[发明专利]一种用于心肺复苏急救的触觉感知培训方法

权利要求书

1.一种用于心肺复苏急救的触觉感知培训方法，其特征在于，包括以下步骤：

步骤1、设计类皮肤模具，贴合心肺复苏所用的对象；

步骤2、制作传感器用于检测按压力度、频率和速度信息；

步骤3、设置激活函数以获取按压信息，实现将按压的力度、频率和位置信息实时显示于Arduino，并将每一个点的数据包括未激活的点，输出到Excel表格中或者直接输出至系统用于下一步的数据分析；

所述激活函数如下：

根据按压的位置和按压的力度对每个点的输出数据设置了激活函数，当该点所接收到的按压压力值的大小高于一定的数值时，才能被激活，只有被激活的点才能输出压力值，而其余点输出值全部为0；

步骤4、记录下多位医者的标准心肺复苏按压数据，将数据做适当处理后做为参考和比较的标准，设置标准值的阈值范围，通过设计一定的算法来判断心肺复苏的合理性做为标准按压的一种参考和指标；

步骤4所述数据处理过程如下：

对于10*12所得的120个网格点，每个点对应输出相应的压力值，该压力值在未被激活即未被按压时为0，在激活时为按压的压力值，120个点阵的压力值会随着时间的变化而进行变化，将120维的数据输入至Excel或matlab后，通过PCA算法将120个点阵构成的数据进行降维，将降维后的主成分与时间t拟合随时间变化的函数图像，用于判别按压的力度以及频率是否合格，同时，对于按压的位置，通过设置动态热力图来判别按压位置的正确与否，并能将按压过程进行直观展现；

其中，降维的具体步骤如下：

以10*12的网格数据为例，得到120维的指标数据，每一行的样本为每一个采样时间下120个点的压力数据，将其用矩阵形式表示为：

需要将这120维度的数据进行降维，需要将从未被激活的点在降维之前直接删除，对剩余的点再进行降维，在一次按压之中，被激活的点往往只有个位数，每个指标即每个点都是相同属性相同单位且在数值上相差不大的数据，因此在降维之后剩下一个主成分，即找出这样的线性变换：

W'＝a₀W_(0,0)+a₁W_(0,1)+...+a₁₁₉W_(9,11)，其中未被激活的点之前的系数为0其中将其做为最终的指标用于曲线拟合；

步骤5、根据步骤4的算法，对于培训者的按压数据进行处理，设计一定的算法来判断按压的力度、位置、频率等值，来判断不合格者所存在的缺陷，并在相应的用户界面显示是否合格以及仍需改进之处。

2.根据权利要求1所述的一种用于心肺复苏急救的触觉感知培训方法，其特征在于，步骤1所述模具需要在假人身上设计，模具需要覆盖所需按压位置，并适当延申用于按压位置准确与否的判断，模具应与步骤2传感器的设计相匹配。

3.根据权利要求1所述的一种用于心肺复苏急救的触觉感知培训方法，其特征在于，步骤2所述传感器如下：

对于传感器要求：传感器由硅胶浇筑于模具上形成，在尽可能的薄的同时能够贴合人体皮肤而不使导线外漏。

4.根据权利要求3所述的一种用于心肺复苏急救的触觉感知培训方法，其特征在于，步骤2所述传感器如下：

对于传感器制作步骤：用硅胶浅浅的在模具上铺上一层后，在纵向铺下约12条导线，之后在横向铺下约10条导线，最后再在模具上铺上一层硅胶，形成一层类皮肤的传感器，当两个电极导线交叉时，在交叉点处形成电容，通过触摸和按压方式改变电容大小，从而检测按压的力度和位置信息。

5.根据权利要求3所述的一种用于心肺复苏急救的触觉感知培训方法，其特征在于，步骤5所述算法如下：

在完成PCA降维后，选择使用傅里叶级数来拟合按压曲线，即：

通过判断按压数据在8阶及以下傅里叶级数拟合所得相关系数R方的大小来对救援者按压波动的变化是否能大体合格进行判断：倘若R方小于0.8，说明按压时幅度偏差过大，属于不合格按压；倘若R方大于0.8，则再进行后续的按压力度和按压频率的判断，之后通过判断按压的最大值与标准按压的绝对值之差是否在7以内，即观察波峰的峰值之差，同时判断按压的频率是否在1分钟100～120以内，即观察拟合曲线的波动次数，在收集数据的时间t秒内，假设波峰的数量是n个，则按压的频率f可表示为：即判断f是否在区间[1.67,2]之间；

倘若有其中一项不满足，则属于不合格按压；最后，通过热力图判断按压位置是否正确，倘若正确，才可说明这是一次符合指标的合格按压。