[发明专利]基于BP神经网络的人体表面皮肤温度场测量方法

说明书

技术领域

本发明涉及一种人体温度场计算方法，特别是涉及一种基于BP神经网络的人体表面皮肤温度场测量方法。

背景技术

体温可以反映出当前的身体健康状况并且可以对人体未来的健康状况做出预警。尤其当人体部分器官组织发生病变时人体表现为局部温度升高或降低。因此，对人体尤其是临床病人的全身温度场进行实时监测就变得尤为重要。

现有技术中，对人体温度场的测量多集中于有限元分析和红外测温方面。其中有限元分析的方法主要是对人体进行节段划分，根据各节段人体生理参数，建立人体温度场模型，如文章《Lumped Versus Distributed Thermoregulatory Control:Results from a Three-Dimensional Dynamic Model》中建立了人体三维热传导模型可实现4×10⁵个节点的动态人体分布计算，所需的计算时间大约为实际模拟时间的4倍。有限元分析方法通常具有计算量大，需时长，运行物理内存大等缺点。

在红外测温方面，通过使用红外热像仪对人体进行测量，得到红外灰度图像，对图像进行处理可以得到人体表面皮肤温度分布形式。文章《非制冷红外热像仪人体表面温度场测量及误差修正》提出了一种利用非制冷红外热像仪得到人体表面不同温度点的灰度值的方法，并对灰度图像进行处理后得到人体表面温度场；专利号CN105769130A《一种测量人体体温的装置和方法》提出了一种通过红外温度传感器实现人体M×N个采样点的温度采集，其中M>3,N>3，并将落入温度有效区间的温度进行平均的方法，得到人体平均温度。但该方法受测温原理的限制，测温精度普遍不高；专利号CN10191319A《基于光纤布拉格光栅的智能服装人体测温模型》基于光纤传感测量原理，提出了一种将FBG光栅运用到人体体温测量中，实现人体局部点温度的测量，并建立人体温度加权模型。但该模型只是实现了人体单点或有限点体温计算，无法实现人体温度场的大规模计算。

发明内容

为解决上述技术存在的测量精度低、计算量大、对人体体温只能单点测量等问题，本专利提出了一种基于BP神经网络的人体表面皮肤温度场测量方法。BP神经网络具有很强的非线性映射能力，因此能模拟任意的非线性输入输出关系。普通位置点(即仅在网络建立中涉及到的测试点)的坐标值、关键位置点(即在网络建立中及获得人体温度场所必须的测试点)的温度值和人体所处的环境温度值作为BP神经网络的输入向量，普通位置点的温度值作为网络输出向量，通过BP神经网路算法计算出关键位置点温度值和普通位置点温度值的关系来建立人体温度场模型，从而可计算出人体皮肤表面温度值。

为了解决上述技术问题，本发明提出的一种基于BP神经网络的人体表面皮肤温度场计算方法，包括以下步骤：

步骤一、测试点位置的确定：将多个光纤光栅温度传感器布置在人体表面皮肤上，将多个光纤光栅温度传感器的位置划分为第一测试点和第二测试点，并将1个光纤光栅温度传感器布置在被测人体所处的环境中作为环境测试点；

所述第一测试点的位置包括被测人体的颈前、右胸、左胸、腹部、右外上臂、左外上臂、右外下臂、左外下臂、右手背、左手背；左背、右背、颈后、后腰、右后上臂、左后上臂、右后下臂、左后下臂；右大腿前、左大腿前、左小腿前、右小腿前、右脚面、左脚面；左大腿后、右大腿后、左小腿后和右小腿后；第二测试点的位置包括多个位于被测人体表面的且不同于上述第一测试点的位置；

步骤二、训练样本数据的提取：提取所有第二测试点的坐标值及与各第二测试点坐标位置对应的温度值和所有第一测试点的温度值及环境测试点的温度值；

步骤三、网络训练：构建一个BP神经网络，所述BP神经网络包括输入层、中间层和输出层；BP神经网络输入层至中间层的传递函数采用S型正弦函数；中间层至输出层的传递函数采用S型对数函数；

将步骤二获得的第二测试点的坐标值、第一测试点的温度值和环境测试点的温度值作为该BP神经网络的输入值，将第二测试点的温度值作为该BP神经网络的输出值，用步骤二提取的训练样本数据对该BP神经网络进行训练，从而获得训练好的BP神经网络；

步骤四、人体温度场获取：按照步骤一确定被测人体的第一测试点、第二测试点及环境测试点；将第二测试点的坐标值和第一测试点的温度值及环境测试点的温度值输入步骤三训练好的BP神经网络，从而得到人体表面皮肤温度场分布。

进一步讲，本发明的步骤三中，对BP神经网络进行训练包括以下步骤：