技术摘要：
本发明公开了一种体温测量方法，包括：获取用户在当前环境下的的当前体征数据，利用当前体征数据和在当前体温环境下的样本体征数据确定用户的体温变化趋势；利用体温变化趋势结合目标器官模型获取体温补偿值；获取预设总时长内每隔第一固定时长用户的人体状态；利用人  全部
背景技术：
体温是重要的身体健康指标，体温测量是评价使用者健康状态的重要指标之一， 体温测量的及时性、准确性、可靠性直接影响疾病的诊断、治疗以及护理效果，特别是围术 期的体温测量，临床意义尤为重要。许多麻醉医生在围术期，往往忽略了体温的监测和低体 温的预防，从而使“低体温”的发生率较高。低体温易导致使用者苏醒延迟、抵抗力降低、伤 口愈合缓慢等不良后果。在普通临床监护和治疗中，医护人员也常常要关注某些特殊使用 者的体温随时间变化的情况。 目前的体温测量方法主要有两种，即接触式测温和非接触式测温，接触式测温例 如温度计等，非接触式测温技术主要的代表有红外测温仪等，将红外射线折射到人的皮肤 上利用人体热辐射和人体表面之间的温度关系来测量人体的温度，上述两种方法存在以下 缺点：1、如果没有与被测物体充分接触会使得检测的结果发生很大的偏差，导致出现体温 统计错误的问题，2、外界环境的温度会干扰到红外射线的检测结果，从而使检测结果和实 际结果发生较大偏差。
技术实现要素：
针对上述所显示出来的问题，本方法基于利用人体的体征数据来获得体温变化趋 势，再去除体征数据的干扰因素来测量用户实时的体温值。 一种体温测量方法，应用于可穿戴体征检测设备，包括以下步骤： 获取用户在当前环境下的的当前体征数据，利用所述当前体征数据和在所述当前 体温环境下的样本体征数据确定所述用户的体温变化趋势； 利用所述体温变化趋势结合目标器官模型获取体温补偿值； 获取预设总时长内每隔第一固定时长用户的人体状态； 利用所述人体状态结合用户的基础数据以及所述体温补偿值获取所述用户的实 时体温值，所述基础数据包括所述用户的年龄和性别。 优选的，在获取用户在当前环境下的的当前体征数据，利用所述当前体征数据和 在所述当前体温环境下的样本体征数据确定所述用户的体温变化趋势之前，所述方法还包 括： 获取所述当前环境的当前温度； 对比所述当前温度和预设正常温度，确认所述当前温度和所述预设正常温度的差 值； 根据所述差值确定体征数据的误差值，根据所述误差值来排除环境温度对所有体 征数据的影响，所述所有体征数据包括所述样本体征数据和所述当前体征数据在内。 优选的，所述获取用户在当前环境下的的当前体征数据，利用所述当前体征数据 6 CN 111588353 A 说　明　书 2/9 页 和在所述当前体温环境下的样本体征数据确定所述用户的体温变化趋势，包括： 获取所述用户在所述当前环境下当前时刻的第一体征数据； 将所述第一体征数据和误差值进行计算获得第二体征数据； 确认所述第二体征数据为所述当前体征数据； 获取在所述当前体温环境下的预设数目个样本体征数据； 建立预设折线图； 对比所述当前体征数据和所述预设数目个样本体征数据，获取第一对比结果，根 据所述第一对比结果确定所述用户的第一体温变化趋势，在所述预设折线图上显示所述第 一体温变化趋势。 优选的，所述当前体征数据包括：血压和静脉血管温度。 优选的，在利用所述体温变化趋势结合目标器官模型获取体温补偿值之前，所述 方法还包括： 获取所述用户的医学投影数据； 将所述医学投影数据进行三维重建，获得原始器官模型； 获取所述医学投影数据中各个器官的像素信息，将所述像素信息输入到所述原始 器官模型中进行训练而生成所述目标器官模型。 优选的，所述将所述医学投影数据进行三维重建，获得原始器官模型，包括： 对所述医学投影数据进行滤波和平滑预处理，所述医学投影数据用于获取器官图 像； 获取预处理之后的医学投影数据的二维图像； 对所述二维图像进行切分，获取n个切分序列； 根据所述n个切分序列建立三维坐标系； 统计所述二维图像中每个器官在所述n个切分序列中所处的当前切分序列； 利用SIFT特征匹配算法提取所述当前切分序列中相邻两个当前切分序列的特征 点，基于所述特征点确定所述每个器官的三维坐标点； 根据所述三维坐标点在所述三维坐标系中构建模型，生成所述原始器官模型。 优选的，提取所述当前切分序列的特征点还可通过如下步骤进行： A、计算当前切分序列的方向梯度； 其中，Fix为第i个当前切分序列在x方向上的梯度，Fiy为第i个当前切分序列在y方 向上的梯度，Fi为第i个当前切分序列， 为梯度运算符号，(a ,b)为x方向上的单位向量， (c,d)为y方向上的单位向量； B、确定第i个当前切分序列的加权矩阵Mi； 其中，Ai、Bi、Ci为第i个当前切分序列中(u,v)信号点邻域内的梯度均值，可表示 为： 7 CN 111588353 A 说　明　书 3/9 页 其中，σi为第i个当前切分序列的标准差； C、获得当前切分序列的特征点集； Ti＝{(u,v)|det(Mi)-α*tra(M)＜Q} 其中，Ti为第i个当前切分序列的特征点集，det(Mi)为加权矩阵Mi的行列式值，tra (Mi)为加权矩阵Mi的迹，α是参数，Q为预设阈值。 优选的，所述利用所述体温变化趋势结合目标器官模型获取体温补偿值，包括： 统计第二固定时长内所述用户的第三体征数据； 将所述第二体征数据和误差值进行计算获得第四体征数据； 将所述第四体征数据和第二样本体征数据进行对比，获取第二对比结果； 通过所述第二对比结果确定所述用户的第二体温变化趋势，将所述第二体温变化 趋势通过预设折线图进行显示； 根据所述预设折线图上的第一体温变化趋势和第二体温变化趋势确定体征数据 对人体温度的影响参数以及体征数据和人体温度之间的关系； 根据所述影响参数计算所述体温补偿值。 优选的，所述获取预设总时长内每隔第一固定时长用户的人体状态，包括： 获取所述预设总时长内每隔所述第一固定时长用户的血压(收缩压和舒张压)监 测结果； 根据所述血压(收缩压和舒张压)监测结果确定所述用户的当前血压体征状态； 当所述前血压体征状态处于预设血压体征状态范围内时，将所述当前血压体征状 态和所述用户的基础数据进行解析计算，确定血压疾病对体温的影响偏差校正值； 获取所述预设总时长内每隔所述第一固定时长用户的心率监测结果； 根据所述心率监测结果判断所述用户是否处于健康状态； 根据判断结果确定所述用户的人体状态； 所述利用所述人体状态结合所述用户的基础数据以及所述体温补偿值获取所述 用户的实时体温值，包括： 当所述人体状态处于所述健康状态时，获取所述用户的第五体征数据； 获取所述用户的基础数据； 将所述基础数据输入到预先建立的数据库中获取用户的设定温度； 根据所述第五特征数据确定所述用户的当前温度； 利用所述当前温度和所述设定温度之间的偏差来校正所述当前温度； 将校正后的当前温度与所述体温补偿值进行计算以获得所述用户的第一体温值； 8 CN 111588353 A 说　明　书 4/9 页 将所述第一体温值和所述血压疾病对体温的影响偏差校正值进行计算来获得第 二体温值； 将所述第二体温值确定为所述用户的实时体温值。 优选的，所述获取所述预设总时长内每隔所述第一固定时长用户的心率监测结 果，包括： 获取所述用户在所述预设总时长内每隔所述第一固定时长的第一心率监测结果； 根据下列公式计算所述用户的正常心率值范围； 其中，所述xn为心率值yn的数量，所述x1、x2、...为在所述预设总时长内每隔第一 固定时长的m个心率值中各个心率值的数量；所述xn-1为心率值yn-1的数量，所述80％为固定 临界值； 获取所述用户的正常心率值，所述正常心率值为在所述预设总时长内每隔第一固 定时长内的m个心率值的平均值； 判断所述第一心率监测结果是否等于所述正常心率值或者是否处于所述正常心 率值范围内； 若是，获取所述第一心率监测结果中相邻两个心率监测值的差值； 否则，获取所述用户在每个所述第一固定时长内的走路步数，根据所述走路步数 获取标准心率值，对比所述第一心率监测结果和所述标准心率值来确认所述第一心率监测 结果的正常与否； 确认所述差值是否满足预设条件，所述预设条件为确认所述差值小于预设阈值、 确认每隔所述第一固定时长内的得到的差值是唯一的以及得到所述差值的所述两个心率 监测值所在的时间点是所述第一固定时长的起始时间点和最终时间点； 统计满足所述预设条件的差值所对应的在所述第一监测结果中的心率监测值，生 成第二心率监测结果； 将所述第二心率监测结果确认为所述预设总时长内每隔所述第一固定时长用户 的心率监测结果。 本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变 得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明 书以及附图中所特别指出的结构来实现和获得。 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。 附图说明 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实 施例一起用于解释本发明，并不构成对本发明的限制，在附图中： 图1为本发明所提供的一种体温测量方法的工作流程图； 图2为本发明所提供的一种体温测量方法的方法的另一工作流程图； 图3为本发明所提供的一种体温测量方法的方法的又一工作流程图。 9 CN 111588353 A 说　明　书 5/9 页