医疗级高精度温度传感器的数据校准方法、装置、设备及介质与流程

本发明涉及温度传感器，特别涉及一种医疗级高精度温度传感器的数据校准方法、装置、设备及介质。

背景技术：

1、在医疗环境中，精确的温度测量对于确保患者安全和治疗效果至关重要。随着现代医疗技术的进步，对温度敏感的治疗方法，如热疗、冷冻疗法以及各种体外诊断程序等，都依赖于高精度的温度传感器来提供可靠的数据支持。然而，由于制造工艺差异、使用环境变化以及长时间使用导致的老化等问题，温度传感器可能会出现不同程度的误差，这对医疗操作的有效性和安全性构成了潜在威胁。因此，开发一种可靠的校准方法以确保温度传感器在整个使用寿命期间保持其准确度，成为了医学工程领域的一项重要任务。

2、现有的温度传感器校准方法通常依赖于静态或半静态条件下的标准参照对比，这种方法虽然能够在一定程度上保证校准的准确性，但难以适应实际应用中复杂的动态环境变化。例如，在手术室或重症监护病房（icu）这样的医疗场景中，温度传感器需要应对快速变化的温度条件，并且要能准确反映微小的温度波动。传统的校准技术往往忽略了这些动态因素的影响，导致校准后的传感器在实际使用中可能仍然存在较大的偏差。此外，传统方法多为手动操作，不仅耗时费力，而且容易引入人为误差，降低了校准结果的一致性和可靠性。

3、对上述问题，本研究提出了一种基于动态时间规整算法和温度偏移检测算法的医疗级高精度温度传感器数据校准方法。该方法通过同步采集待校准传感器与已知精度的目标传感器的数据，并利用先进的算法进行数据分析和处理，可以有效识别并校正传感器响应中的非线性及时间延迟等问题，提高传感器在动态环境下的测量精度。同时，借助自动化校准模型实现传感器响应特性的精确分析，进一步优化了校准流程，减少了人工干预，增强了校准结果的稳定性和可重复性，从而为医疗领域的温度监测提供了更加可靠的技术保障。

技术实现思路

1、本发明的主要目的为提供一种医疗级高精度温度传感器的数据校准方法、装置、设备及介质，解决了由于制造工艺差异、使用环境变化以及长时间使用导致的老化等问题，温度传感器会出现不同程度的误差的技术问题。

2、为实现上述目的，本发明提供了一种医疗级高精度温度传感器的数据校准方法，包括以下步骤：

3、通过预设的待校准温度传感器与目标传感器分别对指定医疗区域进行温度采集，得到对应第一采集温度集及第二采集温度集；

4、对所述第一采集温度集进行预处理，得到预处理温度数据集；

5、基于所述预处理温度数据集及所述第二采集温度集进行曲线绘制，得到第一温度曲线及第二温度曲线；

6、利用预设的动态时间规整算法，将所述第一温度曲线及所述第二温度曲线进行时间对齐，并通过预设的温度偏移检测算法识别出第一温度曲线与第二温度曲线之间的偏移点，并在所述第一温度曲线上进行偏移点标注，得到标注后的温度曲线；

7、通过预设的温度传感器校准模型，基于所述标注后的温度曲线对所述待校准温度传感器进行响应分析，得到传感器响应特性参数；

8、基于所述传感器响应特性参数校准所述待校准温度传感器。

9、进一步的，所述通过预设的待校准温度传感器与目标传感器分别对指定医疗区域进行温度采集，得到对应第一采集温度集及第二采集温度集，包括：

10、通过预设的voronoi图算法对所述指定医疗区域进行空间划分，得到多个划分子区域；

11、将所述待校准温度传感器和所述目标传感器分别部署在各个所述划分子区域的中心坐标处，得到部署后的传感器；其中，所述部署后的传感器包括部署后的待校准温度传感器和部署后的目标传感器；

12、利用预设网络时间协议对所述部署后的传感器进行时间同步，得到统一设定的时间基准；

13、基于所述时间基准，同步启动所有所述部署后的传感器进行温度数据采集，得到时间同步的温度数据流；

14、通过多通道数据采集系统，按照时间戳顺序将各个所述部署后的传感器采集的温度数据流构建成温度矩阵，得到第一温度矩阵和第二温度矩阵，其中，所述第一温度矩阵对应待校准温度传感器，所述第二温度矩阵对应目标传感器，所述第一温度矩阵包括第一温度矩阵行、第一温度矩阵列及第一温度矩阵元素，所述第一温度矩阵行代表时间序列，所述第一温度矩阵列代表各个所述划分子区域的中心坐标，所述第一温度矩阵元素代表待校准温度传感器的温度值，所述第二温度矩阵包括第二温度矩阵行、第二温度矩阵列及第二温度矩阵元素，所述第二温度矩阵行代表时间序列，所述第二温度矩阵列代表各个所述划分子区域的中心坐标，所述第二温度矩阵元素代表目标传感器的温度值；

15、分别从第一温度矩阵和第二温度矩阵中提取指定时间段及统一所述划分子区域内的温度数据，得到对应第一采集温度集和第二采集温度集。

16、进一步的，所述对所述第一采集温度集进行预处理，得到预处理温度数据集，包括：

17、通过预设的butterworth带通滤波器对所述第一采集温度集进行信号降噪处理，得到滤波后温度数据集；

18、基于小波包分解算法对所述滤波后温度数据集进行多尺度分解，得到多尺度分解温度数据；

19、通过预设的局部离群因子算法，识别和检测所述多尺度分解温度数据内是否存在异常值，若存在，则剔除所述多尺度分解温度数据内的异常值，得到剔除后温度数据集；其中，所述异常值是偏离正常范围的温度值；

20、采用三次样条插值算法，插值补充剔除后温度数据集中缺失温度数据，得到插值补充温度数据集；

21、对所述插值补充温度数据集进行数据平滑处理，得到预处理温度数据集。

22、进一步的，所述利用预设的动态时间规整算法，将所述第一温度曲线及所述第二温度曲线进行时间对齐，并通过预设的温度偏移检测算法识别出第一温度曲线与第二温度曲线之间的偏移点，并在所述第一温度曲线上进行偏移点标注，得到标注后的温度曲线，包括：

23、通过预设的高斯过程回归技术分别对所述第一温度曲线及所述第二温度曲线进行曲线拟合，得到对应第一温度曲线函数及第二温度曲线函数；

24、基于动态时间规整算法，分别对所述第一温度曲线函数及所述第二温度曲线函数进行时间序列匹配，得到时间规整路径矩阵；其中，所述时间规整路径矩阵包括时间规整路径行、时间规整路径列及时间规整路径元素，所述时间规整路径的行代表第一温度曲线函数的时间点、时间规整路径的列代表第二温度曲线函数的时间点，及时间规整路径的元素代表统一时间下，待校准温度传感器与目标传感器的测量温度；

25、从时间规整路径矩阵提取对角线上的矩阵温度值，得到第一温度序列和第二温度序列；

26、计算所述第一温度序列和所述第二温度序列的差值，得到温度差值序列；

27、根据预设的温度偏移检测算法对所述温度差值序列进行滑动窗口处理，得到滑动窗口内的温度差值均值序列；

28、对所述温度差值均值序列进行偏移点检测，得到偏移点索引集合；

29、根据所述偏移点索引集合，在所述第一温度曲线上进行偏移点标注，得到标注后的温度曲线。

30、进一步的，所述从时间规整路径矩阵提取对角线上的矩阵温度值，得到第一温度序列和第二温度序列，包括：

31、基于动态时间规整算法，识别时间规整路径矩阵的主对角线元素，以得到主对角线元素集合；

32、从所述主对角线元素集合中提取第一温度曲线的对应温度值，构成第一温度序列；其中，第一温度序列反映了第一温度曲线在时间对齐后的温度变化趋势；

33、从所述主对角线元素集合中提取第二温度曲线的对应温度值，构成第二温度序列；其中，第二温度序列反映了第二温度曲线在时间对齐后的温度变化趋势。

34、进一步的，所述传感器响应特性参数包括温度测量灵敏度系数及温度漂移补偿因子，所述通过预设的温度传感器校准模型，基于所述标注后的温度曲线对所述待校准温度传感器进行响应分析，得到传感器响应特性参数包括：

35、获取待校准温度传感器的元器件拓扑图；其中，所述元器件拓扑图描述用于待校准温度传感器内部各元器件的连接关系和物理位置；

36、对标注后的温度曲线进行多尺度特征提取，得到多尺度温度特征；其中，所述多尺度温度特征包括温度最大值、温度最小值、温度均值、温度方差、温度峰值时间、温度上升时间及温度下降时间；

37、通过复杂网络分析算法对所述多尺度温度特征进行拓扑结构重构，得到温度传感器特征网络；

38、对所述温度传感器特征网络进行主成分分析，得到主成分特征网络；

39、将所述主成分特征网络映射到所述元器件拓扑图上，得到映射特征网络；其中，所述映射过程是基于待校准温度传感器内元器件的功能和对温度特征的影响进行映射；

40、基于映射后的特征网络，分析各元器件对主成分特征的贡献度，得到元器件健康状态指标；其中，所述元器件健康状态指标包括稳定性、敏感性和临界点；

41、对所述多尺度温度特征进行熵值计算，得到熵值特征参数，其中，包括信息熵和条件熵；

42、通过预设的最小二乘法对熵值特征参数进行相关性分析，得到相关性特征向量；其中，所述相关性特征向量包括相关系数和偏相关系数；

43、通过预设的温度传感器校准模型，基于所述相关性特征向量及元器件健康状态指标，对待校准温度传感器进行响应分析，得到传感器响应特性参数；其中，所述传感器响应特性参数包括温度测量灵敏度系数和温度漂移补偿因子。

44、进一步的，所述通过复杂网络分析算法对所述多尺度温度特征进行拓扑结构重构，得到温度传感器特征网络，包括：

45、对所述多尺度温度特征进行spearman秩相关分析，得到特征关联度矩阵；

46、通过最小生成树算法对所述特征关联度矩阵进行网络构建，得到初始温度传感器特征网络；

47、通过预设pagerank算法，对所述初始温度传感器特征网络进行节点重要性评估，得到节点重要性排序；

48、根据节点重要性排序，对所述初始温度传感器特征网络进行边权重调整，得到调整后的温度传感器特征网络；

49、通过预设的louvain社区发现算法，对所述调整后的温度传感器特征网络进行社区发现，得到划分温度特征社区；

50、基于所述划分温度特征社区，对调整后的温度传感器特征网络进行拓扑结构优化，得到温度传感器特征网络；其中，所述温度传感器特征网络包括网络节点及边，所述网络节点代表温度特征点，所述边表示温度特征点间的关联强度，所述温度特征点代表表示在不同所述物理位置上的温度测量结果。

51、本发明还提供了一种医疗级高精度温度传感器的数据校准装置，包括：

52、采集模块，用于通过预设的待校准温度传感器与目标传感器分别对指定医疗区域进行温度采集，得到对应第一采集温度集及第二采集温度集；

53、预处理模块，用于对所述第一采集温度集进行预处理，得到预处理温度数据集；

54、绘制模块，用于基于所述预处理温度数据集及第二采集温度集进行曲线绘制，得到第一温度曲线及第二温度曲线；

55、标注模块，用于利用预设的动态时间规整算法，将所述第一温度曲线及第二温度曲线进行时间对齐，并通过预设的温度偏移检测算法识别出第一温度曲线与第二温度曲线之间的偏移点，并在所述第一温度曲线上进行偏移点标注，得到标注后的温度曲线；

56、分析模块，用于通过预设的温度传感器校准模型对所述标注后的温度曲线进行分析，得到校准参数；其中，所述校准参数包括偏移量、比例因子、以及非线性校正系数；

57、校准模块，用于基于所述校准参数校准所述待校准温度传感器。

58、本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。

59、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。

60、本发明提供的医疗级高精度温度传感器的数据校准方法，包括以下步骤：通过预设的待校准温度传感器与目标传感器分别对指定医疗区域进行温度采集，得到对应第一采集温度集及第二采集温度集；对所述第一采集温度集进行预处理，得到预处理温度数据集；基于所述预处理温度数据集及所述第二采集温度集进行曲线绘制，得到第一温度曲线及第二温度曲线；利用预设的动态时间规整算法，将所述第一温度曲线及所述第二温度曲线进行时间对齐，并通过预设的温度偏移检测算法识别出第一温度曲线与第二温度曲线之间的偏移点，并在所述第一温度曲线上进行偏移点标注，得到标注后的温度曲线；通过预设的温度传感器校准模型，基于所述标注后的温度曲线对所述待校准温度传感器进行响应分析，得到传感器响应特性参数，基于所述传感器响应特性参数校准所述待校准温度传感器，通过上述的技术手段，解决了由于制造工艺差异、使用环境变化以及长时间使用导致的老化等问题，温度传感器会出现不同程度的误差的技术问题，实现了不仅适用于静态条件下的校准，还特别针对实际应用中可能遇到的快速变化的温度条件进行了优化设计。通过对第一采集温度集的预处理以及基于预处理后的数据绘制温度曲线，使得校准过程能够更好地反映真实使用场景下的温度变化，增强了校准方法对于不同应用场景的适应性和灵活性的有益效果。