩阶段的起始时间节点的步骤的一实施例的流程示意图；

图6是本发明提供的识别盆底肌状态的方法中查找出满足第二起点条件的第一组所述第四反馈数据的步骤的一实施例的流程示意图；

图7是本发明提供的识别盆底肌状态的方法中确定盆底肌在收缩过程中肌纤维去募集阶段的停止时间节点的步骤的一实施例的流程示意图；

图8是本发明提供的识别盆底肌状态的方法中查找出满足第一止点条件的第一组所述第三反馈数据的步骤的一实施例的流程示意图；

图9是本发明提供的识别盆底肌状态的方法中确定盆底肌在收缩过程中的稳定收缩阶段的停止时间节点的步骤的一实施例的流程示意图；

图10是本发明提供的识别盆底肌状态的方法中将所述选取的第七反馈数据作为所述第一组第七反馈数据的步骤的一实施例的流程示意图；

图11是本发明提供的识别盆底肌状态的方法中得到一组第一反馈数据的步骤的一实施例的流程示意图；

图12是本发明提供的识别盆底肌状态的方法中剔除所述组反馈数据的部分反馈数据的步骤的一实施例的流程示意图；

图13是本发明提供的识别盆底肌状态的方法中确定所述盆底肌在所述收缩过程中不同阶段所对应的时间节点的步骤的一实施例的流程示意图；

图14是本发明提供的识别盆底肌状态的方法中确定每个所述第六反馈数据对应的可信范围的步骤的一实施例的流程示意图；

图15是本申请提供的识别盆底肌状态的方法的一实施例的流程示意图；

图16是本发明提供的一种盆底肌检测装置的一实施例的结构示意图；

图17是本发明提供的一种盆底肌检测设备的一实施例的结构示意图；

图18是本发明提供的具有存储功能的装置的一实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参阅图1，图1是本发明提供的识别盆底肌状态的方法的一实施例的流程示意图。本发明提供的识别盆底肌状态的方法包括：

s101：获取在盆底肌进行收缩的过程中产生的收缩反馈信号。

本实施例中，收缩反馈信号可以包括但不限于：肌电信号、压力信号，以及其他反映肌肉功能的指标信号，本实施例以及后续实施例对此不做具体限制。

在一个具体的实施场景中，盆底肌收缩过程分为三个阶段，即肌纤维募集阶段、稳定收缩阶段以及肌纤维去募集阶段。准确获取评价指标数据的关键就是要识别肌纤维募集的起始时间节点、稳定收缩的起始和停止时间节点以及肌纤维去募集的停止时间节点。连续采集收缩状态下的盆底肌的反馈信号，并进行整流处理，获取在盆底肌进行收缩的过程中产生的收缩反馈信号，在本实施场景中，反馈信号采样率为100hz。收缩状态持续时间为1-10秒。

s102：分析所述收缩反馈信号的幅值变化情况，以确定所述盆底肌在所述收缩过程中不同阶段所对应的时间节点。

在一个具体的实施场景中，对获取到的收缩反馈信号的幅值变化情况，根据该幅值变化情况确定盆底肌在收缩过程中不同阶段对应的时间节点。

具体地说，可以分析该收缩反馈信号的集中趋势值和离散程度值，或者计算该收缩反馈信号的相关系数，从而获取该收缩反馈信号的幅值变化情况，确定盆底肌在收缩过程中不同阶段所对应的时间节点。

通过上述描述可知，本实施例通过获取在盆底肌进行收缩的过程中产生的收缩反馈信号，分析该收缩反馈信号的幅值变化情况，以确定盆底肌在所述收缩过程中不同阶段所对应的时间节点，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

请参阅图2，图2是本发明提供的识别盆底肌状态的方法的另一实施例的流程示意图。本发明提供的识别盆底肌状态的方法包括：

s201：获取在盆底肌处于静息状态产生的静息反馈信号，以及在盆底肌进行收缩的过程中产生的收缩反馈信号。

本实施例中，静息反馈信号可以包括但不限于：肌电信号、压力信号，以及其他反映肌肉功能的指标信号，本实施例以及后续实施例对此不做具体限制。

在一个具体的实施场景中，连续采集静息放松状态下和收缩状态下的盆底肌的反馈信号，并进行整流处理，在本实施场景中，反馈信号采样率为100hz。收缩状态持续时间为1-10秒。静息放松状态持续时间为5-60秒。

具体地说，在本实施场景中通过收缩指示通知用户执行盆底肌收缩的动作，在本实施场景通过语音对盆底肌的收缩动作进行提示。考虑到部分受试者的反应时间可能在语音播放一开始就出现收缩动作，因此，获取在收缩指示发出之前的反馈信号作为静息反馈信号，并获取在所述收缩指示发出之后的反馈信号作为收缩反馈信号。

s202：分析所述收缩反馈信号的幅值变化情况，以确定所述盆底肌在所述收缩过程中不同阶段所对应的时间节点。

在一个具体的实施场景中，基于静息反馈信号和收缩反馈信号之间的幅值差异确定盆底肌在收缩过程中肌纤维募集阶段的起始时间节点和/或肌纤维去募集阶段的停止时间节点。

具体地说，可以分别计算并比较静息反馈信号和收缩反馈信号的集中趋势值和离散程度值，通过集中趋势值和离散程度值之间的差异确定盆底肌在收缩过程中肌纤维募集阶段的起始时间节点和/或肌纤维去募集阶段的停止时间节点。

通过上述描述可知，本实施例通过将收缩反馈信号和静息反馈信号的幅值进行对比，以确定盆底肌在收缩过程中肌纤维募集阶段的起始时间节点和/或肌纤维去募集阶段的停止时间节点，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

请参阅图3，图3是本发明提供的识别盆底肌状态的方法中确定盆底肌在收缩过程中肌纤维募集阶段的起始时间节点的步骤的一实施例的流程示意图。

s301：对一第一预设时长内的静息反馈信号进行采样，得到一组所述第一反馈数据。

在一个具体的实施场景中，对收缩指示发出开始之前的第一预设时长内的静息反馈信号进行采样，根据采样的结果得到一组第一反馈数据。还可以在语音对盆底肌的收缩动作进行提示之前一段时间内的静息反馈信号进行采样，从采样获取的反馈信号中截取第一预设时长的采样结果，根据采样的结果得到一组第一反馈数据，在本实施场景中，第一反馈数据为第一预设时长内静息反馈信号采样的幅值。第一预设时长的长度为几百毫秒至几秒，可根据实际情况设置。

s302：分别对从收缩指示发出开始的若干个第二预设时长内的收缩反馈信号进行采样，以获取若干组所述第二反馈数据。

在一个具体的实施场景中，用户在接收到收缩指示后，肌纤维开始募集，采样获取的收缩反馈信号的幅值将远高于静息反馈信号。在接收到收缩指示后的一段时间内(优选为5秒)，以第二预设时长为时间间隔，获取若干个第二预设时长内的收缩反馈信号，根据采样获取的收缩反馈信号获取第二反馈数据。在本实施场景中，第二反馈数据为第二预设时长内的收缩反馈信号的幅值。在本实施场景中，第一预设时长与第二预设时长相等。

在其他实施场景中，还可以是在收缩指示发出后的一段时间内进行采样，获取采样的结果后，将采样的结果按照第二预设时长进行划分，分为若干组采样结果，根据该若干组采样结果获取到若干组第二反馈数据。

s303：依序分析所述若干组第二反馈数据，以查找出满足第一起点条件的第一组所述第二反馈数据。

在一个具体的实施场景中，依序分析若干组第二反馈数据，将该若干组第二反馈数据与第一反馈数据进行比较，判断是否存在一组第二反馈数据与第一反馈数据的幅值差异特征满足预设幅值差异特征，若是，则进一步判断该组第二反馈数据之后是否存在第一预设数量组的第二反馈数据在时域上存在幅值增长特征。若是，则该组第二反馈数据为满足第一起点条件的第一组第二反馈数据。

s304：将所述第一组第二反馈数据的起始采样点作为所述盆底肌在所述收缩过程中的肌纤维募集阶段的起始时间节点。

在一个具体的实施场景中，该第一组第二反馈数据与第一反馈数据存在预设差异，且幅值水平随时间增大而升高，符合肌纤维募集阶段的幅值变化特征，因此，将该第一组第二反馈数据的起始采样点，作为盆底肌在收缩过程中肌纤维募集阶段的起始时间节点。

通过上述描述可知，在本实施例中，通过分别对从收缩指示发出开始的若干个第二预设时长内的收缩反馈信号进行采样，以获取若干组第二反馈数据，从若干组第二反馈数据中找到满足第一起点条件的第一组第二反馈数据，该第一组第二反馈数据与第一反馈数据存在预设幅值差异，且幅值水平随时间增大而升高，符合肌纤维募集阶段的幅值变化特征，将第一组第二反馈数据的起始采样点作为盆底肌在收缩过程中的肌纤维募集阶段的起始时间节点，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

请参阅图4，图4是本发明提供的识别盆底肌状态的方法中查找出满足第一起点条件的第一组第二反馈数据的步骤的一实施例的流程示意图。

s401：分别计算第一反馈数据和每组第二反馈数据的集中趋势值和离散程度值。

在一个具体的实施场景中，分别计算第一反馈数据和每组第二反馈数据的集中趋势值和离散程度值。集中趋势值表示一组反馈数据的数据幅值集中趋势，具体可以为均值；离散程度值表示一组反馈数据的幅值离散程度，具体可以为标准差，方差等。

具体地说，在本实施场景中，集中趋势值为均值，离散程度值为标准差。根据以下公式计算第一反馈数据的均值：

其中，为第一反馈数据的均值，n1为第一预设时长内的静息反馈信号的个数即为第一反馈数据的个数，x1为第一反馈数据。

根据以下公式计算第一反馈数据的标准差：

其中，s静息为第一反馈数据的标准差，为第一反馈数据的均值，n1为第一预设时长内的静息反馈信号的个数即为第一反馈数据的个数，x为第一反馈数据。

根据以下公式计算一组第二反馈数据的均值：

其中，为一组第二反馈数据的均值，n2为第二预设时长内的收缩反馈信号的个数即为一组第二反馈数据的个数，xa为第二反馈数据。

根据以下公式计算一组第二反馈数据的标准差：

其中，sa为一组第二反馈数据的标准差，为一组第二反馈数据的均值，n2为第二预设时长内的收缩反馈信号的个数即为一组第二反馈数据的个数，xa为第二反馈数据。

s402：依序选取一组第二反馈数据，利用所述选取的第二反馈数据和第一反馈数据的集中趋势值和离散程度值，获得所述选取的第二反馈数据与所述第一反馈数据之间的第一差异特征。

在一个具体的实施场景中，在获取到的若干组第二反馈数据中，依序选取一组第二反馈数据，利用所选取的该组第二反馈数据的集中趋势值(在本实施场景中为均值)和离散程度值(在本实施场景中为标准差)，结合第一反馈数据的集中趋势值(在本实施场景中为均值)和离散程度值(在本实施场景中为标准差)，计算出该组第二反馈数据与第一反馈数据之间的第一差异特征。

具体地说，根据以下公式计算一组第二反馈数据与第一反馈数据之间的第一差异特征：

其中，t1为第一差异特征，为第一反馈数据的均值，为一组第二反馈数据的均值，s静息为第一反馈数据的标准差，sa为一组第二反馈数据的标准差，n1为第一预设时长内的静息反馈信号的个数即为第一反馈数据的个数，n2为第二预设时长内的收缩反馈信号的个数即为一组第二反馈数据的个数。

在另一个实施场景中，第一预设时长和第二预设时长相等，由于采样频率相同，则n1＝n2，

s403：若所述第一差异特征大于预设差异阈值，则获取所述选取的第二反馈数据之后第一预设数量组第二反馈数据的集中趋势值。

在一个具体的实施场景中，在n1、n2确定的情况下，对t值设定预设差异阈值，若t大于或等于该预设差异阈值，则表示该组第二反馈数据与第一反馈数据差异较大，即该组第二反馈数据对应的一组收缩反馈信号与静息反馈信号差异较大，满足肌纤维募集阶段的幅值变化特征之一。于是，进一步判断该组第二反馈数据之后的第一数量组的第二反馈数据的集中趋势值。以根据该第一数量组的第二反馈数据的集中趋势值判断该组第二反馈数据之后的反馈数据的时域上是否存在幅值增长特征。

s404：基于所述第一预设数量组第二反馈数据的集中趋势值，得到所述第一预设数量组第二反馈数据之间的第一相关系数。

在一个具体的实施场景中，基于获取的第一预设数量组的第二反馈数据的集中趋势值(在本实施场景中为均值)，得到第一预设数量组的第二反馈数据之间的第一相关系数，该第一相关系数表示了该第一预设数量组的第二反馈数据在时域上的幅值增长特征。

具体地说，根据以下公式计算出第一预设数量组的第二反馈数据之间的第一相关系数：

其中，γ1为第一相关系数，m为第一预设数量，为第一预设数量组中的一组第二反馈数据的均值。

在另一个实施场景中，m＝10，则t值显著性概率p＝0.05。

s405：若所述第一相关系数大于0且小于或等于1，则将所述选取的第二反馈数据作为所述第一组第二反馈数据。

在一个具体的实施场景中，若第一相关系数大于0且小于或等于，则表示该第一预设数量组的第二反馈数据的集中趋势值(在本实施场景中为均值)正相关，则该第一预设数量组的第二反馈数据的幅值水平随着时间增大而升高，结合步骤s403中第一差异特征大于预设差异阈值，该组第二反馈数据满足第一起点条件，将该组第二反馈数据作为第一组第二反馈数据。

通过上述描述可知，在本实施例中通过计算每组第二反馈数据与第一反馈数据之间的第一差异特征，判断该组第二反馈数据对应的一组收缩反馈信号与静息反馈信号差异是否满足预设条件，若是，则进一步基于第一预设数量组第二反馈数据的集中趋势值，计算第一预设数量组第二反馈数据之间的第一相关系数，若第一相关系数满足预设条件，则第一预设数量组第二反馈数据在时域上存在幅值增长特征，满足第一起点条件，将第二反馈数据作为第一组第二反馈数据，该组第二反馈数据的起始采样点作为盆底肌在收缩过程中的肌纤维募集阶段的起始时间节点，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

请参阅图5，图5是本发明提供的识别盆底肌状态的方法中确定盆底肌在收缩过程中的稳定收缩阶段的起始时间节点的步骤的一实施例的流程示意图。

s501：分别对在肌纤维募集阶段的起始时间节点之后若干个第四预设时长内的收缩反馈信号进行采样，得到若干组第四反馈数据。

在一个具体的实施场景中，随着肌纤维募集，反馈信号的幅值水平逐渐增大，当反馈信号的幅值出现降低且之后一段时间内无增大趋势，则表明盆底肌已经开始处于稳定收缩期。

在确定了肌纤维募集阶段的起始时间节点之后，对在肌纤维募集阶段的起始时间节点之后的若干个第四预设时长内的收缩反馈信号进行采样，得到若干组第四反馈数据。在本实施场景中，第四反馈数据为第四预设时长内的采样获取的收缩反馈信号的幅值。

在其他实施场景中，还可以是在收缩指示发出后的一段时间内进行采样，获取采样的结果后，从采样的结果获取在确定肌纤维募集阶段的起始时间节点之后的部分采样结果，将该部分的采样结果按照第四预设时长进行划分，分为若干组采样结果，根据该若干组采样结果获取到若干组第四反馈数据。

在本实施场景中，第四预设时长与第二预设时长相等。

s502：依序分析所述若干组第四反馈数据，以查找出满足第二起点条件的第一组所述第四反馈数据。

在一个具体的实施场景中，依序分析若干组第四反馈数据，判断当前一组第四反馈数据是否在时域上存在幅值平稳特征，若是则可以判定则该组第四反馈数据为满足第二起点条件的第一组第四反馈数据。

s503：将所述第一组第四反馈数据的起始采样点作为所述盆底肌在所述收缩过程中的稳定收缩阶段的起始时间节点。

在一个具体的实施场景中，第一组第四反馈数据在时域上存在幅值平稳特征，符合盆底肌处于稳定收缩期的幅值变化特征，因此，将第一组第四反馈数据的起始采样点作为盆底肌在收缩过程中的稳定收缩阶段的起始时间节点。

通过上述描述可知，本实施例通过对在肌纤维募集阶段的起始时间节点之后若干个第四预设时长内的收缩反馈信号进行采样，得到若干组第四反馈数据，依序分析所述若干组第四反馈数据，获取在时域上存在幅值平稳特征的第一组第四反馈数据，将第一组第四反馈数据的起始采样点作为盆底肌在收缩过程中的稳定收缩阶段的起始时间节点，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

请参阅图6，图6是本发明提供的识别盆底肌状态的方法中查找出满足第二起点条件的第一组所述第四反馈数据的步骤的一实施例的流程示意图。

s601：分别计算每组第四反馈数据的集中趋势值。

在一个具体的实施场景中，集中趋势值表示一组反馈数据的数据幅值集中趋势，在本实施场景可以为均值。分别计算每组第四反馈数据的均值。

具体地说，根据以下公式计算若干组的第四反馈数据的均值：

其中，为第四反馈数据的均值，n3为第四预设时长内的收缩反馈信号的个数即为每组第四反馈数据的个数，xb为第四反馈数据。

s602：依序选取一组第四反馈数据，比较所述选取的第四反馈数据与其之前的相邻组第四反馈数据的集中趋势值。

在一个具体的实施场景中，在获取到的若干组第四反馈数据中，依序选取一组第四反馈数据，利用所选取的该组第四反馈数据的集中趋势值(在本实施场景中为均值)，比较选取的第四反馈数据与其之前的相邻组第四反馈数据的集中趋势值(在本实施场景中为均值)。

具体地说，将与其之前(更靠近肌纤维募集阶段的起始时间节点)的相邻组的第四反馈数据的均值进行比较。

s603：若所述选取的第四反馈数据的集中趋势值不大于所述相邻组第四反馈数据的集中趋势值，则获取所述选取的第四反馈数据之后第二预设数量组第四反馈数据的集中趋势值。

在一个具体的实施场景中，若表示反馈信号的幅值出现降低，则进一步获取选取的第四反馈数据之后第二预设数量组第四反馈数据的集中趋势值。即该组第四反馈数据对应的一组收缩反馈信号的幅值出现降低，满足稳定收缩阶段的幅值变化特征之一。于是，进一步判断该组第四反馈数据之后第二预设数量组第四反馈数据的集中趋势值。根据该第四反馈数据之后第二预设数量组第四反馈数据的集中趋势值判断该组第四反馈数据之后的反馈数据的时域上是否存在幅值稳定特征，从而进行下一步判断。

s604：基于所述第二预设数量组第四反馈数据的集中趋势值，得到所述第二预设数量组第四反馈数据之间的第二相关系数。

在一个具体的实施场景中，基于获取的第二预设数量组的第四反馈数据的集中趋势值(在本实施场景中为均值)，得到第二预设数量组的第四反馈数据之间的第二相关系数，该第二相关系数表示了该第二预设数量组的第四反馈数据在时域上的幅值稳定特征。

具体地说，根据以下公式计算出第二预设数量组的第四反馈数据之间的第二相关系数：

其中，γ2为第二相关系数，n为第二预设数量，为第二预设数量组中的一组第四反馈数据的均值。

s605：若所述第二相关系数小于或等于0，则将所述选取的第四反馈数据作为所述第一组第四反馈数据。

在一个具体的实施场景中，若第二相关系数小于或等于0且大于或等于-1，则表示该第二预设数量组的第四反馈数据集中趋势值(在本实施场景中为均值)负相关，该第二预设数量组的第四反馈数据的幅值没有增大的趋势，盆底肌处于稳定收缩期，结合步骤s603中选取的第四反馈数据的集中趋势值不大于其之前的相邻组第四反馈数据的集中趋势值，将该组第四反馈数据作为第一组第四反馈数据。

通过上述描述可知，在本实施例中通过计算每组第四反馈数据的集中趋势值，若当前选取的第四反馈数据的集中趋势值不大于相邻组第四反馈数据的集中趋势值，则进一步计算该组第四反馈数据之后第二预设数量组第四反馈数据的之间的第二相关系数，若第二相关系数满足预设条件，则第二预设数量组第四反馈数据在时域上具有稳定特征，满足第二起点条件，将该组第四反馈数据作为第一组第四反馈数据，该组第四反馈数据的起始采样点作为盆底肌在收缩过程中的稳定收缩阶段的起始时间节点，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

请参阅图7，图7是本发明提供的识别盆底肌状态的方法中确定盆底肌在收缩过程中肌纤维去募集阶段的停止时间节点的步骤的一实施例的流程示意图。

s701：对一第一预设时长内的静息反馈信号进行采样，得到一组所述第一反馈数据。

在一个具体的实施场景中，本步骤与本发明提供的识别盆底肌状态的方法中确定盆底肌在收缩过程中肌纤维募集阶段的起始时间节点的步骤的一实施例中的步骤s301基本一致，此处不再进行赘述。

s702：对在稳定收缩阶段的起始时间节点之后的若干个第三预设时长内收缩反馈信号分别进行采样，得到若干组第三反馈数据。

在一个具体的实施场景中，由于在盆底肌稳定收缩过程中，常由于肌纤维协调能力差而导致反馈数据幅值变化剧烈。此时，稳定收缩阶段的停止时间节点的识别不适合采用从稳定收缩阶段的起始时间节点开始的正推法，而应采用从肌纤维去募集阶段的停止时间节点开始的逆推法进行计算。因此，需要先计算肌纤维去募集阶段的停止时间节点。

在盆底肌放松过程中，肌纤维开始去募集，反馈信号幅值水平逐渐降低，当其达到静息状态幅值水平时，则认为盆底肌已经处于完全放松状态。

在稳定收缩阶段的起始时间节点之后，以第三预设时长为时间间隔，获取若干个第三预设时长内的收缩反馈信号，根据采样获取的收缩反馈信号获取第三反馈数据。在本实施场景中，第三反馈数据为第三预设时长内的收缩反馈信号的幅值。在本实施场景中，第三预设时长与第二预设时长相等，和/或第三预设时长与第一预设时长相等。

在其他实施场景中，还可以是在收缩指示发出后的一段时间内进行采样，获取采样的结果后，从采样的结果获取自稳定收缩阶段的起始时间节点之后的部分，将该部分的采样结果按照第三预设时长进行划分，分为若干组采样结果，根据该若干组采样结果获取到若干组第三反馈数据。

s703：依序分析所述若干组第三反馈数据，以查找出满足第一止点条件的第一组所述第三反馈数据。

在一个具体的实施场景中，依序分析若干组第三反馈数据，将该若干组第三反馈数据与第一反馈数据进行比较，判断是否存在一组第三反馈数据与第一反馈数据的幅值差异特征满足预设幅值差异特征。若该组第三反馈数据与第一反馈数据的幅值差异特征满足预设幅值差异特征，则将该组第三反馈数据作为第一组第三反馈数据。

s704：将所述第一组第三反馈数据的起始采样点作为所述盆底肌在所述收缩过程中的肌纤维去募集阶段的停止时间节点。

在一个具体的实施场景中，一组第三反馈数据与第一反馈数据的幅值差异特征满足预设幅值差异特征，因此，将该第一组第二反馈数据的起始采样点，作为盆底肌在收缩过程中肌纤维去募集阶段的停止时间节点。

通过上述描述可知，在本实施例中通过对在稳定收缩阶段的起始时间节点之后的若干个第三预设时长内收缩反馈信号分别进行采样，得到若干组第三反馈数据，从中找到满足第一止点条件的第一组第三反馈数据，该第一组第三反馈数据与所述第一反馈数据存在预设幅值差异特征，符合肌纤维去募集阶段的停止的幅值变化特征，将该第一组第二反馈数据的起始采样点，作为盆底肌在收缩过程中肌纤维去募集阶段的停止时间节点，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

请参阅图8，图8是本发明提供的识别盆底肌状态的方法中查找出满足第一止点条件的第一组所述第三反馈数据的步骤的一实施例的流程示意图。

s801：分别计算每组第三反馈数据和第一反馈数据的集中趋势值和离散程度值。

在一个具体的实施场景中，分别计算第一反馈数据和每组第三反馈数据的集中趋势值和离散程度值。集中趋势值表示一组反馈数据的数据幅值集中趋势，具体可以为均值；离散程度值标识一组盆底肌数据的幅值离散程度，具体可以为标准差，方差等。

具体地说，在本实施场景中，集中趋势值为均值，离散程度值为标准差。根据以下公式计算一组第三反馈数据的均值：

其中，为一组第三反馈数据的均值，n3为第三预设时长内的收缩反馈信号的个数即为一组第三反馈数据的个数，xc为第三反馈数据。

根据以下公式计算一组第三反馈数据的标准差：

其中，sc为一组第三反馈数据的标准差，xc为一组第三反馈数据的均值，n2为第三预设时长内的收缩反馈信号的个数即为每组第三反馈数据的个数，xc为第三反馈数据。

计算第一反馈数据集中趋势值和离散程度值与本发明提供的识别盆底肌状态的方法中查找出满足预设起点条件的第一组第二反馈数据的步骤的一实施例的中的步骤s401中所述的基本一致，此处不再进行赘述。

s802：依序选取一组第三反馈数据，利用所述选取的第三反馈数据和第一反馈数据的集中趋势值和离散程度值，获得所述选取的第三反馈数据与所述第一反馈数据之间的第二差异特征。

在一个具体的实施场景中，在获取到的若干组第三反馈数据中，依序选取一组第三反馈数据，利用所选取的该组第三反馈数据的集中趋势值(在本实施场景中为均值)和离散程度值(在本实施场景中为标准差)，结合第一反馈数据的集中趋势值(在本实施场景中为均值)和离散程度值(在本实施场景中为标准差)，计算出该组第三反馈数据与第一反馈数据之间的第二差异特征。

具体地说，根据以下公式计算一组第三反馈数据与第一反馈数据之间的第二差异特征：

其中，t2为第二差异特征，为第一反馈数据的均值，为一组第三反馈数据的均值，s静息为第一反馈数据的标准差，sc为一组第三反馈数据的标准差，n1为第一预设时长内的静息反馈信号的个数即为第一反馈数据的个数，n3为第三预设时长内的收缩反馈信号的个数即为一组第三反馈数据的个数。

在另一个实施场景中，第一预设时长等于第三预设时长，由于采样频率相同，则n1＝n3，

s803：若所述第二差异特征大于预设差异阈值，则将所述选取的第三反馈数据作为所述第一组第三反馈数据。

在一个具体的实施场景中，在n1、n3确定的情况下，对t2值设定预设差异阈值，若t2小于该预设差异阈值，则表示该组第三反馈数据与第一反馈数据差异较小，表示此时收缩反馈信号幅值水平降低至近似静息状态幅值水平，则认为盆底肌已经处于完全放松状态，满足肌纤维募集阶段停止时的幅值特征。该组第三反馈数据满足第一止点条件，将该组第三反馈数据作为第一组第三反馈数据。

通过上述描述可知，在本实施例中通过计算每组第三反馈数据与第一反馈数据之间的第二差异特征，判断该组第三反馈数据对应的一组收缩反馈信号与静息反馈信号的幅值差异是否满足预设条件，若是，将第二反馈数据作为第一组第二反馈数据，该组第二反馈数据的起始采样点作为盆底肌在收缩过程中的肌纤维去募集阶段的停止时间节点，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

请参阅图9，图9是本发明提供的识别盆底肌状态的方法中确定盆底肌在收缩过程中的稳定收缩阶段的停止时间节点的步骤的一实施例的流程示意图。

s901:分别对在肌纤维去募集阶段的停止时间节点之前若干个第五预设时长内的收缩反馈信号进行采样，得到若干组第七反馈数据。

在一个具体的实施场景中，如上文中所述，盆底肌在收缩过程中的稳定收缩阶段的停止时间节点的识别不适合采用从稳定收缩阶段的起始时间节点开始的正推法，而应采用从肌纤维去募集阶段的停止时间节点开始的逆推法进行计算。

在确定了肌纤维去募集阶段的停止时间节点之后，从肌纤维去募集阶段的停止时间节点向前的若干个第五预设时长内的收缩反馈信号进行采样，得到若干组第七反馈数据。在本实施场景中，第七反馈数据为第五预设时长内采样获取的收缩反馈信号的幅值。

在其他实施场景中，还可以是在收缩指示发出后的一段时间内进行采样，获取采样的结果后，从采样的结果获取在确定肌纤维去募集阶段的停止时间节点之前的部分采样结果，将该部分的采样结果按照第五预设时长进行划分，分为若干组采样结果，根据该若干组采样结果获取到若干组第七反馈数据。

在本实施场景中，第五预设时长与第二预设时长相等。

s902：依序分析所述若干组第七反馈数据，以查找出满足第二止点条件的第一组所述第七反馈数据。

在一个具体的实施场景中，依序分析该若干组第七反馈数据，判断当前一组第七反馈数据之前(更靠近肌纤维去募集阶段的停止时间节点)是否存在第五预设数量组第七反馈数据在时域上存在幅值平稳特征。若是，则将该组第七反馈数据作为第一组第七反馈数据。

s903：将所述第一组第七反馈数据的起始采样点作为所述盆底肌在所述收缩过程中的稳定收缩阶段的停止时间节点。

在一个具体的实施场景中，第一组第七反馈数据之前的收缩反馈数据在时域上存在幅值平稳特征，符合盆底肌处于收缩过程中的稳定收缩阶段的停止时间节点的幅值变化特征，因此，将第一组第七反馈数据的其实采样点作为盆底肌在收缩过程中的稳定收缩阶段的停止时间节点。

通过上述描述可知，本实施例通过对肌纤维去募集阶段的停止时间节点之前若干个第五预设时长内的收缩反馈信号进行采样，得到若干组第七反馈数据，依序分析该第七反馈数据，获取时域上符合要求的第一组第七反馈数据，将第一组第七反馈数据的其实采样点作为盆底肌在收缩过程中的稳定收缩阶段的停止时间节点，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

请参阅图10，图10是本发明提供的识别盆底肌状态的方法中将所述选取的第七反馈数据作为所述第一组第七反馈数据的步骤的一实施例的流程示意图。

s1001：分别计算每组第七反馈数据的集中趋势值。

在一个具体的实施场景中，集中趋势值表示一组反馈数据的数据幅值集中趋势，在本实施场景可以为均值。分别计算每组第七反馈数据的均值。

具体地说，根据以下公式计算若干组的第七反馈数据的均值：

其中，为一组第七反馈数据的均值，n4为第五预设时长内的收缩反馈信号的个数即为每组第七反馈数据的个数，xd为第七反馈数据。

s1002：依序选取一组第七反馈数据，比较所述选取的第七反馈数据与其之前邻组第七反馈数据的集中趋势值。

在一个具体的实施场景中，在获取到的若干组第七反馈数据中，依序选取一组第七反馈数据，利用所选取的该组第七反馈数据的集中趋势值(在本实施场景中为均值)，比较选取的该组第七反馈数据与其之前(更靠近肌纤维去募集阶段的停止时间节点)的相邻组第四反馈数据的集中趋势值(在本实施场景中为均值)。

具体地说，将与其之前(更靠近肌纤维去募集阶段的停止时间节点)的相邻组的第七反馈数据的均值进行比较。

s1003：若所述选取的第七反馈数据的集中趋势值不大于所述相邻组第七反馈数据的集中趋势值，则获取所述选取的第七反馈数据之前第五预设数量组第七反馈数据的集中趋势值。

在一个具体的实施场景中，若表示反馈信号的幅值随着时间的增长出现升高，则进一步获取选取的第七反馈数据之前(更靠近肌纤维去募集阶段的停止时间节点)第五预设数量组第七反馈数据的集中趋势值。即该组第七反馈数据对应的一组收缩反馈信号的幅值特征，满足稳定收缩阶段的幅值变化特征之一。于是，进一步判断该组第七反馈数据之前第五预设数量组第七反馈数据的集中趋势值。通过该第七反馈数据之前第五预设数量组第七反馈数据的集中趋势值计算出该第七反馈数据之前的反馈数据的时域上是否存在幅值稳定特征，从而进行下一步判断。

s1004：基于所述第五预设数量组第七反馈数据的集中趋势值，得到所述第五预设数量组第七反馈数据之间的第三相关系数。

在一个具体的实施场景中，基于获取的第五预设数量组的第七反馈数据的集中趋势值(在本实施场景中为均值)，得到第五预设数量组的第七反馈数据之间的第三相关系数，该第三相关系数表示了该第五预设数量组的第七反馈数据在时域上的幅值稳定特征。

具体地说，根据以下公式计算出第五预设数量组的第七反馈数据之间的第三相关系数：

其中，γ3为第三相关系数，l为第五预设数量，为第五预设数量组中的一组第七反馈数据的均值。

s1005：若所述第三相关系数小于或等于0且大于或等于-1，则将所述选取的第七反馈数据作为所述第一组第七反馈数据。

在一个具体的实施场景中，若第三相关系数小于或等于0且大于或等于-1，则表示该第五预设数量组的第七反馈数据集中趋势值(在本实施场景中为均值)负相关，该第五预设数量组的第七反馈数据的幅值没有增大的趋势，结合步骤s1003中选取的第七反馈数据的集中趋势值不大于相邻组第七反馈数据的集中趋势值，将该组第七反馈数据作为第一组第七反馈数据。

通过上述描述可知，在本实施例中通过计算每组第七反馈数据的集中趋势值，若当前选取的第七反馈数据的集中趋势值不大于相邻组第七反馈数据的集中趋势值，则进一步计算该组第七反馈数据之前第五预设数量组第七反馈数据的之间的第三相关系数，若第三相关系数满足预设条件，则第五预设数量组第七反馈数据满足第三起点条件，将该组第七反馈数据作为第一组第七反馈数据，将第一组第七反馈数据的起始采样点作为盆底肌在收缩过程中的稳定收缩阶段的停止时间节点，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

请参阅图11，图11是本发明提供的识别盆底肌状态的方法中得到一组第一反馈数据的步骤的一实施例的流程示意图。

s1101：计算所述第一反馈数据的集中趋势值和离散程度值，并将与所述集中趋势值相差小于或等于所述离散程度值的预设倍数的范围确定为可信范围。

本实施例中，为了与其他实施例中的可信范围加以区别，具体地，可以将与所述集中趋势值相差小于或等于所述离散程度值的预设倍数的范围称之为第一可信范围。

在一个具体的实施场景中，由于外界电磁干扰、受试者姿势等原因容易对采集到的静息反馈信号和收缩反馈信号产生干扰，导致第一反馈数据异常升高。这些异常的第一反馈数据势必会对算法结果产生影响，导致盆底肌收缩状态的识别出现误差。因此，有必要对异常的第一反馈数据进行删除处理。本实施例采用可信区间方法对异常的第一反馈数据剔除。

具体地说，计算第一反馈数据的集中趋势值和离散程度值，与本发明提供的识别盆底肌状态的方法中查找出满足预设起点条件的第一组第二反馈数据的步骤的一实施例中的步骤s401基本一致，此处不再进行赘述。在本实施场景中第一反馈数据的集中趋势值为均值，离散程度值为标准差。

与集中趋势值(均值)相差小于或等于离散程度值(标准差)的预设倍数的范围确定为第一可信范围，具体地，根据以下公式计算第一可信范围。

其中，为第一反馈数据的均值，s静息为第一反馈数据的标准差，μ为标准正态离差，在本实施场景中，μ＝1.96。

s1102：将不属于可信范围内的第一反馈数据进行剔除。

在一个具体的实施场景中，根据上文计算出的第一可信范围，将不属于第一可信范围的第一反馈数据进行剔除。

通过上述描述可知，在本实施例中根据第一反馈数据的集中趋势值和离散程度值计算第一反馈数据的可信范围，将不属于该可信范围的第一反馈数据剔除，可以有效避免异常数据干扰测试，提升检测的准确性。

请参阅图12，图12是本发明提供的识别盆底肌状态的方法中剔除所述组反馈数据的部分反馈数据的步骤的一实施例的流程示意图。

s1201：对所述收缩反馈信号采样得到的每组反馈数据进行相关性分析。

在一个具体的实施场景中，在收缩指示发出后对收缩反馈信号进行采样，并将采样的结果以预设的时间长度为间隔进行划分，得到若干组反馈数据，对每组反馈数据进行相关性分析。

具体地说，根据以下公式计算每组反馈数据的相关系数，

其中，xi为一组反馈数据中的反馈数据幅值，n为一组反馈数据的数据个数，γ为一组反馈数据的相关系数。

根据计算出的相关系数对每组反馈数据进行相关性分析。

s1202：若所述相关系分析的结果为存在相关性，则采用第一剔除方式剔除所述组反馈数据的部分反馈数据。

在一个具体的实施场景中，若上文中计算出的相关系数不为0，则该组反馈数据表示数据具有相关性，采用直线回归法将该组反馈数据中的异常反馈数据剔除。

具体地说，设直线回归方程：

y(x)＝bx+a

其中，自变量x为该组反馈数据中每个反馈数据的采样序号，变量y(x)为该采样序号对应的理想数据幅值，为采样序号的均值，为理想数据幅值的均值，yx为实际幅值。

根据上述直线回归方程可以求出该组反馈数据中每个反馈数据的采样序号x对应的理想数据幅值y(x)，获取该组反馈数据中每个反馈数据的采样序号x对应的实际幅值yx，并计算实际幅值yx和理想数据幅值y(x)之间的差值。判断该差值的绝对值是否超过预设阈值，若超过则将该采样序号x对应的反馈数据剔除。

s1203：若所述相关系分析的结果为不存在相关性，则采用第二剔除方式剔除所述组反馈数据的部分反馈数据。

在一个具体的实施场景中，若上文中计算出的相关系数为0，则该组反馈数据表示数据没有相关性，则采用第二剔除方式剔除所述组反馈数据的部分反馈数据。

具体地说，计算该组数据的可信范围。本实施例中，为了与其他实施例中所述的可信范围加以区别，将计算得到的改组数据的可信范围称之为第二可信范围，其计算方法与本发明提供的识别盆底肌状态的方法中得到一组第一反馈数据的步骤的一实施例中的步骤s1101基本一致，计算该组反馈数据的集中趋势值和离散程度值，在本实施场景中，该组反馈数据的集中趋势值为均值，离散程度值为标准差，预设倍数为标准正态离差。

具体地说，根据以下公式计算第二可信范围：

为该组反馈数据的均值，s为该组反馈数据的标准差，μ为标准正态离差，在本实施场景中，μ＝1.96。

将该组反馈数据中不属于第二可信范围的反馈数据剔除。

通过上述描述可知，在本实施例中对采样收缩反馈信号获取的每组反馈数据进行相关性判断，若该组反馈数据具有相关性则采用直线回归方程法剔除异常的反馈数据，若该组反馈数据不具有相关性，则采用可信区间法剔除异常的反馈数据，使得相应数据处理不受异常数据的影响，提升检测的准确性。

请参阅图13，图13是本发明提供的识别盆底肌状态的方法中确定所述盆底肌在所述收缩过程中不同阶段所对应的时间节点的步骤的一实施例的流程示意图。

s1301：分别对在肌纤维募集阶段的起始时间节点之后的收缩反馈信号进行采样，得到第三预设数量个第五反馈数据及其之后的若干第六反馈数据。

在一个具体的实施场景中，对肌纤维募集阶段的起始时间节点之后的收缩反馈信号进行采样，获取第三预设数量个第五反馈数据及其之后的若干第六反馈数据。

在其他实施场景中，还可以是肌纤维去募集阶段的停止时间节点之前的收缩反馈信号进行采样，获取第三预设数量个第五反馈数据及其之前的若干第六反馈数据。

s1302：基于所述第五反馈数据的幅值增长趋势，确定每个所述第六反馈数据对应的可信范围。

本实施例中，为了与其他实施例中所述的可信范围加以区别，将所确定的每个第六反馈数据对应的可信范围称之为第三可信范围。

在一个具体的实施场景中，根据第三预设数量个第五反馈数据获取该第五反馈数据的幅值增长趋势。例如，根据第五反馈数据的平均幅值以及第五反馈数据的幅值获取该第五反馈数据的幅值增长趋势，根据该幅值增长趋势，确定第六反馈数据对应的第三可信范围。

s1303：若存在连续第四预设数量个第六反馈数据小于对应所述可信范围的下限，则将所述第四预设数量个第六反馈数据的起始采样点作为所述盆底肌在所述收缩过程中的稳定收缩阶段的起始时间节点。

在一个具体的实施场景中，依序将第六反馈数据与第三可信范围的下限进行对比，若存在连续第四预设数量个第六反馈数据小于该第三可信范围的下限，则该第四预设数量个第六反馈数据的起始采样点作为盆底肌在收缩过程中稳定收缩阶段的起始时间节点。

通过上述描述可知，在本实施例中通过对依据第五反馈数据幅值增长趋势来确定第六反馈数据对应的第三可信范围，将第六反馈数据与对应的可信范围的下限进行对比，可以有效排除不可靠的数据，从而提升测量的准确性。

请参阅图14，图14是本发明提供的识别盆底肌状态的方法中确定每个所述第六反馈数据对应的可信范围的步骤的一实施例的流程示意图。

s1401：建立第一线性关系式。

在一个具体的实施场景中，建立第一线性关系式：

y(x)＝bx+a

其中，自变量x为每个第五反馈数据的采样序号，因变量y(x)为该采样序号对应的理想数据幅值，为第五反馈数据的采样序号的均值，yx为采样序号对应的实际幅值，为该第五反馈数据的均值。

s1402：利用第一线性关系式获取每个所述第六反馈数据的采样序号对应的理想数据幅值。

在一个具体的实施场景中，根据上述第一线性关系式：

y(x)＝bx+a

将第六反馈数据的采样序号代入自变量x，获取每个第六反馈数据的采样序号对应的理想数据幅值。

s1403：利用所述第五反馈数据和第六反馈数据的集中趋势值和离散程度值，获得所述第五反馈数据与所述第六反馈数据之间的第三差异特征。

在一个具体的实施场景中，分别计算第三预设数量个第五反馈数据的集中趋势值和离散程度值和若干第六反馈数据的集中趋势值和离散程度值。

具体地说，在本实施场景中，集中趋势值为均值，离散程度值为标准差。根据以下公式计算第三预设数量个第五反馈数据的均值：

其中，为第三预设数量个第五反馈数据的均值，n5为第三预设数量，xe为第五反馈数据。

根据以下公式计算第三预设数量个第五反馈数据的标准差：

其中，se为第三预设数量个第五反馈数据的标准差，为第三预设数量个第五反馈数据的均值，n5为第三预设数量，xe为第五反馈数据。

根据以下公式计算若干第六反馈数据的均值：

其中，为若干第六反馈数据的均值，n6为第六反馈数据的个数，xf为第六反馈数据。

根据以下公式计算若干第六反馈数据的标准差：

其中，sf为若干第六反馈数据的标准差，为若干第六反馈数据的均值，n6为第六反馈数据的个数，xf为第六反馈数据。

基于以下公式计算第五反馈数据与第六反馈数据之间的第三差异特征：

其中，t3为第三差异特征，为第三预设数量个第五反馈数据的均值，为若干第六反馈数据的均值，se为第三预设数量个第五反馈数据的标准差，sf为若干第六反馈数据的标准差，n5为第三预设数量，n6为第六反馈数据的个数。

s1404：基于每个所述第六反馈数据的采样序号对应的理想数据幅值以及所述第三差异特征，确定所述第六反馈数据对应的可信范围。

本实施例中，同上述实施例，为了与其他实施例中的可信范围加以区别，将第六反馈数据所对应的可信范围称之为第三可信范围。

在一个具体的实施场景中，基于以下公式确定每个所述第六反馈数据对应的第三可信范围：

其中，xi为第六反馈数据的采样序号，y(xi)为该采样序号对应的理想数据幅值，t为第三差异特征，为第五反馈数据的平均幅值，为第五反馈数据的采样序号平均值，p为所述第三预设数量。

通过上述描述可知，在本实施例中通过采用直线回归方程法和区间估计，从整体上反映出该阶段反馈数据的增长趋势以及各点对应的可信区间，可以有效排除不可靠的数据，从而提升测量的准确性。

请参阅图15，图15是本申请提供的识别盆底肌状态的方法的一实施例的流程示意图。

s1501：获取在盆底肌处于静息状态产生的静息反馈信号，以及在盆底肌进行收缩的过程中产生的收缩反馈信号。

s1502：对一第一预设时长内的静息反馈信号进行采样，得到一组所述第一反馈数据。

s1503：分别对从收缩指示发出开始的若干个第二预设时长内的收缩反馈信号进行采样，以获取若干组所述第二反馈数据。

s1504：依序分析所述若干组第二反馈数据，以查找出满足第一起点条件的第一组所述第二反馈数据；其中，所述第一起点条件包括：所述第一组第二反馈数据与所述第一反馈数据存在预设幅值差异特征，且所述第一组第二反馈数据之后的第一预设数量组第二反馈数据在时域上存在幅值增长特征。

s1505：将所述第一组第二反馈数据的起始采样点作为所述盆底肌在所述收缩过程中的肌纤维募集阶段的起始时间节点。

s1506：分别对在肌纤维募集阶段的起始时间节点之后的收缩反馈信号进行采样，得到第三预设数量个第五反馈数据及其之后的若干第六反馈数据。

s1507：基于所述第五反馈数据的幅值增长趋势，确定每个所述第六反馈数据对应的可信范围。

s1508：若存在连续第四预设数量个第六反馈数据小于对应所述可信范围的下限，则将所述第四预设数量个第六反馈数据的起始采样点作为所述盆底肌在所述收缩过程中的稳定收缩阶段的起始时间节点。

s1509：对在稳定收缩阶段的起始时间节点之后的若干个第三预设时长内收缩反馈信号分别进行采样，得到若干组第三反馈数据。

s1510：依序分析所述若干组第三反馈数据，以查找出满足第一止点条件的第一组所述第三反馈数据；其中，所述第一止点条件包括：所述第一组第三反馈数据与所述第一反馈数据存在预设幅值差异特征。

s1511：将所述第一组第三反馈数据的起始采样点作为所述盆底肌在所述收缩过程中的肌纤维去募集阶段的停止时间节点。

s1512：分别对在肌纤维去募集阶段的停止时间节点之前若干个第五预设时长内的收缩反馈信号进行采样，得到若干组第七反馈数据。

s1513：依序分析所述若干组第七反馈数据，以查找出满足第二止点条件的第一组所述第七反馈数据；其中，所述第二止点条件包括：所述第一组第七反馈数据之前的第五预设数量组第七反馈数据在时域上存在幅值平稳特征。

s1514：将所述第一组第七反馈数据的起始采样点作为所述盆底肌在所述收缩过程中的稳定收缩阶段的停止时间节点。

步骤s1501-s1514在上文中图3-图10中所述的内容基本一致，此处不再进行赘述。

在一个具体的实施场景中，根据计算出的肌纤维募集阶段的起始时间节点、稳定收缩阶段的起始时间节点、肌纤维募集阶段的停止时间节点以及稳定收缩阶段的停止时间节点之后，根据这些时间节点计算盆底肌收缩的指标数据。例如，肌纤维募集阶段的起始时间节点和稳定收缩阶段的起始时间节点之间的间隔时长为盆底肌在收缩过程中的募集时间。肌纤维募集阶段的停止时间节点和稳定收缩阶段的停止时间节点之间的间隔时长为盆底肌在收缩过程中的去募集时间。稳定收缩阶段的起始时间节点和稳定收缩阶段的停止时间节点之间的收缩反馈信号的最大值，为收缩最大值，收缩反馈信号的平均值为收缩平均值。

通过上述描述可知，本实施例通过获取在盆底肌进行收缩的过程中产生的收缩反馈信号，分析该收缩反馈信号的幅值变化情况，以确定盆底肌在所述收缩过程中不同阶段所对应的时间节点，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

请参阅图16，图16是本发明提供的一种盆底肌检测装置的一实施例的结构示意图。盆底肌检测装置包括获取模块11和分析模块12。其中，获取模块11用于获取在盆底肌进行收缩的过程中产生的收缩反馈信号。分析模块12用于分析收缩反馈信号的幅值变化情况，以确定盆底肌在收缩过程中不同阶段所对应的时间节点。

通过上述描述可知，本实施例中的盆底肌检测装置通过获取在盆底肌进行收缩的过程中产生的收缩反馈信号，分析该收缩反馈信号的幅值变化情况，以确定盆底肌在所述收缩过程中不同阶段所对应的时间节点，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

在其他实施例中，本发明提供的盆底肌检测装置还可以进一步包括其他功能模块，用于结合获取模块11和分析模块12执行上述任一识别盆底肌状态的方法实施例中步骤，具体地可以结合参阅上述识别盆底肌状态的方法实施例，本实施例在此不再赘述。

请参阅图17，图17是本发明提供的一种盆底肌检测设备的一实施例的结构示意图。盆底肌检测设备包括处理器21、存储器22和信号检测电路23，处理器21耦接存储器22和信号检测电路23。存储器22用于存储程序指令。处理器21结合信号检测电路23用于运行存储器22中的程序指令以进行采样并执行如下方法。

信号检测电路23获取在盆底肌进行收缩的过程中产生的收缩反馈信号，处理器21分析收缩反馈信号的幅值变化情况，以确定盆底肌在收缩过程中不同阶段所对应的时间节点。

通过上述描述可知，本实施例中的盆底肌检测设备通过获取在盆底肌进行收缩的过程中产生的收缩反馈信号，分析该收缩反馈信号的幅值变化情况，以确定盆底肌在所述收缩过程中不同阶段所对应的时间节点，能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

在其他实施例，本发明提供的盆底肌检测设备的处理器21、存储器22和信号检测电路23还可以进一步执行上述任一识别盆底肌状态的方法实施例中步骤，具体地可以结合参阅上述识别盆底肌状态的方法实施例，本实施例在此不再赘述。

请参阅图18，图18是本发明提供的具有存储功能的装置的一实施例的结构示意图。具有存储功能的装置30中存储有程序指令31，程序指令31能够被处理器执行以实现上述任一识别盆底肌状态的方法实施例中步骤。在一个实施例中，具有存储功能的装置可以是设备中的存储芯片、硬盘或者是移动硬盘或者优盘、光盘等其他可读写存储的工具，还可以是服务器等等。

通过上述描述可知，本实施例中的具有存储功能的装置实施例中存储的程序或指令可以被处理器执行，从而实现：获取在盆底肌进行收缩的过程中产生的收缩反馈信号，分析该收缩反馈信号的幅值变化情况，以确定盆底肌在所述收缩过程中不同阶段所对应的时间节点，进而能够准确识别盆底肌状态，提高盆底肌功能评估的准确性。

区别于现有技术，本发明获取在盆底肌进行收缩的过程中产生的收缩反馈信号，以及获取在盆底肌处于静息状态产生的静息反馈信号，分析收缩反馈信号和静息反馈信号，以判断盆底肌的收缩状态，从而准确识别盆底肌状态，提高盆底肌功能评估的准确性。

以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。