本发明涉及肥胖对脏腑健康影响检测方法，更具体地涉及一种基于移动终端ppg信号的关于肥胖对脏腑健康影响检测方法。
背景技术：
1、随着人们的生活方式不断改变，肥胖等疾病的患病率呈现不断上升的趋势。肥胖大大增加了高脂血症、糖尿病、心脑血管等疾病的发病率。
2、肥胖的形成与不良的饮食密切相关，肥胖者由于过食肥甘厚味，从而使膏脂、痰浊、水湿壅滞、积聚体内，导致脏腑功能失调，身体重量超过常人。根据现代中医理论，肥胖与脾、肾等多个脏腑运化失调有关，其病理以脾虚为本，以痰瘀、水湿为标，导致全身气血运行及各脏腑功能失调。
3、当前要了解肥胖者的身体健康问题需要依靠经验丰富的医生及一系列的身体健康体检来判断肥胖者的身体健康隐患。在中医上，由于脉搏的产生与心脏的搏动、气血的盈亏和各脏腑的协调作用有关，由经验丰富的中医师进行把脉，可以判断脏腑的气血盈亏，进而推断出患者的身体状况。由于靠人为去把脉，诊断上易受限于中医师的个人经验与主观认知差异，导致年轻中医师对于把脉的掌握度较差。为了提高诊治的准确性，提高检测效率，降低医疗成本，因此急需一种方便高效的检测方法促进医疗发展。
技术实现思路
1、为了克服现有技术的上述缺陷，本发明的实施条例提供一种基于移动终端ppg信号的关于肥胖对脏腑健康影响检测方法。本发明所要解决的技术问题是：目前没有算法基于肥胖对脏腑健康影响进行自动评估。
2、为实现上述目的，本发明提供如下技术方案：一种基于移动终端ppg信号的关于肥胖对脏腑健康影响检测方法，包括以下步骤：
3、步骤一：采用光电容积脉搏波描记法ppg信号采集原始的数字信号。
4、步骤二：采集到的原始数字信号，进行均值归一化处理。
5、步骤三：对均值归一化的数字信号进行信号分离分析，生成独立源信号。
6、步骤四：对独立源信号进行筛选，采用巴特沃斯低通滤波器，消除工频干扰和肌电噪声高频噪声。
7、步骤五：采用小波函数对脉搏信号进行9层小波分解，根据小波分解频谱确定大于20hz的高频噪声的小波细节。
8、步骤六：滤除高频小波系数和低频小波细节，重构信号，得到去噪后的脉搏信号。
9、步骤七：对去噪后的脉搏信号进行均一化获取平均脉搏波形。
10、步骤八：对采集得到的均一化波形脉搏信号进行傅里叶变换谐波分析，得到包含相位和幅值信息在内的傅里叶谱图。
11、步骤九：幅值通过 abs函数得到，截取频率范围在20hz以内的信号，得到归一化幅值信息。
12、步骤十：基于健康人群的脉搏的傅里叶变换结果和气血共振原理，建立基础数据库以及对应的健康人群脏腑数据模型。
13、步骤十一：根据健康人群的脏腑数据模型，自动评估出肥胖人群的脏腑健康情况。
14、所述的采用光电容积脉搏波描记法ppg信号采集原始的数字信号，采集的移动终端包括但不限于血氧仪、手机、手环、智能穿戴等设备。
15、所述的采用光电容积脉搏波描记法ppg信号采集原始的数字信号，为了获得准确的脉搏信号，采集的脉搏信号时间不低于15s，更优的是采集30s以上。
16、所述的对均值归一化的数字信号进行信号分离分析，信号分离的方法包括但不限于独立成分分析ica方法，快速独立分量分析方法fastica，卷积神经网络分析方法，haar-like 特征与 adaboost 分类器相结合分析等方法。
17、所述的采用小波函数对脉搏信号进行小波分解，加强对信号细节的研究分析，本发明将信号进行9层分解，将信号高频部分与低频部分进行叠加，由下式表示：
18、s=c a1+c d1=c a2+c d2+c d1=...=c a9+c d9+c d8+...+c d2+c d1
19、其中，小波函数进行9层分解后，滤除第1层和第2层频率范围内的高频噪声，以及滤除第8层和第9层频率范围内的基线漂移小波细节，通过小波重构可得到滤波后的脉搏信号。
20、其中，本发明稳定的脉搏信号主要分布在20hz以内，滤除掉大于20hz的高频噪声和低频基线漂移噪声，得到本发明最终的脉搏信号。
21、所述的建立健康人群的脏腑数据模型，采集人群的年龄为18-25岁，男性分别采集体重指标bmi为18.5-24之间的100个健康样本，女性分别采集体重指标bmi为18.5-24之间的100个健康样本。
22、其中，健康人群采集的健康样本邀请至少10名专家评委进行脉诊确定其为健康体质。
23、其中，采集到的脉搏信号进行傅里叶变换后，得到归一化的幅值数据，基于健康人群的幅值基础数据计算出肥胖人群幅值大小变化，当幅值数据的变化≥10%，便判定为健康状况受到影响。
24、所述的气血共振原理建立基础数据模型，邀请10名以上专家脉诊验证，通过傅里叶变换计算出各级谐波频率，一次谐波频率在0.6～1.8hz为肝脏的气血振动频率，二次谐波频率在1.8～2.8hz为肾脏的气血振动频率，三次谐波频率在2.8～4.2hz为脾脏的气血振动频率，四次谐波频率在3.6～5.6hz为肺脏振动频率，五次谐波频率在4.6～7hz为胃的振动频率，六次谐波频率在5.6～8hz为胆的振动频率。
25、其中，肥胖人群基于健康人群的基础数据，进行幅值数据变化计算，不同谐波频率下幅值数据的变化值越大，说明健康状态越严重。
26、其中，幅值的数据有正值和负值的差异，幅值变化为正值，说明脏腑需要较多的气血供应来满足要求，幅值变化为负值，说明脏腑运行时输送的气血不足，由此可以判断肥胖对脏腑健康的影响情况。
27、本发明的技术效果和优点：
28、 1、本发明通过处理原始ppg信号，提取特征值后将肥胖与身体脏腑健康状况基于气血共振理论建立数学模型，实现肥胖对脏腑健康影响的自动化评估，缓解医疗资源紧张问题，减少医疗公共支出，提高检测的自动化程度。
29、2、本发明采用光学感应信号采集到人体健康信息，操作方便简单，采集的移动终端应用范围广，包括但不限于血氧仪、手机、手环、智能穿戴等设备。
30、3、本发明采用气血共振原理建立数据模型，并邀请10名以上专家脉诊验证结果可靠性，通过傅里叶变换计算出各级谐波频率，一次谐波频率在0.6～1.8hz为肝脏的气血振动频率，二次谐波频率在1.8～2.8hz为肾脏的气血振动频率，三次谐波频率在2.8～4.2hz为脾脏的气血振动频率，四次谐波频率在3.6～5.6hz为肺脏振动频率，五次谐波频率在4.6～7hz为胃的振动频率，六次谐波频率在5.6～8hz为胆的振动频率。
31、4、本发明采集肥胖人群的ppg信号，基于健康人群的基础数据，进行幅值数据变化计算，当幅值变化值越大，说明健康状态越严重。检测方法操作简单，数据量化清晰明了，容易推广应用。