CN106821382A - 呼吸监测诊断系统、干扰过滤方法及诊断方法 - Google Patents

呼吸监测诊断系统、干扰过滤方法及诊断方法 Download PDF

Info

Publication number
CN106821382A
CN106821382A CN201710205954.XA CN201710205954A CN106821382A CN 106821382 A CN106821382 A CN 106821382A CN 201710205954 A CN201710205954 A CN 201710205954A CN 106821382 A CN106821382 A CN 106821382A
Authority
CN
China
Prior art keywords
monitoring
sign data
respiration
cloud server
breathing
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
CN201710205954.XA
Other languages
English (en)
Inventor
朱阳
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.)
Technology (shenzhen) Co Ltd
Shenzhen Excelstor Technology Co Ltd
Original Assignee
Technology (shenzhen) 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 Technology (shenzhen) Co Ltd filed Critical Technology (shenzhen) Co Ltd
Priority to CN201710205954.XA priority Critical patent/CN106821382A/zh
Publication of CN106821382A publication Critical patent/CN106821382A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • 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
    • 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
    • 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
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • 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

Abstract

本发明实施例公开了一种呼吸监测诊断系统、干扰过滤方法及诊断方法，所述呼吸监测诊断系统包括：采集被监测对象的呼吸体征数据信息的呼吸探测器；与呼吸探测器连接，将所述呼吸体征数据信息过滤干扰信息后通过网络上传的传输装置；通过网络与呼吸探测器连接，存储呼吸体征数据信息的云服务器；实时采集云服务器中的呼吸体征数据信息，根据呼吸体征数据信息计算分析出诊断结果并上传至云服务器的智能处理装置；及通过网络与云服务器连接，接收云服务器推送被监测对象的诊断结果的监测终端。本发明实施例通过采用智能处理装置诊断预测导致呼吸异常的疾病，解决了无法在体征异常发生之前进行诊断预测的问题，进而保障了被监测对象的人身安全。

Description

呼吸监测诊断系统、干扰过滤方法及诊断方法
技术领域
本发明涉及医疗大数据领域，尤其涉及一种呼吸监测诊断系统、干扰过滤方法及诊断方法。
背景技术
呼吸为人体四大生命体征之一，呼吸频率、幅度和体征直接或间接地反映了人体的生命状况和疾病体征，是重要的临床诊断依据。
目前对于呼吸体征的监测方法主要为采用附着于被监测对象的传感器采集呼吸时的动作、肌肉信号等来进行；其采集到的呼吸频率、幅度、体征信息等存储于采集设备内；在完成一个采集周期后由专业人员提取并且进行人工分析，以分析被监测对象的相关病变。比如目前被临床诊断广为采纳的睡眠窒息症的诊断，需要患者配带传感器并且在医院内部进行睡眠以进行呼吸状态采集从而进行诊断。
同时，因为呼吸可以直接反应被监测对象的生命体征，因此监测呼吸成为了危重病患监护的一个重要手段。比如目前广泛应用于提醒医务人员的重症监护仪，当监测到患者呼吸频率异常时会及时以声光等信号发出警报从而赢得抢救时机。
然而，现有的体征监测方案多数都是在突发疾病等体征异常发生之后再进行报告，而无法做到在体征异常发生之前进行诊断预测，从而会造成贻误最佳治疗抢救时机而造成遗憾。
发明内容
本发明实施例所要解决的技术问题在于，提供一种呼吸监测诊断系统、干扰过滤方法及诊断方法，以使能够在体征异常发生之前进行诊断预测。
为了解决上述技术问题，本发明实施例提出了一种呼吸监测诊断系统，包括采集被监测对象的呼吸体征数据信息的呼吸探测器；与呼吸探测器连接，将所述呼吸体征数据信息过滤干扰信息后通过网络上传的传输装置；通过网络与呼吸探测器连接，存储呼吸体征数据信息的云服务器；通过网络与云服务器连接，实时采集云服务器中的呼吸体征数据信息，根据呼吸体征数据信息计算分析出诊断结果并上传至云服务器的智能处理装置；及通过网络与云服务器连接，接收云服务器推送被监测对象的诊断结果的监测终端。
相应地，本发明实施例还提供了一种呼吸监测干扰过滤方法，应用于上述的传输装置，包括：
A、将采集的呼吸体征数据信号的振幅合成数据作为原始的采集数据，设为x(t)，t＝t1…t2；
B、在预设的时域窗口T内，根据离散傅里叶变换对原始数据进行频域分解，得到原始数据利用正交频率基表达的函数：
x(t)＝A1×cos(2π×1×t/NT)+B1×sin(2π×1×t/NT)+…+An×cos(2π×n×t/NT)+Bn×sin(2π×n×t/NT)，
其中，n＝1,2,…N，N为时域窗口T内采集点的数量，An、Bn表示原始数据在2π×1×n/NT频率上的正交投影分量；
C、根据预设的频率范围选取相应的正交基分量，过滤掉其他数据得到：
x′(t)＝Am×cos(2π×m×t/NT)+Bm×sin(2π×m×t/NT)+…+An×cos(2π×n×t/NT)+Bn×sin(2π×n×t/NT)，
m对应最低截取频率，n对应最高截取频率，x′(t)为正交截取的x(t)中频率范围为[2π×1×m/NT，2π×1×n/NT]HZ的数据；
D、将得出的Am,Bm…An,Bn联合T作为采集的数据进行上传。
相应地，本发明实施例还提供了一种呼吸监测诊断方法，应用于上述的智能处理装置，包括：
步骤1：建立人工智能神经元网络；
步骤2：将现有的呼吸体征数据以及对应的诊断结果输入神经元网络进行训练；
步骤3：根据输入的呼吸体征数据以及对应的诊断结果动态调整对应的内部神经元网络节点权重，完成神经元网络的训练；
步骤4：将完成训练的神经元网络投入使用；
步骤5：实时采集云服务器中的呼吸体征数据信息，将采集的呼吸体征数据通过完成训练的神经元网络进行计算，将计算出的诊断结果发送至云服务器。
本发明实施例通过提出一种呼吸监测诊断系统、干扰过滤方法及诊断方法，所述呼吸监测诊断系统包括呼吸探测器、传输装置、云服务器、智能处理装置及监测终端，通过采用智能处理装置诊断预测导致呼吸异常的疾病，解决了无法在体征异常发生之前进行诊断预测的问题，进而保障了被监测对象的人身安全。
附图说明
图1是本发明实施例的呼吸监测诊断系统的结构示意图。
图2是本发明实施例的呼吸监测干扰过滤方法的流程示意图。
图3是本发明实施例的呼吸监测诊断方法的流程示意图。
图4是本发明实施例的人工智能神经元网络的示意图。
图5是本发明实施例的呼吸监测诊断系统的计算处理过程示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合，下面结合附图和具体实施例对本发明作进一步详细说明。
本发明实施例中若有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明中若涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
请参照图1，本发明实施例的呼吸监测诊断系统主要包括呼吸探测器、传输装置、云服务器、智能处理装置及监测终端。
呼吸探测器采集被监测对象的呼吸体征数据信息。优选地，呼吸探测器包括：采集呼吸体征数据信息的雷达收发器；与雷达收发器电连接，用于放大信号的信号放大器；及与信号放大器电连接，与所述串口通信模块对应的串行接口。本发明实施例通过采用雷达用来远程探测被监测对象的呼吸动作，可以远程非接触进行监测，不介入被监测对象的生活，无需维护，从而增加设备的被接受度和进行长期监测的可能性。
传输装置与呼吸探测器连接，将呼吸体征数据信息过滤干扰信息后通过网络上传。例如，传输装置运行嵌入式Linux系统用以处理并行任务和通信以及相关采集过滤算法。传输装置包括：与呼吸探测器连接的串口通信模块；与串口通信模块电连接，将呼吸体征数据信息过滤干扰信息的处理器；与处理器电连接，通过网络连接云服务器的通信模块。通信模块为蓝牙模块、GPRS模块、2.4G模块、5.8G模块、Zigbee模块及WIFI模块中的一种或多种。
云服务器通过网络与呼吸探测器连接，用以分类存储不同传输装置传输的呼吸体征数据信息，建立呼吸体征数据信息的大数据库。
智能处理装置通过网络与云服务器连接，实时采集云服务器中的呼吸体征数据信息，根据呼吸体征数据信息计算分析出诊断结果并上传至云服务器。优选地，智能处理装置为计算机。智能处理装置利用云服务器中的确定数据进行自我训练，为不断新入的各种数据进行归类，并将诊断结果发送回云服务器。
监测终端通过网络与云服务器连接，接收云服务器推送被监测对象的诊断结果。监测终端包括移动终端、PC端、监护仪等具备网络连接能力和人机交互能力的设备中的一种或多种。例如，用户可通过移动终端(如手机、IPAD等)用以查询大数据数据库中的记录信息和处理结果，并且实时接收报警信息的推送，以及通过传输装置远程控制呼吸探测器。
作为一种实施方式，传输装置还包括与处理器电连接，用于声/光报警的报警器。报警器用于近程提醒相关人员预防处理被监测对象的突发疾病等体征异常情况。
请参照图2，本发明实施例还提供了一种呼吸监测干扰过滤方法，应用于传输装置，包括步骤A、B、C、D。
A、将呼吸探测器采集的呼吸体征信息的信号的振幅合成数据作为原始的采集数据，设为x(t)，t＝t1…t2。
B、在预设的时域窗口T内，根据离散傅里叶变换对原始数据进行频域分解，得到原始数据利用正交频率基表达的函数：
x(t)＝A1×cos(2π×1×t/NT)+B1×sin(2π×1×t/NT)+…+An×cos(2π×n×t/NT)+Bn×sin(2π×n×t/NT)，
其中，n＝1,2,…N，N为时域窗口T内采集点的数量，An、Bn表示原始数据在2π×1×n/NT频率上的正交投影分量，由于是正交基，其具有该频率信息的唯一和全面性。An和Bn都是在一个频率上的实部和虚部，其均方和代表了幅度，其比值代表了相位。
C、根据预设的频率范围选取相应的正交基分量，过滤掉其他数据得到：
x′(t)＝Am×cos(2π×m×t/NT)+Bm×sin(2π×m×t/NT)+…+An×cos(2π×n×t/NT)+Bn×sin(2π×n×t/NT)，
m对应最低截取频率，n对应最高截取频率，x′(t)为正交截取的x(t)中频率范围为[2π×1×m/NT,2π×1×n/NT]HZ的数据，从而将其他干扰频率信息(例如心跳等信息)过滤掉。本发明实施例通过此采集方法，可以得到准确和全面的设定频率范围内的振动幅度和相位信息，该信息由于和人体呼吸频率范围高度重合，因此排除了其他不同频率的干扰因素，从而能够更加真实反应呼吸特性；频率设定范围的设定主要是根据病患长期呼吸体征动态来设定，因此可以更加准确的监测呼吸。
D、将得出的Am,Bm…An,Bn联合T作为采集的数据进行上传。相比直接将x′(t)在以时域值传输的方式，在确保有效数据信息不丢失的情况下极大节省了数据传输量，并且具备频域的明显特征，为智能处理装置的智能分析提供了规范的数据。本发明实施例的呼吸监测干扰过滤方法利用频域正交分解技术提取明显的呼吸特征，过滤掉其他干扰信息，有效提升信号的信噪比。
请参照图3，本发明实施例还提供了一种呼吸监测诊断方法，应用于智能处理装置，包括步骤1-5。
步骤1：如图4所示，建立人工智能神经元网络。
步骤2：将现有的呼吸体征数据(An,Bn…Am,Bm,T)以及对应的诊断结果输入神经元网络进行训练。例如，可采用线性回归算法等进行训练。
步骤3：根据输入的呼吸体征数据以及对应的诊断结果动态调整对应的内部神经元网络节点权重，使得在该权重下，训练数据和对应结果的偏差最小，直到完成神经元网络的训练。由于是利用人工智能神经元网络处理方案，因此在训练过程中无需考虑呼吸特征数据和诊断结果的理论性联系，只需关注其匹配程度即可。
步骤4：将完成训练的神经元网络投入使用。
步骤5：实时采集云服务器中的呼吸体征数据信息，将采集的呼吸体征数据通过完成训练的神经元网络进行计算，将计算出的诊断结果发送至云服务器。云服务器将对于诊断结果保存并发送至监测终端。
作为一种实施方式，步骤4之前还包括验证步骤：
将未参与训练的呼吸体征数据输入完成训练的神经元网络进行计算，并将计算出的诊断结果与对应的诊断结果进行比较，判断是否达到预设的准确性，达到则停止训练，未达到则将现有的呼吸体征数据顺序打乱并划分不同的训练组输入神经元网络，返回步骤2重新进行训练。
作为一种实施方式，步骤5之后还包括实时调整步骤：
接收用户反馈的对应呼吸体征数据的实际结果，并将实际结果与计算出的对应呼吸体征数据的诊断结果进行比较，判断准确性是否超出预设范围，超出则将对应呼吸体征数据及实际结果输入神经元网络，返回步骤2重新进行训练。
本发明实施例的呼吸监测诊断方法中的判断准确性的阈值、样本数量、呼吸体征数据样本数量、神经元网络节点均为不定值，可以在使用过程中根据需要进行确定。人工智能神经元网络非单一固定模型分析监护对象的呼吸体征，根据云服务器的大数据的反馈并且结合监控对象本身的特性动态调节监控判别算法，从而获取更高的判断准确性，从而实现对病患的突发疾病等异常体征的预测、诊断和提前警告。
本发明实施例的呼吸监测诊断系统的工作原理为：如图5所示，呼吸探测器采集被监测对象的呼吸体征信息，传输装置将呼吸探测器采集的呼吸体征信号的振幅合成数据通过离散傅里叶变换进行过滤，再将过滤后的数据上传至云服务器分类保存，再通过智能处理装置进行预测诊断处理，智能处理装置再将诊断结果发送至云服务器，云服务器又将对应的数据发送至相关的监测终端。传输装置将呼吸体征信号过滤预处理之后的信息为结构具有一定规范的数据组，其各项均具备准确和有效的物理意义，使得其更加容易被人工智能神经元网络的神经元节点进行学习并寻找其潜在规律，从而增加人工智能学习的成功率和判断准确性，进一步的，在对于危重病人、老人、婴幼儿等进行实时监控时，在出现异常的情况下或异常发生之前能够进行及时的预警，以便进行及时的抢救治疗。
另外，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同范围限定。

Claims (10)

1.一种呼吸监测诊断系统，其特征在于，包括：
采集被监测对象的呼吸体征数据信息的呼吸探测器；
与呼吸探测器连接，将所述呼吸体征数据信息过滤干扰信息后通过网络上传的传输装置；
通过网络与呼吸探测器连接，存储呼吸体征数据信息的云服务器；
通过网络与云服务器连接，实时采集云服务器中的呼吸体征数据信息，根据呼吸体征数据信息计算分析出诊断结果并上传至云服务器的智能处理装置；及
通过网络与云服务器连接，接收云服务器推送被监测对象的诊断结果的监测终端。
2.如权利要求1所述的呼吸监测诊断系统，其特征在于，所述传输装置包括：与呼吸探测器连接的串口通信模块；与串口通信模块电连接，将所述呼吸体征数据信息过滤干扰信息的处理器；与处理器电连接，通过网络连接云服务器的通信模块。
3.如权利要求2所述的呼吸监测诊断系统，其特征在于，所述呼吸探测器包括：采集呼吸体征数据信息的雷达收发器；与雷达收发器电连接，用于放大信号的信号放大器；及与信号放大器电连接，与所述串口通信模块对应的串行接口。
4.如权利要求2所述的呼吸监测诊断系统，其特征在于，所述传输装置还包括与处理器电连接，用于声/光报警的报警器。
5.如权利要求2所述的呼吸监测诊断系统，其特征在于，所述通信模块为蓝牙模块、GPRS模块、2.4G模块、5.8G模块、Zigbee模块及WIFI模块中的一种或多种。
6.如权利要求1所述的呼吸监测诊断系统，其特征在于，所述监测终端包括移动终端、PC端、监护仪中的一种或多种。
7.一种呼吸监测干扰过滤方法，其特征在于，应用于如权利要求1-6中任一项所述的传输装置，包括：
A、将采集的呼吸体征数据信号的振幅合成数据作为原始的采集数据，设为x(t)，t＝t1…t2；
B、在预设的时域窗口T内，根据离散傅里叶变换对原始数据进行频域分解，得到原始数据利用正交频率基表达的函数：
x(t)＝A1×cos(2π×1×t/NT)+B1×sin(2π×1×t/NT)+…+
An×cos(2π×n×t/NT)+Bn×sin(2π×n×t/NT)，
其中，n＝1,2,…N，N为时域窗口T内采集点的数量，An、Bn表示原始数据在2π×1×n/NT频率上的正交投影分量；
C、根据预设的频率范围选取相应的正交基分量，过滤掉其他数据得到：
x′(t)＝Am×cos(2π×m×t/NT)+Bm×sin(2π×m×t/NT)+…+
An×cos(2π×n×t/NT)+Bn×sin(2π×n×t/NT)，
m对应最低截取频率，n对应最高截取频率，x′(t)为正交截取的x(t)中频率范围为[2π×1×m/NT,2π×1×n/NT]HZ的数据；
D、将得出的Am,Bm…An,Bn联合T作为采集的数据进行上传。
8.一种呼吸监测诊断方法，其特征在于，应用于如权利要求1-6中任一项所述的智能处理装置，包括：
步骤1：建立人工智能神经元网络；
步骤2：将现有的呼吸体征数据以及对应的诊断结果输入神经元网络进行训练；
步骤3：根据输入的呼吸体征数据以及对应的诊断结果动态调整对应的内部神经元网络节点权重，完成神经元网络的训练；
步骤4：将完成训练的神经元网络投入使用；
步骤5：实时采集云服务器中的呼吸体征数据信息，将采集的呼吸体征数据通过完成训练的神经元网络进行计算，将计算出的诊断结果发送至云服务器。
9.如权利要求8所述的呼吸监测诊断方法，其特征在于，所述步骤4之前还包括验证步骤：
将未参与训练的呼吸体征数据输入完成训练的神经元网络进行计算，并将计算出的诊断结果与对应的诊断结果进行比较，判断是否达到预设的准确性，达到则停止训练，未达到则将现有的呼吸体征数据顺序打乱并划分不同的训练组输入神经元网络，返回步骤2重新进行训练。
10.如权利要求8所述的呼吸监测诊断方法，其特征在于，所述步骤5之后还包括实时调整步骤：
接收用户反馈的对应呼吸体征数据的实际结果，并将实际结果与计算出的对应呼吸体征数据的诊断结果进行比较，判断准确性是否超出预设范围，超出则将对应呼吸体征数据及实际结果输入神经元网络，返回步骤2重新进行训练。
CN201710205954.XA 2017-03-31 2017-03-31 呼吸监测诊断系统、干扰过滤方法及诊断方法 Pending CN106821382A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710205954.XA CN106821382A (zh) 2017-03-31 2017-03-31 呼吸监测诊断系统、干扰过滤方法及诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710205954.XA CN106821382A (zh) 2017-03-31 2017-03-31 呼吸监测诊断系统、干扰过滤方法及诊断方法

Publications (1)

Publication Number Publication Date
CN106821382A true CN106821382A (zh) 2017-06-13

Family

ID=59141997

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710205954.XA Pending CN106821382A (zh) 2017-03-31 2017-03-31 呼吸监测诊断系统、干扰过滤方法及诊断方法

Country Status (1)

Country Link
CN (1) CN106821382A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108294729A (zh) * 2017-12-20 2018-07-20 中国科学院合肥物质科学研究院 一种呼吸暂停综合征无扰检测装置
CN108742630A (zh) * 2018-07-05 2018-11-06 河北工业大学 一种呼气纳米传感健康预警系统及实现方法
CN110732068A (zh) * 2019-11-14 2020-01-31 北华大学 一种基于云平台的呼吸状态预测方法
CN111710412A (zh) * 2020-05-29 2020-09-25 北京百度网讯科技有限公司 诊断结果的校验方法、装置及电子设备
CN114246578A (zh) * 2022-03-01 2022-03-29 季华实验室 腺样体肥大初筛装置、系统以及终端设备
CN117672532A (zh) * 2024-01-31 2024-03-08 吉林大学 住院患者护理风险评估预警监控系统及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102178529A (zh) * 2011-03-11 2011-09-14 清华大学 基于体域网的呼吸疾病远程诊断监护系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102178529A (zh) * 2011-03-11 2011-09-14 清华大学 基于体域网的呼吸疾病远程诊断监护系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭建平等: "消除右胸电阻抗容积波中呼吸干扰的方法", 《航天医学与医学工程》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108294729A (zh) * 2017-12-20 2018-07-20 中国科学院合肥物质科学研究院 一种呼吸暂停综合征无扰检测装置
CN108742630A (zh) * 2018-07-05 2018-11-06 河北工业大学 一种呼气纳米传感健康预警系统及实现方法
CN110732068A (zh) * 2019-11-14 2020-01-31 北华大学 一种基于云平台的呼吸状态预测方法
CN111710412A (zh) * 2020-05-29 2020-09-25 北京百度网讯科技有限公司 诊断结果的校验方法、装置及电子设备
CN114246578A (zh) * 2022-03-01 2022-03-29 季华实验室 腺样体肥大初筛装置、系统以及终端设备
CN117672532A (zh) * 2024-01-31 2024-03-08 吉林大学 住院患者护理风险评估预警监控系统及方法
CN117672532B (zh) * 2024-01-31 2024-04-05 吉林大学 住院患者护理风险评估预警监控系统及方法

Similar Documents

Publication Publication Date Title
CN106821382A (zh) 呼吸监测诊断系统、干扰过滤方法及诊断方法
CN104545844B (zh) 一种基于4g移动通讯技术的多参数睡眠监测与智能诊断系统及其使用方法
CN105212899B (zh) 人体健康睡眠式远程监控服务系统
CN107065719A (zh) 一种智能床垫的数据分析系统
CN109259952A (zh) 睡眠监控系统及基于该睡眠监控系统的睡眠监控方法
CN110703626A (zh) 一种睡眠质量监测系统
CN105204413A (zh) 一种用于穿戴设备的信息处理系统及方法
Digarse et al. Arduino UNO and GSM based wireless health monitoring system for patients
CN101835417A (zh) 用于环境相关的呼吸疾病的自我监测的方法和系统
CN107133486A (zh) 一种基于健康监测智能枕头的辅助医疗云管理系统
CN110464564B (zh) 一种基于自动检测和远程分析的智能床板系统
CN108784669A (zh) 一种非接触式心跳及呼吸紊乱监测系统及方法
CN105286911A (zh) 一种健康监测系统和健康监测方法
CN107019500A (zh) 一种养老监护方法及智能辅助养老系统
CN108460957A (zh) 一种老年健康群体监控告警系统及方法
CN109276384A (zh) 一种智能婴儿床
CN108492890A (zh) 一种人体健康状态监测系统及方法
CN107485229A (zh) 一种传感器阵列的智能床垫
CN110353641A (zh) 生命体征监测方法及系统
CN110673677A (zh) 一种基于物联网的智能养老康复床的控制系统及方法
CN109473166A (zh) 一种基于多网融合的智能远程医疗护理系统及方法
CN109480532A (zh) 一种基于敲击信号的预警系统
CN106913335A (zh) 一种呼吸暂停检测系统的检测方法
CN204744130U (zh) 一种基于4g移动通讯技术的多参数睡眠监测与智能诊断系统
CN110192847A (zh) 一种生命体征监测方法及系统

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

Application publication date: 20170613

WD01 Invention patent application deemed withdrawn after publication