本发明涉及医疗，尤其是一种产妇健康监测与分析方法。
背景技术：
1、产妇产后会经历诸多并发症，不仅身体遭受极大的考验，对心理的考验也不容小觑。产后心理健康问题包括抑郁症、焦虑障碍、双相情感障碍、创伤后应激障碍和精神病等，高发于妊娠期及围产期，产后心理健康问题的病因复杂，涉及生理、社会心理和环境等多方面因素，患者往往难以得到有效治疗，自杀和过量服药以致中毒是孕产妇死亡最常见的原因。而现有技术中对产妇产后心理健康的客观监测较为匮乏，缺乏有效、客观的监测和分析。
技术实现思路
1、为了解决上述技术问题，本发明提供一种产妇健康监测与分析方法。
2、本发明是通过以下技术方案实现的：
3、一种产妇健康监测与分析方法，其特征在于，包括：
4、获取生理参数，包括血压、脉搏、心电信号、肌电信号；
5、获取语音信息，具体为通过语音获取设备获取产妇及其家属语音信息；
6、处理生理参数信息并提取特征；
7、处理语音信息并进行识别；
8、由第一部分生理参数信息计算得到第一健康状态指标；
9、基于prophet模型由第二部分生理参数信息结合语音信息计算得到第二健康状态指标；
10、所述第一部分生理参数信息包括血压、脉搏、心电信号、肌电信号；
11、所述第二部分生理参数信息包括血压、心电信号；
12、所述第一健康状态指标表征产妇生理健康状态；
13、所述第二健康状态指标表征产妇心理健康状态；
14、基于改进的竞争失效模型结合第一健康状态指标和第二健康状态指标对产妇健康进行预测。
15、进一步的，所述处理生理参数信息还包括基于改进的经验模态分解对肌电信号进行去噪处理。
16、进一步的，所述基于改进的经验模态分解对肌电信号进行去噪处理包括：
17、对原信号加上白噪声经经验模态分解的阶imf分量，构造序列进行经验模态分解,计算第阶的残差余量及模态分量：；
18、；
19、其中，、分别为第k-1、k阶残差余量，为第k-1个阶段的信噪比；为求解信号的局部均值，为待分解信号经过经验模态分解得到的第个模态分量，为高斯白噪声,t为时间；
20、进行迭代计算，直到满足经验模态停止条件，即余量信号为单调信号；
21、计算每一模态分量与原始信号的相关系数；
22、选择相关系数大于阈值的模态分量进行小波包分析，对进行小波包去噪后的模态分量进行信号重构。
23、进一步的，所述处理语音信息并进行识别包括：
24、建立模板库，其中包括语音模板，所述语音模板包含各类情感的特定词汇；
25、对语音信号进行预处理，减少噪声干扰，提取关键特征；其中包括降采样、滤波处理以及特征提取；
26、与模板库进行匹配；基于相关性计算方法对输入语音与模板库的语音信息进行比较，确定语音内容；
27、根据语音匹配情况确定各类情感的占比，以及特殊词汇的匹配情况，其中，所述特殊词汇为危急产妇生命安全的词汇。
28、进一步的，所述prophet模型表示为如下：
29、；
30、其中，为第二健康状态指标预测值，为时间相关项，其表示仅与时间相关的变化趋势，为特殊项，其表示受特殊事件影响的变化趋势，为生理参数预测项，为语音信息预测项。
31、进一步的，所述时间相关项表达式如下：
32、；
33、其中，m(t)为自定义系数，k为变化率，为偏移量参数，为二值向量，为增长率变化量， 为偏移量变化量；其中：
34、；
35、；
36、其中，为预设时间。
37、进一步的，所述生理参数预测项以及语音信息预测项通过lstm神经网络得到。
38、进一步的，所述基于改进的竞争失效模型结合第一健康状态指标和第二健康状态指标对产妇健康进行预测包括：
39、建立模型，由copula函数构建第一健康状态指标或第二健康状态指标的相关性连接，模型表达如下：
40、；
41、其中， r为相关性连接模型，表示第一健康状态指标及第二健康状态指标都在可接受范围内的概率；为健康状态失效事件，为事件随机变量；表示第一健康状态的边缘累积分布函数以及第二健康状态的边缘累积分布函数；为copula函数，为copula函数参数；
42、计算；
43、设第一健康状态与第二健康状态之间的关系由gb copula函数连接，边缘分布服从伽马分布；
44、所述伽马分布的形状参数和尺度参数由第一健康状态指标与第二健康状态指标确定，分布对应以及；
45、得到健康度：
46、；
47、其中，表示伽马函数，为copula函数参数，为时间变量。
48、本发明还提供一种产妇健康监测与分析装置，包括：
49、生理参数采集模块，用于采集生理参数信息，包括血压、脉搏、心电信号、肌电信号；
50、语音信息采集模块，用于采集语音信息，具体为通过语音获取设备获取产妇及其家属语音信息；
51、生理参数信息处理模块，用于处理生理参数信息并提取特征，其中包括基于改进的经验模态分解进行肌电信号的去噪处理；
52、语音信息处理模块，用于对获取的语音信息进行情绪识别，获得各类情感的占比；
53、健康状态指标计算模块，用于计算第一健康状态指标以及第二健康状态指标，其中，所述第一健康状态指标由第一部分生理参数信息计算得到，所述第二健康状态指标由第二部分生理参数信息结合语音信息基于prophet模型计算得到；所述第一部分生理参数信息包括血压、脉搏、心电信号、肌电信号；所述第二部分生理参数信息包括血压、心电信号；所述第一健康状态指标表征产妇生理健康状态；所述第二健康状态指标表征产妇心理健康状态；
54、健康状态预测模块，用于基于改进的竞争失效模型结合第一健康状态指标和第二健康状态指标对产妇健康进行预测。
55、此外，为实现上述目的，本发明还提供一种计算机可读存储介质, 所述计算机可读存储介质上存储有产妇健康监测与分析方法的程序指令，所述产妇健康监测与分析的程序指令可被一个或者多个处理器执行，以实现如上所述的产妇健康监测与分析方法的步骤。
56、与现有技术相比，本发明的有益效果为：
57、本发明实现了对产妇的生理健康状态和心理健康状态的监测，并基于改进的竞争失效算法对产妇的健康状态进行计算得到健康度，根据健康度进行提示。实现了客观、准确的产妇健康状态监测。
58、本发明基于prophet模型计算产妇心理健康状态指标，结合了时间相关、特殊事件相关、生理参数预测以及语音参数预测四个指标对产妇心理健康状态指标进行计算，实现了心理健康状态的准确估计。
59、本发明基于改进的经验模态分解进行肌电信号的去噪处理，实现了肌电信号的有效滤波。
1.一种产妇健康监测与分析方法，其特征在于，包括：
2.根据权利要求1所述的产妇健康监测与分析方法，其特征在于，所述处理生理参数信息还包括基于改进的经验模态分解对肌电信号进行去噪处理。
3.根据权利要求2所述的产妇健康监测与分析方法，其特征在于，所述基于改进的经验模态分解对肌电信号进行去噪处理包括：
4.根据权利要求1所述的产妇健康监测与分析方法，其特征在于，所述处理语音信息并进行识别包括：
5.根据权利要求4所述的产妇健康监测与分析方法，其特征在于，所述prophet模型表示为如下：
6.根据权利要求5所述的产妇健康监测与分析方法，其特征在于，所述时间相关项表达式如下：
7.根据权利要求5所述的产妇健康监测与分析方法，其特征在于，所述生理参数预测项以及语音信息预测项通过lstm神经网络得到。
8.根据权利要求1所述的产妇健康监测与分析方法，其特征在于，所述基于改进的竞争失效模型结合第一健康状态指标和第二健康状态指标对产妇健康进行预测包括：
9.一种产妇健康监测与分析装置，基于如权利要求1至8中任一项所述的方法，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有产妇健康监测与分析方法的程序指令，所述产妇健康监测与分析的程序指令可被一个或多个处理器执行，以实现如权利要求1至8中任一所述的产妇健康监测与分析方法的步骤。
