[go: up one dir, main page]

CN111603151A - 一种基于时频联合分析的无创血液成分检测方法及系统 - Google Patents

一种基于时频联合分析的无创血液成分检测方法及系统 Download PDF

Info

Publication number
CN111603151A
CN111603151A CN202010552257.3A CN202010552257A CN111603151A CN 111603151 A CN111603151 A CN 111603151A CN 202010552257 A CN202010552257 A CN 202010552257A CN 111603151 A CN111603151 A CN 111603151A
Authority
CN
China
Prior art keywords
temperature
photoelectric
frequency
blood component
distribution data
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
Application number
CN202010552257.3A
Other languages
English (en)
Other versions
CN111603151B (zh
Inventor
董晓曦
李树鑫
阴慧娟
孙美秀
李迎新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Zhiling Shuzhi Health Technology Co.,Ltd.
Original Assignee
Institute of Biomedical Engineering of CAMS and PUMC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Biomedical Engineering of CAMS and PUMC filed Critical Institute of Biomedical Engineering of CAMS and PUMC
Priority to CN202010552257.3A priority Critical patent/CN111603151B/zh
Publication of CN111603151A publication Critical patent/CN111603151A/zh
Application granted granted Critical
Publication of CN111603151B publication Critical patent/CN111603151B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • 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
    • A61B5/02416—Measuring pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Measuring devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • 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
    • 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
    • A61B5/7235—Details of waveform analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Cardiology (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Pulmonology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Psychiatry (AREA)
  • Evolutionary Biology (AREA)
  • Optics & Photonics (AREA)
  • Discrete Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)

Abstract

本发明公开了一种基于时频联合分析的无创血液成分检测方法及系统。该基于时频联合分析的无创血液成分检测方法包括：获取被检测用户的光电脉搏波信号和各人体检测点的温度分布数据；对温度分布数据、光电脉搏波信号均进行频域分析和参数提取，得到温度频域参数、温度时域参数、光电频域参数和光电时域参数；以温度频域参数、温度时域参数、光电频域参数和光电时域参数为自变量，以目标血液成分值为因变量构建多模态多参量线性回归分析模型；由多模态多参量线性回归分析模型确定被检测用户的血液成分值。本发明能减少传统光电容积脉搏波描记法检测血液成分所带来的误差，实现对血液成分的精准检测。

Description

一种基于时频联合分析的无创血液成分检测方法及系统
技术领域
本发明涉及血液成分检测与分析领域，特别是涉及一种基于时频联合分析的无创血液成分检测方法及系统。
背景技术
血液的成分和物理化学特性的变化与人体的神经系统、消化系统、内分泌系统等有密切的联系，临床和健康体检中常通过血液检查来诊断心血管病变、消化系统、泌尿系统、内分泌系统等的疾患以及新陈代谢障碍等。因此，对血液的成分进行检测和分析具有重要意义。在患病的情况下，血液某些成分的量可以持续地偏离正常范围，经测定能在一定程度上反映体内物质代谢的情况，有助于疾病的诊断。可以在居家环境和社区健康中心使用的无创血液成分检测和分析技术是能够发现重大慢性病于疾病初始乃至亚健康阶段的“吹哨人”技术，是实现全生命周期健康的关键。
目前，市场上最常见的无创生理生化体征实时监测产品是智能健康手环。其主要生理生化监测指标为血氧饱和度、人体心率和体温变化等。然而，智能手环的主要监测原理是人体电位监测或光电容积脉搏波描记法(Photoplethysmography，PPG)。其中，人体电位监测技术难以用于血液成分检测，而光电容积脉搏波描记法则存在动作伪差、环境光及电信号干扰等外在因素、血红蛋白及其衍生物的异常、所服用的心血管活性药物和吸光性药物等内在因素的影响，从而导致血液成分检测结果偏差，因此PPG法不仅对血氧饱和度等血液指标检测准确性较差，而且受其灵敏度限制，无法对淋巴细胞比例、血清总蛋白等血液指标进行准确检测。
发明内容
基于此，有必要提供一种基于时频联合分析的无创血液成分检测方法及系统，以实现对血液成分的精准检测。
为实现上述目的，本发明提供了如下方案：
一种基于时频联合分析的无创血液成分检测方法，包括：
获取被检测用户的光电脉搏波信号和各人体检测点的温度分布数据；所述温度分布数据是通过布设在对应人体检测点的温度传感器连续采集得到的；
对所述温度分布数据进行频域分析和参数提取，得到温度频域参数和温度时域参数；所述温度频域参数为温度频率响应值；所述温度时域参数包括温度分布数据中的最大值和温度分布数据的平均值；
对所述光电脉搏波信号进行频域分析和参数提取，得到光电频域参数和光电时域参数；所述光电频域参数为光电频率响应值；所述光电时域参数包括心率信号、呼吸频率、光电脉搏波信号中的最大值和光电脉搏波信号的平均值；
以所述温度频域参数、所述温度时域参数、所述光电频域参数和所述光电时域参数为自变量，以目标血液成分值为因变量构建多模态多参量线性回归分析模型；
由所述多模态多参量线性回归分析模型确定所述被检测用户的血液成分值。
可选的，所述多模态多参量线性回归分析模型为
Figure BDA0002542985670000021
其中，y为目标血液成分值，n为温度传感器的总数，j为温度传感器的序号，t1jmax为第j个温度传感器采集到的温度分布数据中的最大值，t1jave为第j个温度传感器采集到的温度分布数据的平均值，F1j为第j个温度传感器对应的温度频率响应值，β1j1为t1jmax的系数，β1j2为t1jave的系数，β1j3为F1j的系数，rmax为光电脉搏波信号中的最大值，rave为光电脉搏波信号的平均值，F21为光电频率响应值，Rh为心率信号，Rb为呼吸频率，β211为rmax的系数，β212为rave的系数，β213为F21的系数，β22为Rh的系数，β23为Rb的系数。
可选的，所述对所述温度分布数据进行频域分析和参数提取，得到温度频域参数和温度时域参数，具体包括：
对所述温度分布数据进行快速傅里叶变换得到温度频率响应值；所述温度频率响应值为温度分布数据对应的功率谱高频含量与基频幅值的比率(信号旁瓣最高值与零频点功率谱值的比率)或温度分布数据对应的小波包第一频段信息熵；
对所述温度分布数据进行参数提取，得到温度时域参数。
可选的，所述对所述光电脉搏波信号进行频域分析和参数提取，得到光电频域参数和光电时域参数，具体包括：
对所述光电脉搏波信号进行快速傅里叶变换得到光电频率响应值；所述光电频率响应值为光电脉搏波信号对应的功率谱血压血管成分信息与基频幅值的比率(功率谱中包含血压和血管自主神经信号信息频谱段最高值与基频幅值的比率)；
对所述光电脉搏波信号进行参数提取，得到光电时域参数。
可选的，所述获取被检测用户的光电脉搏波信号和各人体检测点的温度分布数据，具体包括：
采用分别固定在可穿戴弹性服的衣领、腋窝和肚脐处的温度传感器，得到被检测用户的人体衣领检测点的温度分布数据、人体腋窝检测点的温度分布数据和人体肚脐检测点的温度分布数据；
采用腕带光电传感器，得到光电脉搏波信号。
可选的，在所述由所述多模态多参量线性回归分析模型确定所述被检测用户的血液成分值之后，还包括：
判断所述血液成分值是否处于设定(正常或健康)范围内；
若否，则报警，并由所述血液成分值确定干预方案，输出所述血液成分值和所述干预方案；
若是，则输出所述血液成分值。
本发明还提供了一种基于时频联合分析的无创血液成分检测系统，包括：可穿戴弹性服、温度传感器、光电传感器、数据传输模块和上位机；
所述温度传感器为多个；所述温度传感器设置在所述可穿戴弹性服的对应人体检测点，所述温度传感器用于采集对应人体检测点的温度分布数据；所述光电传感器设置在所述可穿戴弹性服对应的人体腕部，所述光电传感器用于采集被检测用户的光电脉搏波信号；所述温度传感器和所述光电传感器均通过所述数据传输模块与所述上位机电连接；所述上位机用于接收所述温度分布数据和所述光电脉搏波信号，并通过对接收到的数据进行频域分析和参数提取，构建多模态多参量线性回归分析模型，由所述多模态多参量线性回归分析模型确定所述被检测用户的血液成分值。
可选的，所述上位机包括：
第一频域分析和参数提取模块，用于对所述温度分布数据进行频域分析和参数提取，得到温度频域参数和温度时域参数；所述温度频域参数为温度频率响应值；所述温度时域参数包括温度分布数据中的最大值和温度分布数据的平均值；
第二频域分析和参数提取模块，用于对所述光电脉搏波信号进行频域分析和参数提取，得到光电频域参数和光电时域参数；所述光电频域参数为光电频率响应值；所述光电时域参数包括心率信号、呼吸频率、光电脉搏波信号中的最大值和光电脉搏波信号的平均值；
多模态多参量线性回归分析模型构建模块，用于以所述温度频域参数、所述温度时域参数、所述光电频域参数和所述光电时域参数为自变量，以目标血液成分值为因变量构建多模态多参量线性回归分析模型；
血液成分值确定模块，用于由所述多模态多参量线性回归分析模型确定所述被检测用户的血液成分值。
可选的，所述上位机还包括：
基本信息获取模块，用于获取被检测用户的基本信息；所述基本信息包括年龄、性别和体重；
用户交互模块，用于显示所述基本信息和所述血液成分值，当所述血液成分值处于设定范围外时发出报警信号，以及当所述血液成分值处于设定范围外时确定干预方案并显示所述干预方案。
可选的，所述数据传输模块为蓝牙或移动数据传输模块。
与现有技术相比，本发明的有益效果是：
本发明提出了一种基于时频联合分析的无创血液成分检测方法及系统。该方法能同时有效提取其与机体整体、局部的基础代谢及光电血液成分信号的功能评价、动态能力和波动程度相关的信息，使多模态多参量线性回归分析模型组成更符合人体实际情况，实现了对血液成分的精准检测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于时频联合分析的无创血液成分检测方法的流程图。
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做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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
为实现对血液成分的有效无创检测和分析评估，本实施例联合人体多点温度检测和光电容积脉搏波描记法进行检测，并采用时频联合分析技术的无创血液成分检测和分析方法。本实施例提供的基于时频联合分析的无创血液成分检测方法的大体思路如下：通过包括多点温度检测模块、腕带光电容积脉搏波检测模块、数据传输模块、可穿戴弹性服和上位机所组成的基础代谢动态检测/无线传输的穿戴系统和基于时频联合分析算法的无创血液成分检测技术实现。对基于穿戴系统所获得的温度分布和光电脉搏波信号动态变化数据进行时域和频域计算，并以所获时域和频域参数为自变量，以目标血液成分指标为因变量建立可准确检测的模型算法。该检测方法综合了基于人体基础代谢率动态变化的多点温度数据和基于光电容积脉搏波描记法的光电数据监测信息。其中，各个点的温度连续监控数据所提取的时域和频域信号能够反映该点的血液循环和代谢的基础值和动态变化情况，光电电容积脉搏波描记法可获得心搏功能、血流状态和外周微循环等信息。这两种信息的综合和交叉验证可获得更为准确的对血液成分指标的预测和评估结果。下面对本实施例的基于时频联合分析的无创血液成分检测方法进行详细介绍。
图1为本发明实施例提供的基于时频联合分析的无创血液成分检测方法的流程图。参见图1，所述基于时频联合分析的无创血液成分检测方法包括：
步骤101：获取被检测用户的光电脉搏波信号和各人体检测点的温度分布数据；所述温度分布数据是通过布设在对应人体检测点的温度传感器连续采集得到的。
步骤102：对所述温度分布数据进行频域分析和参数提取，得到温度频域参数和温度时域参数；所述温度频域参数为温度频率响应值；所述温度时域参数包括温度分布数据中的最大值和温度分布数据的平均值。
步骤103：对所述光电脉搏波信号进行频域分析和参数提取，得到光电频域参数和光电时域参数；所述光电频域参数为光电频率响应值；所述光电时域参数包括心率信号、呼吸频率、光电脉搏波信号中的最大值和光电脉搏波信号的平均值。
步骤104：以所述温度频域参数、所述温度时域参数、所述光电频域参数和所述光电时域参数为自变量，以目标血液成分值为因变量构建多模态多参量线性回归分析模型。
所述多模态多参量线性回归分析模型的基本公式为：
Figure BDA0002542985670000061
其中，m为采用的模态(动态检测方法)数，n为在指定检测方法下实施检测点的总数，则第i种检测方法，第j个检测点参与评估目标生理生化参数y的自变量有时域变化最大值Tijmax、平均值Tij2axe及频域变量Fij(采用功率谱(PSD)高频含量与基频幅值的比率RPSD、小波包第一频段信息熵FWPE或功率谱低频含量与基频幅值的比率)，βij1、βij2、βij3为对应的系数。
对应本实施例的具体检测手段，由于检测方法总数m＝2，且对光电容积脉搏波描记法可额外的提取心率信号Rh和呼吸频率Rb，则由多模态多参量线性回归分析模型的基本公式即可得到能够确定被检测用户的血液成分值的多模态多参量线性回归分析模型，具体为：
Figure BDA0002542985670000062
其中，y为目标血液成分值，n为温度传感器的总数，j为温度传感器的序号，t1jmax为第j个温度传感器采集到的温度分布数据中的最大值，t1jave为第j个温度传感器采集到的温度分布数据的平均值，F1j为第j个温度传感器对应的温度频率响应值，β1j1为t1jmax的系数，β1j2为t1jave的系数，β1j3为F1j的系数，rmax为光电脉搏波信号中的最大值，rave为光电脉搏波信号的平均值，F21为光电频率响应值，Rh为心率信号，Rb为呼吸频率，β211为rmax的系数，β212为rave的系数，β213为F21的系数，β22为Rh的系数，β23为Rb的系数。上述，β1j1、β1j2、β1j3、β211、β212、β213、β22和β23可通过对较大样本量受检测用户的数据确定。所采用的F1j选择功率谱高频含量与基频幅值的比率或小波包第一频段信息熵，所采用的F21选择功率谱低频含量与基频幅值的比率。在检测用户时，即可通过无创的方法实现其血液成分的检测。
步骤105：由所述多模态多参量线性回归分析模型确定所述被检测用户的血液成分值。
其中，步骤102，具体包括：
对所述温度分布数据进行快速傅里叶变换得到温度频率响应值；所述温度频率响应值为温度分布数据对应的功率谱高频含量与基频幅值的比率或温度分布数据对应的小波包第一频段信息熵；对所述温度分布数据进行参数提取，得到温度时域参数。
其中，步骤103，具体包括：
对所述光电脉搏波信号进行快速傅里叶变换得到光电频率响应值；对所述光电脉搏波信号进行参数提取，得到光电时域参数。其中，所述光电频率响应值为功率谱中包含血压和血管自主神经信号信息频谱段最高值与基频幅值的比率，即光电脉搏波信号对应的功率谱低频含量(通常在0.1Hz附近)与基频(0频点)幅值的比率。
其中，步骤101，具体包括：
采用分别固定在可穿戴弹性服的衣领、腋窝和肚脐处的温度传感器，得到被检测用户的人体衣领检测点的温度分布数据、人体腋窝检测点的温度分布数据和人体肚脐检测点的温度分布数据；采用腕带光电传感器，得到光电脉搏波信号。
其中，在步骤104之后，还包括：
判断所述血液成分值是否处于设定范围内；若否，则报警，并由所述血液成分值确定干预方案，输出所述血液成分值和所述干预方案；若是，则输出所述血液成分值。
本发明还提供了一种基于时频联合分析的无创血液成分检测系统，包括：可穿戴弹性服、温度传感器、光电传感器、数据传输模块和上位机。
所述温度传感器为多个；所述温度传感器设置在所述可穿戴弹性服的对应人体检测点，所述温度传感器用于采集对应人体检测点的温度分布数据；所述光电传感器设置在所述可穿戴弹性服对应的人体腕部，所述光电传感器用于采集被检测用户的光电脉搏波信号；所述温度传感器和所述光电传感器均通过所述数据传输模块与所述上位机电连接；所述上位机用于接收所述温度分布数据和所述光电脉搏波信号，并通过对接收到的数据进行频域分析和参数提取，构建多模态多参量线性回归分析模型，由所述多模态多参量线性回归分析模型确定所述被检测用户的血液成分值。
其中，所述上位机包括：
第一频域分析和参数提取模块，用于对所述温度分布数据进行频域分析和参数提取，得到温度频域参数和温度时域参数；所述温度频域参数为温度频率响应值；所述温度时域参数包括温度分布数据中的最大值和温度分布数据的平均值。
第二频域分析和参数提取模块，用于对所述光电脉搏波信号进行频域分析和参数提取，得到光电频域参数和光电时域参数；所述光电频域参数为光电频率响应值；所述光电时域参数包括心率信号、呼吸频率、光电脉搏波信号中的最大值和光电脉搏波信号的平均值。
多模态多参量线性回归分析模型构建模块，用于以所述温度频域参数、所述温度时域参数、所述光电频域参数和所述光电时域参数为自变量，以目标血液成分值为因变量构建多模态多参量线性回归分析模型。
血液成分值确定模块，用于由所述多模态多参量线性回归分析模型确定所述被检测用户的血液成分值。
作为一种可选的实施方式，所述上位机还包括：
基本信息获取模块，用于获取被检测用户的基本信息；所述基本信息包括年龄、性别和体重。
用户交互模块，用于显示所述基本信息和所述血液成分值，当所述血液成分值处于设定范围外时发出报警信号，以及当所述血液成分值处于设定范围外时确定干预方案并显示所述干预方案。
作为一种可选的实施方式，所述温度传感器为贴片式温度传感器，贴片式温度传感器通过柔性托垫固定在可穿戴弹性服的对应检测点。采用贴片式温度传感器置于柔性托垫上的方法能够确保贴合人体，柔性托垫可以利用弹性带固定在可穿戴弹性服的衣领、腋窝和肚脐处，在保证人体舒适的同时，确保在人体正常活动时检测位置不发生偏移。
作为一种可选的实施方式，所述上位机为手机或家用PC，可将由数据传输模块发送的随时间变化的温度分布数据和光电脉搏波检测数据严格对应采集时间，以时间响应数据的格式存储在上位机的定制APP或PC软件中。
定制APP或PC软件主要由用户交互图形界面、频域分析和参数提取器、多模态多参量线性回归分析模型所组成。用户交互图形界面分别针对数据管理者和被检测用户设计数据输入输出接口与用户交互端口。对于数据管理者，用户交互图形界面显示被检测用户的基本信息如年龄、性别、体重等，并在检测分析出血液成分极度异常时提出报警，方便数据管理者关注相关异常情况。对于被检测用户，用户交互图形界面显示健康评估结果，并在血液成分有异常时提示其进行运动、饮食调整等干预手段。
作为一种可选的实施方式，所述数据传输模块可采用蓝牙无线传输方式或串口传输方式。
作为一种可选的实施方式，所述数据传输模块可采用置于无线传输的穿戴系统内的手机芯片，物联网芯片直接上传至云平台。
作为一种可选的实施方式，所述多模态多参量线性回归分析模型构建模块中的多模态多参量线性回归分析模型的基本公式为：
Figure BDA0002542985670000091
其中，m为采用的模态(动态检测方法)数，n为在指定检测方法下实施检测点的总数，则第i种检测方法，第j个检测点参与评估目标生理生化参数y的自变量有时域变化最大值Tijmax、平均值Tij2axe及频域变量Fij(采用功率谱(PSD)高频含量与基频幅值的比率RPSD、小波包第一频段信息熵FWPE或功率谱低频含量与基频幅值的比率)，βij1、βij2、βij3为对应的系数。
对应本实施例的具体检测手段，由于检测方法总数m＝2，且对光电容积脉搏波描记法可额外的提取心率信号Rh和呼吸频率Rb，则频域分析和参数提取器主要将采集到的第j个温度传感器的时间响应数据进行快速傅里叶变换获得频域响应值F1j(F1j可为功率谱(PSD)高频含量比率R1jPSD或小波包第一频段信息熵FWPE1j)。同时，频域分析和参数提取器还计算出第j个温度传感器的时间响应数据t1j的最大值t1jmax和平均值t1jave。对于光电传感器所获数据，由于光电传感器数量为1，则有：提取光电传感器所获频域响应值F21(F21可为功率谱低频含量与基频幅值的比率)。同时，频域分析和参数提取器还计算出光电传感器所获时间响应数据r的最大值rmax和平均值rave。上述参数被导入到基本的多模态多参量线性回归分析模型中，对应的确定被检测用户的血液成分值的多模态多参量线性回归分析模型的公式为：
Figure BDA0002542985670000101
其中，y为目标血液成分值，n为温度传感器的总数，j为温度传感器的序号，t1jmax为第j个温度传感器采集到的温度分布数据中的最大值，t1jave为第j个温度传感器采集到的温度分布数据的平均值，F1j为第j个温度传感器对应的温度频率响应值，β1j1为t1jmax的系数，β1j2为t1jave的系数，β1j3为F1j的系数，rmax为光电脉搏波信号中的最大值，rave为光电脉搏波信号的平均值，F21为光电频率响应值，Rh为心率信号，Rb为呼吸频率，β211为rmax的系数，β212为rave的系数，β213为F21的系数，β22为Rh的系数，β23为Rb的系数。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于时频联合分析的无创血液成分检测方法，其特征在于，包括：
获取被检测用户的光电脉搏波信号和各人体检测点的温度分布数据；所述温度分布数据是通过布设在对应人体检测点的温度传感器连续采集得到的；
对所述温度分布数据进行频域分析和参数提取，得到温度频域参数和温度时域参数；所述温度频域参数为温度频率响应值；所述温度时域参数包括温度分布数据中的最大值和温度分布数据的平均值；
对所述光电脉搏波信号进行频域分析和参数提取，得到光电频域参数和光电时域参数；所述光电频域参数为光电频率响应值；所述光电时域参数包括心率信号、呼吸频率、光电脉搏波信号中的最大值和光电脉搏波信号的平均值；
以所述温度频域参数、所述温度时域参数、所述光电频域参数和所述光电时域参数为自变量，以目标血液成分值为因变量构建多模态多参量线性回归分析模型；
由所述多模态多参量线性回归分析模型确定所述被检测用户的血液成分值。
2.根据权利要求1所述的一种基于时频联合分析的无创血液成分检测方法，其特征在于，所述多模态多参量线性回归分析模型为
Figure FDA0002542985660000011
其中，y为目标血液成分值，n为温度传感器的总数，j为温度传感器的序号，t1jmax为第j个温度传感器采集到的温度分布数据中的最大值，t1jave为第j个温度传感器采集到的温度分布数据的平均值，F1j为第j个温度传感器对应的温度频率响应值，β1j1为t1jmax的系数，β1j2为t1jave的系数，β1j3为F1j的系数，rmax为光电脉搏波信号中的最大值，rave为光电脉搏波信号的平均值，F21为光电频率响应值，Rh为心率信号，Rb为呼吸频率，β211为rmax的系数，β212为rave的系数，β213为F21的系数，β22为Rh的系数，β23为Rb的系数。
3.根据权利要求1所述的一种基于时频联合分析的无创血液成分检测方法，其特征在于，所述对所述温度分布数据进行频域分析和参数提取，得到温度频域参数和温度时域参数，具体包括：
对所述温度分布数据进行快速傅里叶变换得到温度频率响应值；所述温度频率响应值为温度分布数据对应的功率谱高频含量与基频幅值的比率或温度分布数据对应的小波包第一频段信息熵；
对所述温度分布数据进行参数提取，得到温度时域参数。
4.根据权利要求1所述的一种基于时频联合分析的无创血液成分检测方法，其特征在于，所述对所述光电脉搏波信号进行频域分析和参数提取，得到光电频域参数和光电时域参数，具体包括：
对所述光电脉搏波信号进行快速傅里叶变换得到光电频率响应值；所述光电频率响应值为光电脉搏波信号对应的功率谱低频含量与基频幅值的比率；
对所述光电脉搏波信号进行参数提取，得到光电时域参数。
5.根据权利要求1所述的一种基于时频联合分析的无创血液成分检测方法，其特征在于，所述获取被检测用户的光电脉搏波信号和各人体检测点的温度分布数据，具体包括：
采用分别固定在可穿戴弹性服的衣领、腋窝和肚脐处的温度传感器，得到被检测用户的人体衣领检测点的温度分布数据、人体腋窝检测点的温度分布数据和人体肚脐检测点的温度分布数据；
采用腕带光电传感器，得到光电脉搏波信号。
6.根据权利要求1所述的一种基于时频联合分析的无创血液成分检测方法，其特征在于，在所述由所述多模态多参量线性回归分析模型确定所述被检测用户的血液成分值之后，还包括：
判断所述血液成分值是否处于设定范围内；
若否，则报警，并由所述血液成分值确定干预方案，输出所述血液成分值和所述干预方案；
若是，则输出所述血液成分值。
7.一种基于时频联合分析的无创血液成分检测系统，其特征在于，包括：可穿戴弹性服、温度传感器、光电传感器、数据传输模块和上位机；
所述温度传感器为多个；所述温度传感器设置在所述可穿戴弹性服的对应人体检测点，所述温度传感器用于采集对应人体检测点的温度分布数据；所述光电传感器设置在所述可穿戴弹性服对应的人体腕部，所述光电传感器用于采集被检测用户的光电脉搏波信号；所述温度传感器和所述光电传感器均通过所述数据传输模块与所述上位机电连接；所述上位机用于接收所述温度分布数据和所述光电脉搏波信号，并通过对接收到的数据进行频域分析和参数提取，构建多模态多参量线性回归分析模型，由所述多模态多参量线性回归分析模型确定所述被检测用户的血液成分值。
8.根据权利要求7所述的一种基于时频联合分析的无创血液成分检测系统，其特征在于，所述上位机包括：
第一频域分析和参数提取模块，用于对所述温度分布数据进行频域分析和参数提取，得到温度频域参数和温度时域参数；所述温度频域参数为温度频率响应值；所述温度时域参数包括温度分布数据中的最大值和温度分布数据的平均值；
第二频域分析和参数提取模块，用于对所述光电脉搏波信号进行频域分析和参数提取，得到光电频域参数和光电时域参数；所述光电频域参数为光电频率响应值；所述光电时域参数包括心率信号、呼吸频率、光电脉搏波信号中的最大值和光电脉搏波信号的平均值；
多模态多参量线性回归分析模型构建模块，用于以所述温度频域参数、所述温度时域参数、所述光电频域参数和所述光电时域参数为自变量，以目标血液成分值为因变量构建多模态多参量线性回归分析模型；
血液成分值确定模块，用于由所述多模态多参量线性回归分析模型确定所述被检测用户的血液成分值。
9.根据权利要求7所述的一种基于时频联合分析的无创血液成分检测系统，其特征在于，所述上位机还包括：
基本信息获取模块，用于获取被检测用户的基本信息；所述基本信息包括年龄、性别和体重；
用户交互模块，用于显示所述基本信息和所述血液成分值，当所述血液成分值处于设定范围外时发出报警信号，以及当所述血液成分值处于设定范围外时确定干预方案并显示所述干预方案。
10.根据权利要求7所述的一种基于时频联合分析的无创血液成分检测系统，其特征在于，所述数据传输模块为蓝牙或移动数据传输模块。
CN202010552257.3A 2020-06-17 2020-06-17 一种基于时频联合分析的无创血液成分检测方法及系统 Active CN111603151B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010552257.3A CN111603151B (zh) 2020-06-17 2020-06-17 一种基于时频联合分析的无创血液成分检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010552257.3A CN111603151B (zh) 2020-06-17 2020-06-17 一种基于时频联合分析的无创血液成分检测方法及系统

Publications (2)

Publication Number Publication Date
CN111603151A true CN111603151A (zh) 2020-09-01
CN111603151B CN111603151B (zh) 2023-05-16

Family

ID=72197131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010552257.3A Active CN111603151B (zh) 2020-06-17 2020-06-17 一种基于时频联合分析的无创血液成分检测方法及系统

Country Status (1)

Country Link
CN (1) CN111603151B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113925501A (zh) * 2021-10-12 2022-01-14 云士康（深圳）智能科技有限公司 无创血液分析方法
CN114943249A (zh) * 2022-05-13 2022-08-26 福州九候生医科技有限公司 血液成分检测方法及相关设备

Citations (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000271105A (ja) * 1999-03-23 2000-10-03 Sysmex Corp 無侵襲血液分析装置
WO2003079900A1 (en) * 2002-03-25 2003-10-02 Ken-Ichi Yamakoshi Noninvasive blood component value measuring instrument and method
US20030212316A1 (en) * 2002-05-10 2003-11-13 Leiden Jeffrey M. Method and apparatus for determining blood parameters and vital signs of a patient
EP1437087A1 (en) * 2003-01-07 2004-07-14 Samsung Electronics Co., Ltd. Method of removing abnormal data and blood component spectroscopy analysis system employing the same
WO2006010310A1 (en) * 2004-07-27 2006-02-02 Tian Jin University Apparatus and method for non-invasive monitoring of blood components using pulsewave impedance spectra
US20100191472A1 (en) * 2009-01-29 2010-07-29 Abbott Diabetes Care, Inc. Method and Device for Early Signal Attenuation Using Blood Glucose Measurements
JP2010200911A (ja) * 2009-03-02 2010-09-16 Yu Sys Corp 血液成分計測装置
US20100261977A1 (en) * 2007-10-03 2010-10-14 Seely Andrew J E Method and Apparatus for Monitoring Physiological Parameter Variability Over Time for One or More Organs
US20110098933A1 (en) * 2009-10-26 2011-04-28 Nellcor Puritan Bennett Ireland Systems And Methods For Processing Oximetry Signals Using Least Median Squares Techniques
US20120190948A1 (en) * 2009-09-03 2012-07-26 Csem Sa Monitoring device and method for estimating blood constituent concentration for tissues with low perfusion
US20130023776A1 (en) * 2009-12-28 2013-01-24 Gambro Lundia Ab Monitoring a property of the cardiovascular system of a subject
US20140114151A1 (en) * 2012-10-19 2014-04-24 Convergence Biometrics, LLC Noninvasive blood measurement platform
CN103868870A (zh) * 2014-03-31 2014-06-18 中国医学科学院生物医学工程研究所 一种结合吸收光谱与反射光谱的血液成分分析系统及其分析方法
CN104224196A (zh) * 2014-09-24 2014-12-24 天津大学 无创测量血液成分浓度的方法
US20150018632A1 (en) * 2012-09-14 2015-01-15 Mohammad Khair System and Method For Monitoring Cardiac Blood Flow Balance Between The Right and Left Heart Chambers
US20150099953A1 (en) * 2013-10-08 2015-04-09 Covidien Lp Methods and systems for triggering physiological measurements
CN104921736A (zh) * 2015-06-08 2015-09-23 浙江大学 一种包含参数估计功能滤波模块的连续血糖监测设备
CN106163390A (zh) * 2014-03-31 2016-11-23 皇家飞利浦有限公司 用于确定对象的生命体征的设备、系统和方法
CN107045637A (zh) * 2016-12-16 2017-08-15 中国医学科学院生物医学工程研究所 一种基于光谱的血液物种识别仪及识别方法
US20180132736A1 (en) * 2007-03-30 2018-05-17 David G. Silverman Method and system enabling photoplethysmograph measurement of volume status
WO2018145377A1 (zh) * 2017-02-07 2018-08-16 华为技术有限公司 用户身份识别的方法、装置和系统
WO2018211519A1 (en) * 2017-05-19 2018-11-22 American Megatrends India Private Limited Wireless portable vitals and fitness tracker
JP2019095398A (ja) * 2017-11-28 2019-06-20 日本電信電話株式会社 成分濃度測定方法及び成分濃度測定装置
CN110141249A (zh) * 2019-06-18 2019-08-20 张远 基于ppg信号的无创血糖监测方法、系统、设备及介质
US20190282179A1 (en) * 2016-09-24 2019-09-19 Sanmina Corporation System and method of a biosensor for detection of microvascular responses
DE102019104798A1 (de) * 2018-03-27 2019-10-02 Samsung Electronics Co., Ltd. Vorrichtung und verfahren zur passiven arrhythmiedetektion auf der basis von photoplethysmogramm (ppg)-intervallen zwischen den schlägen und morphologie
JP2019198547A (ja) * 2018-05-18 2019-11-21 興和株式会社 血液成分測定方法、血液成分測定装置、および血液成分測定プログラム
CN110974197A (zh) * 2019-12-13 2020-04-10 中国人民解放军63919部队 一种无创血液动力学多参数测量装置

Patent Citations (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000271105A (ja) * 1999-03-23 2000-10-03 Sysmex Corp 無侵襲血液分析装置
WO2003079900A1 (en) * 2002-03-25 2003-10-02 Ken-Ichi Yamakoshi Noninvasive blood component value measuring instrument and method
US20030212316A1 (en) * 2002-05-10 2003-11-13 Leiden Jeffrey M. Method and apparatus for determining blood parameters and vital signs of a patient
EP1437087A1 (en) * 2003-01-07 2004-07-14 Samsung Electronics Co., Ltd. Method of removing abnormal data and blood component spectroscopy analysis system employing the same
WO2006010310A1 (en) * 2004-07-27 2006-02-02 Tian Jin University Apparatus and method for non-invasive monitoring of blood components using pulsewave impedance spectra
US20180132736A1 (en) * 2007-03-30 2018-05-17 David G. Silverman Method and system enabling photoplethysmograph measurement of volume status
US20100261977A1 (en) * 2007-10-03 2010-10-14 Seely Andrew J E Method and Apparatus for Monitoring Physiological Parameter Variability Over Time for One or More Organs
US20100191472A1 (en) * 2009-01-29 2010-07-29 Abbott Diabetes Care, Inc. Method and Device for Early Signal Attenuation Using Blood Glucose Measurements
JP2010200911A (ja) * 2009-03-02 2010-09-16 Yu Sys Corp 血液成分計測装置
US20120190948A1 (en) * 2009-09-03 2012-07-26 Csem Sa Monitoring device and method for estimating blood constituent concentration for tissues with low perfusion
US20110098933A1 (en) * 2009-10-26 2011-04-28 Nellcor Puritan Bennett Ireland Systems And Methods For Processing Oximetry Signals Using Least Median Squares Techniques
US20130023776A1 (en) * 2009-12-28 2013-01-24 Gambro Lundia Ab Monitoring a property of the cardiovascular system of a subject
US20150018632A1 (en) * 2012-09-14 2015-01-15 Mohammad Khair System and Method For Monitoring Cardiac Blood Flow Balance Between The Right and Left Heart Chambers
US20140114151A1 (en) * 2012-10-19 2014-04-24 Convergence Biometrics, LLC Noninvasive blood measurement platform
US20150099953A1 (en) * 2013-10-08 2015-04-09 Covidien Lp Methods and systems for triggering physiological measurements
CN103868870A (zh) * 2014-03-31 2014-06-18 中国医学科学院生物医学工程研究所 一种结合吸收光谱与反射光谱的血液成分分析系统及其分析方法
CN106163390A (zh) * 2014-03-31 2016-11-23 皇家飞利浦有限公司 用于确定对象的生命体征的设备、系统和方法
CN104224196A (zh) * 2014-09-24 2014-12-24 天津大学 无创测量血液成分浓度的方法
CN104921736A (zh) * 2015-06-08 2015-09-23 浙江大学 一种包含参数估计功能滤波模块的连续血糖监测设备
US20190282179A1 (en) * 2016-09-24 2019-09-19 Sanmina Corporation System and method of a biosensor for detection of microvascular responses
CN107045637A (zh) * 2016-12-16 2017-08-15 中国医学科学院生物医学工程研究所 一种基于光谱的血液物种识别仪及识别方法
WO2018145377A1 (zh) * 2017-02-07 2018-08-16 华为技术有限公司 用户身份识别的方法、装置和系统
WO2018211519A1 (en) * 2017-05-19 2018-11-22 American Megatrends India Private Limited Wireless portable vitals and fitness tracker
JP2019095398A (ja) * 2017-11-28 2019-06-20 日本電信電話株式会社 成分濃度測定方法及び成分濃度測定装置
DE102019104798A1 (de) * 2018-03-27 2019-10-02 Samsung Electronics Co., Ltd. Vorrichtung und verfahren zur passiven arrhythmiedetektion auf der basis von photoplethysmogramm (ppg)-intervallen zwischen den schlägen und morphologie
JP2019198547A (ja) * 2018-05-18 2019-11-21 興和株式会社 血液成分測定方法、血液成分測定装置、および血液成分測定プログラム
CN110141249A (zh) * 2019-06-18 2019-08-20 张远 基于ppg信号的无创血糖监测方法、系统、设备及介质
CN110974197A (zh) * 2019-12-13 2020-04-10 中国人民解放军63919部队 一种无创血液动力学多参数测量装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘瑾;蔡子晋;张紫杨;孙迪;王文;: "光电容积脉搏波无创测量人体血液成分的评估", 光学精密工程 *
李晓霞: "人体血液成分无创检测的动态光谱理论分析及实验研究", 《中国博士学位论文全文数据库（医药卫生科技辑）》 *
李钢: "时域与频域相结合对动态光谱数据筛选方法的研究", 《中国优秀硕士学位论文全文数据库（医药卫生科技辑）》 *
贺文钦;严文娟;贺国权;杨增宝;谭勇;李刚;林凌;: "无创血液成分检测中基于VIP分析的波长筛选", 光谱学与光谱分析 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113925501A (zh) * 2021-10-12 2022-01-14 云士康（深圳）智能科技有限公司 无创血液分析方法
CN113925501B (zh) * 2021-10-12 2023-09-19 云士康（深圳）智能科技有限公司 无创血液分析方法
CN114943249A (zh) * 2022-05-13 2022-08-26 福州九候生医科技有限公司 血液成分检测方法及相关设备
CN114943249B (zh) * 2022-05-13 2024-12-03 福州九候生医科技有限公司 血液成分检测方法及相关设备

Also Published As

Publication number Publication date
CN111603151B (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
Sel et al. Continuous cuffless blood pressure monitoring with a wearable ring bioimpedance device
Ibrahim et al. Cuffless blood pressure monitoring from a wristband with calibration-free algorithms for sensing location based on bio-impedance sensor array and autoencoder
CN104873186B (zh) 一种可穿戴的动脉检测装置及其数据处理方法
CN115299899B (zh) 基于多传感器的活动识别与逐搏血压监测分析预警系统
Shirmohammadi et al. Instrumentation and measurement in medical, biomedical, and healthcare systems
CN111084618A (zh) 一种可穿戴式多功能呼吸循环检测系统及方法
CN111588384B (zh) 获得血糖检测结果的方法、装置及设备
Chen et al. Machine learning method for continuous noninvasive blood pressure detection based on random forest
US20230233152A1 (en) Methods, apparatus and systems for adaptable presentation of sensor data
CN107847158A (zh) 用于生理参数监测的系统和方法
WO2019127623A1 (zh) 动脉血管年龄估算模型构建方法和装置
AU2016201728B2 (en) A system and method for determining psychological stress of a person
CN108186000A (zh) 基于心冲击信号与光电信号的实时血压监测系统及方法
CN102462494A (zh) 一种新型智能心电测试保健器
CN115251866A (zh) 一种采用毫米波雷达的连续血压检测方法、检测系统及可穿戴装置
Phan et al. Noninvasive, wearable multi biosensors for continuous, long-term monitoring of blood pressure via internet of things applications
Ngoc-Thang et al. A dynamic reconfigurable wearable device to acquire high quality PPG signal and robust heart rate estimate based on deep learning algorithm for smart healthcare system
CN116250820A (zh) 基于耳穴的生物电测健康预警系统及其预警方法
CN116392091A (zh) 基于单通道指端ppg的连续动脉血压波形检测系统及设备
CN111603151B (zh) 一种基于时频联合分析的无创血液成分检测方法及系统
WO2023214957A1 (en) Machine learning models for estimating physiological biomarkers
CN201894645U (zh) 一种新型智能心电测试保健器
Moradkhani et al. A portable medical device for detecting diseases using Probabilistic Neural Network
Revathi et al. IoT based pulse oximeter for remote health assessment: design, challenges and futuristic scope
Randazzo et al. PulsECG-A Cuffless Non-Invasive Blood Pressure Monitoring Device through Neural Network Analysis of ECG and PPG signals

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210723

Address after: 518000 d432, 4th floor, Datang times commercial complex building, No. 2203, Meilong Avenue, Qinghua community, Longhua street, Longhua District, Shenzhen, Guangdong

Applicant after: Shenzhen Zhiling artificial intelligence Health Technology Co.,Ltd.

Address before: 300192, 236 Bai Causeway Road, Tianjin, Nankai District

Applicant before: CHINESE ACADEMY OF MEDICAL SCIENCES INSTITUTE OF BIOMEDICAL ENGINEERING

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20250508

Address after: Unit 17, Room N212, Experimental Building, Tianjin International Biomedical Joint Research Institute, No. 220 Dongting Road, Tianjin Economic and Technological Development Zone, Binhai New Area, Tianjin 300450, China

Patentee after: Tianjin Zhiling Shuzhi Health Technology Co.,Ltd.

Country or region after: China

Address before: 518000 d432, 4th floor, Datang times commercial complex building, No. 2203, Meilong Avenue, Qinghua community, Longhua street, Longhua District, Shenzhen, Guangdong

Patentee before: Shenzhen Zhiling artificial intelligence Health Technology Co.,Ltd.

Country or region before: China