CN110520044A - 通过分析身体行为模式进行健康预测的方法和设备 - Google Patents

通过分析身体行为模式进行健康预测的方法和设备 Download PDF

Info

Publication number
CN110520044A
CN110520044A CN201880024861.XA CN201880024861A CN110520044A CN 110520044 A CN110520044 A CN 110520044A CN 201880024861 A CN201880024861 A CN 201880024861A CN 110520044 A CN110520044 A CN 110520044A
Authority
CN
China
Prior art keywords
behavior pattern
data
body behavior
sensing data
sensor
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.)
Pending
Application number
CN201880024861.XA
Other languages
English (en)
Inventor
卡西克·斯里尼瓦桑
诺里亚·达里亚布
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.)
Next Step Dynamics Co Ltd
Original Assignee
Next Step Dynamics Co Ltd
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 Next Step Dynamics Co Ltd filed Critical Next Step Dynamics Co Ltd
Publication of CN110520044A publication Critical patent/CN110520044A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • 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
    • A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
    • 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
    • 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
    • A61B5/103—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
    • A61B5/1117—Fall detection
    • 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
    • A61B5/1118—Determining activity level
    • 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
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
    • A61B5/221—Ergometry, e.g. by using bicycle type apparatus
    • A61B5/222—Ergometry, e.g. by using bicycle type apparatus combined with detection or measurement of physiological parameters, e.g. heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/0423—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting deviation from an expected pattern of behaviour or schedule
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0492—Sensor dual technology, i.e. two or more technologies collaborate to extract unsafe condition, e.g. video tracking and RFID tracking
    • 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
    • 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
    • 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
    • G16H50/30—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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/08—Elderly
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Psychiatry (AREA)
  • General Physics & Mathematics (AREA)
  • Emergency Management (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Pulmonology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Cardiology (AREA)
  • General Business, Economics & Management (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)

Abstract

本披露书提出了一种电子设备及其使用方法，用于从至少一个传感器设备上收集传感器数据，获取传感器数据中代表某人第一主要身体行为模式的第一传感器数据，获取传感器数据中代表某人第二主要身体行为模式的第二传感器数据，该名人士的第二主要身体行为模式与第一主要身体行为模式相关联，并且通过对比第一传感器数据和第二传感器数据，确定传感器数据差值，然后再根据该差值，确定健康分值。

Description

通过分析身体行为模式进行健康预测的方法和设备
技术领域
本披露书涉及个人健康状态预测领域的方法和设备。
背景
如今许多人都会经历负面健康影响，尤其是随着年龄的上升，负面影响愈加明显。老年人常见的负面健康影响是跌倒受伤。跌倒所引起的受伤有时对老年人来说是灾难性的，难以或无法恢复。同时，受伤需要花费医疗保健体系中的大量金钱和资源。在瑞典，此类受伤情况每年需要50亿美元左右的社会支出。约300,000的瑞典老年人每年至少跌倒一次，其中70,000人需要住院8到12天。18,000人出现髋部骨折。
今天，人们可以通过看医生或护士来获得健康评估。这通常是定期性质的，具体取决于个人目前的健康状况、年龄等，比如一年一次，一月一次，甚至更频繁。该类评估会测量不同的数据、如脉搏、血压、呼吸等。评估还可通过确定人们当时的力量和平衡力来推断其身体状况。老年人身边的人也可以简单观察其总体健康状况，包括老年人的亲朋和家庭护理人员。然而，并非所有人都能发现或了解老年人健康状态的变化，甚至老年人自己也做不到。
有些老年人在日间和夜间会出现不同的行为，而周围的人全然不知。例如，一名住在养老院的老人可能出现了失眠，比如新药物所导致的失眠，然而到了早上，该养老院的护理人员并不知道老人几乎整晚失眠，而把刚刚睡着的老人唤醒了。
摘要
如今人们需要预测某人的健康状态，预测该人是否受到负面健康影响。无法显示该人的健康状况，负面健康影响就极难避免。与其等待负面健康影响出现，比如某人跌倒受伤，不如预测跌倒风险是否正在增加。这不仅对该人本身，也对社会具有宝贵价值，因为这样可以减少因暴露于负面健康影响(如跌倒受伤)而导致的医疗支出。另一种正面的影响是，家庭成员可以留意老年人的健康状况是否良好。
本披露书旨在提供一种方法和设备，来缓释、减轻或消除一个或多个单独、或组合出现的上述缺陷。
本披露书提出的方法是，将经过配置的传感器设备贴在人体上，然后使用包含至少一个该类传感器设备的电子设备来确定该人的健康状态。具体而言就是，从至少一个传感器设备上收集一份传感器数据，并获取传感器数据中代表某人第一主要身体行为模式的第一传感器数据。然后获取传感器数据中代表某人第二主要身体行为模式的第二传感器数据，该名人士的第二主要身体行为模式与第一主要身体行为模式相关联。接着通过对比第一传感器数据和第二传感器数据的方式，确定传感器数据差值，然后根据该差值，确定健康分值。这种方法的优点是，健康分值能够表示某人的健康状态，也就能表示暴露于负面健康影响的风险，从而能够监控特定的身体行为模式，并将其量化为健康分值。
根据本披露书的若干方面，这种方法可进一步根据健康分值生成健康状态图示，并通过图像用户界面在屏幕上显示该说明。任何人都能轻易理解健康状态图示，包括医生、护理人员，甚至亲朋好友都行。
根据本披露书的若干方面，这种方法可进一步获取某人第一主要身体行为模式的第一持续时间，然后获取该人第二主要身体行为模式的第二持续时间。接着通过对比第一持续时间和第二持续时间的方式，确定持续时间差，然后根据已确定的传感器数据差和/或已确定的持续时间差，确定健康分值。这种方法的优点是，健康分值能够表示某人目前的健康状态，也就能表示暴露于负面健康影响的风险，从而能够监控特定身体行为模式的执行时间，并将其量化为健康分值。
根据本披露书的若干方面，从至少一个传感器设备上收集的传感器数据包括按照预定抽样频率抽取的传感器数据。以此方式可以控制因抽样而导致的电子设备电量消耗。抽样频率也会影响所收集传感器数据的准确性，而抽样频率可以相应地进行调整。
根据本披露书的若干方面，从至少一个传感器设备上收集的传感器数据包括按照经调整的抽样频率抽取的传感器数据，抽样频率的调整取决于收集的传感器数据。因此，抽样频率可以降低，使得在传感器数据差较小时，减少电子设备的电量消耗。抽样频率同样影响着收集到的传感器数据的准确性。抽样频率可以相应地进行调整。
根据本披露书的若干方面，传感器是一个或多个动作数据、脉搏数据、力量数据、位置数据或温度数据。以此方式可以根据人体的变化，量化传感器数据。
根据本披露书的若干方面，主要身体行为模式代表某人的特定动作特征。因此，可以监控特定动作特征，并将其量化为健康分值，例如“在椅子上坐直”或“从床上爬起来”。
根据本披露书的若干方面，主要身体行为模式代表某人的特定脉搏特征。因此，可以监控特定脉搏特征，并将其量化为健康分值。所以，第一主要身体行为模式可代表某人在第一天的特定脉搏特征，第二主要身体行为模式可代表某人在另一天，例如第二天或一周后的另一种特定脉搏特征。通过对比一个人在第一天和第二天的同一种主要身体行为模式，比如“从床上爬起来”的脉搏特征，可以监控这种主要身体行为模式的脉搏特征变化，并将其量化为健康分值。
根据本披露书的若干方面，确定健康分值需要使用至少一份传感器数据。这意味着可以使用多份传感器数据来计算健康分值。
本披露书进一步提出了一种用来确定某人健康状态的电子设备，其中至少包括一个经过配置、贴在人体上的传感器设备。这种电子设备包含一个储存器和一条处理线路，这条线路经过配置，会指示电子设备从至少一个传感器上收集一份传感器数据，然后获取该传感器数据中代表某人第一主要身体行为模式的第一传感器数据。储存器和处理线路经过进一步的配置后，可指示电子设备获取该传感器数据中代表该人第二主要身体行为模式的第二传感器数据，第二主要身体行为模式与第一主要身体行为模式相关联，然后通过对比第一传感器数据和第二传感器数据的方式，确定传感器数据差，接着根据该差值确定健康分值。这种电子设备的优点是，健康分值可表示某人的健康状态，也就能表示暴露于负面健康影响的风险，从而能够监控特定身体行为模式的变化，并将其量化为健康分值，表示暴露于负面健康影响的风险，
本发明涉及不同的方面，包括上文和下文描述的方法，以及相应的方式、电子设备、系统、网络、使用和/或产品方式，每个方面都能产生一种或多种与上文描述的第一个方面相关的好处和优点，每个方面都拥有一个或多个示例对应与上文描述的第一个方面相关的和/或随附权利要求中披露的实施例。
附图说明
以下附图展示有更详细的实施例，便于理解上述内容。其中类似的参考字符指代不同视图中的相同部件。图纸并不一定按比例绘制，相反，重点在于实施例上。
图1展示了适合实施本披露书所述方法的示范系统。
图2展示了依照本披露书若干方面的方法步骤流程图。
图3展示了依照本披露书若干方面且基于健康分值的活动图示。
图4展示了依照本披露书若干方面且基于健康分值的力量图示。
图5展示了依照本披露书若干方面且基于健康分值的平衡力图示。
图6a和6b展示了依照本披露书若干方面的主要身体行为模式。
详细描述
下文将参考附图更加详细地描述本披露书的各方面内容。本披露书所披露的方法和设备可采用多种实现形式，不应解释为仅本披露书所述方面才适用。图纸中相似的数字指代相似的要素。
本披露书使用术语仅仅是为了描述本披露书的特定方面，而并非旨在对本披露书加以限制。除非文义另有明确所指，否则单数词汇亦包含复数含义。
在部分示例中，根据本披露书的若干方面，区块中提及的功能或步骤可以不按照操作示意图中的顺序。例如，连续两个区块实际上可同时执行，或有时以相反顺序执行，这取决于所涉功能/行为。
图纸和说明书披露了本披露书的示范方面。但是，这些方面可以在不严重违背本披露书原则的情况下进行改动或修改。因此，本披露书应当被视为说明性而非限制性文件，而且不仅限于上文所述的特定方面。相应地，虽然本披露书采用了特定的术语，但仅将该类术语用于一般性和描述性用途，而不是为了进行限定。
应当注意的是，“包含”一词并不一定排除未罗列的其他要素或步骤，数量词“一个/某个”并不排除存在复数形式。还要注意，任何参考符号都不会限制权利要求的范围，实施例至少在一定程度上可通过软硬件结合的方式实施，并且，不同的“方式”、“单元”或“设备”可指代同一硬件项目。
如今许多人都会经历负面健康影响，尤其是随着年龄的上升，负面影响愈加明显。并非所有人都能发现或了解老年人健康状态的变化，甚至老年人自己也做不到。发明人发现人们需要这样一种解决方案，即有人可以观察某人目前的健康状态，并根据其观察预测该人的健康状态。这将有助于了解该人是否正暴露于负面健康影响。
发明人意识到，人们收集与身体行为模式相关的传感器数据，然后为该数据标记上时间，再储存该数据，以便将来与同一种身体行为模式的新传感器数据进行对比，通过这种方式，可以确定差值。根据该差值又可以确定健康分值。该健康分值可以通过显示屏上的图像用户界面，以图示A、B、C、D、E、F、G、H表示。显示在显示屏上后，任何人都能轻易了解某人是否有可能暴露于负面健康影响。
本披露书提出了一种使用电子设备100的方法，下文将以图示对电子设备100和这种方法进行更详细的描述。
图1展示了适合实施本披露书所述方法的示范系统。系统由电子设备100构成。
根据本披露书的部分实施例，电子设备100的这种方法需要一个储存器110和一条处理线路120。根据本披露书的若干方面，电子设备100包含一个显示屏150，用来显示图像用户界面。储存器110可以是随机存取存储器、闪存、硬盘或可以电子方式清空和重新编程的任何储存媒介。处理线路120可以是中央处理器或执行计算机程序或操作系统的指令的任何处理单元。
电子设备100可以是便携式电子设备。电子设备100的设计和形状可以参照任何可穿戴设备，如手表、手环、护身符、项链、腰带、皮带等。根据若干方面，电子设备100会贴在人体上，以便监控该人的数据。
某个示例中，电子设备100通过通讯网络50至少与另一个电子设备连接，如服务器200、个人计算机300，或智能手机400。个人计算机300或智能手机400包含至少一个显示屏350，450，用以提供图像用户界面。该示例中，通讯网络50是标准化无线局域网，例如无线局域网、蓝牙TM、无线个域网、超宽带、近场通信、无线射频识别，或类似网络。另一个示例中，通讯网络50是标准化无线广域网，例如全球移动通讯系统、扩展全球移动通讯系统、通用分组无线业务、改进数据率GSM服务，宽带码分多址、长期演进、窄带物联网、5G、全球微波接入互操作性、WiMAX或超移动宽带，或类似网络。通讯网络50也可以是局域网和广域网的组合，或有线网络。根据本披露书的若干方面，通讯网络50是由常用网际协议定义的。
根据若干方面，传感器设备102a、102b、102c、102d可以是：运动传感器，例如用来检测运动和/或相对运动、加速度和位置的加速度计或陀螺仪；用来测量温度的温度传感器；用来测量人体每分钟脉搏、心跳的脉搏传感器；用来测量人体呼吸的呼吸传感器；用来测量湿度的湿度计；用来测量气压的气压计；用来测量光线条件的光线传感器；用来拍摄图像和视频的照相机；用来记录语音等声音的麦克风；用来识别人体语音的语音识别传感器；用来寻找相对方向的罗盘；用于确定地理位置的全球定位系统接收器；用于测量电子设备100的显示屏或任何其他表面压力的压力传感器；人体域网(BAN)，用来测量通过人体域网发送的信息的传感器；用来感测人体内发生的身体震颤的震颤传感器；用来感测不同气味的气味传感器；用来输入和输出信息的触摸屏传感器；或任何其他传感器。
传感器设备102a、102b、102c、102d也可以是通过线缆102c或通过无限局域网或蓝牙102d等无限局域网络与电子设备100相连接的独立设备。传感器设备102a、102b、102c、102d还可以通过电缆102c或无线102d，集成于其他设备，比如任何物联网设备、医疗设备、心电图仪或助听器设备。传感器设备102a、102b、102c、102d还可以是配备传感器的任何独立设备。
现在请参见图2。本披露书提出了一种使用电子设备100的方法，也就是至少将一个传感器设备102a、102b、102c、102d贴在人体上，从而确定该人的健康状态。此方法需要从至少一个传感器设备102a、102b、102c、102d上收集S1一份传感器数据。根据本披露书的若干方面，也可以使用多个传感器设备102a、102b、102c、102d来收集不同类型的传感器数据，再用这些数据构成一份传感器数据。根据本披露书的若干方面，可以通过从多个传感器设备102a、102b、102c、102d上收集数据的方式收集传感器数据。根据本披露书的若干方面，收集到的传感器数据将打上时间标记并储存下来。打上时间标记的传感器数据可本地储存在电子设备100中，或远程储存在服务器200或个人计算机300中。
根据若干方面，传感器数据是任何一份或多份动作数据、脉搏数据、温度数据、压力数据、力量数据和/或呼吸数据。这种方法还包括获取传感器数据中代表某人第一主要身体行为模式1BBP1的S2第一传感器数据sd1。根据若干方面，身体行为模式代表某人的特定运动特征。根据若干方面，身体行为模式代表某人的特定脉搏特征。某个示例中，无动作也是一种动作特征。特别是，人们在躺下不运动时可能会暴露于褥疮这种负面健康影响。根据本发明的若干方面，身体行为模式代表某人不同特征的组合。某个示例中，身体行为模式代表某人特定的动作和脉搏特征。根据本披露书的若干方面，确定健康分值需要使用至少一份传感器数据。这意味着可以使用多份传感器数据来计算健康分值。
某个示例中，当从床上爬起来再立正站直时，特定身体行为模式是传感器所描述的动作特征。
根据若干方面，这种特定动作是由多个传感器设备102a、102b、102c、102d确定的。一个传感器设备102a、102b、102c、102d使用加速计或陀螺仪来测量人的相对运动。另一个传感器设备102a、102b、102c、102d使用气压计来测量空气压力，从而测量海拔的变化。还有一个传感器设备102a、102b、102c、102d使用脉搏传感器来测量人体脉搏。根据本披露书的若干方面，特定身体行为模式可以在特定的置信区间内，根据从多个传感器设备102a、102b、102c、102d上收集到的传感器数据，被描述为函数f(x，y，z)。在示例中，当从床上爬起来再立正站直时，函数f(x，y，z)：
x＝加速计数据
y＝海拔数据
z＝脉搏数据
根据本披露书的若干方面，方法还包括从收集到的传感器数据中获取第一传感器数据sd1，并使用第一传感器数据sd1来计算函数。计算结果将用于确定第一主要身体行为模式。某个示例中，函数可以是f(x，y，z)，结果可以是一条代表某人第一主要身体行为模式1BBP1的曲线。该曲线的示例见图6a。
根据若干方面，还存在多种不同的身体行为模式，如主要、次要、三等、四等、五等、六等、七等、八等、九等和十等身体行为模式。例如：
主要身体行为模式1BBP——从床上爬起来再立正站直；
次要身体行为模式2BBP——从椅子上站起来并立正站直；
三等身体行为模式3BBP——先立正然后坐在椅子上；
四等身体行为模式4BBP——行走；
五等身体行为模式5BBP——用拐杖行走；
六等身体行为模式6BBP——用助行架行走；
七等身体行为模式7BBP——走下楼梯；
八等身体行为模式8BBP——走上楼梯；
九等身体行为模式9BBP——睡觉；
根据本披露书的若干方面，收集到的传感器数据将发送至服务器200。服务器可通过通讯网络50连接至电子设备100，并从电子设备100收集传感器数据。根据若干方面，从多个人身上收集和汇总的传感器数据可以确定某种特定身体行为模式。
根据本披露书的若干方面，从某人身上收集到的传感器数据可以确定某种特定身体行为模式。某个示例中，必须由用户将数据输入到电子设备100，才能手动确定每种身体行为模式。某个示例中，电子设备100可以自我培训来标记特定的身体行为模式。某个示例中，电子设备100会自己学习特定的身体行为模式，并在不知道身体行为模式在现实生活中实际代表什么的情况下，将各种身体行为模式区分开来。某个示例中，特定身体行为模式的标记或命名是通过操作员将数据输入到电子设备100中，或由操作员将数据输入到通过通讯网络50与电子设备100相连的个人计算机300或便携式设备400中的方式，手动完成的。某个示例中，特定身体行为模式的标记或命名是通过在服务器200上检索名称或标签的方式，自动完成的。
根据若干方面，电子设备100从至少一个传感器设备102a、102b、102c、102d上收集传感器数据，并将所有传感器数据保存在储存器110中。根据若干方面，电子设备100从至少一个传感器设备102a、102b、102c、102d上收集传感器数据，并将所有传感器数据保存在通过通讯网络50与电子设备100相连的服务器200上。
身体行为模式可由不同的传感器数据确定。例如脉搏、呼吸、痉挛、行走、睡眠的相关传感器数据。睡眠时无动作，表明动作传感器数据无变化，这也可以是与一天中该时间相关的传感器数据，因为即使人在睡觉，但与前几天晚上相比，也可能会出现特定的身体行为模式。
方法还包括从传感器数据中获取代表某人第二主要身体行为模式1BBP2的S3第二传感器数据sd2，该人的第二主要身体行为模式1BBP2与第一主要身体行为模式1BBP1相关联。
正如上文所述，根据获取的传感器数据，特定身体行为模式可以描述为函数f(x，y，z)。为了确认第二传感器数据sd2代表一种与主要身体行为模式相关联的身体行为模式，第二传感器数据sd2在计算函数f(x，y，z)时会被用作输入数据。
某个示例中，函数f(x′，y′，z′)使用了第一传感器数据sd1，并输出了一条曲线来描述第一特定身体行为模式。另一个示例中，函数f(x″，y″，z″)使用了第二传感器数据sd2，并输出了一条曲线来描述第二特定身体行为模式。根据本披露书的若干方面，函数f(x′，y′，z′)被定义为代表主要身体行为模式1BBP，也就是“从床上爬起来再立正站直”。
函数f(x′，y′，z′)和f(x″，y″，z″)的计算输出相比较，如果两个输出，比如说两条曲线都在特定的置信区间内，如85％，则第二特定身体行为模式便是主要身体行为模式，也就是第二主要身体行为模式1BBP2。因此，第二主要身体行为模式1BBP2与第一主要身体行为模式1BBP1相关联。图6a和6b展示了两条曲线都在主要身体行为模式的特定置信区间内的情况。
根据本披露书的若干方面，方法还包含持续获取和对比传感器数据，以便识别特定的身体行为模式。根据本披露书的若干方面，方法还包含持续获取传感器数据，并将收集到的传感器数据与新收集到的传感器数据进行对比，以便识别代表主要身体行为模式的传感器数据。
某个示例中，至少一个传感器设备102a、102b、102c、102d在第一主要身体行为模式1BBP1被检测到后，及时检测到了第二主要身体行为模式1BBP2。第二主要身体行为模式1BBP2在某些方面，几乎可以与第一主要身体行为模式1BBP1在同一天出现。某个示例中，当主要身体行为模式1BBP是“从床上爬起来再立正站直”时，它可以出现得更加频繁。根据身体行为模式，它在一天中的大约同一时间发生的频率可以更高，也可以更低。根据若干方面，在对比第一主要身体行为模式和第二主要身体行为模式时，一天中的时间具有重要意义。例如，一个人早上起床和下午起床时的行为会有所不同。
因此，在执行这种方法后，还要通过对比第一传感器数据sd1和第二传感器数据sd2来确定S4传感器数据差。在上文所述的示例中，主要身体行为模式1BBP是“从床上爬起来再立正站直”。某个示例中，第一主要身体行为模式1BBP1是在周三早上08：05起床时获取的传感器数据，第二主要身体行为模式1BBP2是在周四早上07：40起床时获取的传感器数据。在此例中，如图6a所示，第一主要身体行为模式1BBP1的函数f(x′，y′，z′)在特定置信区间内，描绘了一条相似的曲线，也就是第二主要身体行为模式1BBP2的函数f(x″，y″，z″)。传感器数据差是通过对比两个函数的结果来确定的，根据来自第一传感器数据sd1和第二传感器数据sd2的不同的数值来量化的。
然后，此方法会根据已确定的传感器数据差，确定S5健康分值。根据本披露书的若干方面，健康分值取决于先前收集的传感器数据。根据本披露书的若干方面，健康分值取决于至少一个或多个因素，包括一天中的时间、性别、年龄或药物。
根据本披露书的若干方面，健康分值是通过计算函数来确定的，计算结果可用来确定健康分值。某个示例中，函数可以是f(sd1，sd2，td1，td2，b，c，d)，其计算结果可以是健康分值。参数可以是第一传感器数据sd1；第二传感器数据sd2；第一持续时间td1；第二持续时间td2；一天中的某个时间b；平均值c；药物因素d。可以使用多个数学函数和不同的参数。根据本披露书的若干方面，健康分值还取决于至少一个或多个参数，包括一天中的时间、性别、年龄或药物。
这种方法的一个优点是，健康分值能够表示人们的健康状态，也就能表示暴露于负面健康影响的风险，根据若干方面，特定身体行为模式的变化得到了监控，并量化为健康分值。
根据本披露书的若干方面，如图2所示，方法还包括获取S6某人第一主要身体行为模式1BBP1的第一持续时间，然后获取S7该人第二主要身体行为模式1BBP2的第二持续时间。在上文所述的示例中，主要身体行为模式1BBP是“从床上爬起来再立正站直”。如图6b所示，这种特定身体行为模式的时间t1在一种场合下是t1，在另一种场合下是t2。某个示例中，例如，从加速计的传感器数据判断，某人在一天早上可能会表现得缺乏力量，而且脉搏异常，这可能会导致其花费更长的时间起床。
接着通过对比第一持续时间td1和第二持续时间td2的方式，确定S8持续时间差，然后根据已确定的传感器数据差和/或已确定的持续时间差，确定健康分值S9。
这意味着，健康分值除已确定的传感器数据差外，还可以基于持续时间差，正如起床时力量更小且脉搏异常的示例所述。健康分值还可以仅基于已确定的时间差。根据本披露书的若干方面，特定身体行为模式是单一的，因此电子设备100使用者的预定传感器数据差和/或预定持续时间差才具有相关性，因为它反映了该人的特征，即仅对比该人先前的特征。
这种方法的一个优点是，健康分值能够表示人们目前的健康状态，也就能表示暴露于负面健康影响的风险。根据若干方面，特定身体行为模式的执行时间变化得到了监控，并量化为健康分值。
根据本披露书的若干方面，方法还包括根据健康分值，生成S10某人健康状态的图示A、B、C、D、E、F、G、H，然后通过显示屏150、350、450上的图像用户界面，显示S11该图示A、B、C、D、E、F、G、H。任何人都能轻易理解某人健康状态的图示A、B、C、D、E、F、G、H，包括医生、护理人员，甚至亲朋好友都行。图3-5展示了基于健康分值的图示A、B、C、D、E、F、G、H。任何人都能轻易理解某人健康状态的图示A、B、C、D、E、F、G、H，包括医生、护理人员，甚至亲朋好友都行。
根据本披露书的若干方面，健康分值用于启动某个动作。该动作可以是启动报警、发送信息、发送警告信号到系统、发送警告信息到预定接收器或更改图示区域A、B、C、D、E、F、G、H。
图3显示了某人从凌晨1点到下午2点这段时间非活动和活动分数的示例。图表中有不同的颜色，这些颜色让观察者直观了解到一天中某段特定时间的正面或负面的健康影响。图3区域A显示，与前一天相比，为负面进度(即情况变糟)。区域B显示为正常非活动或睡眠。区域C显示持续步行，例如：七等行为模式，7BBP步行。D区域显示步行以外的另一种动作。
该示例中，健康状态的图示显示，该人在凌晨1点后上床睡觉前的活动，分值为负值，和正常状态相比，该人活动太晚和上床睡觉太迟，被认为是一种负面的进度。同样，该人在凌晨3点前醒来，这被认为是负面的，因为一般情况下，晚间应当获得良好睡眠。该人在白天行走，积极活动，健康影响有所改善。
图4中的健康状态图示显示，与前一天相比，随着时间的推移，一天中的力量有所增强。在显示的时间条内，该人在06：00-08：00和10：00-11：00和13：00的力量有所增强。在其他时间段，与前一天相比，力量没有变化。
图5健康状态图示F区域显示，与前一天相比，该人在平衡力方面经历了类似的进度。G区域显示，与前一天相比，在平衡力方面，进度有所下落。H区域显示，与前一天相比，在平衡力方面，进度有所提高。
根据本披露书的若干方面，从至少一个传感器设备102a、102b、102c、102d收集传感器数据，包括根据预定抽样频率对传感器数据进行抽样。通过这个方法，电子设备100由于抽样而引起的电量消耗就可以得到控制。电子设备100包含处理线路120，并取决于要处理的数据数量，电子设备100的电量消耗受影响。处理的越多，要消耗的电量越多。
根据本披露书的若干方面，从至少一个传感器设备102a、102b、102c、102d收集传感器数据包括调整抽样频率对传感器数据进行抽样，所调整的抽样频率依赖于所收集的传感器数据。因此，抽样频率可以调节至更小的频率，这样当传感器数据差较小时，电子设备的电量消耗变得更低。某个示例中，当某人在夜间睡觉所收集的传感器数据与该人在白天活动和四处走动收集到的传感器数据相比，变化可能微乎其微。根据本披露书的若干方面，所调整的抽样频率依赖于身体行为模式。例如，如果身体行为模式是四等行为模式，4BBP——行走，抽样可以调整至某一频率，相比如果身体行为模式是九等行为模式，9BBP——睡觉，前者可能会更高。如果收集到的传感器数据变化很大，则抽样可能以更高的频率进行。如果收集到的传感器数据差距不大，则样本可以较低的频率进行抽样。抽样频率同样影响着收集到的传感器数据的准确性。抽样频率可以相应地进行调整。
根据本披露书的若干方面，传感器是一个或多个动作数据、脉搏数据、力量数据、位置数据或温度数据。以此方式可以根据人体的变化，量化传感器数据。
本披露书进一步提出一种电子设备100，包括至少一个经过配置后贴在人体上的的传感器设备102a、102b、102c、102d，来确定人体的健康状态，包括储存器110和处理线路120，经过配置，使电子设备100从至少一个传感器设备102a、102b、102c、102d收集传感器数据，然后获取该传感器数据中代表某人第一主要身体行为模式的第一传感器数据sd1。电子设备100中的储存器和处理线路120经过进一步的配置后，指示电子设备100获取该传感器数据中代表该人第二主要身体行为模式的第二传感器数据sd2，第二主要身体行为模式与第一主要身体行为模式相关联，然后通过对比第一传感器数据sd1和第二传感器数据sd2的方式，确定传感器数据差，接着根据该差值确定健康分值。电子设备100的优点是，健康分值可表示某人的健康状态，也就能表示暴露于负面健康影响的风险，从而能够监控特定的身体行为模式，并将其量化为健康分值。
经过配置，电子设备100能够执行上述方法的任何方面。根据本披露书中的部分实施例，该方法通过电子设备100下载并运行的软件的指示来执行。某个示例中，该类软件就是所谓的应用程序。这种应用程序要么是免费的，要么可以通过智能手机购买。同一应用程序可以生成图示区域A、B、C、D、E、F、G、H，通过图像用户界面在显示屏150、350、450展示人体的健康状态图示A、B、C、D、E、F、G、H区域。
在图纸和说明书中，典型实施例已经被公开。但这些实施例可以进行更多的变更和修改。相应地，虽然本披露书采用了特定的术语，但仅将该类术语用于一般性和描述性用途，而非为了进行限定。实施例的范围由以下权利要求所定义。

Claims (10)

1.一种使用电子设备(100)的方法，也就是至少将一个传感器设备(102a、102b、102c、102d)贴在人体上，从而确定该人的健康状态，方法包括：
-从至少一个传感器设备(102a、102b、102c、102d)收集传感器数据(S1)；
-获取传感器数据(S2)中代表某人第一主要身体行为模式(1BBP1)的第一传感器数据(sd1)；
-获取传感器数据(S3)中代表某人第二主要身体行为模式(1BBP2)的第二传感器数据(sd2)，该人的第二主要身体行为模式与第一主要身体行为模式相关联；
-通过对比第一传感器数据(sd1)和第二传感器数据(sd2)的方式，确定传感器数据差(S4)；
-根据该差值(S5)确定健康分值。
2.权利要求1所述方法进一步包含：
-生成(S10)人体健康状态的图示A、B、C、D、E、F、G、H，然后
-通过显示屏150、350、450上的图像用户界面，显示(S11)该图示A、B、C、D、E、F、G、H。
3.上述权利要求所述方法进一步包含：
-获得(S6)该人的第一主要身体行为模式(1BBP1)的第一持续时间(td1)；
-获得(S7)该人的第二主要身体行为模式(1BBP2)的第二持续时间(td1)；
-通过对比第一持续时间(td1)和第二持续时间(td2)，确定持续时间差(S8)；
-基于已确定的传感器数据差和/或持续时间差，从而确定健康分值(S9)。
4.根据上述权利要求所述的方法，从至少一个传感器设备(102a、102b、102c、102d)收集传感器数据，包括根据预定抽样频率对传感器数据进行抽样。
5.根据上述权利要求所述的方法，从至少一个传感器设备(102a、102b、102c、102d)收集传感器数据，包括调整抽样频率对传感器数据进行抽样，所调整的抽样频率依赖于所收集的传感器数据。
6.根据上述权利要求所述的方法，传感器是一个或多个移动数据、脉搏数据、力量数据、位置数据或温度数据。
7.根据上述权利要求所述的方法，主要身体行为模式(1BBP1)代表某人特定动作特征。
8.根据上述权利要求所述的方法，主要身体行为模式(1BBP1)代表某人的特定脉搏特征。
9.根据上述权利要求所述的方法，确定健康分值需要使用至少一份传感器数据。
10.电子设备(100)包含至少一个传感器设备(102a、102b、102c、102d)，该传感器设备经过配置后贴在人体上，来确定人体的健康状态，电子设备(100)包括：
·一个储存器(110)；
·一条处理线路(120)，经过配置，会指示电子设备：
-从至少一个传感器设备(102a、102b、102c、102d)收集传感器数据；
-获取传感器数据中代表某人第一主要身体行为模式(1BBP1)的第一传感器数据(sd1)；
-获取传感器数据中代表某人第二主要身体行为模式(1BBP2)的第二传感器数据(sd2)，该人的第二主要身体行为模式与第一主要身体行为模式(1BBP1)相关联；
-通过对比第一传感器数据(sd1)和第二传感器数据(sd2)的方式，确定传感器数据差；
-根据该差异确定健康分值。
CN201880024861.XA 2017-02-22 2018-02-21 通过分析身体行为模式进行健康预测的方法和设备 Pending CN110520044A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
SE1750192A SE541712C2 (en) 2017-02-22 2017-02-22 Method and apparatus for health prediction
SE1750192-5 2017-02-22
PCT/SE2018/050164 WO2018156071A1 (en) 2017-02-22 2018-02-21 Method and apparatus for health prediction by analyzing body behaviour pattern

Publications (1)

Publication Number Publication Date
CN110520044A true CN110520044A (zh) 2019-11-29

Family

ID=63254307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880024861.XA Pending CN110520044A (zh) 2017-02-22 2018-02-21 通过分析身体行为模式进行健康预测的方法和设备

Country Status (9)

Country Link
US (1) US20200375505A1 (zh)
EP (1) EP3570745A4 (zh)
JP (1) JP2020510947A (zh)
CN (1) CN110520044A (zh)
AU (1) AU2018223936A1 (zh)
CA (1) CA3054283A1 (zh)
SE (1) SE541712C2 (zh)
SG (1) SG11201907710PA (zh)
WO (1) WO2018156071A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11574270B1 (en) * 2018-08-08 2023-02-07 Lifebooster Inc. Methods and systems for workplace risk assessment
JP7471302B2 (ja) * 2018-12-19 2024-04-19 サノフイ 血糖測定値のパターン認識エンジン
JP2020192276A (ja) * 2019-05-30 2020-12-03 株式会社タニタ 御守システム及び御守プログラム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120119904A1 (en) * 2010-10-19 2012-05-17 Orthocare Innovations Llc Fall risk assessment device and method
US20130141235A1 (en) * 2011-06-10 2013-06-06 Aliphcom General health and wellness management method and apparatus for a wellness application using data associated with data-capable band
US20140005502A1 (en) * 2008-05-01 2014-01-02 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
US20160220198A1 (en) * 2013-06-21 2016-08-04 Hello Inc. Mobile device that monitors an individuals activities, behaviors, habits or health parameters
US20160342763A1 (en) * 2014-01-14 2016-11-24 Omron Corporation Health monitoring assist system
US20160379476A1 (en) * 2013-11-26 2016-12-29 Kytera Technologies Ltd. Systems and methods for analysis of subject activity
WO2017002219A1 (ja) * 2015-06-30 2017-01-05 富士通株式会社 異常検出方法、異常検出プログラム、および情報処理装置

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1195139A1 (en) * 2000-10-05 2002-04-10 Ecole Polytechnique Féderale de Lausanne (EPFL) Body movement monitoring system and method
KR100634549B1 (ko) * 2005-07-28 2006-10-13 삼성전자주식회사 건강관리장치 및 방법
US7733224B2 (en) * 2006-06-30 2010-06-08 Bao Tran Mesh network personal emergency response appliance
US20070219059A1 (en) * 2006-03-17 2007-09-20 Schwartz Mark H Method and system for continuous monitoring and training of exercise
US8075499B2 (en) * 2007-05-18 2011-12-13 Vaidhi Nathan Abnormal motion detector and monitor
US8585607B2 (en) * 2007-05-02 2013-11-19 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
US8206325B1 (en) * 2007-10-12 2012-06-26 Biosensics, L.L.C. Ambulatory system for measuring and monitoring physical activity and risk of falling and for automatic fall detection
WO2009111886A1 (en) * 2008-03-14 2009-09-17 Stresscam Operations & Systems Ltd. Assessment of medical conditions by determining mobility
JP5250827B2 (ja) * 2008-09-19 2013-07-31 株式会社日立製作所 行動履歴の生成方法及び行動履歴の生成システム
WO2010150260A1 (en) * 2009-06-24 2010-12-29 The Medical Research, Infrastructure, And Health Services Fund Of The Tel Aviv Medical Center Automated near-fall detector
TWI437458B (zh) * 2010-07-27 2014-05-11 Univ Nat Yang Ming 行為樣式分析方法
CA2773507C (en) * 2011-04-04 2020-10-13 Mark Andrew Hanson Fall detection and reporting technology
CN103619248B (zh) * 2011-06-28 2016-01-13 皇家飞利浦有限公司 从坐到站转换检测
WO2013071285A1 (en) * 2011-11-11 2013-05-16 Rutgers, The State University Of New Jersey Methods for the diagnosis and treatment of neurological disorders
EP2748745A2 (en) * 2011-11-28 2014-07-02 Koninklijke Philips N.V. Health monitoring system for calculating a total risk score
CN103957777B (zh) * 2011-12-07 2018-01-09 捷通国际有限公司 行为跟踪和修正系统
DE112012005605T5 (de) * 2012-04-18 2014-10-16 Hewlett Packard Development Company, L.P. Beurteilung der physischen Stabilität eines Patienten mithilfe eines Akzelerometers
US9743848B2 (en) * 2015-06-25 2017-08-29 Whoop, Inc. Heart rate variability with sleep detection
US9877667B2 (en) * 2012-09-12 2018-01-30 Care Innovations, Llc Method for quantifying the risk of falling of an elderly adult using an instrumented version of the FTSS test
US20150182163A1 (en) * 2013-12-31 2015-07-02 Aliphcom Wearable device to detect inflamation
US9936916B2 (en) * 2013-10-09 2018-04-10 Nedim T. SAHIN Systems, environment and methods for identification and analysis of recurring transitory physiological states and events using a portable data collection device
EP3107451A4 (en) * 2014-02-19 2017-10-18 Lumiradx Uk Ltd Health monitor
EP3110313A4 (en) * 2014-02-28 2017-12-27 Valencell, Inc. Method and apparatus for generating assessments using physical activity and biometric parameters
US10299736B2 (en) * 2014-03-27 2019-05-28 The Arizona Board Of Regents On Behalf Of The University Of Arizona Method, device, and system for diagnosing and monitoring frailty
US10692603B2 (en) * 2014-05-13 2020-06-23 The Arizona Board Of Regents On Behalf Of The University Of Arizona Method and system to identify frailty using body movement
US20160035247A1 (en) * 2014-07-29 2016-02-04 Ohio University Visual feedback generation in tracing a pattern
US20160029898A1 (en) * 2014-07-30 2016-02-04 Valencell, Inc. Physiological Monitoring Devices and Methods Using Optical Sensors
US10448867B2 (en) * 2014-09-05 2019-10-22 Vision Service Plan Wearable gait monitoring apparatus, systems, and related methods
JP5817943B1 (ja) * 2015-01-05 2015-11-18 セイコーエプソン株式会社 生体情報測定モジュール、および生体情報測定機器
US20160302677A1 (en) * 2015-04-14 2016-10-20 Quanttus, Inc. Calibrating for Blood Pressure Using Height Difference
US20160367202A1 (en) * 2015-05-18 2016-12-22 Abraham Carter Systems and Methods for Wearable Sensor Techniques
US10188345B2 (en) * 2016-02-12 2019-01-29 Fitbit, Inc. Method and apparatus for providing biofeedback during meditation exercise

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140005502A1 (en) * 2008-05-01 2014-01-02 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
US20120119904A1 (en) * 2010-10-19 2012-05-17 Orthocare Innovations Llc Fall risk assessment device and method
US20130141235A1 (en) * 2011-06-10 2013-06-06 Aliphcom General health and wellness management method and apparatus for a wellness application using data associated with data-capable band
US20160220198A1 (en) * 2013-06-21 2016-08-04 Hello Inc. Mobile device that monitors an individuals activities, behaviors, habits or health parameters
US20160379476A1 (en) * 2013-11-26 2016-12-29 Kytera Technologies Ltd. Systems and methods for analysis of subject activity
US20160342763A1 (en) * 2014-01-14 2016-11-24 Omron Corporation Health monitoring assist system
WO2017002219A1 (ja) * 2015-06-30 2017-01-05 富士通株式会社 異常検出方法、異常検出プログラム、および情報処理装置

Also Published As

Publication number Publication date
AU2018223936A1 (en) 2019-10-10
CA3054283A1 (en) 2018-08-30
SE1750192A1 (sv) 2018-08-23
EP3570745A1 (en) 2019-11-27
EP3570745A4 (en) 2020-08-12
SG11201907710PA (en) 2019-09-27
US20200375505A1 (en) 2020-12-03
JP2020510947A (ja) 2020-04-09
WO2018156071A1 (en) 2018-08-30
SE541712C2 (en) 2019-12-03

Similar Documents

Publication Publication Date Title
US10602964B2 (en) Location, activity, and health compliance monitoring using multidimensional context analysis
JP6599580B1 (ja) ユーザをモニタリングするシステム
CN110248593B (zh) 通信装置、异常通知系统及生成体温的履历数据的方法
US20190328278A1 (en) System and method for monitoring respiration
US20160224750A1 (en) Monitoring system for assessing control of a disease state
Geman et al. Ubiquitous healthcare system based on the sensors network and android internet of things gateway
JP3225990U (ja) 連続的なセンサー信号に基づいて、アクシデントのリスクまたは補助の必要性を記録し、分析し、かつ、リアルタイム警告を提供するためのシステム
CN110520044A (zh) 通过分析身体行为模式进行健康预测的方法和设备
Haescher et al. Mobile assisted living: Smartwatch-based fall risk assessment for elderly people
KR102304877B1 (ko) 딥러닝 기반의 수면 평가 및 예측을 위한 수면 평가 시스템
KR102350643B1 (ko) 활동 및 수면 데이터를 활용한 수면 품질 평가 시스템
Yoo et al. KLog-Home: A holistic approach of in-situ monitoring in elderly-care home
Huang et al. Implementation of a wireless sensor network for heart rate monitoring in a senior center
JP7327397B2 (ja) コンピューターで実行されるプログラム、情報処理システム、および、コンピューターで実行される方法
JP7342863B2 (ja) コンピュータで実行されるプログラム、情報処理システム、および、コンピュータで実行される方法
JP7298685B2 (ja) リハビリ支援システム、およびリハビリ支援方法
US11457875B2 (en) Event prediction system, sensor signal processing system, event prediction method, and non-transitory storage medium
Ianculescu et al. Mapping the behavioral change evaluation of elderly with mild cognitive impairment in a smart environment
Aakesh et al. Review on Healthcare Monitoring and Tracking Wristband for Elderly People using ESP-32
JP7247302B2 (ja) 睡眠状態評価装置
SE543057C2 (en) Method and apparatus for health prediction
SE1950946A1 (en) Method and apparatus for health prediction
Huizinga Early Recognition Of The Deteriorating Surgical Patient Using HealthPatch MD, A Wireless And Wearable Vital Signs Monitor–An Early Clinical Feasibility Study
WO2020003951A1 (ja) コンピューターで実行されるプログラム、情報処理装置、および、コンピューターで実行される方法
Park et al. Development of a Sleep Monitoring System by Using a Depth Sensor: A Pilot Study

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191129