CN106446543A - 健康数据处理方法、装置及服务器集群 - Google Patents
健康数据处理方法、装置及服务器集群 Download PDFInfo
- Publication number
- CN106446543A CN106446543A CN201610839249.0A CN201610839249A CN106446543A CN 106446543 A CN106446543 A CN 106446543A CN 201610839249 A CN201610839249 A CN 201610839249A CN 106446543 A CN106446543 A CN 106446543A
- Authority
- CN
- China
- Prior art keywords
- data
- health
- user
- fraction
- index
- 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
Links
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
Abstract
本申请提供一种健康数据处理方法、装置及服务器集群,该方法包括:接收可穿戴设备在预设时间周期内采集的用户数据,所述用户数据包括用户基本信息和健康衡量数据;根据所述用户基本信息,确定所述健康衡量数据对应的维度组合;基于所述维度组合对应的分布模型和所述健康衡量数据,确定用户在所述预设时间周期内的健康衡量数据在所述维度组合中的排序。本申请的技术方案对可穿戴设备获得的健康衡量数据按照维度组合进行分析,并确定出用户的健康衡量数据在对应的维度组合中的排序,使得数据的参考价值更高,优化数据对用户的健康指导效果。
Description
技术领域
本申请涉及大数据处理技术领域,尤其涉及一种健康数据处理方法、装置及服务器集群。
背景技术
随着可穿戴设备的快速发展,用户可以通过可穿戴设备实现各种应用功能,例如通过可穿戴设备监测用户的运动量、用户的睡眠情况等。
现有技术中,一般通过步数、里程、卡路里等数据来衡量用户的运动量,通过用户的睡眠中的翻身次数等来衡量用户的睡眠质量,但是由于这些健康数据缺乏专业的参考标准,因此用户一般无法根据这些健康数据确定自己的运动量是否合理,睡眠质量是否比较好等,因此现有技术提供的数据对用户没有很大的参考价值,对用户的健康指导效果差。
发明内容
有鉴于此,本申请提供一种新的技术方案,可以解决现有技术提供的数据对用户没有很大的参考价值,对用户的健康指导效果差的技术问题。
为实现上述目的,本申请提供技术方案如下:
根据本申请的第一方面,提出了一种健康数据处理方法,该方法包括:
接收可穿戴设备在预设时间周期内采集的用户数据,所述用户数据包括用户基本信息和健康衡量数据;
根据所述用户基本信息,确定所述健康衡量数据对应的维度组合;
基于所述维度组合对应的分布模型和所述健康衡量数据,确定用户在所述预设时间周期内的健康衡量数据在所述维度组合中的排序。
根据本申请的第二方面,提出一种健康数据处理方法,可包括:
接收可穿戴设备在预设时间周期内采集的用户数据,所述用户数据包括健康衡量数据;
基于分数计算模型和所述健康衡量数据,确定所述用户在所述预设时间周期内的健康衡量数据对应的健康分数;
基于分数分布模型和所述用户在所述预设时间周期内的健康衡量数据对应的健康分数,确定用户在所述预设时间周期内的健康衡量数据对应的健康分数的排序。
根据本申请的第三方面,提出了一种健康数据处理装置,可包括:
第一接收模块,用于接收可穿戴设备在预设时间周期内采集的用户数据,所述用户数据包括用户基本信息和健康衡量数据;
组合确定模块,用于根据所述第一接收模块接收到的所述用户基本信息,确定所述健康衡量数据对应的维度组合;
指标排序模块,用于基于所述组合确定模块确定的所述维度组合对应的分布模型和所述第一接收模块接收到的所述健康衡量数据,确定用户在所述预设时间周期内的健康衡量数据在所述维度组合中的排序。
根据本申请的第四方面,提供了一种健康数据处理装置,可包括:
第二接收模块,用于接收可穿戴设备在预设时间周期内采集的用户数据,所述用户数据包括健康衡量数据;
分数计算模块,用于基于分数计算模型和所述第二接收模块接收到的所述健康衡量数据,确定所述用户在所述预设时间周期内的健康衡量数据对应的健康分数;
分数排序模块,用于基于分数分布模型和所述分数计算模块确定的所述用户在所述预设时间周期内的健康衡量数据对应的健康分数,确定用户在所述预设时间周期内的健康衡量数据对应的健康分数的排序。
根据本申请的第五方面,提出了一种服务器集群,可包括:
处理器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器,被配置为执行上述权利要求所述的健康数据处理方法。
根据本申请的第六方面,提出了一种服务器集群,可包括:
处理器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器,被配置为执行上述权利要求所述的健康数据处理方法。
由以上技术方案可见,本申请可以对可穿戴设备获得的健康衡量数据按照维度组合进行分析,并确定出用户的健康衡量数据在对应的维度组合中的排序,以便在用户可以根据自己在相似人群中的健康排序确定自己的健康状态,使得数据的参考价值更高,优化数据对用户的健康指导效果;此外,本申请还可以对可穿戴设备获得的健康衡量数据进行分数计算,并确定出用户的分数排名,以便用户可以根据的得分确定自己的健康状态。
附图说明
图1A示出了根据本发明的一示例性实施例的健康数据处理方法的流程示意图;
图1B示出了根据本发明的一示例性实施例的健康数据处理方法的应用场景示意图;
图2A示出了根据本发明的又一示例性实施例的确定每一个维度组合中每一项指标的指标分布模型的流程图;
图2B示出了根据本发明的又一示例性实施例的步骤203的方法流程图;
图2C示出了根据本发明的又一示例性实施例的实时更新指标分布模型的方法流程图;
图3示出了根据本发明的又一示例性实施例的健康数据处理方法的流程图;
图4A示出了根据本发明的又一示例性实施例的确定用户在所述预设时间周期内的健康衡量数据对应的健康分数的方法流程图;
图4B示出了根据本发明的又一实施例的根据用户的历史健康分数确定用户的身体变化状态的流程图;
图5示出了根据本发明的一示例性实施例的服务器集群中每台服务器的结构示意图;
图6示出了根据本发明的一示例性实施例的健康数据处理装置的框图;
图7示出了根据本发明的又一示例性实施例的健康数据处理装置的框图;
图8示出了根据本发明的一示例性实施例的健康数据处理装置的框图;
图9示出了根据本发明的又一示例性实施例的健康数据处理装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
为对本申请进行进一步说明,提供下列实施例:
图1A示出了根据本发明的一示例性实施例的健康数据处理方法的流程示意图,图1B示出了根据本发明的一示例性实施例的健康数据处理方法的应用场景示意图;如图1A所示,包括如下步骤:
步骤101,接收可穿戴设备在预设时间周期内采集的用户数据,用户数据包括用户基本信息和健康衡量数据。
在一实施例中,预设时间周期可以为一天、两天、一周等时间间隔。
在一实施例中,用户基本信息可包括但不限于以下维度:用户的地理位置、用户的年龄、性别、BMI(Body Mass Index,身体质量指数)等。
在一实施例中,健康衡量数据可包括用户的睡眠数据和运动数据;在一实施例中,睡眠数据可包括但不限于以下指标数据:入睡时间、起床时间、睡眠时长、深睡时长、浅睡时长、中间起夜时长、中间起夜次数、翻身次数、快速眼动期时长等;在又一实施例中,运动数据可包括但不限于以下指标数据:总步数、总距离、运动消耗卡路里、总消耗卡路里、跑步步数、跑步时长、跑步距离、跑步消耗卡路里、就坐时间等。
步骤102,根据用户基本信息,确定健康衡量数据对应的维度组合。
在一实施例中,可将用户基本信息根据各个维度的值进行组合,得到多个维度组合,例如将“地理位置为北京、年龄为20~25岁、性别为男、BMI为20~23”确定为一个维度组合1,将“地理位置为北京、年龄为26~30岁、性别为女、BMI为20~23”确定为一个维度组合2,由此可看出通过将年龄相近或者相同、性别相同、地域相同、BMI指数相同或者相近的用户划分为同一个维度组合,可以实现每一个维度组合中的用户组成了一个相似人群。
在一实施例中,当接收到用户数据时,可先根据用户基本信息确定用户的维度组合。例如,如果用户A为一个30岁的北京女孩,BMI指数为22,则可确定用户A对应的维度组合为上述维度组合2。
在一实施例中,维度组合的划分可由服务器集群根据人群常规分类方法进行划分,也可以由服务器集群根据大数据分析得到,例如,可尽量使得每个维度组合的用户数相近,本发明实施例不对维度组合的具体划分进行限定。
在一实施例中,本实施例中服务器集群可包括多台服务器,每台服务器上部署了大数据平台软件,实现各自对应的功能。
步骤103,基于维度组合对应的分布模型和健康衡量数据,确定用户在预设时间周期内的健康衡量数据在维度组合中的排序。
在一实施例中,可通过确定健康衡量数据中每一项指标数据在对应的指标分布模型中的排序,确定健康衡量数据在维度组合中的排序。例如,在维度组合1中,睡眠时长指标数据的分布模型为“5小时,10%”,“6小时30%”,“7小时,70%”,“8小时,80%”,“10小时,90%”,“12小时,96%”,则说明在北京的20-25岁的、BMI指数正常的男性用户中,睡眠时长小于7小时的用户有70%,也就是说睡眠为7小时时,打败了70%的同类用户,睡眠时长小于6小时的用户有30%,也就是说睡眠为6小时时,打败了30%的同类用户。
在一实施例中,通过将每一项指标数据在对应的指标分布模型中的排序进行权重加和,可得到用户在预设时间周期内的健康衡量数据在维度组合中的排序。例如,用户的睡眠时长打败了70%的用户,深睡时长打败了75%的用户,入睡时间打败了75%的用户,则将这三项指标数据的排序计算权重加和,可得到70%*0.4+75%*0.3+75%*0.3=73%。在一实施例中,每一项指标数据的排序的权重可由服务器集群根据大数据分析并且结合医学参考数据统计得到,本发明并不对每一项指标数据的排序的权重进行限定。
在一实施例中,指标分布模型的生成方法可参见图2A实施例,这里先不详述。
在一示例性实施例中,参见图1B,可穿戴设备110(这里以手环示意)将预设时间周期内采集的健康衡量数据发送到关联的移动设备120(这里以智能手机示意),移动设备120接收到数据之后即可通过服务接口发送至服务器集群130,服务器集群即可根据接收到的数据对健康衡量数据进行分析和处理,可穿戴设备110也可直接将采集的健康衡量数据发送至服务器集群130。
由上述描述可知,本发明实施例可以对可穿戴设备获得的健康衡量数据按照维度组合进行分析,并确定出用户的健康衡量数据在对应的维度组合中的排序,以便在用户可以根据自己在相似人群中的健康排序确定自己的健康状态,使得数据的参考价值更高,优化数据对用户的健康指导效果。
图2A示出了根据本发明的又一示例性实施例的确定每一个维度组合中每一项指标的指标分布模型的流程图,图2B示出了根据本发明的又一示例性实施例的步骤203的方法流程图,图2C示出了根据本发明的又一示例性实施例的实时更新指标分布模型的方法流程图;如图2A所示,包括如下步骤:
步骤201,统计在第一设定时间段内接收到的健康衡量数据,健康衡量数据包括多项指标数据。
在一实施例中,第一设定时间段可以为三个月、半年等一个比较长的时间段。
在一实施例中,健康衡量数据可包括用户的睡眠数据和运动数据,睡眠数据和运动数据所包括的指标数据可参见图1A步骤101的描述,这里不再详述。
步骤202,对健康衡量数据按照维度组合进行分组。
在一实施例中,维度组合的划分可由服务器集群根据人群常规分类方法进行划分,也可以由服务器集群根据大数据分析得到,例如,可尽量使得每个维度组合的用户数相近,本发明实施例不对维度组合的具体划分进行限定。
步骤203,基于每一个维度组合和对应维度组合中的健康衡量数据的每一项指标数据,确定每一个维度组合中每一项指标的指标分布模型。
在一实施例中,步骤203的详细描述可参见图2B所示的实施例,如图2B所示,包括以下步骤:
步骤211,将每一个维度组合中的健康衡量数据的每一项指标数据进行分桶。
在一实施例中,分桶可以理解为分段。例如,对于睡眠时长指标数据,可以按照时间间隔分桶,如按10分钟分,420~430分钟为睡眠时长分桶1、430~440分钟为睡眠时长分桶2,等等;对于其他指标数据也可按照相似的划分方法进行分桶。
步骤212,计算每一个分桶中指标数据的个数,得到对应分桶的分桶值。
在一实施例中,可通过计算划分到对应分桶的用户指标数据的个数,得到对应分桶的分桶值。例如:例如睡眠时长为420~430分钟的指标数据为30个,则为睡眠时长分桶1的分桶值为30。
步骤213,将每一个维度组合中每一项指标数据的所有分桶值按照指标数据从小到大的顺序进行累加和归一化处理,得到每一个维度组合中每一项指标的指标分布模型。
在一实施例中,可先将每一个维度组合中每一项指标数据的所有分桶值按照指标数据从小到大的顺序进行排序,再按照排序进行累加和归一化处理。例如:统计了24个用户的总步数,其中0~1000步对应于步数分桶1,1001~2000步对应于步数分桶2,2001~3000步对应于步数分桶3,3001~5000步对应于步数分桶4,其中步数分桶1的分桶值为3,步数分桶2的分桶值为5,步数分桶3的分桶值为9,步数分桶4的分桶值为7,按照指标数据从小到大的顺序排序,即可得到排序3,5,9,7,按照排序累加和归一化处理,即可得到3,8,17,24,即步数分步模型为步数小于1000的用户占1/8,步数小于2000步的用户占1/3,步数小于3000步的用户占17/24。
在一实施例中,采用上述技术方案也可得到其他指标数据的指标分布模型。
在一实施例中,指标分布模型还可实时更新,可参见图2C实施例,如图2C所示,包括如下步骤:
步骤221,统计在第二设定时间段内接收到的健康衡量数据。
在一实施例中,第二设定时间段可以为1天、2天等比较短的一个时间段。例如,统计今天内接收到的健康衡量数据。
步骤222,基于在第二设定时间段内接收到的健康衡量数据,对每一个维度组合中每一项指标的指标分布模型进行更新。
在一实施例中,可通过移动设备将可穿戴设备采集到的数据上传到服务器集群,服务器集群可根据每一个用户的用户信息数据确定用户的维度组合,并且根据健康衡量数据的指标数据增加对应分桶的计数,进而根据更新后的分桶值更新指标分布模型。
本实施例中,通过对统计到的用户数据的各项指标数据进行分析,可得到对应的指标分布模型,进而能够在后续接收到用户的健康衡量数据时根据该指标分布模型量化用户的睡眠和运动指标,为用户提供其睡眠运动数据在相似人群中的排序,指导用户调整自己的睡眠和运动。
图3示出了根据本发明的又一示例性实施例的健康数据处理方法的流程图;如图3所示,包括如下步骤:
步骤301,接收可穿戴设备在预设时间周期内采集的用户数据,用户数据包括健康衡量数据。
在一实施例中,健康衡量数据可包括用户的睡眠数据和运动数据;在一实施例中,睡眠数据可包括但不限于以下指标数据:入睡时间、起床时间、睡眠时长、深睡时长、浅睡时长、中间起夜时长、中间起夜次数、翻身次数、快速眼动期时长等;在又一实施例中,运动数据可包括但不限于以下指标数据:总步数、总距离、运动消耗卡路里、总消耗卡路里、跑步步数、跑步时长、跑步距离、跑步消耗卡路里、就坐时间等。
步骤302,基于分数计算模型和健康衡量数据,确定用户在预设时间周期内的健康衡量数据对应的健康分数。
在一实施例中,分数计算模型可包括多个指标分数计算模型,针对每一项指标数据,可以使用对应的指标分数计算模型来计算每个用户的指标数据的指标分数,然后再将每一项指标分数计算权重加和,得到该用户的健康分数。例如:用户入睡时间得分为80分,入睡时间得分为75分,深睡时间得分为75分,清醒时长得分为80分,并且睡眠时长、入睡时间、深睡、清醒时长的权重分别为0.4、0.3、0.1、0.2,则健康分数为:
80*0.4+75*0.3+75*0.1+80*0.2=78分
在一实施例中,确定用户在预设时间周期内的健康衡量数据对应的健康分数的方法可参见图4A所示实施例,这里先不详述。
步骤303,基于分数分布模型和用户在预设时间周期内的健康衡量数据对应的健康分数,确定用户在预设时间周期内的健康衡量数据对应的健康分数的排序。
在一实施例中,确定分数分布模型的方法可参考确定指标分布模型的方法,即:将所有用户的健康分数按照分数段进行分桶,统计每个分桶内的健康分数的个数,得到对应的分桶值,将所有分桶值按照健康分数从小到大的顺序进行累加和归一化处理,得到分数分布模型。例如,假设健康分数满分为100分,计算得到了100个用户的健康分数,按照20分的间隔将健康分数分桶,0~20分对应分桶1、分桶值为10,21~40分对应分桶2、分桶值为10,41~60分对应分桶3、分桶值为20,61~80分对应分桶4、分桶值为40,81~100分对应分桶5、分桶值为20,则对应的分布模型为:“20分,10%”、“40分,20%”,“60分,40%”,“80分,80%”,“100分,100%”,则说明分数为80分的用户打败了80%的用户。
在一实施例中,本实施例中可以针对睡眠数据计算出一个分数,并使用睡眠分数分布模型确定出睡眠排序;在又一实施例中,也可以针对运动数据计算出一个分数,并使用运动分数分布模型确定出运动排序;在再一实施例中,还可以针对睡眠数据和运动数据计算一个总分数,并分数分布模型确定出健康排序,由此可以使得用户确定自己哪一项排序比较低,有针对性地确定调整健康状态的方向。
本实施例中,通过计算每个用户的健康分数,可以确定健康分数在所有用户中的排序,以便用户可以根据自己的健康排序确定自己的健康状态,使得数据的参考价值更高,优化数据对用户的健康指导效果。
图4A示出了根据本发明的又一示例性实施例的确定用户在预设时间周期内的健康衡量数据对应的健康分数的方法流程图,图4B示出了根据本发明的又一实施例的根据用户的历史健康分数确定用户的身体变化状态的流程图;如图4A所示,包括如下步骤:
步骤401,通过健康衡量数据中每一项指标对应的指标分数计算模型计算每一项指标数据的指标分数。
在一实施例中,服务器集群通过大数据分析确定出健康衡量数据中的每一项指标的指标数据的分布满足一定的规律,例如:对于入睡时间(即开始睡眠时间)、睡眠时长、清醒时间等指标数据的分布满足正态分布,而对于深睡比例、步数、卡路里、跑步距离等指标数据的分布可满足类正态分布。
在一实施例中,可将式(1-1)和式(1-2)确定为入睡时间(即开始睡眠时间)、睡眠时长、清醒时间等指标数据的分数计算模型,x用于表示要计算分数的用户对应的指标数据,例如在计算用户的睡眠时长的分数时,x为该用户的睡眠时长,f(x)用于表示用户的分数,当x≥μ时使用式(1-1)计算分数,当x<μ时使用式(1-2)计算分数:
在一实施例中,μ是标准值,可以定义为一个常量或者以年龄为参数的函数,用于表示该项指标能得到满分的指标数值;σ是标准差,其在标准两侧的值是不同的,分别为σ1和σ2,用于消除取值范围在标准值两侧范围不同的影响。
在一实施例中,μ可以定义为一个以年龄为参数的函数,例如,以睡眠时长为例,μ可以作为年龄a的函数,例如,对于1岁的儿童,μ可以取12.5小时,对于21岁的青年,μ可以取8.5小时。根据医学上参考的睡眠与年龄关系,可以拟合得到一个年龄和标准睡眠时长的对应关系,例如:μ=12.925a-0.127。
在一实施例中,当指标数据与年龄没有相应的对应关系时,也可直接将μ定义为一个常数,例如,入睡时间,不管是儿童还是老年,一般在晚上10点之前入睡为佳,则可以将μ定义为晚上10点。
在一实施例中,可将式(2)确定为深睡比例、步数、卡路里、跑步距离等指标数据的指标分数计算模型:
在一实施例中,μ可以取值为0,σ为标准差。
步骤402,将每一项指标数据的指标分数进行权重加和,得到健康衡量数据对应的健康分数。
在一实施例中,可针对睡眠数据的各项指标数据计算出一个权重加和,得到睡眠总分,其中,每项指标的权重可以通过海量的用户健康数据并参考医学数据得到并存储在服务器集群中。
在又一实施例中,也可以针对运动数据计算出一个权重加和,得到睡眠总分。
在再一实施例中,还可以针对睡眠数据和运动数据计算权重加和,得到一个健康总分。
在一实施例中,上面只示例了其中8项指标数据的指标分数计算模型,其他指标数据的指标分数计算模型也可以通过相应的方式统计分析得到,本实施例不再对此详述。
在一实施例中,为了使得用户能够根据自己的历史分数与现在的分数进行对比以便更准确地表现用户身体健康状态,参见图4B,包括以下步骤:
步骤411,将用户在当前预设时间周期内的健康衡量数据对应的健康分数以及历史的健康分数进行权重加和,得到用户当前的健康分数。
在一实施例中,历史的健康分数用于表示历史预设时间周期对应的当前的健康分数;当前的健康分数在计算下一个预设时间周期对应的当前的健康分数时,将变为下一个预设时间周期的历史的健康分数。
在一实施例中,可使用式(3)计算第n天的当前的健康分数:
其中,n表示第n天,Sn表示第n天的当前的健康分数,ai表示第i天根据健康衡量数据计算得到的健康分数,a0用于表示第一天内所有用户的得分的平均值,P表示前一个历史的健康分数占的权重,Q表示当前预设时间周期计算得到的健康分数所占的权重。在一实施例中,历史的健康分数占的权重P与当前预设时间周期计算得到的健康分数所占的权重Q的和为1,本申请并不对P和Q各自的具体取值进行限定。
步骤412,基于用户当前的健康分数以及历史的健康分数,确定用户的分数变化状态。
在一实施例中,可以根据每个预设时间周期内的历史健康分数可以确定出分数变化状态。例如,如果第一天的历史健康分数为S1=a0=60,第二天的历史健康分数为75分,第三天的历史健康分数为76分,第四天的历史健康分数为77分……,根据每天的历史健康分数可以看出用户的历史健康分数是逐步增加的。
步骤413,根据分数变化状态,确定用户的身体变化状态。
在一实施例中,如果用户的历史健康分数是逐步增加的,则可确定用户的睡眠运动越来越好,身体状态也越来越好;在又一实施例中,如果用户的历史健康分数是逐步减小的,则可确定用户的睡眠运动越来越差,身体状态也越来越差。
本实施例中,通过计算每个用户的健康分数,可以确定健康分数在所有用户中的排序,以便用户可以根据自己的健康排序确定自己的健康状态,使得数据的参考价值更高,优化数据对用户的健康指导效果;并且还可以通过用户本身的历史数据确定用户的健康状态变化情况,进而使得用户了解自己的健康数据的动态变化情况,优化数据对用户的健康指导效果。
对应于上述的健康数据处理方法,本申请还提出了图5所示的根据本申请的一示例性实施例的服务器集群中每台服务器的示意结构图。请参考图5,在硬件层面,该可穿戴设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成运动轨迹数据的处理的装置。当然,除了软件实现方式之外,本申请并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
图6为根据本发明的一示例性实施例的健康数据处理装置的框图;如图6所示,该健康数据处理装置可以包括:第一接收模块61、组合确定模块62、指标排序模块63。其中:
第一接收模块61,用于接收可穿戴设备在预设时间周期内采集的用户数据,用户数据包括用户基本信息和健康衡量数据;
组合确定模块62,用于根据第一接收模块61接收到的用户基本信息,确定健康衡量数据对应的维度组合;
指标排序模块63,用于基于组合确定模块62确定的维度组合对应的分布模型和第一接收模块61接收到的健康衡量数据,确定用户在预设时间周期内的健康衡量数据在维度组合中的排序。
图7示出了根据本发明的又一示例性实施例的健康数据处理装置的框图;如图7所示,在上述图6所示实施例的基础上,在一实施例中,指标排序模块63包括:
第一排序单元631,用于基于维度组合中每一项指标对应的指标分布模型和接收模块接收到的健康衡量数据中对应的指标数据,确定健康衡量数据中每一项指标数据在对应的指标分布模型中的排序;
第二排序单元632,用于将第一排序单元631确定的每一项指标数据在对应的指标分布模型中的排序进行权重加和,得到用户在预设时间周期内的健康衡量数据在维度组合中的排序。
在一实施例中,装置还包括:
第一统计模块64,用于统计在第一设定时间段内接收到的健康衡量数据,健康衡量数据包括多项指标数据;
分组模块65,用于对第一统计模块64统计到的健康衡量数据按照维度组合进行分组;
指标模型确定模块66,用于基于分组模块65分组得到的每一个维度组合和对应维度组合中的健康衡量数据的每一项指标数据,确定每一个维度组合中每一项指标的指标分布模型。
在一实施例中,指标模型确定模块66包括:
分桶单元661,用于将每一个维度组合中的健康衡量数据的每一项指标数据进行分桶;
分桶值计算单元662,用于计算分桶单元661分桶得到的每一个分桶中指标数据的个数,得到对应分桶的分桶值;
归一化单元663,用于将分桶值计算单元662计算得到的每一个维度组合中每一项指标数据的所有分桶值按照指标数据从小到大的顺序进行累加和归一化处理,得到每一个维度组合中每一项指标的指标分布模型。
在一实施例中,装置还包括:
第二统计模块67,用于统计在第二设定时间段内接收到的健康衡量数据;
模型更新模块68,用于基于第二统计模块67统计得到的在第二设定时间段内接收到的健康衡量数据,对每一个维度组合中每一项指标的指标分布模型进行更新。
图8为根据本发明的一示例性实施例的健康数据处理装置的框图;如图8所示,该健康数据处理装置可以包括:第二接收模块81、分数计算模块82、分数排序模块83。其中:
第二接收模块81,用于接收可穿戴设备在预设时间周期内采集的用户数据,用户数据包括健康衡量数据;
分数计算模块82,用于基于分数计算模型和第二接收模块81接收到的健康衡量数据,确定用户在预设时间周期内的健康衡量数据对应的健康分数;
分数排序模块83,用于基于分数分布模型和分数计算模块82确定的用户在预设时间周期内的健康衡量数据对应的健康分数,确定用户在预设时间周期内的健康衡量数据对应的健康分数的排序。
图9示出了根据本发明的又一示例性实施例的健康数据处理装置的框图;如图9所示,在上述图8所示实施例的基础上,在一实施例中,分数计算模块82包括:
计算单元821,用于通过健康衡量数据中每一项指标对应的指标分数计算模型计算每一项指标数据的指标分数;
权重加和单元822,用于将计算单元821计算得到的每一项指标数据的指标分数进行权重加和,得到健康衡量数据对应的健康分数。
在一实施例中,装置还包括:
历史分数融合模块84,用于将用户在当前预设时间周期内的健康衡量数据对应的健康分数以及历史的健康分数进行权重加和,得到用户当前的健康分数;
分数变化确定模块85,用于基于历史分数融合模块84得到的用户当前的健康分数以及历史的健康分数,确定用户的分数变化状态;
身体变化确定模块86,用于根据分数变化确定模块85确定的分数变化状态,确定用户的身体变化状态。
上述实施例可见,本申请可以对可穿戴设备获得的健康衡量数据按照维度组合进行分析,并确定出用户的健康衡量数据在对应的维度组合中的排序,以便在用户可以根据自己在相似人群中的健康排序确定自己的健康状态,使得数据的参考价值更高,优化数据对用户的健康指导效果;此外,本申请还可以对可穿戴设备获得的健康衡量数据进行分数计算,并确定出用户的分数排名,以便用户可以根据的得分确定自己的健康状态。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (18)
1.一种健康数据处理方法,其特征在于,所述方法包括:
接收可穿戴设备在预设时间周期内采集的用户数据,所述用户数据包括用户基本信息和健康衡量数据;
根据所述用户基本信息,确定所述健康衡量数据对应的维度组合;
基于所述维度组合对应的分布模型和所述健康衡量数据,确定用户在所述预设时间周期内的健康衡量数据在所述维度组合中的排序。
2.根据权利要求1所述的方法,其特征在于,所述基于所述维度组合对应的分布模型和所述健康衡量数据,确定用户在所述预设时间周期内的健康衡量数据在所述维度组合中的排序,包括:
基于所述维度组合中每一项指标对应的指标分布模型和所述健康衡量数据中对应的指标数据,确定所述健康衡量数据中每一项指标数据在对应的指标分布模型中的排序;
将每一项指标数据在对应的指标分布模型中的排序进行权重加和,得到用户在所述预设时间周期内的健康衡量数据在所述维度组合中的排序。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
统计在第一设定时间段内接收到的健康衡量数据,所述健康衡量数据包括多项指标数据;
对健康衡量数据按照维度组合进行分组;
基于每一个维度组合和对应维度组合中的健康衡量数据的每一项指标数据,确定每一个维度组合中每一项指标的指标分布模型。
4.根据权利要求3所述的方法,其特征在于,所述基于每一个维度组合和对应维度组合中的健康衡量数据的每一项指标数据,确定每一个维度组合中每一项指标的指标分布模型,包括:
将所述每一个维度组合中的健康衡量数据的每一项指标数据进行分桶;
计算每一个分桶中指标数据的个数,得到对应分桶的分桶值;
将每一个维度组合中每一项指标数据的所有分桶值按照指标数据从小到大的顺序进行累加和归一化处理,得到每一个维度组合中每一项指标的指标分布模型。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
统计在第二设定时间段内接收到的健康衡量数据;
基于所述在第二设定时间段内接收到的健康衡量数据,对所述每一个维度组合中每一项指标的指标分布模型进行更新。
6.一种健康数据处理方法,其特征在于,所述方法包括:
接收可穿戴设备在预设时间周期内采集的用户数据,所述用户数据包括健康衡量数据;
基于分数计算模型和所述健康衡量数据,确定所述用户在所述预设时间周期内的健康衡量数据对应的健康分数;
基于分数分布模型和所述用户在所述预设时间周期内的健康衡量数据对应的健康分数,确定用户在所述预设时间周期内的健康衡量数据对应的健康分数的排序。
7.根据权利要求6所述的方法,其特征在于,所述基于分数计算模型和所述健康衡量数据,确定所述用户在所述预设时间周期内的健康衡量数据对应的健康分数,包括:
通过所述健康衡量数据中每一项指标对应的指标分数计算模型计算每一项指标数据的指标分数;
将每一项指标数据的指标分数进行权重加和,得到所述健康衡量数据对应的健康分数。
8.根据权利要求6所述的方法,其特征在于,所述方法还包括:
将所述用户在当前预设时间周期内的健康衡量数据对应的健康分数以及历史的健康分数进行权重加和,得到所述用户当前的健康分数;
基于所述用户当前的健康分数以及历史的健康分数,确定所述用户的分数变化状态;
根据所述分数变化状态,确定用户的身体变化状态。
9.一种健康数据处理装置,其特征在于,所述装置包括:
第一接收模块,用于接收可穿戴设备在预设时间周期内采集的用户数据,所述用户数据包括用户基本信息和健康衡量数据;
组合确定模块,用于根据所述第一接收模块接收到的所述用户基本信息,确定所述健康衡量数据对应的维度组合;
指标排序模块,用于基于所述组合确定模块确定的所述维度组合对应的分布模型和所述第一接收模块接收到的所述健康衡量数据,确定用户在所述预设时间周期内的健康衡量数据在所述维度组合中的排序。
10.根据权利要求9所述的装置,其特征在于,所述指标排序模块包括:
第一排序单元,用于基于所述维度组合中每一项指标对应的指标分布模型和所述接收模块接收到的所述健康衡量数据中对应的指标数据,确定所述健康衡量数据中每一项指标数据在对应的指标分布模型中的排序;
第二排序单元,用于将所述第一排序单元确定的所述每一项指标数据在对应的指标分布模型中的排序进行权重加和,得到用户在所述预设时间周期内的健康衡量数据在所述维度组合中的排序。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括:
第一统计模块,用于统计在第一设定时间段内接收到的健康衡量数据,所述健康衡量数据包括多项指标数据;
分组模块,用于对所述第一统计模块统计到的所述健康衡量数据按照维度组合进行分组;
指标模型确定模块,用于基于所述分组模块分组得到的所述每一个维度组合和对应维度组合中的健康衡量数据的每一项指标数据,确定每一个维度组合中每一项指标的指标分布模型。
12.根据权利要求11所述的装置,其特征在于,所述指标模型确定模块包括:
分桶单元,用于将所述每一个维度组合中的健康衡量数据的每一项指标数据进行分桶;
分桶值计算单元,用于计算所述分桶单元分桶得到的所述每一个分桶中指标数据的个数,得到对应分桶的分桶值;
归一化单元,用于将所述分桶值计算单元计算得到的所述每一个维度组合中每一项指标数据的所有分桶值按照指标数据从小到大的顺序进行累加和归一化处理,得到每一个维度组合中每一项指标的指标分布模型。
13.根据权利要求11所述的装置,其特征在于,所述装置还包括:
第二统计模块,用于统计在第二设定时间段内接收到的健康衡量数据;
模型更新模块,用于基于所述第二统计模块统计得到的所述在第二设定时间段内接收到的健康衡量数据,对所述每一个维度组合中每一项指标的指标分布模型进行更新。
14.一种健康数据处理装置,其特征在于,所述装置还包括:
第二接收模块,用于接收可穿戴设备在预设时间周期内采集的用户数据,所述用户数据包括健康衡量数据;
分数计算模块,用于基于分数计算模型和所述第二接收模块接收到的所述健康衡量数据,确定所述用户在所述预设时间周期内的健康衡量数据对应的健康分数;
分数排序模块,用于基于分数分布模型和所述分数计算模块确定的所述用户在所述预设时间周期内的健康衡量数据对应的健康分数,确定用户在所述预设时间周期内的健康衡量数据对应的健康分数的排序。
15.根据权利要求14所述的装置,其特征在于,所述分数计算模块包括:
计算单元,用于通过所述健康衡量数据中每一项指标对应的指标分数计算模型计算每一项指标数据的指标分数;
权重加和单元,用于将所述计算单元计算得到的所述每一项指标数据的指标分数进行权重加和,得到所述健康衡量数据对应的健康分数。
16.根据权利要求14所述的装置,其特征在于,所述装置还包括:
历史分数融合模块,用于将所述用户在当前预设时间周期内的健康衡量数据对应的健康分数以及历史的健康分数进行权重加和,得到所述用户当前的健康分数;
分数变化确定模块,用于基于所述历史分数融合模块得到的所述用户当前的健康分数以及历史的健康分数,确定所述用户的分数变化状态;
身体变化确定模块,用于根据所述分数变化确定模块确定的所述分数变化状态,确定用户的身体变化状态。
17.一种服务器集群,其特征在于,所述服务器集群包括:
处理器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器,被配置为执行上述权利要求1-5任一所述的健康数据处理方法。
18.一种服务器集群,其特征在于,所述服务器集群包括:
处理器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器,被配置为执行上述权利要求6-8任一所述的健康数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610839249.0A CN106446543A (zh) | 2016-09-21 | 2016-09-21 | 健康数据处理方法、装置及服务器集群 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610839249.0A CN106446543A (zh) | 2016-09-21 | 2016-09-21 | 健康数据处理方法、装置及服务器集群 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106446543A true CN106446543A (zh) | 2017-02-22 |
Family
ID=58165878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610839249.0A Pending CN106446543A (zh) | 2016-09-21 | 2016-09-21 | 健康数据处理方法、装置及服务器集群 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106446543A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563118A (zh) * | 2017-08-31 | 2018-01-09 | 江西博瑞彤芸科技有限公司 | 测试信息的处理方法 |
CN107767955A (zh) * | 2017-10-18 | 2018-03-06 | 北京大学第三医院 | 一种个性化运动靶心率设计系统及其使用方法 |
CN111416904A (zh) * | 2020-03-13 | 2020-07-14 | 维沃移动通信有限公司 | 数据处理的方法、电子设备及介质 |
CN111588349A (zh) * | 2020-05-28 | 2020-08-28 | 京东方科技集团股份有限公司 | 一种健康分析装置及电子设备 |
CN111899825A (zh) * | 2020-07-27 | 2020-11-06 | 深圳微控科技有限公司 | 健康数据管理方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063376A (zh) * | 2013-03-18 | 2014-09-24 | 阿里巴巴集团控股有限公司 | 多维度分组运算方法及系统 |
CN105260588A (zh) * | 2015-10-23 | 2016-01-20 | 福建优安米信息科技有限公司 | 一种健康守护机器人系统及其数据处理方法 |
CN105321135A (zh) * | 2014-07-04 | 2016-02-10 | 北京大学第三医院 | 一种个性化运动处方设计方法和系统 |
CN105677925A (zh) * | 2016-03-30 | 2016-06-15 | 北京京东尚科信息技术有限公司 | 数据库用户数据处理方法和装置 |
CN105748043A (zh) * | 2016-02-17 | 2016-07-13 | 安徽华米信息科技有限公司 | 睡眠质量监测方法及装置、可穿戴设备 |
-
2016
- 2016-09-21 CN CN201610839249.0A patent/CN106446543A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063376A (zh) * | 2013-03-18 | 2014-09-24 | 阿里巴巴集团控股有限公司 | 多维度分组运算方法及系统 |
CN105321135A (zh) * | 2014-07-04 | 2016-02-10 | 北京大学第三医院 | 一种个性化运动处方设计方法和系统 |
CN105260588A (zh) * | 2015-10-23 | 2016-01-20 | 福建优安米信息科技有限公司 | 一种健康守护机器人系统及其数据处理方法 |
CN105748043A (zh) * | 2016-02-17 | 2016-07-13 | 安徽华米信息科技有限公司 | 睡眠质量监测方法及装置、可穿戴设备 |
CN105677925A (zh) * | 2016-03-30 | 2016-06-15 | 北京京东尚科信息技术有限公司 | 数据库用户数据处理方法和装置 |
Non-Patent Citations (2)
Title |
---|
海天电商金融研究中心,编著: "《一本书读懂移动电商》", 31 July 2016, 清华大学出版社 * |
盛明,等: "一种基于大数据分析的移动健康服务平台", 《智慧健康》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563118A (zh) * | 2017-08-31 | 2018-01-09 | 江西博瑞彤芸科技有限公司 | 测试信息的处理方法 |
CN107767955A (zh) * | 2017-10-18 | 2018-03-06 | 北京大学第三医院 | 一种个性化运动靶心率设计系统及其使用方法 |
CN111416904A (zh) * | 2020-03-13 | 2020-07-14 | 维沃移动通信有限公司 | 数据处理的方法、电子设备及介质 |
CN111416904B (zh) * | 2020-03-13 | 2021-06-22 | 维沃移动通信有限公司 | 数据处理的方法、电子设备及介质 |
CN111588349A (zh) * | 2020-05-28 | 2020-08-28 | 京东方科技集团股份有限公司 | 一种健康分析装置及电子设备 |
CN111588349B (zh) * | 2020-05-28 | 2023-12-01 | 京东方科技集团股份有限公司 | 一种健康分析装置及电子设备 |
CN111899825A (zh) * | 2020-07-27 | 2020-11-06 | 深圳微控科技有限公司 | 健康数据管理方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106446543A (zh) | 健康数据处理方法、装置及服务器集群 | |
CN108597617A (zh) | 流行病分级预测方法及装置、计算机装置和可读存储介质 | |
CN106777909A (zh) | 妊娠期健康风险评估系统 | |
CN106030246B (zh) | 用于对对象的周期性运动的循环数目进行计数的设备、方法和系统 | |
CN106096047B (zh) | 基于熵值法的用户分区偏好计算方法及系统 | |
RU2712395C1 (ru) | Способ выдачи рекомендаций по поддержанию здорового образа жизни на основе параметров ежедневной деятельности пользователя, автоматически отслеживаемых в реальном времени, и соответствующая система (варианты) | |
CN105447304A (zh) | 一种基于自学习算法的预警系统及移动终端 | |
WO2023115751A1 (zh) | 血糖预测方法和装置、监测血糖水平的系统 | |
CN105354721B (zh) | 一种识别机器操作行为的方法及装置 | |
CA2770014A1 (en) | Method and system of delivering an interactive and dynamic multi-sport training program | |
US20150339949A1 (en) | Health and fitness tracker module software platform | |
CN106485585A (zh) | 用于等级评定的方法及系统 | |
CN104089625A (zh) | 一种具备自学习能力的计步方法 | |
Gasparetti et al. | Personalized weight loss strategies by mining activity tracker data | |
Piłka et al. | Predicting injuries in football based on data collected from GPS-based wearable sensors | |
CN110309471A (zh) | 运动信息推送方法、装置、电子设备及存储介质 | |
CN112397204B (zh) | 一种预测高原病的方法、装置、计算机设备和存储介质 | |
CN107773967B (zh) | 一种基于智能手表数据的人体运动特征分析方法 | |
CN109065122A (zh) | 一种健康运动交友的方法及系统 | |
CN105630474B (zh) | 一种提醒方法和装置 | |
US20230112071A1 (en) | Assessing fall risk of mobile device user | |
Cui et al. | A semiparametric risk score for physical activity | |
WO2018029297A1 (en) | Intelligent grouping of peers in motivational programs | |
CN103645889B (zh) | 软件自适应的动态生成方法 | |
Allen et al. | Proximity and gravity: modeling heaped self‐reports |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170222 |