CN108245157A - 一种人体成分测量仪算法的反抄袭方法 - Google Patents
一种人体成分测量仪算法的反抄袭方法 Download PDFInfo
- Publication number
- CN108245157A CN108245157A CN201711352441.8A CN201711352441A CN108245157A CN 108245157 A CN108245157 A CN 108245157A CN 201711352441 A CN201711352441 A CN 201711352441A CN 108245157 A CN108245157 A CN 108245157A
- Authority
- CN
- China
- Prior art keywords
- impedance
- heart rate
- signal
- measuring
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0537—Measuring body composition by impedance, e.g. tissue hydration or fat content
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/024—Measuring pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种人体成分测量仪算法的反抄袭方法,该方法包括如下步骤:101、测量阻抗信号;102、从上述阻抗信号中提取心率信号;103、识别到正确的心率特征则进入步骤104,否则退出;104、调用人体成分分析算法进行人体成分参数计算。本发明可以有效的防御模拟测试等暴力测试,进而破解体成分测量仪人体成分分析算法的攻击,起到更好的保护体成分测量仪核心算法的作用,提高测量仪的安全性和可靠性。
Description
技术领域
本发明属于人体成分分析仪技术领域,特别涉及人体成分测量仪的反抄袭方法。
背景技术
人体脂肪秤或者说人体成分分析仪等,利用人体的体重、身高、年龄、性别,以及测量的人体生物电阻抗,作为输入参数,通过大数据分析、以及和其他医学手段的对照回归分析得到人体成分分析算法,从而输出人体的成分参数,例如体脂肪率、体水分率、体肌肉量等等,以便于人们进行健康分析和参考。目前,不同的厂家具有不同的算法,但是这种算法通过大量模拟样本(重量通过砝码机模拟、阻抗通过电阻模拟等)在体脂秤等设备上测量,可以得到上述输入参数和输出参数的具体数值,经过拟合分析就容易反向获得上述的人体成分分析算法,非常容易破解,不利于脂肪秤的安全性和可靠性。
如专利申请201310712626.0公开了一种基于八段阻抗模型的人体成分分析的方法,包括:根据输入电流和测得电压,利用八段人体阻抗模型,获得六个关于人体阻抗的有效表达式;利用人体五段阻抗模型,获得左右上肢阻抗值差值和左右下肢阻抗值差值;计算得到每段人体阻抗的表达式;根据至少两组以上的不同的输入电流和每段人体阻抗的表达式,获得至少两组以上的人体阻抗值;选取最佳的一组八段阻抗值,并根据选取最佳的一组八段阻抗值,确定拟合模型;使用多组已知样本在拟合模型中训练,获得拟合模型的未知系数,并获得人体成分预测公式;根据人体成分预测公式,对未知样本进行分析,获得人体成分参数。采用本发明方法,分析出来的人体成分更加精确。
发明内容
基于此,因此本发明的首要目地是提供一种人体成分测量仪算法的反抄袭方法,该方法使得通过模拟测量的形式反向推导算法的难度增加,从而一定程度上起到保护该算法的作用,提高了测量仪的安全性和可靠性。
本发明的另一个目地在于提供一种人体成分测量仪算法的反抄袭方法,该方法实现简便,能够低成本地提高测量的准确性。
为实现上述目的,本发明的技术方案为:
一种人体成分测量仪算法的反抄袭方法,其特征在于该方法包括如下步骤:
101、测量阻抗信号;
102、从上述阻抗信号中提取心率信号;
103、识别到正确的心率特征则进入步骤104,否则退出;
104、调用人体成分分析算法进行人体成分参数计算。
所述步骤101中,通过测量电极测量人体的阻抗信号。
所述步骤102中,通过心率提取单元提取心率信号。
进一步,所述心率信号包括根据阻抗信号的波峰和/或波谷进行心率特征识别和/或心率计算。
进一步,所述步骤103中,所述心率信号特征识别,具体是识别一个阻抗下降的尖峰信号,并满足预定的幅度阈值和宽度阈值。
更进一步,所述步骤103中,所述心率信号特征识别,具体是识别一个阻抗信号相邻波峰和波谷之间的幅度,以及相邻波峰或波谷之间的时长。
所述人体成分测量仪至少具有阻抗测量单元和处理单元,其中阻抗测量单元包括至少2个激励电极、2个测量电极、阻抗处理单元,用于人体阻抗的测量;所述处理单元用于根据所述阻抗测量单元测量的阻抗信号进行分析,包括人体成分分析单元,用于根据阻抗及其他生理参数来计算人体的组成成分,包括脂肪含量、肌肉含量、水分含量;还包括心率提取单元,用于从阻抗信号中提取心率,包括利用阻抗信号的波峰/波谷来提取心率特征识别和/或心率计算。
本发明所述的体成分测量仪算法的反抄袭方法,可以有效的防御模拟测试等暴力测试,进而破解体成分测量仪人体成分分析算法的攻击,起到更好的保护体成分测量仪核心算法的作用,提高测量仪的安全性和可靠性。
同时,该方法还可以低成本地提高测量的准确性。
附图说明
图1是本发明所实施体脂秤的结构图。
图2是本发明所实施体脂秤的结构框图。
图3是本发明所实施阻抗信号波形图。
图4是本发明所实施反抄袭流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1所示,如图1所示的体脂秤100是体成分分析仪的一种,其包括了结构体101,安装在结构体101上的电极,包括测量电极105、测量电极104,以及激励电极106、激励电极103,用于阻抗的测量;还包括显示屏102,用于显示信息。电极103~106、显示屏102等电性连接到体脂秤100的控制主板(因其是现有技术,故图未示出),构成体脂秤的电子部分。
如图2所示为体脂秤100的电子部分的结构图,其中阻抗测量单元108包括电极103~106、阻抗处理单元107,用于人体阻抗信号的测量;阻抗测量单元108电性连接到处理单元110。处理单元110从阻抗测量单元108获取阻抗信号,并通过人体成分分析单元109实现基于人体阻抗的人体成分分析,包括如人体脂肪含量、水分含量,肌肉含量;另外还包括心率提取单元,通过阻抗的波形来提取心率或者心率特征波形。
如图3所示的阻抗信号波形示意了一个典型的阻抗脉搏信号。心脏跳动带动血液在身体血管中周期性流动,会引起阻抗的微小变化,因此从阻抗测量单元108测量的人体生物电阻抗波形中可以观察到这种变化,这就是阻抗心率或者说阻抗脉搏信号,如图3所示。图3中阻抗波相邻的波峰和波谷直接的高度差H1为阻抗波的幅度,而阻抗波相邻的波峰之间的时间差T1为阻抗波的周期。正确的脉搏/心率信号必须在幅度和周期上满足预定的阈值。例如,正常人的心率应该在40~200次/分钟之间,这样就给出了阻抗波周期阈值要求,另外幅度一般在1ohm左右,这样就给出了阻抗波的幅度阈值。满足周期和幅度阈值的阻抗波信号才能被认为是合法的心率信号,才能用于计算心率。此外,阻抗心率信号还有固定特征,例如图3虚线圆圈中所示,是一个下降的尖峰信号,具有一定的宽度L0和高度H0,具有这样特征的阻抗波信号才能算真正的心率信号。
如图4所示的体成分测量仪的算法反抄袭流程,具体是:
S1、通过阻抗测量单元108测量阻抗信号;
S2、通过心率提取单元111提取阻抗信号中的心率信号特征,包括如图3所示的幅度和周期,和下降尖峰的宽度L0和高度H0;
S3、幅度H1和周期T1是否分别满足幅度阈值和周期阈值?如满足则进入下一步骤,否则结束本次流程;
S4、继续判断阻抗心率信号中的下降尖峰特征,宽度L0和高度H0是否分别满足尖峰宽度阈值和尖峰高度阈值?如满足则进入下一步骤,否则结束本次流程。
S5、人体成分分析单元109通过阻抗和其他生理参数(性别、年龄、体重、身高)计算人体成分,包括脂肪含量、肌肉含量、水分含量等。
因此,本发明可以有效的防御模拟测试等暴力测试,进而破解体成分测量仪人体成分分析算法的攻击,起到更好的保护体成分测量仪核心算法的作用,提高测量仪的安全性和可靠性。
同时,该方法还可以低成本地提高测量的准确性。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种人体成分测量仪算法的反抄袭方法,其特征在于该方法包括如下步骤:
101、测量阻抗信号;
102、从上述阻抗信号中提取心率信号;
103、识别到正确的心率特征则进入步骤104,否则退出;
104、调用人体成分分析算法进行人体成分参数计算。
2.如权利要求1所述的人体成分测量仪算法的反抄袭方法,其特征在于所述步骤101中,通过测量电极测量人体的阻抗信号。
3.如权利要求1所述的人体成分测量仪算法的反抄袭方法,其特征在于所述步骤102中,通过心率提取单元提取心率信号。
4.如权利要求3所述的人体成分测量仪算法的反抄袭方法,其特征在于所述心率信号包括根据阻抗信号的波峰和/或波谷进行心率特征识别和/或心率计算。
5.如权利要求4所述的人体成分测量仪算法的反抄袭方法,其特征在于所述步骤103中,所述心率信号特征识别,具体是识别一个阻抗下降的尖峰信号,并满足预定的幅度阈值和宽度阈值。
6.如权利要求5所述的人体成分测量仪算法的反抄袭方法,其特征在于所述步骤103中,所述心率信号特征识别,具体是识别一个阻抗信号相邻波峰和波谷之间的幅度,以及相邻波峰或波谷之间的时长。
7.如权利要求1所述的人体成分测量仪算法的反抄袭方法,其特征在于所述人体成分测量仪至少具有阻抗测量单元和处理单元,其中阻抗测量单元包括至少2个激励电极、2个测量电极、阻抗处理单元,用于人体阻抗的测量;所述处理单元用于根据所述阻抗测量单元测量的阻抗信号进行分析,包括人体成分分析单元,用于根据阻抗及其他生理参数来计算人体的组成成分,包括脂肪含量、肌肉含量、水分含量;还包括心率提取单元,用于从阻抗信号中提取心率,包括利用阻抗信号的波峰/波谷来提取心率特征识别和/或心率计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711352441.8A CN108245157B (zh) | 2017-12-15 | 2017-12-15 | 一种人体成分测量仪算法的反抄袭方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711352441.8A CN108245157B (zh) | 2017-12-15 | 2017-12-15 | 一种人体成分测量仪算法的反抄袭方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108245157A true CN108245157A (zh) | 2018-07-06 |
CN108245157B CN108245157B (zh) | 2021-05-25 |
Family
ID=62723002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711352441.8A Active CN108245157B (zh) | 2017-12-15 | 2017-12-15 | 一种人体成分测量仪算法的反抄袭方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108245157B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109350055A (zh) * | 2018-09-05 | 2019-02-19 | 广东小天才科技有限公司 | 生理参数的检测分析方法、终端及计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1264570A (zh) * | 1999-02-22 | 2000-08-30 | 株式会社百利达 | 手持式生物电阻抗测量装置 |
US20040116819A1 (en) * | 2001-10-01 | 2004-06-17 | Eckhard Alt | Congestive heart failure monitor and ventilation measuring implant |
US20090024044A1 (en) * | 2007-07-17 | 2009-01-22 | The General Electric Company | Data recording for patient status analysis |
US20090275854A1 (en) * | 2008-04-30 | 2009-11-05 | Zielinski Todd M | System and method of monitoring physiologic parameters based on complex impedance waveform morphology |
CN104706343A (zh) * | 2013-12-11 | 2015-06-17 | 三星电子株式会社 | 用于心率检测的生物阻抗传感器阵列 |
CN105852839A (zh) * | 2016-03-23 | 2016-08-17 | 中山大学 | 一种基于生物电阻抗技术的心率测量方法及装置 |
CN106175773A (zh) * | 2016-07-11 | 2016-12-07 | 芯海科技(深圳)股份有限公司 | 手握式多频段阻抗呼吸信号测量系统及测量方法 |
-
2017
- 2017-12-15 CN CN201711352441.8A patent/CN108245157B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1264570A (zh) * | 1999-02-22 | 2000-08-30 | 株式会社百利达 | 手持式生物电阻抗测量装置 |
US20040116819A1 (en) * | 2001-10-01 | 2004-06-17 | Eckhard Alt | Congestive heart failure monitor and ventilation measuring implant |
US20090024044A1 (en) * | 2007-07-17 | 2009-01-22 | The General Electric Company | Data recording for patient status analysis |
US20090275854A1 (en) * | 2008-04-30 | 2009-11-05 | Zielinski Todd M | System and method of monitoring physiologic parameters based on complex impedance waveform morphology |
CN104706343A (zh) * | 2013-12-11 | 2015-06-17 | 三星电子株式会社 | 用于心率检测的生物阻抗传感器阵列 |
CN105852839A (zh) * | 2016-03-23 | 2016-08-17 | 中山大学 | 一种基于生物电阻抗技术的心率测量方法及装置 |
CN106175773A (zh) * | 2016-07-11 | 2016-12-07 | 芯海科技(深圳)股份有限公司 | 手握式多频段阻抗呼吸信号测量系统及测量方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109350055A (zh) * | 2018-09-05 | 2019-02-19 | 广东小天才科技有限公司 | 生理参数的检测分析方法、终端及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108245157B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11547344B2 (en) | System and method for post-stroke rehabilitation and recovery using adaptive surface electromyographic sensing and visualization | |
CN106108889B (zh) | 基于深度学习算法的心电图分类方法 | |
FI124278B (fi) | Mittalaite ja menetelmä rasitustilan indikoimiseksi | |
Del Vecchio et al. | The relative strength of common synaptic input to motor neurons is not a determinant of the maximal rate of force development in humans | |
CN107137071A (zh) | 一种分析心冲击信号用来计算短期心率值的方法 | |
TWI583355B (zh) | Heart rate detection method and heart rate detection device | |
Haddad et al. | Fracture prediction of cardiac lead medical devices using Bayesian networks | |
WO2018106146A3 (ru) | Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий | |
Fling et al. | Motor unit synchronization in FDI and biceps brachii muscles of strength-trained males | |
Cao et al. | Surface EMG-force modelling for the biceps brachii and its experimental evaluation during isometric isotonic contractions | |
Brandon et al. | Reliability of a combined biomechanical and surface electromyographical analysis system during dynamic barbell squat exercise | |
CN108245157A (zh) | 一种人体成分测量仪算法的反抄袭方法 | |
US9901267B2 (en) | Cardionpulmonary function evaluating apparatus and cardionpulmonary function evaluating method | |
Rachakonda et al. | Stress-lysis: an IOMT-enabled device for automatic stress level detection from physical activities | |
Guidi et al. | Heart rate variability analysis during muscle fatigue due to prolonged isometric contraction | |
CN106604679A (zh) | 心跳检测方法和心跳检测设备 | |
EP3372152B1 (en) | Apparatus, method and computer program for determining whether a measured pulse waveform contains noise | |
CN114176532A (zh) | 一种测定cfPWV参数的临床验证方法及其应用系统 | |
Hernandez et al. | Traditional sEMG fatigue indicators applied to a real-world sport functional activity: Roundhouse kick | |
Hassan et al. | Derivation of simple muscle fatigue index for biceps muscle based on surface electromyography temporal characteristics | |
Mir et al. | Assessment of spinal cord injury via sparse modeling of somatosensory evoked potential signals | |
Holobar et al. | A signal-based approach for assessing the accuracy of high-density surface EMG decomposition | |
Sowmya et al. | Analysis of Survival Probability and Its Association with Time to Task Failure in Induced Fatiguing Dynamic Contractions of Biceps Brachii Muscle using Surface Electromyography | |
Narayanan et al. | Generation and analysis of synthetic surface electromyography signals under varied muscle fiber type proportions and validation using recorded signals | |
US20230039042A1 (en) | Muscle activation, and associated algorithms, systems and methods |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |