数字化智能尼古丁依赖性测评方法

摘要

本发明提供一种数字化智能尼古丁依赖性测评方法。其包括以下步骤：（1）在被测试者的手腕处设置加速度传感器用于连续采集手臂在抽烟时动态的加速度数据；（2）对采集的数据进行处理并判断是不是抽烟动作，记录所有的抽烟动作相对应的时刻，并计算瞬时抽烟速度；（3）根据记录的时刻以及瞬时抽烟速度，应用预设阈值的折迭突变模型进行拟合分析，并拟合判断以产生相应的尼古丁依赖程度信号；（4）数字化结果输出。该方法利用固定在被测试者的手腕处的加速度传感器，获取所需的关于吸烟动态的数据。然后，自动对所获得的数据进行识别、处理、折迭突变模型分析、结果判断。依据本测评方法，本发明的特点为无创、快速、准确、数字化和智能化。

说明书

技术领域

本发明涉及一种数字化智能尼古丁依赖性测评方法，具体为一种利用加速度传感器自动 获取数据、自动判断处理数据、自动分析数据、有线和无线传输数据、智能数据显示的尼古 丁依赖性评测方法。

背景技术

烟草的危害举世公认，但抽烟的人只增不减，目前全世界有11亿的烟民，并且这个数据 每年都在递增。人人都知道“吸烟有害健康”，但要想戒烟，说起来容易做起来难。我们不 得不承认，由于吸烟而导致的严重后果，已经成了人类健康的一大威胁。根据美国癌症协会 报告：美国每年约有15万人因吸烟丧命；据世界卫生组织的调查显示：全球每年死于与吸烟 相关疾病的人达400万，到2020年预计将达到1000万人。

持续不断地吞吐大量有害物质，不仅损害自己健康而且也危害了他人。据世界卫生组织 报告显示，吸烟可引起25种以上疾病；长期吸烟者将有一般人死于中年；吸一支烟可减少 8-11分钟生命；并且吸烟者得冠心病、肺癌、口腔癌、喉癌、食道癌、胃癌、膀胱癌等癌症 的几率比不吸烟者高出很多，烟量越大，患这些癌症的危险性越高。根据世界卫生组织统计， 全球每年肺癌的新发病例超过120万，每年因此而丧命的人数约110万人。世界卫生组织预 计，戒烟、健康饮食、体育锻炼和防止感染能够预防全球40％的各类型癌症。烟草是癌症中 最重要的可预防的危险因素。为了帮助吸烟的人戒烟，医生首先要诊断一个吸烟的人是否上 瘾，以及对尼古丁产生依赖的程度，才能采取恰当的治疗方法。

目前，所用的测评诊断方法及其不足：目前对抽烟上瘾和尼古丁依赖的诊断最为权威的 两种测评诊断方法，一种是世界卫生组织推荐的《国际疾病统计分类》第十版(ICD-10))，另 一种是美国精神病学会推荐的《精神疾病诊断与统计手册》第四版(DSM-IV)。但是，这两 种方法完全靠抽烟的人口头报告一些关于吸烟的感受，没有使用客观指标。有些客观指标， 如呼出气体中一氧化碳的浓度和血液里可叮咛的含量，可以判断一个人是否吸过烟，但是却 无法诊断是否上瘾。

因此，提供一个更加客观、快捷、精确、可靠的尼古丁依赖性测评方法，以克服现有方 法所存在的问题，是医疗卫生领域和IT领域一个亟待解决的课题。

发明内容

鉴于上述现有诊断技术的缺点和不足，本发明所要解决的技术问题是：提供一种数字化 的智能尼古丁依赖性测评技术方法，能够尼古丁依赖以及依赖程度能够进行无创、快捷、客 观、精确、可靠地测评。

为达到上述目的及其他目的，本发明所提供的尼古丁依赖性数字智能测评技术方法，其包 括：一种数字化智能尼古丁依赖性测评方法，该方法包括以下步骤：

(1)在被测试者的手腕处设置加速度传感器用于连续采集手臂在抽烟时动态的加速度数 据；

(2)对采集的数据进行处理并判断是不是抽烟动作，如果是，则记录抽烟过程中所有的抽 烟动作相对应的时刻，并计算瞬时抽烟速度；

(3)根据记录的抽烟过程中所有的抽烟动作相对应的时刻以及瞬时抽烟速度，应用预设阈 值的折迭突变模型进行拟合分析；并拟合判断以产生相应的尼古丁依赖程度信号；

(4)数字化结果输出。

优选地，所述步骤(2)包括：

2-1：对加速度传感器采集到的数据进行预处理，并开启计数器开始计时；

2-2：对进行完步骤2-1的数据进行抽烟动作状态的判断，当采集到的数据满足开始抽烟 状态的条件，则认为进入了开始抽烟阶段，并继续后续状态的判断，否则，重新开始整个抽 烟动作的判断；

2-3：在上述开始抽烟阶段判断结束后，接着判断是不是符合抽烟状态，当采集到的数据 满足抽烟动作的状态判断，则认为进入了抽烟阶段，否则，重新开始整个抽烟动作的判断；

2-4：在上述抽烟阶段2-3步骤结束后，接着判断是不是符合准备结束抽烟状态，当采集 到的数据满足准备结束抽烟动作的状态判断，则认为这个过程是抽烟动作，并记录当前的时 刻。

优选地，步骤2-1中对加速度传感器采集到的数据进行预处理是指采用递推平均滤波算 法进行滤波去噪的初步处理操作。

优选地，所述步骤(2)中瞬时抽烟速度是抽烟动作的时间间隔上的抽烟次数，也即是每次 抽烟动作所用的时间倒数。

优选地，所述步骤(3)是通过如下步骤进行处理并拟合判断以产生相应的尼古丁依赖程度 信号：

5-1：对采集到的抽烟时刻和瞬时抽烟速度进行折迭突变模型拟合分析；

5-2：在步骤5-1的折迭突变模型的拟合分析中，如果曲线模型是在预设的折迭突变模型 个数范围内，则认为处于该折迭突变模型拟合判断阶段，并进行后续的拟合判断，否则，则 认为第一次开始进行依赖性程度折迭突变模型拟合判断并返回执行步骤(5-1)；

5-3：在判断处于折迭突变模型拟合判断阶段后，将每一组抽烟时刻带入折迭突变模型进 行拟合分析，并由此得到在抽样时刻的抽烟瞬时抽烟速度；

5-4：在完成步骤5-3所获得的在抽样时刻的抽烟瞬时抽烟速度后，将计算的瞬时抽烟速 度与采集的抽烟速度进行差值比较，如果差值小于预设的阈值，则认为采集的抽烟速率拟合 于该折迭突变模型，并进行后续的拟合分析；否则，则认为有一次不拟合于该折迭突变模型， 并返回执行步骤5-3；

5-5：在上述采集抽烟速率拟合于该折迭突变模型的判断步骤5-4完成后，如果所有采集 的瞬时抽烟速度中最多有一次不拟合于预设折迭突变模型，则认为拟合正确，则进行后续的 判断，否则，则认为不拟合于预设折迭突变模型，继续下一个折迭突变模型的判断，即进行 步骤5-2；

接着，进行步骤5-6：在步骤5-6中，认为归属于该尼古丁依赖性级别，并且下一次折 迭突变模型拟合分析从第一个模型开始判断。

优选地，所述步骤(3)中预设折迭突变模型是将不同尼古丁依赖程度进行级别划分，其预 设尼古丁依赖性程度模型设置为4个等级的依赖程度级别：未成瘾、轻度成瘾、中度成瘾以 及重度成瘾。

优选地，所述折迭突变模型是指吸烟的速度Y表述为时间t的函数：

Y＝at²-bt+c

其中，c表示初始吸烟速度，a表示加速分量，b表示减速分量。

相比于现有技术，本发明有如下优势：(1)客观-本技术完全依靠客观采集的数据；(2) 快捷-在抽完一支烟的时间里(几分钟)完成；(3)数字化-本技术基于数学的折迭突变模型 进行诊断，(4)智能化-自动完成数据处理分析；(5)自动化-全部过程自动完成。

依据本方案可以研制出判断被测试者是否上瘾以及上瘾的程度的仪器。检测结果可以直 接在显示器显示出来，也可通过有线或无线传输方式发送出去。

附图说明

图1为本发明的数字化智能尼古丁依赖性测评方法的操作流程示意图；

图2为图1中的步骤S11的具体执行步骤示意图；

图3为图1中的步骤S12的具体执行步骤示意图；

图4a-4d为四种不同尼古丁依赖性程度折迭突变模型图。

【主要元件符号说明】

S10～S13                          步骤

S110～S114                        步骤

S120～S125                        步骤

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露 的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加 以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精 神下进行各种修饰或改变。

请参阅图1至图4。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明 的基本构想。

尼古丁是导致抽烟上瘾的主要原因。成瘾越厉害，对尼古丁的瞬时需求就越大，抽烟的 速度就越快。录像抽烟拓扑研究表明，上瘾程度与瞬时抽烟速度(口/分钟)符合折迭突变模 型(Fold Catastrophe Model)。

本发明一种数字化智能尼古丁依赖性测评方法，该方法包括以下步骤：

(1)在被测试者的手腕处设置加速度传感器用于采集手臂在抽烟时动态的加速度数据；

(2)根据相应的依赖性检测算法，判断所采集到的数据是不是抽烟动作，记录抽烟过程中 所有的抽烟动作相对应的时刻，计算瞬时抽烟速度；

(3)应用预设折迭突变模型对所有采集到的数据进行拟合分析，根据拟定标准，做出判断 是否上瘾，如果是，判断属于哪一程度的上瘾程度；

(4)结果输出。

所述步骤(1)中成瘾的人的瞬时抽烟速度符合实验发现的规律：折迭突变模型。吸烟时， 尼古丁很快通过血液进入大脑，与尼古丁受体结合，让人产生愉快的感觉。尼古丁和尼古丁 受体之间的相互作用符合生物化学平衡原理，开始吸烟时，反应速度非常快，因为很多自由 受体。随着吸烟时间的延续，自由受体的量迅速下降，因此抽烟的速度也随之减慢。当尼古 丁与受体结合发挥作用之后，这些结合的尼古丁受体又逐渐释放出来，成为自由受体。为满 足这些“用”过之后又释放出来的自由受体的需要，吸烟的速度又会从慢到快。

实验数据表明，有尼古丁依赖的人，其抽烟的速度总是从快到慢，然后又转快，不仅符 合前面的描述，还可用折迭突变模型来定量描述。

所述步骤(1)中被检测人在手腕处佩戴加速度传感器。通过加速度传感器，连续采集手臂 在抽烟时动态的加速度数据，并自动对数据进行预处理。

所述步骤(2)中是不是抽烟的动作的判断是采用抽烟动作算法实现的，包括三个状态的判 断：开始抽烟，抽烟和准备结束抽烟，当连续出现了三个状态，则认为是一次抽烟动作。

具体方法如下：

(a)对加速度传感器采集并进行预处理的数据进行各种状态判断，当数据满足开始抽烟状 态判断，则认为进入了开始抽烟阶段，并继续后续状态的判断，否则，重新开始整个抽烟动 作的判断。

(b)在上述开始抽烟阶段(a)步骤结束后，后续的数据接着判断是不是符合抽烟状态的判 断，当数据满足抽烟动作的状态判断，则认为进入了抽烟阶段，接着继续接受抽烟状态的判 断，否则，重新开始整个抽烟动作的判断。

(c)在上述抽烟阶段(b)步骤结束后，后续采集到的数据进行准备结束抽烟状态的判断， 当数据满足准备结束抽烟动作的状态判断，则认为这个过程是抽烟动作，并记录当前的时刻。

所述瞬时抽烟速度是抽烟动作的时间间隔上的抽烟次数，也即是每次抽烟动作所用的时 间倒数。

上述的整个过程，记录的所有数据是被检测人在指定动作下，整个抽烟过程中的所有抽 烟动作时刻和瞬时抽烟速度。

所述步骤(3)中预设折迭突变模型，是根据发现的折迭突变模型原理，将不同尼古丁依赖 程度进行级别划分，其预设尼古丁依赖性程度模型设置为4个等级的依赖程度级别：未成瘾、 轻度成瘾、中度成瘾以及重度成瘾。

在整个抽烟过程结束后，对所有采集到得抽烟时刻和瞬时抽烟速度进行拟合判断。如果 采集到的抽烟时刻和瞬时抽烟速度在阈值范围内跟预设程度折迭突变模型之一拟合，则认为 该被检测人的尼古丁依赖程度，并归属于所拟合的依赖程度级别。

具体的，如图1所示，其为显示本发明的数字化智能尼古丁依赖性测评方法的操作流程 示意图。以下将结合图1至图3详细说明本发明的尼古丁依赖性智能检测方法的具体操作步 骤。

首先，执行步骤S10，加速度传感器连续采集所需的关于吸烟动态的数据。被检测尼古 丁依赖性的人在手腕上佩戴尼古丁依赖性智能检测器，检测器中的加速度传感器采用了加速 度传感器，其以一定频率不断采样并输出加速度数据，这些数据表明了人的手臂在某个方向 上运动的剧烈程度。

接着，进行步骤S11。

在步骤S11中，对采集的数据进行处理并判断是不是抽烟动作，如果是，则记录当前的 时刻，如果不是，则继续后续的判断。具体而言，请参阅图2，是通过如下步骤对采集的数 据进行处理并判断的：首先，在步骤S110中，对所有采集到的加速度数据进行递推平均滤波， 并开启计数器开始计时；然后，对预处理后的数据进行抽烟动作状态的判断，进行后续步骤 的判断，进行步骤S111，在步骤S111中，对预处理后的数据判断是不是开始抽烟状态，如 果采集到的数据符合开始抽烟状态的条件，则进行步骤S112，否则，则认为当前还没有出现 抽烟的动作，并返回执行步骤S110；在步骤S112中，对预处理后的数据判断是不是抽烟状 态，如果采集到的数据符合抽烟状态的条件，则进行步骤S113，否则，则认为当前还没有出 现抽烟的动作，并返回执行步骤S110；在步骤S113中，对预处理后的数据判断是不是准备 结束抽烟状态，如果采集到的数据符合抽烟状态的条件，则进行步骤S114，否则，则认为当 前还没有出现抽烟的动作，并返回执行步骤S110；接着，进行步骤S114；在步骤S114中， 判断为抽烟动作，并记录当前的时刻。此处需予以说明的是，加速度采集到的数据采用递推 平均滤波算法进行滤波，以去除干扰，由于递推平均滤波算法为本领域技术人员通知的技术， 故，于此不做详细介绍。此外，去除干扰的方法有很多种，因此，这里所述的加速度数据去 除干扰的方法并非仅限于上述的滤波方法。接着，进行步骤S12。

在步骤S12中，直到抽烟的整个过程结束后，根据存储的抽烟时刻和瞬时抽烟速度，判 断跟预设的尼古丁依赖程度折迭突变模型的拟合程度。具体而言，请参阅图3，是通过如下 步骤进行处理并拟合判断以产生相应的尼古丁依赖程度信号：首先，在步骤S120中，对采集 到的抽烟时刻和瞬时抽烟速度进行折迭突变模型拟合分析，然后，执行步骤S121；在步骤121 中，如果曲线模型是在预设的折迭突变模型个数范围内，则认为处于该折迭突变模型拟合判 断阶段，则进行步骤S122，否则，则认为第一次开始进行依赖性程度折迭突变模型拟合判断 并返回执行步骤S120；在步骤S122中，每一组抽烟时刻将带入折迭突变模型，并由此得到 在抽样时刻的抽烟瞬时抽烟速度；接着，进行步骤S123；在步骤123中，将计算的瞬时抽烟 速度与采集的抽烟速度进行差值比较，如果差值小于预设的阈值，则认为采集的抽烟速率拟 合于该折迭突变模型，并进行步骤S124；否则，则认为有一次不拟合于该折迭突变模型，并 返回执行步骤S122；在步骤S124中，如果所有采集的瞬时抽烟速度中最多有一次不拟合于 预设折迭突变模型，则认为拟合正确，则进行步骤S125，否则，则认为不拟合于预设折迭突 变模型，继续下一个折迭突变模型的判断，即进行步骤S121；接着，进行步骤S125，在步骤 125中，认为归属于该依赖程度，并且下一次折迭突变模型拟合分析从第一个模型开始判断。

接着，进行步骤S13。

在步骤S13中，在阈值范围内满足折迭突变模型之一的拟合分析，则认为归属于该尼古 丁依赖性级别，并以数字化形式输出。具体而言，是根据上述的跟所发现规律折迭突变模型 的拟合情况而决定检测结果归属于四个等级的尼古丁依赖程度级别中的未成瘾、轻度成瘾、 中度成瘾以及重度成瘾。

尼古丁依赖性与瞬时抽烟速度的折迭突变模型拟合分析及其相关参数解释如下：

录像抽烟拓扑研究表明，依据折迭突变模型，如果一个人吸烟已经上瘾，对尼古丁产生 了依赖，其吸烟的速度Y(每分钟吸烟几口)可以表述为时间t的函数：

Y＝at²-bt+c

式中，c表示初始吸烟速度，a表示加速分量，b表示减速分量。参数a和b与尼古丁依 赖密切相关。

附图4给出了四个吸烟的人通过录像获取的数据分析结果。图中ID表示四个不同被试的 编号；R2表示观察数据与折迭突变模型的配合优度。在四个被试中，ID#：1的a＝1.94，b＝5.08 和配合优度R2＝0.99，都是最高的。对照美国精神病学会的《精神疾病诊断与统计手册》第 四版(DSM-IV)，该被试尼古丁依赖程度也是最高的，在12列举的尼古丁依赖的症状中，具 备7种。ID#：8的a＝0.51，b＝-0.17和配合优度R2＝0.69，都是最低的。对照美国精神病学 会的《精神疾病诊断与统计手册》第四版(DSM-IV)，该被试无尼古丁依赖，在12列举的尼 古丁依赖的症状中，一种也没有。

综上所述，本发明通过发现不同尼古丁依赖程度，在瞬时抽烟速度上拟合于不同的折迭 突变模型，并采用加速度传感器采集并判断抽烟动作及抽烟时刻，配合所发现的不同尼古丁 依赖性程度折迭突变模型，根据实际采集情况和发现折迭突变模型的拟合情况，实现对不同 尼古丁依赖程度的检测。而且，本发明出来除了用于采集加速度的智能加速度传感器之外， 不需要任何其他的外部设备，避免了现有技术中为了实现尼古丁依赖性检测，而造成的高成 本的缺陷。再者，本发明具有很好的实时性和智能性，被检测人在手腕上携带智能加速度传 感器，在抽烟的整个过程结束后，智能加速度传感器会根据采集到得数据信息实时的输出尼 古丁依赖性程度级别。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技 术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡 所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等 效修饰或改变，仍应由本发明的权利要求所涵盖。