CN109087706B - 基于睡眠大数据的人体健康评估方法及评估系统 - Google Patents

基于睡眠大数据的人体健康评估方法及评估系统 Download PDF

Info

Publication number
CN109087706B
CN109087706B CN201810772360.1A CN201810772360A CN109087706B CN 109087706 B CN109087706 B CN 109087706B CN 201810772360 A CN201810772360 A CN 201810772360A CN 109087706 B CN109087706 B CN 109087706B
Authority
CN
China
Prior art keywords
data
network
sleep
loss
training
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.)
Active
Application number
CN201810772360.1A
Other languages
English (en)
Other versions
CN109087706A (zh
Inventor
杨向东
单华锋
曹辉
宋琪隆
李红文
朱震宇
韩秀萍
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.)
Keeson Technology Corp Ltd
Yangtze Delta Region Institute of Tsinghua University Zhejiang
Original Assignee
Keeson Technology Corp Ltd
Yangtze Delta Region Institute of Tsinghua University Zhejiang
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 Keeson Technology Corp Ltd, Yangtze Delta Region Institute of Tsinghua University Zhejiang filed Critical Keeson Technology Corp Ltd
Priority to CN201810772360.1A priority Critical patent/CN109087706B/zh
Priority to PCT/CN2018/100955 priority patent/WO2020010668A1/zh
Priority to RU2020129796A priority patent/RU2757048C1/ru
Priority to AU2018432124A priority patent/AU2018432124A1/en
Priority to US17/040,975 priority patent/US20210225510A1/en
Priority to EP18926215.7A priority patent/EP3783619A4/en
Publication of CN109087706A publication Critical patent/CN109087706A/zh
Application granted granted Critical
Publication of CN109087706B publication Critical patent/CN109087706B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • 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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording 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
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6892—Mats
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Cardiology (AREA)
  • Pulmonology (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Fuzzy Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于睡眠大数据的人体健康评估方法及评估系统，其中的健康大数据研究是指长期地、稳定地、持续增长地获得人体生命特征数据，采用先进的数据挖掘技术清晰明确地描述人类个体的身体状态并预测其健康的未来。通过安装在床上的传感器，获取人体睡眠时的各项生理数据存储于云端服务器；运用人工智能学习模型得到人体生理评价指标并生成人体健康状态分析报告。通过获取安装于床上的传感器数据，进行人工智能学习模型数据训练，让模型自动学习出与人体健康相关的特征，从而节省人工挑选和构造特征的时间成本，达到精准预测疾病的目的，进一步通过训练分类器模型可以在健康评估报告中直接获知患病类型。

Description

基于睡眠大数据的人体健康评估方法及评估系统
技术领域
本发明涉及睡眠健康数据分析与管理技术领域，具体地说，是一种基于睡眠大数据的人体健康评估方法及评估系统。
背景技术
目前人们常用的身体健康评估方法主要包括问卷调查、借助医疗器械测试身体各项指标、日常佩戴具有检测生理数据的穿戴设备等等。其中，问卷调查是参与调查的用户针对医护人员提供的健康评估问卷，结合日常生活中身体状态回答问卷，医护人员收集用户填写的调查问卷后对用户健康状态进行评估。通过医疗器械或穿戴设备检测生理数据，需要定期记录检测结果，根据记录的检测数据及时发现健康问题。这些评估方法所使用的数据来源真实性不高，数据获取过程中很容易受到用户意识的影响，很难完整记录正常生活习惯中的生理数据，无法保证数据采集的标准性和精确度。
睡眠占人们日常生活1/3的时间，睡眠状态下人体各项生理数据相对稳定，采集睡眠状态下的人体生理数据用来进行健康评估，可以保证数据的准确性、稳定性和持久性，提供评估结果的准确度。现在医学上被认可的判断临床应用的睡眠状态的方法是睡眠聚图法。在睡眠聚图法中，测量脑波、眼球运动和奥特筋电，可以从这些波形中判断睡眠状态。然而，测量脑波、筋电等的方法，需要在被试验者的身体上安装电极，对实验者的负担非常大。因此，不可能在一般家庭中测量脑波和筋电等。
身体评估是一个有组织的系统性的收集过程所产生的客观数据，基于健康历史和从头到脚或一般系统检查，好的身体评估结果需要一个有组织的、系统的方法，对用户的直接反应和实际或潜在的问题的探索发现并研究，因此，如何保证前期用户生理数据的采集量足够的多并且足够全面，如何保证数据处理的合理性减小误差，是进行人体健康评估需要十分关注的问题。
发明内容
本发明的目的是针对现有技术中的不足，提供一种基于睡眠大数据的人体健康评估方法及评估系统。该系统中的健康大数据研究是指长期地、稳定地、持续增长地获得人体生命特征数据，采用先进的数据挖掘技术清晰明确地描述人类个体的身体状态并预测其健康的未来。通过获取安装于床上的传感器数据，进行人工智能学习模型数据训练，让模型自动学习出与人体健康相关的特征，从而节省人工挑选和构造特征的时间成本，达到精准预测疾病的目的，进一步通过训练分类器模型可以在健康评估报告中直接获知患病类型。
为实现上述目的，本发明采取的技术方案是：一种基于睡眠大数据的人体健康评估方法，包括以下步骤：
通过安装在床上的传感器，获取人体睡眠时的各项生理数据，并将这些睡眠数据永久地存储于云端服务器；
将上述存储于云端服务器中的睡眠数据进行数据预处理筛除缺失和错误的数据，将正确的数据放入人工智能学习模型中进行训练，使人工智能学习模型学习到患病特征，计算得到生理评价指标；
利用上述人工智能学习模型学习到的数据的患病特征，并以此训练分类器模型，使分类器模型可以识别出不同数据对应的患病类型；
根据上述数据训练得到的人体生理评价指标和分类器模型生成人体健康状态分析报告。
进一步地在某些实施例中，上述方法中经过预处理之后正确的数据分为有患病标签的睡眠数据和无患病标签的睡眠数据，所述有患病标签的睡眠数据来自于已知患病类型的人体，所述无患病标签的睡眠数据来自于未知患病状态的人体。
进一步地在某一实施例中，上述正确的数据放入人工智能学习模型中进行训练的过程包括：
将预处理后无患病标签的睡眠数据送入自编码网络中计算得到无监督网络损失；
将预处理后有患病标签的睡眠数据送入与上述同一参数的自编码网络中，得到中间层降维输出数据并计算出有监督网络损失；
迭代训练上述两个步骤，当得到的无监督网络损失与有监督网络损失之和不再变化或者达到最大迭代步数时，停止迭代，此时得到的睡眠数据即可作为生理评价指标。
进一步地在某一实施例中，上述有患病标签的睡眠数据在自编码网络中得到的中间层降维输出数据，输入至分类器，训练出一个分类器模型。
进一步地，所述生理评价指标用于评估人体是否为患病状态，所述分类器模型用于分析人体患病类型。
为实现上述目的，本发明采取的技术方案进一步是：基于睡眠大数据的人体健康评估系统，所述系统包括：
睡眠数据获取单元，用于获取人体睡眠时的各项生理数据，所述数据来自于安装于床上的传感器；
睡眠数据存储单元，包括云端服务器，用于存储睡眠数据获取单元采集到的所有睡眠数据；
数据训练单元，用于对睡眠数据进行预处理，并通过人工智能学习模型对数据进行训练得到生理评价指标；
分类器模型训练单元，用于对人工智能学习模型训练后的睡眠数据进行分类器模型训练；
报告生成单元，用于根据数据训练得到的人体生理评价指标和分类器模型生成人体健康状态分析报告。
进一步地在某一具体实施例中，所述数据训练单元包括：
数据预处理，用于筛除云端服务器中存储的缺失和错误的睡眠数据；
自编码器，用于创建自编码网络，通过计算网络损失对数据进行迭代训练。
为实现上述目的，本发明采取的技术方案进一步是：一种终端设备，所述设备包括上述的基于睡眠大数据的人体健康评估系统。所述设备还包括用于控制上述报告生成单元生成报告的操作机构。
本发明优点在于：
1、本发明系统与安装在床上传感器实现数据传输，床的使用寿命长久且用户在睡眠状态下的各项生理数据相对稳定，从而保证了数据获取的持久性和稳定性，另一方面用床上安装的传感器获取的海量睡眠数据，为健康评估提供了优质的数据基础。
2、本发明系统的云端服务器用于存储用户日常睡眠数据，保证了睡眠数据的稳定性和安全性，同时也为健康评估提供了大量的数据基础，提高评估结果的准确性。
3、本发明的方法通过获取大量人体睡眠时的生理数据，进行人工智能学习模型训练，人在睡眠状态下主动意识非常薄弱，此时得到的生理数据能够真实的反映人体的健康状态；通过搭建适用的人工智能学习模型，让模型自动学习出与人体健康相关的特征，从而节省人工挑选和构造特征的时间成本，达到精准预测疾病的目的。
附图说明
为能更清楚理解本发明的目的、特点和优点，以下将结合附图对本发明的较佳实施例进行详细描述，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的前提下，还可以根据这些附图获得其他的附图。其中：
图1为本发明实施例的基于睡眠大数据的人体健康评估方法的流程示意图；
图2为本发明实施例的人工智能学习模型进行数据训练的流程示意图；
图3为本发明实施例的分类器模型训练的流程示意图；
图4为本发明实施例的基于睡眠大数据的人体健康评估系统的框架图。
具体实施方式
为了使本领域的人员更好地理解本发明的技术方案，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查、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
本发明实施例提供一种基于睡眠大数据的人体健康评估方法，用以提高健康评估结果的准确性实现精准预测疾病的目的，适用于安装有传感器的床包括但不仅仅限于：电动床、智能床或者铺设有感应床垫的床等等。图1示出了本发明实施例中基于睡眠大数据的人体健康评估方法的流程图。如附图1所示，本发明实施例中，基于睡眠大数据的人体健康评估方法可以包括：
步骤101.通过安装在床上的传感器，获取人体睡眠时的各项生理数据，并将这些睡眠数据永久地存储于云端服务器。
由图1所示流程可以得知，本发明实施例中基于睡眠大数据的人体健康评估方法是借助人工智能学习模型进行数据训练的方法对存储于云端服务器中大量的睡眠数据进行处理、分析和训练。该方法通过云端服务器与安装于床上的传感器实现数据传输，对于包含有电动控制系统的电动床或智能床，云端服务器也可以与控制系统的数据库进行通信连接，实时稳定的获取用户的睡眠数据，为健康评估提供优质的数据基础。云端服务器存储的人体睡眠时的各项生理数据类型与安装在床上的传感器类型相关联，实际应用中可以根据健康评估的侧重点选择特定的传感器获取目标数据，例如本实施例中获取到的生理数据包括：心率、呼吸率、翻身、微动、打鼾和离床信息。
步骤102.将上述存储于云端服务器中的睡眠数据进行数据预处理筛除缺失和错误的数据，将正确的数据放入人工智能学习模型中进行训练，使人工智能学习模型学习到患病特征，计算得到生理评价指标。
云端服务器中存储的原始人体睡眠数据为实时获取且没有经过任何处理的，其中难免会含有大量缺失和错误的数据，因此在进行数据分析之前必须经过数据预处理，筛选出正确的睡眠数据才能放入人工智能学习模型中进行训练，不然会导致整个模型错乱，从而无法得到正确的预测结果。数据预处理在筛除噪音数据的同时根据数据来源将睡眠数据分为有患病标签的睡眠数据和无患病标签的睡眠数据，其中有患病标签的睡眠数据是指采集于已知患病类型的人体生理数据中；无患病标签的睡眠数据采集于未知患病状态的人体生理数据中。预处理后的睡眠数据将被送入人工智能学习模型训练后可用于评估人体的健康状态。具体的实施时，在采集有患病标签的睡眠数据用于人工智能学习模型训练和分类器模型训练时，会选择一个已经准确得知是患病状态，并且知道该疾病类型的个体，对其睡眠数据采集并输入人工智能学习模型中，用来让模型识别人体的状态是正常还是患病以及患病类型。在采集无患病标签的睡眠数据用于人工智能学习模型训练时，会选择一个不能确定是否患病的个体，对其睡眠数据采集并输入人工智能学习模型汇总，用来让模型学习到人体睡眠数据所具有的共性。
步骤103.利用上述人工智能学习模型学习到的数据的患病特征训练分类器模型，使分类器模型可以识别出不同数据对应的患病类型。
在本申请中，经过人工智能学习模型训练的数据将作为生理评价指标，可以用来识别个体的身体状态为患病状态还是正常状态。进一步地，将有患病标签的睡眠数据通过在自编码网络的中间层降维输出后，作为SVM分类器的输入，用来训练分类器模型，使分类器模型可以识别出不同数据对应的患病类型。经过步骤102使人工智能学习模型从原始数据中学习到和患病相关的一些特征，再经过步骤103进一步训练使分类器模型可以识别出产生该睡眠数据的个体所患疾病的具体类型。
步骤104.根据上述数据训练得到的人体生理评价指标和分类器模型生成人体健康状态分析报告。
下面结合附图1-3介绍本发明的具体实施方式。
首先将存储在云端服务器中的睡眠数据进行数据预处理，筛除去缺失和错误的数据，剩下的正确的睡眠数据根据数据来源分为有患病标签的睡眠数据和无患病标签的睡眠数据，将这些数据放入人工智能学习模型中进行训练。
附图2示出了本发明实施例的人工智能学习模型进行数据训练的流程示意图，如图2所示，经过预处理后的正确的数据放入人工智能学习模型中进行训练的过程包括：
(1)将预处理后无患病标签的睡眠数据x送入自编码网络的深度自编码器中，计算得到无监督网络损失loss1k。本申请中选用最优的计算方式为：将睡眠数据x送入深度自编码器中得到输入和输出的均方差值，并将该值赋予无监督网络损失loss1k。
(2)将预处理后有患病标签的睡眠数据y送入与上述同一参数的自编码网络中，得到中间层降维输出数据并计算出有监督网络损失loss2k。本申请中选用最优的计算有监督网络损失loss2k的方式为：根据患病标签将得到的中间层降维输出数据分成不同的类别，找出每个类别的中心点，并计算同类数据到同类中心点的距离，所得数据之和赋予有监督网络损失loss2k。
(3)将上述(1)和(2)得到的loss1k和loss2k求和即得网络总损失lossk,即lossk＝loss1k+loss2k，利用反向传播算法调整整个网络结构参数。然后采用迭代训练方式，将x和y再次送入自编码网络结构中，分别重复步骤(1)和步骤(2)再次计算网络结构参数调整之后的无监督网络损失loss1k+1和有监督网络损失loss2k+1，并计算得到本轮网络总损失lossk+1＝loss1k+1+loss2k+1。
(4)比较调整网络结构参数后的损失值并再次调整网络结构参数，直到网络结构的lossk+1＝lossk或者达到最大迭代次数时停止训练。最大迭代次数是指，在人工智能学习模型的训练过程中，根据需要设定最大迭代次数M，当迭代次数为M(k＝M)时，即使网络总损失仍然发生变化也不会继续进行迭代训练。
至此人工智能学习模型训练完成，训练得到的神经网络损失和自编码网络损失将作为生理评价指标，用于评估睡眠数据对应的个体是否为患病状态或者为正常的健康状态。
上述有患病标签的睡眠数据y送入自编码网络中时所得到的中间层降维输出数据，进一步将被作为SVM分类器的输入，用来训练分类器模型，使分类器模型可以识别出不同数据对应的患病类型。训练得到的分类器模型可以识别出产生该睡眠数据的个体所患疾病的具体类型。
经过上述训练得到的生理评价指标和分类器模型，既可以用于生成睡眠数据对应的个体健康状态分析报告。具体实施时，从云端服务器中选出需要进行健康评估的个体的睡眠数据，将这些数据放入已经训练完成的人工智能学习模型中，通过该模型确定该个体的患病状态，如得到结果为患病状态，则进一步的可以得到该个体所患病类型。最终可以借助终端设备输出或打印出包含上述评估结果的人体健康评估报告，实现利用睡眠数据预测疾病的目的。
图4为本发明实施例的基于睡眠大数据的人体健康评估系统的框架图，如附图4所示，基于睡眠大数据的人体健康评估系统包括：
睡眠数据获取单元，用于获取人体睡眠时的各项生理数据，所述数据来自于安装于床上的传感器；
睡眠数据存储单元，包括云端服务器，用于存储睡眠数据获取单元采集到的所有睡眠数据；
数据训练单元，用于对睡眠数据进行预处理，并通过人工智能学习模型对数据进行训练得到生理评价指标。数据训练单元包括：数据预处理，用于筛除云端服务器中存储的缺失和错误的睡眠数据；自编码器，用于创建自编码网络，通过计算网络损失对数据进行迭代训练。
分类器模型训练单元，用于对人工智能学习模型训练后的睡眠数据进行分类器模型训练；
报告生成单元，用于根据数据训练得到的人体生理评价指标和分类器模型生成人体健康状态分析报告。
需要说明的是，本发明系统可以设置于电动床的控制系统中或者装设于人机交互操作的终端设备中，设备还包括用于控制报告生成单元生成报告的操作机构，以便于用户可以按照需求对评估系统进行自定义设置。本说明书实施例中所述的终端设备可以包括用户设备、智能手机、电脑、移动互联网设备或穿戴式智能设备等互联网设备，本发明实施例不作限定。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明方法的前提下，还可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。

Claims (8)

1.一种基于睡眠大数据的人体健康评估方法，其特征在于，包括：
通过安装在床上的传感器，获取人体睡眠时的各项生理数据，并将这些睡眠数据永久地存储于云端服务器；
将上述存储于云端服务器中的睡眠数据进行数据预处理筛除缺失和错误的数据，将正确的数据放入人工智能学习模型中进行训练，使人工智能学习模型学习到患病特征，计算得到生理评价指标；
经过预处理之后正确的数据分为有患病标签的睡眠数据和无患病标签的睡眠数据；
所述正确的数据放入人工智能学习模型中进行训练的过程包括：
将预处理后无患病标签的睡眠数据送入自编码网络中计算得到无监督网络损失；具体地，将预处理后无患病标签的睡眠数据x送入自编码网络的深度自编码器中，计算得到无监督网络损失loss1k；
将预处理后有患病标签的睡眠数据送入与上述同一参数的自编码网络中，得到中间层降维输出数据并计算出有监督网络损失；具体地，将预处理后有患病标签的睡眠数据y送入与上述同一参数的自编码网络中，得到中间层降维输出数据并计算出有监督网络损失loss2k；
迭代训练上述两个步骤，当得到的无监督网络损失与有监督网络损失之和不再变化或者达到最大迭代步数时，停止迭代，此时得到的睡眠数据即可作为生理评价指标；具体地，根据如下公式计算得到网络总损失lossk：
lossk＝loss1k+loss2k；
利用反向传播算法调整网络结构参数，采用迭代训练方式，将睡眠数据x和睡眠数据y再次送入自编码网络中，分别重复计算得到无监督网络损失和有监督网络损失的上述两个步骤，分别得到网络结构参数调整之后的无监督网络损失loss1k+1和有监督网络损失loss2k+1、以及本轮网络总损失lossk+1；其中，
lossk+1＝loss1k+1+loss2k+1；
比较调整网络结构参数后的损失值并再次调整网络结构参数，直到满足lossk+1＝lossk时，或者，达到最大迭代次数时，停止迭代训练；
利用上述人工智能学习模型学习到数据的患病特征，训练分类器模型，使分类器模型可以识别出不同数据对应的患病类型；
根据上述数据训练得到的人体生理评价指标和分类器模型生成人体健康状态分析报告。
2.根据权利要求1所述的基于睡眠大数据的人体健康评估方法，其特征在于，人体睡眠时的各项生理数据包括：心率、呼吸率、翻身、微动、打鼾和离床信息。
3.根据权利要求1所述的基于睡眠大数据的人体健康评估方法，其特征在于，所述有患病标签的睡眠数据来自于已知患病类型的人体，所述无患病标签的睡眠数据来自于未知患病状态的人体。
4.根据权利要求1所述的基于睡眠大数据的人体健康评估方法，其特征在于，将所述有患病标签的睡眠数据在自编码网络中得到的中间层降维输出数据，输入至分类器，训练出一个分类器模型。
5.根据权利要求4所述的基于睡眠大数据的人体健康评估方法，其特征在于，所述生理评价指标用于评估人体是否为患病状态，所述分类器模型用于分析人体患病类型。
6.一种基于睡眠大数据的人体健康评估系统，其特征在于，包括：
睡眠数据获取单元，用于获取人体睡眠时的各项生理数据，所述数据来自于安装于床上的传感器；
睡眠数据存储单元，包括云端服务器，用于存储睡眠数据获取单元采集到的所有睡眠数据；
数据训练单元，用于对睡眠数据进行预处理，并通过人工智能学习模型对数据进行训练得到生理评价指标；
数据预处理单元，用于筛除云端服务器中存储的缺失和错误的睡眠数据；
自编码器，用于创建自编码网络，通过计算网络损失对数据进行迭代训练；
分类器模型训练单元，用于对人工智能学习模型训练后的睡眠数据进行分类器模型训练；
报告生成单元，用于根据数据训练得到的人体生理评价指标和分类器模型生成人体健康状态分析报告；
其中，数据训练单元具体用于：
将预处理后无患病标签的睡眠数据x送入自编码网络的深度自编码器中，计算得到无监督网络损失loss1k；
将预处理后有患病标签的睡眠数据送入与上述同一参数的自编码网络中，得到中间层降维输出数据并计算出有监督网络损失；具体地，将预处理后有患病标签的睡眠数据y送入与上述同一参数的自编码网络中，得到中间层降维输出数据并计算出有监督网络损失loss2k；
迭代训练上述两个步骤，当得到的无监督网络损失与有监督网络损失之和不再变化或者达到最大迭代步数时，停止迭代，此时得到的睡眠数据即可作为生理评价指标；具体地，根据如下公式计算得到网络总损失lossk：
lossk＝loss1k+loss2k；
利用反向传播算法调整网络结构参数，采用迭代训练方式，将睡眠数据x和睡眠数据y再次送入自编码网络中，分别重复计算得到无监督网络损失和有监督网络损失的上述两个步骤，分别得到网络结构参数调整之后的无监督网络损失loss1k+1和有监督网络损失loss2k+1以及本轮网络总损失lossk+1；其中，
lossk+1＝loss1k+1+loss2k+1；
比较调整网络结构参数后的损失值并再次调整网络结构参数，直到满足lossk+1＝lossk时，或者，达到最大迭代次数时，停止迭代训练。
7.一种终端设备，其特征在于，所述设备包括权利要求6所述的基于睡眠大数据的人体健康评估系统。
8.根据权利要求7所述的一种终端设备，其特征在于，所述设备还包括用于控制所述权利要求7中报告生成单元生成报告的操作机构。
CN201810772360.1A 2018-07-13 2018-07-13 基于睡眠大数据的人体健康评估方法及评估系统 Active CN109087706B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201810772360.1A CN109087706B (zh) 2018-07-13 2018-07-13 基于睡眠大数据的人体健康评估方法及评估系统
PCT/CN2018/100955 WO2020010668A1 (zh) 2018-07-13 2018-08-17 基于睡眠大数据的人体健康评估方法及评估系统
RU2020129796A RU2757048C1 (ru) 2018-07-13 2018-08-17 Способ и система оценки здоровья тела человека на основе данных большого объема о сне
AU2018432124A AU2018432124A1 (en) 2018-07-13 2018-08-17 Human body health assessment method and system based on sleep big data
US17/040,975 US20210225510A1 (en) 2018-07-13 2018-08-17 Human body health assessment method and system based on sleep big data
EP18926215.7A EP3783619A4 (en) 2018-07-13 2018-08-17 METHOD AND SYSTEM FOR ASSESSING THE HEALTH OF A HUMAN BODY BASED ON LARGE AMOUNTS OF SLEEP DATA

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810772360.1A CN109087706B (zh) 2018-07-13 2018-07-13 基于睡眠大数据的人体健康评估方法及评估系统

Publications (2)

Publication Number Publication Date
CN109087706A CN109087706A (zh) 2018-12-25
CN109087706B true CN109087706B (zh) 2022-12-02

Family

ID=64837905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810772360.1A Active CN109087706B (zh) 2018-07-13 2018-07-13 基于睡眠大数据的人体健康评估方法及评估系统

Country Status (6)

Country Link
US (1) US20210225510A1 (zh)
EP (1) EP3783619A4 (zh)
CN (1) CN109087706B (zh)
AU (1) AU2018432124A1 (zh)
RU (1) RU2757048C1 (zh)
WO (1) WO2020010668A1 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767836A (zh) * 2018-12-29 2019-05-17 上海亲看慧智能科技有限公司 一种医学诊断人工智能系统、装置及其自我学习方法
CN109661039B (zh) * 2019-01-15 2020-07-21 北京泰德东腾通信技术有限公司 5g会话建立及释放的协议一致性测试方法及系统
CN109840932A (zh) * 2019-01-23 2019-06-04 平安科技（深圳）有限公司 心脑血管疾病展示方法、装置、设备及存储介质
CN109770881A (zh) * 2019-01-28 2019-05-21 深圳市星裳尔电子商务有限公司 一种基于血压的健康监测方法及血压测量装置
JP7326926B2 (ja) * 2019-06-27 2023-08-16 トヨタ自動車株式会社 学習装置、リハビリ支援システム、方法、プログラム、及び学習済みモデル
CN111009328A (zh) * 2019-12-25 2020-04-14 新绎健康科技有限公司 一种区域人口健康状况评估方法及装置
CN111785374A (zh) * 2020-06-15 2020-10-16 山东省玖玖医养健康产业有限公司 一种基于大数据的健康状况分析预测方法及系统
CN111696679A (zh) * 2020-07-14 2020-09-22 章越新 一种基于量子Petri网的人体健康状态分析方案
US10931643B1 (en) * 2020-07-27 2021-02-23 Kpn Innovations, Llc. Methods and systems of telemedicine diagnostics through remote sensing
EP4315020A1 (en) * 2021-03-30 2024-02-07 Jio Platforms Limited System and method of data ingestion and processing framework
CN116269242B (zh) * 2023-05-17 2023-07-18 广州培生智能科技有限公司 一种基于互联网的老年人健康状况实时监控系统
CN117235200B (zh) * 2023-09-12 2024-05-10 杭州湘云信息技术有限公司 基于ai技术的数据集成方法、装置、计算机设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105997053A (zh) * 2016-06-25 2016-10-12 浙江和也健康科技有限公司 一种基于智能寝具的健康管理方法
CN106156530A (zh) * 2016-08-03 2016-11-23 北京好运到信息科技有限公司 基于栈式自编码器的体检数据分析方法及装置
CN107103182A (zh) * 2017-03-28 2017-08-29 南京医科大学 一种基于深度学习算法的心脏性疾病风险预警系统及方法
CN107595243A (zh) * 2017-07-28 2018-01-19 深圳和而泰智能控制股份有限公司 一种病症评估方法及终端设备

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005092177A1 (en) * 2004-03-22 2005-10-06 Bodymedia, Inc. Non-invasive temperature monitoring device
US7733224B2 (en) * 2006-06-30 2010-06-08 Bao Tran Mesh network personal emergency response appliance
US7558622B2 (en) * 2006-05-24 2009-07-07 Bao Tran Mesh network stroke monitoring appliance
US8905928B2 (en) * 2009-07-17 2014-12-09 Oregon Health & Science University Method and apparatus for assessment of sleep disorders
US9955795B2 (en) * 2014-06-05 2018-05-01 Matthew W. Krenik Automated bed and method of operation thereof
US20180014784A1 (en) * 2015-01-30 2018-01-18 New York University System and method for electrophysiological monitoring
US10229754B2 (en) * 2015-03-09 2019-03-12 Koninklijke Philips N.V. Wearable device obtaining audio data for diagnosis
CN108366763A (zh) * 2015-06-15 2018-08-03 Medibio有限公司 用于评估精神状态的方法和系统
CN204971278U (zh) * 2015-08-24 2016-01-20 华南理工大学 基于健康服务机器人的老年痴呆症监护系统
US10105092B2 (en) * 2015-11-16 2018-10-23 Eight Sleep Inc. Detecting sleeping disorders
WO2018023135A1 (en) * 2016-07-29 2018-02-01 Forty/W, Inc. Adaptive sleep system using data analtyics and learning techniques to improve individual sleep conditions
CN106618611A (zh) * 2017-03-06 2017-05-10 兰州大学 基于睡眠多通道生理信号的抑郁症辅助诊断方法和系统
CN108091391A (zh) * 2017-12-27 2018-05-29 深圳和而泰数据资源与云技术有限公司 病症评估方法、终端设备及计算机可读介质
CA3087516A1 (en) * 2018-01-05 2019-07-11 Sleep Number Corporation Bed having physiological event detecting feature
US11364361B2 (en) * 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
US10890968B2 (en) * 2018-05-07 2021-01-12 Apple Inc. Electronic device with foveated display and gaze prediction

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105997053A (zh) * 2016-06-25 2016-10-12 浙江和也健康科技有限公司 一种基于智能寝具的健康管理方法
CN106156530A (zh) * 2016-08-03 2016-11-23 北京好运到信息科技有限公司 基于栈式自编码器的体检数据分析方法及装置
CN107103182A (zh) * 2017-03-28 2017-08-29 南京医科大学 一种基于深度学习算法的心脏性疾病风险预警系统及方法
CN107595243A (zh) * 2017-07-28 2018-01-19 深圳和而泰智能控制股份有限公司 一种病症评估方法及终端设备

Also Published As

Publication number Publication date
EP3783619A1 (en) 2021-02-24
WO2020010668A1 (zh) 2020-01-16
US20210225510A1 (en) 2021-07-22
AU2018432124A1 (en) 2020-10-22
CN109087706A (zh) 2018-12-25
RU2757048C1 (ru) 2021-10-11
EP3783619A4 (en) 2022-01-26

Similar Documents

Publication Publication Date Title
CN109087706B (zh) 基于睡眠大数据的人体健康评估方法及评估系统
US20210035067A1 (en) Method to increase efficiency, coverage, and quality of direct primary care
CN104287706B (zh) 一种人体健康状态实时监测及诊疗推荐系统
US20230255564A1 (en) Systems and methods for machine-learning-assisted cognitive evaluation and treatment
CN108778097A (zh) 用于评估心力衰竭的装置和方法
CN108366763A (zh) 用于评估精神状态的方法和系统
CN108135548A (zh) 用于监测压力状态的方法和系统
CN110584601B (zh) 一种老人认知功能监测和评估系统
US20200330046A1 (en) Digital twin updating
CN108198594A (zh) 电子病历管理方法和系统
US20200203020A1 (en) Digital twin of a person
CN108652587A (zh) 一种认知功能障碍预防监测装置
CN107890342A (zh) 执行受检者测量
Kaneriya et al. Markov decision-based recommender system for sleep apnea patients
CN114943629A (zh) 一种健康管理保健服务系统及其健康管理方法
CN116739037A (zh) 具有人格特征的人格模型构建方法及装置
CN116434979A (zh) 生理状态云监测方法、监测系统及储存介质
CN116469148A (zh) 一种基于面部结构识别的概率预测系统及预测方法
CN115472312A (zh) 一种基于医防融合服务的医疗健康管理系统及方法
WO2022272057A1 (en) Devices, systems, and methods for mental health assessment
Lim et al. Developing a mobile wellness management system for healthy lifestyle by analyzing daily living activities
CN114550932A (zh) 一种睡眠呼吸暂停风险评估方法、装置、设备及存储介质
KR102033063B1 (ko) 개인 히스토리 데이터 기반 맞춤형 건강 관리 시스템 및 방법
KR102478102B1 (ko) 불면증 치료방법
Lin et al. Applications of non‐invasive sensor devices to personalised health care

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
GR01 Patent grant
GR01 Patent grant