体温预测方法、装置及电子体温计

摘要

本发明公开了一种体温预测方法、装置及电子体温计，根据体温采样频率获取体温数据，计算所述实际体温数据的一阶差分的变化小于一阶差分均值的N倍，来获得近似线性上升期的起始时刻和对应的初始体温数据，接着，在近似线性上升期的起始时刻预设领域内后半部分时间的体温数据均值与所述预设领域内前半部分时间的体温数据均值之差作为所述体温近似线性上升期的斜率，以近似线性上升期的起始时刻作为初始值来预测体温近似线性上升期的任一时刻的体温数据。本发明实施例解决了现有技术中存在体温预测误差大的问题，提高了体温预测数据的准确性，更有利于病情的诊断。

说明书

技术领域

本发明涉及人体温度测量技术领域，尤其涉及一种体温预测方法、装置及电子体温计。

背景技术

人体体温在相同的部位是相对恒定的，当体温超过正常范围的最高限度时称为发热，通过测量人体体温的变化，可以判断病人的病情。

电子体温测量设备的传感器是一个NTC器件，阻值随温度升高而降低，通过把传感器与人体接触，测量传感器阻值的变化计算出体温值。但由于人体皮肤干燥和NTC探头与外层金属的接触不充分等原因，温度传导不良，导致体温上升速度慢，测量时间久，影响病情的诊断和治疗时间。因而，电子体温测量设备采用预测体温算法程序来计算人体体温温度，从而缩短人体体温测量的时间。

现有技术的两种体温预测方法，一种是固定偏移量法，一种是曲线拟合。其中：

固定偏移量法是计算体温曲线非线性上升期内的斜率，当前时刻体温温度采样均值减前一分钟体温温度采样均值，即当前时刻的斜率大于0.5度小于0.7度时，进入体温曲线线性上升期的起点，当前温度直接加固定偏移量0.7度作为预测温度。固定偏移量法的问题：根据实验经验选择偏移量，存在误差的不确定性。

曲线拟合方法是，选择与体温上升曲线近似的对数函数log(ax+b)作为预测函数，然后利用实测体温数据通过最小二乘法求出对数函数的参数，利用求出的对数函数进行预测。曲线拟合的问题有：首先，体温上升曲线不是绝对的对数曲线，所以对数函数这个模型本身存在误差；其次，曲线拟合采用的数据精度不够，特别在快速非线性上升阶段，采样的数据点有限，而且还要预测很长时间以后的体温，因此存在很大误差。

发明内容

本发明提供一种体温预测方法、装置及电子体温计，能够有效解决现有技术中存在体温预测误差大的问题，从而提高预测体温数据的准确性。

为实现上述技术目的，本发明实施例采用以下技术方案：

一种体温预测方法，包括如下步骤：

根据预设的采样频率获取体温数据；

从采集到的第二个所述体温数据起，实时计算采集到的当前体温数据的一阶差分和一阶差分的变化值；其中，所述当前体温数据的一阶差分为当前体温数据与上一采样体温数据之间的差；所述当前体温数据的一阶差分的变化值为已计算得到的所有一阶差分中的最大值和最小值之间的差；

当所述当前体温数据的一阶差分的变化值小于已计算得到的所有一阶差分的均值的N倍时，将当前时刻作为体温近似线性上升期的起始时刻，并将所述当前体温数据作为体温近似线性上升期的初始体温数据；其中，1<N<3；

将当前时刻前已获取的所有体温数据中的后半部分体温数据的均值与前半部分体温数据的均值之间的差，作为所述体温近似线性上升期的平均斜率；

根据所述体温近似线性上升期的起始时刻、初始体温数据以及所述近似线性上升期的平均斜率，预测所述体温近似线性上升期的任一时刻的体温数据。

在本方案中，根据体温采样频率获取体温数据，计算所述实际体温数据的一阶差分的变化小于一阶差分均值的N倍，来获得近似线性上升期的起始时刻和对应的初始体温数据，然后，在近似线性上升期的起始时刻预设领域内后半部分时间的体温数据均值与所述预设领域内前半部分时间的体温数据均值之差作为所述体温近似线性上升期的斜率，以近似线性上升期的起始时刻作为初始值来预测体温近似线性上升期的任一时刻的体温数据。通过找到近似线性上升期的起始时刻来进行体温预测，避免体温曲线斜率上升过快导致的计算误差，有效提高体温预测的准确性；再者，利用在近似线性上升期的起始时刻预设领域内后半部分时间的体温数据均值与所述预设领域内前半部分时间的体温数据均值之差作为所述近似线性上升期的起始时刻的平均斜率，进一步提高体温数据预测的准确性。因此，本发明解决了现有技术中存在体温预测误差大的问题，提高了体温预测数据的准确性，更有利于病情的诊断。

优选地，利用泰勒级数展开式预测所述体温近似线性上升期的任一时刻的体温数据；所述泰勒级数展开式为f(t)＝f(t₀)+f′(t₀)(t-t₀)，其中：f(t)为所述体温近似线性上升期的任一时刻的体温数据，f(t₀)为所述初始体温数据，t₀为所述体温近似线性上升期的起始时刻，t为所述体温近似线性上升期的任一时刻，f′(t₀)为所述体温近似线性上升期的平均斜率。利用泰勒级数的前两项进行体温预测，具体为在近似线性上升期的起始时刻预设领域内后半部分时间的体温数据均值与所述预设领域内前半部分时间的体温数据均值之差作为一阶导数，以近似线性上升期的起始时刻作为初始值来预测体温近似线性上升期的任一时刻的体温数据，符合体温上升的规律性，科学合理。

优选地，所述N为2。通过实验获得N为2时，可判断该时刻为体温线性上升期的起始时刻。

优选地，所述预设的采样频率为1Hz。

优选地，t≤10Min。根据体温上升规律，可知t在2～10min为近似线性上升期，本发明提出的预测方法适用于近似线性上升期任一时刻的体温数据。

本发明实施例还提供一种体温预测装置，包括：

采样单元，用于根据预设的采样频率获取体温数据；

第一计算单元，用于从采集到的第二个所述体温数据起，实时计算采集到的当前体温数据的一阶差分和一阶差分的变化值；其中，所述当前体温数据的一阶差分为当前体温数据与上一采样体温数据之间的差，所述当前体温数据的一阶差分的变化值为已计算得到的所有一阶差分中的最大值和最小值之间的差；

判断单元，用于当所述当前体温数据的一阶差分的变化值小于已计算得到的所有一阶差分的均值的N倍时，将当前时刻作为体温近似线性上升期的起始时刻，并将所述当前体温数据作为体温近似线性上升期的初始体温数据；其中，1<N<3；

第二计算单元，用于将当前时刻前已获取的所有体温数据中的后半部分体温数据的均值与前半部分体温数据的均值之间的差，作为所述体温近似线性上升期的平均斜率；

预测单元，用于根据所述体温近似线性上升期的起始时刻、初始体温数据以及所述近似线性上升期的平均斜率，预测所述体温近似线性上升期的任一时刻的体温数据。

在本方案中，根据所述采样单元获得的体温数据，通过所述第一计算单元计算体温数据的一阶差分和一阶差分的变化值，当所述当前体温数据的一阶差分的变化值小于已计算得到的所有一阶差分的均值的N倍，将当前时刻作为体温近似线性上升期的起始时刻，然后通过第二计算单元将当前时刻前已获取的所有体温数据中的后半部分体温数据的均值与前半部分体温数据的均值之间的差，作为所述体温近似线性上升期的平均斜率，基于获取的平均斜率、起始时刻可预测所述体温近似线性上升期的任一时刻的体温数据，解决了现有技术中存在体温预测误差大的问题，提高预测体温数据的准确性。

优选地所述预测单元利用泰勒级数展开式预测所述体温近似线性上升期的任一时刻的体温数据；所述泰勒级数展开式为f(t)＝f(t₀)+f′(t₀)(t-t₀)，其中：

f(t)为所述体温近似线性上升期的任一时刻的体温数据，f(t₀)为所述初始体温数据，t₀为所述体温近似线性上升期的起始时刻，t为所述体温近似线性上升期的任一时刻，f′(t₀)为所述体温近似线性上升期的平均斜率。

优选地，所述N＝2。

优选地，t≤10Min。

本发明实施例还对应提供了一种电子体温计，包括上述任一项所述的体温预测装置。

本发明实施例提供的电子体温计，通过采用上述任一项所述的体温预测装置，可准确预测一定时间内的体温数据，有利于病情的诊断。

附图说明

图1是本发明实施例1提供的一种体温预测方法的流程示意图。

图2是本发明实施例2提供的一种体温预测方法的流程示意图。

图3是本发明实施例2得到的实际体温和预测体温的曲线图。

图4是本发明实施例4提供的一种体温预测装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，是本发明实施例1提供的一种体温预测方法的流程示意图。该方法包括如下步骤：

S11、根据预设的采样频率获取体温数据；

S12、从采集到的第二个所述体温数据起，实时计算采集到的当前体温数据的一阶差分和一阶差分的变化值；其中，所述当前体温数据的一阶差分为当前体温数据与上一采样体温数据之间的差；所述当前体温数据的一阶差分的变化值为已计算得到的所有一阶差分中的最大值和最小值之间的差；

S13、当所述当前体温数据的一阶差分的变化值小于已计算得到的所有一阶差分的均值的N倍时，将当前时刻作为体温近似线性上升期的起始时刻，并将所述当前体温数据作为体温近似线性上升期的初始体温数据；其中，1<N<3；

S14、将当前时刻前已获取的所有体温数据中的后半部分体温数据的均值与前半部分体温数据的均值之间的差，作为所述体温近似线性上升期的平均斜率；

S15、根据所述体温近似线性上升期的起始时刻、初始体温数据以及所述近似线性上升期的平均斜率，预测所述体温近似线性上升期的任一时刻的体温数据。

具体实施时，以一定的采样频率获取体温数据，连续计算当前时刻采集到的体温数据和上一时刻采集到的体温数据的差作为当前体温数据的一阶差分，并计算到当前时刻为止已计算得到的所有一阶差分中的最大值和最小值之间的差作为所述一阶差分的最大值。当所述当前体温数据的一阶差分的变化值小于已计算得到的所有一阶差分的均值的N倍时，将当前时刻作为体温近似线性上升期的起始时刻。最后，以当前时刻前已获取的所有体温数据中的后半部分体温数据的均值与前半部分体温数据的均值之间的差，作为所述体温近似线性上升期的平均斜率，根据起始时刻及其相应的体温数据，可预测所述体温近似线性上升期的任一时刻的体温数据。通过找到近似线性上升期的起始时刻来进行体温预测，避免体温曲线斜率上升过快导致的计算误差，有效提高体温预测的准确性；再者，利用在近似线性上升期的起始时刻预设领域内后半部分时间的体温数据均值与所述预设领域内前半部分时间的体温数据均值之差作为所述近似线性上升期的起始时刻的平均斜率，进一步提高体温数据预测的准确性。因此，本发明解决了现有技术中存在体温预测误差大的问题，提高了体温预测数据的准确性，更有利于病情的诊断。

参见图2，是本发明实施例2提供的一种体温预测方法的流程示意图。如图2所述的体温预测方法，在实施例1的基础上还包括如下步骤：

S21、利用泰勒级数展开式预测所述体温近似线性上升期的任一时刻的体温数据；所述泰勒级数展开式为f(t)＝f(t₀)+f′(t₀)(t-t₀)，其中：

f(t)为所述体温近似线性上升期的任一时刻的体温数据，f(t₀)为所述初始体温数据，t₀为所述体温近似线性上升期的起始时刻，t为所述体温近似线性上升期的任一时刻，f′(t₀)为所述体温近似线性上升期的平均斜率。

下面为了方便说明，以采样频率为1Hz、N＝2为例对本发明实施例进行描述，本发明提供的体温预测方法并不限于1Hz的采样频率、N＝2。具体实施时，以1Hz的采样频率对温度数据进行采集，并保存体温数据data(n),n＝1,2,3....，计算当前时刻的一阶差分，即用当前时刻的体温数据减去上一时刻的体温数据，k1(n)＝data(n+1)-data(n),n＝1,2,3...，并计算当前时刻的一阶差分的变化Kd，即kd＝max(k1(n))-min(k1(n))，n＝1,2,3...。当某一时刻t₀一阶差分的变化kd小于k1(n)均值的2倍时，可说明体温处于近似线性上升期，以该时刻t₀作为近似线性上升期的起始时刻，以该时刻t₀的体温数据作为体温近似线性上升期的初始体温数据f(t₀)。因为本发明是对近似线性上升期的体温数据的预测，所以可用泰勒级数展开的前两项来预测近似线性上升期的任一时刻的体温数据，在泰勒级数中，以所述体温近似线性上升期的平均斜率作为泰勒级数中的一阶导数f′(t₀)。因此，近似线性上升期的任一时刻的体温数据f(t)可通过f(t)＝f(t₀)+f′(t₀)(t-t₀)来计算。

如图3所示，为本发明实施例2得到的实际体温和预测体温的曲线图，其中，实线为实际体温曲线，虚线为预测体温曲线。根据实际体温的曲线图可知，升温速度把体温测量过程的分成三部分，依次为快速非线性上升期(0～2min)、近似线性上升期(2～10min)、缓慢上升期(10～20min)。本发明实施例提供的体温预测法即找到近似线性上升期的起始时刻进行线性模拟以进行预测。如图3所示的预测体温曲线以2min作为近似线性上升期的起始时刻，即当t₀＝120s时，kd＜2mean(k1(n))。因此，获取近似线性上升期的起始时刻t₀的实际体温数据作为初始体温数据f(t₀)＝data(n)，n＝120。再以第二分钟的温度数据平均值减去第一分钟的温度数据的平均值km＝mean(data(61...120))-mean(data(1...60))作为平均斜率，进行线性模拟后，在7min后可达到最大值，比实际体温需要20min才能达到最大值要快速，因此本发明提供的体温预测法具有准确、快速的优点。因为图3所示的近似线性上升期为2～10min，因此所述的体温预测方法中的近似线性上升期的任一时刻的体温数据f(t)适用于t≤10。

本预测方法与固定偏移量法、曲线拟合法对体温曲线在10分钟时刻，同批257个样本分别进行预测，当预测的体温温度与实际体温温度差值的绝对值小于0.3度时，说明预测准确，否则异常。

泰勒级数展开法固定偏移量法曲线拟合法异常个数647798异常百分比24.90％29.96％38.13％

表1三种体温温度预测方法的实验结果

由上述实验结果表明，三种体温温度预测方法对于同批体温曲线样本在10分钟时刻，预测的体温温度异常个数越少，表明预测方法准确性越高。从表1可以看出利用泰勒级数预测体温温度明显优于固定偏移量法和曲线拟合法。

参见图4，为本发明实施例3提供的体温预测装置的结构示意图。如图4所示的体温预测装置100包括，

采样单元101，用于根据预设的采样频率获取体温数据；

第一计算单元102，用于从采集到的第二个所述体温数据起，实时计算采集到的当前体温数据的一阶差分和一阶差分的变化值；其中，所述当前体温数据的一阶差分为当前体温数据与上一采样体温数据之间的差，所述当前体温数据的一阶差分的变化值为已计算得到的所有一阶差分中的最大值和最小值之间的差；

判断单元103，用于当所述当前体温数据的一阶差分的变化值小于已计算得到的所有一阶差分的均值的N倍时，将当前时刻作为体温近似线性上升期的起始时刻，并将所述当前体温数据作为体温近似线性上升期的初始体温数据；其中，1<N<3；

第二计算单元104，用于将当前时刻前已获取的所有体温数据中的后半部分体温数据的均值与前半部分体温数据的均值之间的差，作为所述体温近似线性上升期的平均斜率；

预测单元105，用于根据所述体温近似线性上升期的起始时刻、初始体温数据以及所述近似线性上升期的平均斜率，预测所述体温近似线性上升期的任一时刻的体温数据。

在本实施例中，采样单元以一定的频率获取温度数据，第一计算单元将已获取的温度数据计算每一时刻的一阶差分和一阶差分的变化值。当判断单元判断当前时刻的一阶差分的变化值小于已计算得到的所有一阶差分的均值的N倍时，将当前时刻作为体温近似线性上升期的起始时刻；接着，第二计算单元计算当前时刻前已获取的所有体温数据中的后半部分体温数据的均值与前半部分体温数据的均值之间的差，作为所述体温近似线性上升期的平均斜率；根据已获得的所述体温近似线性上升期的平均斜率、起始时刻和初始体温数据，可预测所述体温近似线性上升期的任一时刻的体温数据。通过一阶差分的变化值和一阶差分的平均值比例可以衡量一阶差分的变化程度，因此，通过这种方法找到所述体温近似上升期的起始时刻，具有科学合理性，避免斜率上升过快导致计算的误差，提高准确性；另一方面，以一段时间体温数据的平均斜率而不是两个数据点的斜率，进一步提高了预测的准确性。

优选地，本发明实施例可采用泰勒级数展开式预测所述体温近似线性上升期的任一时刻的体温数据，利用泰勒级数的前两项进行体温预测，具体为在近似线性上升期的起始时刻预设领域内后半部分时间的体温数据均值与所述预设领域内前半部分时间的体温数据均值之差作为一阶导数，以近似线性上升期的起始时刻作为初始值来预测体温近似线性上升期的任一时刻的体温数据，符合体温上升的规律性，科学合理。

优选地，在另一实施例中的采样单元101可采用1Hz的采样频率获取体温数据。且通过多个实验证明，N＝2时找到的所述体温近似线性上升曲线的起始时刻更为准确，且当体温测量的时间超过10min后，由于温差减小，所述体温上升已经处于缓慢上升阶段，因此在另一实施例中体温预测方法可限于N＝2，t≤10Min。但是由于实验数据仅为一种趋势，不能代替所有的情况，因此本方法不限于N＝2，t≤10Min。

本发明实施例还提供了一种体温计，包括上述任一实施例所述的体温预测装置。本发明提供的体温计，通过采用上述任一实施例所述的体温预测装置，可快速准确预测体温，克服了现有技术存在体温预测误差大的问题，有利于病人病情的诊断。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。