CN107169304A - 一种判断心脏病突发方法、装置以及系统 - Google Patents
一种判断心脏病突发方法、装置以及系统 Download PDFInfo
- Publication number
- CN107169304A CN107169304A CN201710464541.3A CN201710464541A CN107169304A CN 107169304 A CN107169304 A CN 107169304A CN 201710464541 A CN201710464541 A CN 201710464541A CN 107169304 A CN107169304 A CN 107169304A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- monitored
- heart
- heart attack
- decision tree
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种判断心脏病突发方法、装置及系统,该方法包括:设置决策树分类算法;采集待监测对象的至少一个心率;根据所述至少一个心率,判断所述待监测对象是否存在心脏病突发风险;当判断出所述待监测对象存在心脏病突发风险时,则通过所述决策树分类算法以及所述至少一个心率,确定所述待监测对象是否突发心脏病;当确定所述待监测对象突发心脏病时,上报至外部的云服务器。因此,本发明提供的方案可以及时确定人们是否心脏病突发。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种判断心脏病突发方法、装置以及系统。
背景技术
随着经济和社会不断发展,人们生活节奏变快,生活压力变大,从而导致心脏病的发病率逐年上升。与其他疾病相比,心脏病由于具有突发、危重、猝死率高等特点,因此在各种疾病中心脏病对人们的危害居于首位。
目前,患者只有明显的感觉到身体不适时,才确定自身心脏病突发,然后根据自身情况进行吃药或去医院就医。但是,由于心脏病从突发到患者感知到时,可能患者已经失去了吃药和就医的能力。以致患者不能及时的得到救治,从而危及患者的生命。另外,当患者突发心脏病时,如果其周围不存在其他的人员时,患者也不能及时的得到救治。因此,目前并不能及时确定人们是否心脏病突发。
发明内容
本发明提供了一种判断心脏病突发方法、装置以及系统,可以及时确定人们是否心脏病突发。
第一方面,本发明提供了一种判断心脏病突发方法,该方法包括:
设置决策树分类算法;
采集待监测对象的至少一个心率;
根据所述至少一个心率,判断所述待监测对象是否存在心脏病突发风险;
当判断出所述待监测对象存在心脏病突发风险时,则通过所述决策树分类算法以及所述至少一个心率,确定所述待监测对象是否突发心脏病;
当确定所述待监测对象突发心脏病时,上报至外部的云服务器。
优选地,
所述根据所述至少一个心率,判断所述待监测对象是否存在心脏病突发风险,包括:
根据所述至少一个心率,计算平均心率;
判断所述平均心率是否位于预先设定的第一心率区间内,
如果是,则判断出所述待监测对象不存在心脏病突发风险;
否则,则判断出所述待监测对象存在心脏病突发风险。
优选地,
当采集所述待监测对象的至少两个心率时,
所述根据所述至少一个心率,判断所述待监测对象是否存在心脏病突发风险,包括:
在所述至少两个心率中,判断是否存在至少两个相邻的所述心率均不位于预先设定的第二心率区间内;
如果是,则判断出所述待监测对象存在心脏病突发风险;
否则,则判断出所述待监测对象不存在心脏病突发风险。
优选地,
所述预先设定心率区间,包括:
获取所述待监测对象的属性信息,其中,所述属性信息包括:年龄、体重、身高;
根据所述属性信息中包括的年龄、体重以及身高,利用(1)公式,确定第一心率下限值,以及利用公式(2),确定第一心率上限值;
根据所述第一心率下限值和所述第一心率上限值设定心率区间;
N1=(k1×A+k2×B+k3C)×α+T (1)
N2=(k1×A+k2×B+k3C)×β+T (2)
其中,所述N1表征所述第一心率下限值;所述N2表征所述第一心率上限值;所述k1表征体重系数;所述k2表征身高系数;所述k3表征年龄系数;所述A表征所述待监测对象的体重;所述B表征所述待监测对象的身高;所述C表征所述待监测对象的年龄;所述α表征第一系数;所述β表征第二系数;所述T表征所述待监测对象的年龄对应的基准心率。
优选地,
所述预先设定心率区间,包括:
根据外部输入的第二心率上限值和第二心率下限值,设定心率区间。
优选地,
所述设置决策树分类算法,包括:
定期从所述云服务器中下载第一决策树分类算法,并将下载的所述第一决策树分类算法设置为当前决策树分类算法。
优选地,
所述设置决策树分类算法,包括:
获取外部输入的第二决策树分类算法,并将所述第二决策树分类算法设置为当前决策树分类算法。
优选地,
所述上报至外部的云服务器,包括:
将所述待监控对象的属性信息、所述待监测对象突发心脏病时的心率上报至所述云服务器,以使所述云服务器根据所述属性信息以及所述突发心脏病时的心率进行相应的异常处理,且以使所述云服务器根据所述属性信息以及所述突发心脏病时的心率更新存储的决策树分类算法。
优选地,
进一步包括:
当确定所述待监测对象突发心脏病时,报警。
第二方面,本发明提供了一种判断心脏病突发装置,该装置包括:
设置模块,用于设置决策树分类算法;
采集模块,用于采集待监测对象的至少一个心率;
判断模块,用于根据所述采集模块采集的所述至少一个心率,判断所述待监测对象是否存在心脏病突发风险;
确定模块,用于当所述判断模块判断出所述待监测对象存在心脏病突发风险时,则通过所述决策树分类算法以及所述至少一个心率,确定所述待监测对象是否突发心脏病;
上报模块,用于当所述确定模块确定所述待监测对象突发心脏病时,上报至外部的云服务器。
优选地,
所述判断模块,包括:计算子模块和第一判断子模块;
所述计算子模块,用于根据所述采集模块采集的所述至少一个心率,计算平均心率;
所述第一判断子模块,用于判断所述计算子模块计算的所述平均心率是否位于预先设定的第一心率区间内,如果是,则判断出所述待监测对象不存在心脏病突发风险;否则,则判断所述出待监测对象存在心脏病突发风险。
优选地,
所述判断模块,包括:第二判断子模块;
所述第二判断子模块,用于当采集所述待监测对象的至少两个心率时,在所述至少两个心率中,判断是否存在至少两个相邻的所述心率均不位于预先设定的第二心率区间内;如果是,则判断出所述待监测对象存在心脏病突发风险;否则,则判断出所述待监测对象不存在心脏病突发风险。
优选地,
所述判断子模块,包括:获取子单元、计算子单元和第一设定子单元;
所述获取子单元,用于获取所述待监测对象的属性信息,其中,所述属性信息包括:年龄、体重、身高;
所述计算子单元,用于根据所述获取子单元获取的所述属性信息中包括的年龄、体重以及身高,利用公式(1),确定第一心率下限值,以及利用公式(2),确定第一心率上限值;
所述第一设定子单元,用于根据所述第一心率下限值和所述第一心率上限值设定心率区间;
N1=(k1×A+k2×B+k3C)×α+T (1)
N2=(k1×A+k2×B+k3C)×β+T (2)
其中,所述N1表征所述第一心率下限值;所述N2表征所述第一心率上限值;所述k1表征体重系数;所述k2表征身高系数;所述k3表征年龄系数;所述A表征所述待监测对象的体重;所述B表征所述待监测对象的身高;所述C表征所述待监测对象的年龄;所述α表征第一系数;所述β表征第二系数;所述T表征所述待监测对象的年龄对应的基准心率。
优选地,
所述判断子模块,包括:第二设定子单元;
所述第二设定子单元,用于根据外部输入的第二心率上限值和第二心率下限值,设定心率区间。
优选地,
所述设置模块,用于定期从所述云服务器中下载第一决策树分类算法,并将下载的所述第一决策树分类算法设置为当前决策树分类算法。
优选地,
所述设置模块,用于获取外部输入的第二决策树分类算法,并将所述第二决策树分类算法设置为当前决策树分类算法。
优选地,
所述上报模块,用于将所述待监控对象的属性信息、所述待监测对象突发心脏病时的心率上报至所述云服务器,以使所述云服务器根据所述属性信息以及所述突发心脏病时的心率进行相应的异常处理,且以使所述云服务器根据所述属性信息以及所述突发心脏病时的心率更新存储的决策树分类算法。
优选地,
进一步包括:报警单元;
所述报警单元,用于当所述确定模块确定所述待监测对象突发心脏病时,报警。
第三方面,本发明提供了一种判断心脏病突发系统,该系统包括:
上述任一所述的判断心脏病突发装置以及云服务器;
所述云服务器,用于接收所述判断心脏病突发装置的上报。
优选地,
所述云服务器,用于接收所述判断心脏病突发装置上报的待监控对象的属性信息、待监测对象突发心脏病时的心率,根据所述属性信息以及所述突发心脏病时的心率进行相应的异常处理,且根据所述属性信息以及所述突发心脏病时的心率更新存储的决策树分类算法。
优选地,
进一步包括:至少一个客户端;
每一个客户端对应至少一个所述待监控对象的属性信息;
所述云服务器,用于根据所述待监控对象的属性信息、所述待监测对象突发心脏病时的心率,生成报警信息,并将所述报警信息发送至与所述属性信息对应的客户端;
每一个所述客户端,用于接收所述云服务器发送的所述报警信息。
本发明实施例提供了一种判断心脏病突发方法、装置以及系统,采集待监测对象的心率。当根据采集到的各个心率,判断出待监测对象存在心脏病突发风险时,通过设置的决策树分类算法和采集到的各个心率确定待监测对象是否突发心脏病。当确定待监测对象突发心脏病时,将待监测对象突发心脏病的情况上报至云服务器。通过上述过程可知,本方案可以根据待监测对象的心率及时判断出待监测对象是否突发心脏病,并当待监测对象突发心脏病时,上报至云服务器,以使待监测对象及时得到救治。因此,本发明提供的方案可以及时确定人们是否心脏病突发。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图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。
图1是本发明一个实施例提供的一种判断心脏病突发方法的流程图;
图2是本发明一个实施例提供的一种判断心脏病突发装置所在设备的一种硬件结构图;
图3是本发明一个实施例提供的一种判断心脏病突发装置的结构示意图;
图4是本发明一个实施例提供的一种包括计算子模块和第一判断子模块的判断心脏病突发装置的结构示意图;
图5是本发明一个实施例提供的一种包括第二判断子模块的判断心脏病突发装置的结构示意图;
图6是本发明另一个实施例提供的一种判断心脏病突发装置的结构示意图;
图7是本发明一个实施例提供的一种包括第二设定子单元的判断心脏病突发装置的结构示意图;
图8是本发明一个实施例提供的一种包括报警模块的判断心脏病突发装置的结构示意图;
图9是本发明一个实施例提供的一种判断心脏病突发系统的结构示意图;
图10是本发明另一个实施例提供的一种判断心脏病突发系统的结构示意图;
图11是本发明另一个实施例提供的一种判断心脏病突发方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,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的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种判断心脏病突发方法,该方法可以包括以下步骤:
步骤101:设置决策树分类算法;
步骤102:采集待监测对象的至少一个心率;
步骤103:根据所述至少一个心率,判断所述待监测对象是否存在心脏病突发风险,如果是,执行步骤104,如果否,执行步骤102;
步骤104:通过所述决策树分类算法以及所述至少一个心率,确定所述待监测对象是否突发心脏病,如果是,执行步骤105;否则,执行步骤102。
步骤105:上报至外部的云服务器。
根据图1所示实施例,采集待监测对象的心率。当根据采集到的各个心率,判断出待监测对象存在心脏病突发风险时,通过设置的决策树分类算法和采集到的各个心率确定待监测对象是否突发心脏病。当确定待监测对象突发心脏病时,将待监测对象突发心脏病的情况上报至云服务器。通过上述过程可知,本方案可以根据待监测对象的心率及时判断出待监测对象是否突发心脏病,并当待监测对象突发心脏病时,上报至云服务器,以使待监测对象及时得到救治。因此,本发明提供的实施例可以及时确定人们是否心脏病突发。
在本发明一个实施例中,上述图1所示流程图中的步骤103根据采集的至少一个心率,判断待监测对象是否存在心脏病突发风险。该步骤是一个初判过程,以排除掉非突发心脏病的数据。其中,采集至少一个心率的方法,至少可以为下述两种方法中的任意一种:
方法一:实时采集待监测对象一个采集周期内各个单位时间对应的各个心率。比如,实时采集待监测对象A在采集周期五分钟内每一分钟对应的心率。
方法二:当到达设定的时间点时,采集待监测对象一个采集周期内各个单位时间对应的各个心率。比如,设定的时间点为8点,则时间到达8点时,采集待监测对象A在采集周期五分钟内每一分钟对应的心率。
在本发明一个实施例中,上述图1所示流程图中的步骤103根据所述至少一个心率,判断所述待监测对象是否存在心脏病突发风险。该步骤的实现方式,至少可以为下述两种方式中的任意一种:
方式一:在本发明一个实施例中,上述图1所示流程图中的步骤103根据所述至少一个心率,判断所述待监测对象是否存在心脏病突发风险,可以包括:
根据所述至少一个心率,计算平均心率;
判断所述平均心率是否位于预先设定的第一心率区间内,
如果是,则判断出所述待监测对象不存在心脏病突发风险;
否则,则判断出所述待监测对象存在心脏病突发风险;
在本实施例中,当采集的心率数量为1个时,则将该采集的心率作为平均心率,并判断该心率是否位于预先设定的第一心率区间内,如果是,则判断待监测对象不存在心脏病突发风险;否则,则判断待监测对象存在心脏病突发风险。
在本实施例中,为了保证监测的实时性,采集的心率可以为一个,比如可以依次采集待监测对象每分钟心率,并根据采集的当前心率,判断待监测对象是否存在心脏病突发风险。
在本实施例中,当采集的心率数据为至少两个时,则对各个心率进行求和,再利用求和除以心率的数量,以得到平均心率。然后判断平均心率是否位于预先设定的第一心率区间内,如果是,则判断待监测对象不存在心脏病突发风险;否则,则判断待监测对象存在心脏病突发风险。
根据上述实施例,根据采集到的各个心率计算平均心率。然后当判断出平均心率位于预设的心率区间内时,则判断出待检测对象不存在心脏病突发风险;当判断出平均心率不位于预设的心率区间内时,则判断出待检测对象存在心脏病突发风险。由于是利用平均心率判断待监测对象是否存在心脏病突发风险,因此判断的较为准确。
在本发明一个实施例中,当采集所述待监测对象的至少两个心率时,上述图1所示流程图中的步骤103根据所述至少一个心率,判断所述待监测对象是否存在心脏病突发风险,可以包括:
在所述至少两个心率中,判断是否存在至少两个相邻的所述心率均不位于预先设定的第二心率区间内;
如果是,则判断出所述待监测对象存在心脏病突发风险;
否则,则判断出所述待监测对象不存在心脏病突发风险。
在本实施例中,比如,设定的第二心率区间为[70,90],实时采集待监测对象A在采集周期三分钟内每一分钟对应的心率,其中采集到心率分别为80、100、105。可以看出两个相邻的心率100和105均不位于心率区间[70,90]内,则判断出待监测对象A存在心脏病突发风险。
根据上述实施例,当判断出采集的各个心率中存在至少两个相邻的心率均不位于预设的心率区间内时,则判断出待检测对象存在心脏病突发风险。由于当判断存在至少两个相邻的心率时,才判断出存在心脏病突发风险。因此判断的较为准确。
在本发明一个实施例中,设定第一心率区间和第二心率区间的方法可以根据业务要求确定。心率区间的设定方法,至少可以为下述两种方法中的任意一种:
方法一:通过待监测对象的属性信息进行设定,以得出针对于待监测对象的心率区间;
方法二:通过外部输入的数值进行设定。
针对上述方法一:在本发明一个实施例中,所述预先设定心率区间,包括:
获取所述待监测对象的属性信息,其中,所述属性信息包括:年龄、体重、身高;
根据所述属性信息中包括的年龄、体重以及身高,利用公式(1),确定第一心率下限值,以及利用公式(2),确定第一心率上限值;
根据所述第一心率下限值和所述第一心率上限值设定心率区间;
N1=(k1×A+k2×B+k3C)×α+T (1)
N2=(k1×A+k2×B+k3C)×β+T (2)
其中,所述N1表征所述第一心率下限值;所述N2表征所述第一心率上限值;所述k1表征体重系数;所述k2表征身高系数;所述k3表征年龄系数;所述A表征所述待监测对象的体重;所述B表征所述待监测对象的身高;所述C表征所述待监测对象的年龄;所述α表征第一系数;所述β表征第二系数;所述T表征所述待监测对象的年龄对应的基准心率。
在本实施例中,体重系数、身高系数、年龄系数、第一系数、第二系数以及待监测对象年龄对应的基准心率均可以根据业务要求确定。
在本实施例中,比如,确定体重系数为0.1、身高系数为0.1、年龄系数为0.2、第一系数为-0.7、第二系数为0.7以及基准心率为70。获取待监测对象A的体重为60千克、身高为160厘米、年龄为40。
则根据公式(1)计算得到心率下限值为:
N1=(0.1×60+0.1×160+0.2×40)×-0.7+70=49
则根据公式(2)计算得到心率上限值为:
N2=(0.1×60+0.1×160+0.2×40)×0.7+70=91
则根据计算得到的心率下限值49和心率上限值91,设定的心率区间为[49,91]。
根据上述实施例,由于心率区间根据待监测对象的属性信息确定,因此心率区间与属性信息匹配度较高。
在本发明一个实施例中,所述预先设定心率区间,包括:根据外部输入的第二心率上限值和第二心率下限值,设定心率区间。
在本实施例中,可以根据业务要求输入心率上限值和心率下限值,然后根据输入的心率上限值和心率下限值设定心率区间。
在本实施例中,比如外部输入的心率上限值为50和心率下限值为100,则设定的心率区间为[50,100]。
根据上述实施例,由于心率区间可以根据外部输入的心率上限值和心率下限值,因此业务操作较为灵活。
在本发明一个实施例中,上述图1所示流程图中的步骤101设置决策树分类算法,可以包括:
定期从所述云服务器中下载第一决策树分类算法,并将下载的所述第一决策树分类算法设置为当前决策树分类算法;
在本实施例中,可以根据业务要求设定下载时间,比如设定的下载时间为每天早上10点。则当到达下载时间时,从云服务器中下载决策树分类算法,并将下载的决策树分类算法设置为当前决策树分类算法,从而完成决策树分类算法的更新。
根据上述实施例,定期从云服务器中下载决策树分类算法,并将下载的决策树分类算法设置为当前决策树分类算法,从而完成决策树分类算法的更新。由于会定期进行决策树分类算法下载,因此可以自动完成决策树分类算法的更新。
在本发明一个实施例中,上述图1所示流程图中的步骤101设置决策树分类算法,可以包括:
获取外部输入的第二决策树分类算法,并将所述第二决策树分类算法设置为当前决策树分类算法。
在本实施例中,比如当未到达设定的下载时间时,用户需要对决策树分类算法进行更新时,可以输入新的决策树分类算法,以完成决策树分类算法的更新。
在本实施例中,比如用户输入决策树分类算法B时,则获取决策树分类算法B,并将决策树分类算法B设置为当前决策树分类算法。
根据上述实施例,可以根据业务要求输入决策树分类算法,当获取输入决策树分类算法时,将输入的决策树分类算法设置为当前决策树分类算法。因此,可以根据业务要求灵活更新决策树分类算法。
在本发明一个实施例中,上述图1所示流程图中的步骤105上报至外部的云服务器,可以包括:
将所述待监控对象的属性信息、所述待监测对象突发心脏病时的心率上报至所述云服务器,以使所述云服务器根据所述属性信息以及所述突发心脏病时的心率进行相应的异常处理,且以使所述云服务器根据所述属性信息以及所述突发心脏病时的心率更新存储的决策树分类算法;
在本实施例中,将待监控对象的属性信息、待监测对象突发心脏病时的心率上报至云服务器。其中,属性信息中包括待监测对象的年龄、体重、年龄、姓名、住址等。当云服务器接收到属性信息和心率时,根据属性信息以及突发心脏病时的心率进行相应的异常处理。其中,异常处理可以包括:为待监控对象对应的各个客户端发送报警信息,以使客户端的用户及时了解待监控对象突发心脏病;为待监控对象对应的急救中心发送急救信息,以使急救中心及时对待监控对象进行救治。
在本实施例中,当云服务器接收到属性信息和心率时,根据属性信息以及突发心脏病时的心率时,云服务器根据属性信息以及突发心脏病时的心率更新存储的决策树分类算法。以使云服务器不断对获取的数据进行学习,从而对决策树算法不断优化更新,不断提高判断是否突发心脏变的准确率和速度。
根据上述实施例,将待监控对象的属性信息、待监测对象突发心脏病时的心率上报至云服务器。云服务器根据属性信息以及突发心脏病时的心率进行相应的异常处理,以使待监控对象及时得到救治。以及云服务器根据属性信息以及突发心脏病时的心率更新存储的决策树分类算法,从而对决策树算法不断优化更新,不断提高判断是否突发心脏变的准确率和速度。
在本发明一个实施例中,判断心脏病突发方法还进一步包括:
当确定所述待监测对象突发心脏病时,报警。
在本实施例中,当确定待监测对象突发心脏病时,报警。以使待监测对象以及待监测对象周围的人及时感知到待监测对象突发心脏病,并根据报警吃药或拨打急救电话等处理。从而可以使待监测对象及时得到救治。
在本实施例中,报警的方式可以根据业务要求确定,比如可以采用警铃的方式进行报警。当确定待监测对象突发心脏病时触发警铃,以使待监测对象及时得到救治。
根据上述实施例,当确定待监测对象突发心脏病时报警。以使待监测对象以及待监测对象周围的人及时感知到待监测对象突发心脏病,并根据报警进行吃药等处理,以使待监测对象及时得到救治。
如图2、图3所示,本发明实施例提供了一种判断心脏病突发装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言,如图2所示,为本发明实施例提供的判断心脏病突发装置所在设备的一种硬件结构图,除了图2所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等。以软件实现为例,如图3所示,作为一个逻辑意义上的装置,是通过其所在设备的CPU将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。本实施例提供的判断心脏病突发装置,包括:
设置模块301,用于设置决策树分类算法;
采集模块302,用于采集待监测对象的至少一个心率;
判断模块303,用于根据所述采集模块302采集的所述至少一个心率,判断所述待监测对象是否存在心脏病突发风险;
确定模块304,用于当所述判断模块303判断出所述待监测对象存在心脏病突发风险时,则通过所述决策树分类算法以及所述至少一个心率,确定所述待监测对象是否突发心脏病;
上报模块305,用于当所述确定模块304确定所述待监测对象突发心脏病时,上报至外部的云服务器。
根据如图3所示的实施例,首先通过采集模块采集待监测对象的心率,然后判断模块根据采集模块采集的各个心率,判断待监测对象是否存在心脏病突发风险。当判断模块判断出待监测对象存在心脏病突发风险时,确定模块通过设置模块设置的决策树分类算法以及采集模块采集的心率,确定待监测对象是否突发心脏病。当确定模块确定待监测对象突发心脏病时,上报模块上报至云服务器。通过上述过程可知,本方案中判断模块和确定模块可以根据待监测对象的心率及时判断出待监测对象是否突发心脏病,并当待监测对象突发心脏病时,上报至云服务器,以使待监测对象及时得到救治。因此,本发明提供的实施例可以及时确定人们是否心脏病突发。
在本发明一个实施例中,如图4所示,所述判断模块303可以包括:计算子模块401和第一判断子模块402;
所述计算子模块401,用于根据所述采集模块采集的所述至少一个心率,计算平均心率;
所述第一判断子模块402,用于判断所述计算子模块401计算的所述平均心率是否位于预先设定的第一心率区间内,如果是,则判断出所述待监测对象不存在心脏病突发风险;否则,则判断出所述待监测对象存在心脏病突发风险。
在本发明一个实施例中,如图5所示,所述判断模块303可以包括:第二判断子模块501;
所述第二判断子模块501,用于当采集所述待监测对象的至少两个心率时,在所述至少两个心率中,判断是否存在至少两个相邻的所述心率均不位于预先设定的第二心率区间内;如果是,则判断出所述待监测对象存在心脏病突发风险;否则,则判断出所述待监测对象不存在心脏病突发风险。
在本发明一个实施例中,如图6所示,所述判断子模块402,包括:获取子单元601、计算子单元602和第一设定子单元603;
所述获取子单元601,用于获取所述待监测对象的属性信息,其中,所述属性信息包括:年龄、体重、身高;
所述计算子单元602,用于根据所述获取子单元601获取的所述属性信息中包括的年龄、体重以及身高,利用公式(1),确定第一心率下限值,以及利用公式(2),确定第一心率上限值;
所述第一设定子单元603,用于根据所述第一心率下限值和所述第一心率上限值设定心率区间;
N1=(k1×A+k2×B+k3C)×α+T (1)
N2=(k1×A+k2×B+k3C)×β+T (2)
其中,所述N1表征所述第一心率下限值;所述N2表征所述第一心率上限值;所述k1表征体重系数;所述k2表征身高系数;所述k3表征年龄系数;所述A表征所述待监测对象的体重;所述B表征所述待监测对象的身高;所述C表征所述待监测对象的年龄;所述α表征第一系数;所述β表征第二系数;所述T表征所述待监测对象的年龄对应的基准心率。
在本发明一个实施例中,如图7所示,所述判断子模块402,包括:第二设定子单元701;
所述第二设定子单元701,用于根据外部输入的第二心率上限值和第二心率下限值,设定心率区间。
在本发明一个实施例中,所述设置模块301,用于定期从所述云服务器中下载第一决策树分类算法,并将下载的所述第一决策树分类算法设置为当前决策树分类算法。
在本发明一个实施例中,所述设置模块301,用于获取外部输入的第二决策树分类算法,并将所述第二决策树分类算法设置为当前决策树分类算法。
在本发明一个实施例中,所述上报模块305,用于将所述待监控对象的属性信息、所述待监测对象突发心脏病时的心率上报至所述云服务器,以使所述云服务器根据所述属性信息以及所述突发心脏病时的心率进行相应的异常处理,且以使所述云服务器根据所述属性信息以及所述突发心脏病时的心率更新存储的决策树分类算法。
在本发明一个实施例中,如图8所示,判断心脏病突发装置还可以进一步包括:报警模块801;
所述报警模块801,用于当所述确定模块304确定所述待监测对象突发心脏病时,报警。
在本发明一个实施例提供了一种可读介质,该可读介质包括:执行指令,当存储控制器的处理器执行所述执行指令时,所述存储控制器执行上述任一项所述判断心脏病突发方法。
在本发明一个实施例提供了一种存储控制器,该存储控制器包括:处理器、存储器和总线;所述存储器用于存储执行指令;所述处理器与所述存储器通过所述总线连接;当所述存储控制器运行时,所述处理器执行所述存储器存储的所述执行指令,以使所述存储控制器执行上述任一项所述判断心脏病突发方法。
如图9所示,本发明实施例提供了一种判断心脏病突发系统,该系统可以包括:
上述任一所述的判断心脏病突发装置901以及云服务器902;
所述云服务器902,用于接收所述判断心脏病突发装置901的上报。
根据如图9所示的实施例,该系统中包括判断心脏病突发装置以及云服务器。云服务器接收判断心脏病突发装置的上报,以根据上报及时进行异常处理,以使待监测对象及时得到救治。因此,本发明提供的实施例可以及时确定人们是否心脏病突发。
在本发明一个实施例中,所述云服务器902,用于接收所述判断心脏病突发装置901上报的待监控对象的属性信息、待监测对象突发心脏病时的心率,根据所述属性信息以及所述突发心脏病时的心率进行相应的异常处理,且根据所述属性信息以及所述突发心脏病时的心率更新存储的决策树分类算法。
在本发明一个实施例中,如图10所示,判断心脏病突发系统可以进一步包括:至少一个客户端1001;
每一个客户端1001对应至少一个所述待监控对象的属性信息;
所述云服务器902,用于根据所述待监控对象的属性信息、所述待监测对象突发心脏病时的心率,生成报警信息,并将所述报警信息发送至与所述属性信息对应的客户端;
每一个所述客户端1001,用于接收所述云服务器902发送的所述报警信息。
上述装置以及系统内的各模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
下面以判断心脏病突发系统中包括云服务器、判断心脏病突发装置以及三个客户端为例。展开说明判断心脏病突发方法,如图11所示,该判断心脏病突发方法,可以包括如下步骤:
步骤1101:将云服务器分别与判断心脏病突发装置以及各个客户端相连。
在本步骤中,比如将云服务器与判断心脏病突发装置相连。将云服务器与客户端A、客户端B以及客户端C相连。
步骤1102:判断心脏病突发装置获取待监测对象的属性信息,其中,属性信息包括:年龄、体重、身高。
在本步骤中,判断心脏病突发装置获取待监测对象A的体重为60千克、身高为160厘米、年龄为40。
步骤1103:判断心脏病突发装置根据属性信息中包括的年龄、体重以及身高确定心率下限值,以及确定心率上限值。
在本步骤中,确定体重系数为0.1、身高系数为0.1、年龄系数为0.2、第一系数为-0.7、第二系数为0.7以及基准心率为70。获取待监测对象A的体重为60千克、身高为160厘米、年龄为40。
则根据公式(1)计算得到心率下限值为:
N1=(0.1×60+0.1×160+0.2×40)×-0.7+70=49
则根据公式(2)计算得到心率上限值为:
N2=(0.1×60+0.1×160+0.2×40)×0.7+70=91
步骤1104:判断心脏病突发装置根据心率下限值和心率上限值设定心率区间。
在本步骤中,根据,则根据步骤1103得到的心率下限值49和心率上限值91,设定的心率区间为[49,91]。
步骤1105:判断心脏病突发装置从云服务器中下载决策树分类算法,并将下载的决策树分类算法设置为当前决策树分类算法。
步骤1106:判断心脏病突发装置采集待监测对象的至少两个心率。
在本步骤中,采集到心率分别为80、100、105。
步骤1107:判断心脏病突发装置在至少两个心率中,判断是否存在至少两个相邻的心率均不位于预先设定的心率区间内,如果是,执行步骤1108;否则,执行步骤1109。
在本步骤中,从步骤1106采集的各个心率可以看出两个相邻的心率100和105均不位于心率区间[70,90]内,执行步骤1108。
步骤1108:判断心脏病突发装置判断出待监测对象存在心脏病突发风险,并执行步骤1110。
在本步骤中,判断出待监测对象A存在心脏病突发风险,并执行步骤1110。
步骤1109:判断心脏病突发装置判断出待监测对象不存在心脏病突发风险,并执行步骤1106。
步骤1110:判断心脏病突发装置通过决策树分类算法以及至少一个心率,确定待监测对象是否突发心脏病,如果是,执行步骤1111以及步骤1117;否则,执行步骤1106。
步骤1111:判断心脏病突发装置将待监控对象的属性信息、待监测对象突发心脏病时的心率上报至云服务器,并执行步骤1112。
在本步骤中,将待监控对象的属性信息、待监测对象突发心脏病时的心率上报至云服务器。其中,属性信息中包括待监测对象的年龄、体重、年龄、姓名、住址等。
步骤1112:云服务器根据待监控对象的属性信息、待监测对象突发心脏病时的心率,生成报警信息,并在三个客户端中确定与待监测对象对应的客户端。
在本步骤中,确定与待监测对象A对应的客户端为客户端A。
步骤1113:云服务器将报警信息发送至与属性信息对应的客户端。
在本步骤中,将报警信息发送至客户端A,以使客户端A的用户及时了解待监控对象A突发心脏病。
步骤1114:与属性信息对应的客户端接收到云服务器发送的报警信息,并根据报警信息进行相应的处理。
步骤1115:云服务器根据属性信息以及突发心脏病时的心率更新存储的决策树分类算法。
在本步骤中,当云服务器接收到属性信息和心率时,根据属性信息以及突发心脏病时的心率时,云服务器根据属性信息以及突发心脏病时的心率更新存储的决策树分类算法。以使云服务器不断对获取的数据进行学习,从而对决策树算法不断优化更新,不断提高判断是否突发心脏变的准确率和速度。
步骤1116:云服务器判断是否接收到判断心脏病突发装置发送的下载指令,如果是,将更新的决策树分类算法发送判断心脏病突发装置,如果否,结束当前流程。
步骤1117:判断心脏病突发装置当确定待监测对象突发心脏病时,报警。
在本步骤中,报警的方式可以根据业务要求确定,比如可以采用警铃的方式进行报警。当确定待监测对象突发心脏病时触发警铃,以使待监测对象及时得到救治。
综上所述,本发明各个实施例至少可以实现如下有益效果:
1、在本发明实施例中,采集待监测对象的心率。当根据采集到的各个心率,判断出待监测对象存在心脏病突发风险时,通过设置的决策树分类算法和采集到的各个心率确定待监测对象是否突发心脏病。当确定待监测对象突发心脏病时,将待监测对象突发心脏病的情况上报至云服务器。通过上述过程可知,本方案可以根据待监测对象的心率及时判断出待监测对象是否突发心脏病,并当待监测对象突发心脏病时,上报至云服务器,以使待监测对象及时得到救治。因此,本发明提供的实施例可以及时确定人们是否心脏病突发。
2、在本发明实施例中,根据采集到的各个心率计算平均心率。然后当判断出平均心率位于预设的心率区间内时,则判断出待检测对象不存在心脏病突发风险;当判断出平均心率不位于预设的心率区间内时,则判断出待检测对象存在心脏病突发风险。由于是利用平均心率判断待监测对象是否存在心脏病突发风险,因此判断的较为准确。
3、在本发明实施例中,当判断出采集的各个心率中存在至少两个相邻的心率均不位于预设的心率区间内时,则判断出待检测对象存在心脏病突发风险。由于当判断存在至少两个相邻的心率时,才判断出存在心脏病突发风险,因此判断的较为准确。
4、在本发明实施例中,由于心率区间根据待监测对象的属性信息确定,因此心率区间与属性信息匹配度较高。
5、在本发明实施例中,由于心率区间可以根据外部输入的心率上限值和心率下限值,因此业务操作较为灵活。
6、在本发明实施例中,定期从云服务器中下载决策树分类算法,并将下载的决策树分类算法设置为当前决策树分类算法,从而完成决策树分类算法的更新。由于会定期进行决策树分类算法下载,因此可以自动完成决策树分类算法的更新。
7、在本发明实施例中,可以根据业务要求输入决策树分类算法,当获取输入决策树分类算法时,将输入的决策树分类算法设置为当前决策树分类算法。因此,可以根据业务要求灵活更新决策树分类算法。
8、在本发明实施例中,将待监控对象的属性信息、待监测对象突发心脏病时的心率上报至云服务器。云服务器根据属性信息以及突发心脏病时的心率进行相应的异常处理,以使待监控对象及时得到救治。以及云服务器根据属性信息以及突发心脏病时的心率更新存储的决策树分类算法,从而对决策树算法不断优化更新,不断提高判断是否突发心脏变的准确率和速度。
9、在本发明实施例中,当确定待监测对象突发心脏病时报警。以使待监测对象以及待监测对象周围的人及时感知到待监测对象突发心脏病,并根据报警进行吃药等处理,以使待监测对象及时得到救治。
10、在本发明实施例中,首先通过采集模块采集待监测对象的心率,然后判断模块根据采集模块采集的各个心率,判断待监测对象是否存在心脏病突发风险。当判断模块判断出待监测对象存在心脏病突发风险时,确定模块通过设置模块设置的决策树分类算法以及采集模块采集的心率,确定待监测对象是否突发心脏病。当确定模块确定待监测对象突发心脏病时,上报模块上报至云服务器。通过上述过程可知,本方案中判断模块和确定模块可以根据待监测对象的心率及时判断出待监测对象是否突发心脏病,并当待监测对象突发心脏病时,上报至云服务器,以使待监测对象及时得到救治。因此,本发明提供的实施例可以及时确定人们是否心脏病突发。
11、在本发明实施例中,该系统中包括判断心脏病突发装置以及云服务器。云服务器接收判断心脏病突发装置的上报,以根据上报及时进行异常处理,以使待监测对象及时得到救治。因此,本发明提供的实施例可以及时确定人们是否心脏病突发。
需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种判断心脏病突发方法,其特征在于,包括:
设置决策树分类算法;
采集待监测对象的至少一个心率;
根据所述至少一个心率,判断所述待监测对象是否存在心脏病突发风险;
当判断出所述待监测对象存在心脏病突发风险时,则通过所述决策树分类算法以及所述至少一个心率,确定所述待监测对象是否突发心脏病;
当确定所述待监测对象突发心脏病时,上报至外部的云服务器。
2.根据权利要求1所述的方法,其特征在于,
所述根据所述至少一个心率,判断所述待监测对象是否存在心脏病突发风险,包括:
根据所述至少一个心率,计算平均心率;
判断所述平均心率是否位于预先设定的第一心率区间内,
如果是,则判断出所述待监测对象不存在心脏病突发风险;
否则,则判断出所述待监测对象存在心脏病突发风险;
或,
当采集所述待监测对象的至少两个心率时,
所述根据所述至少一个心率,判断所述待监测对象是否存在心脏病突发风险,包括:
在所述至少两个心率中,判断是否存在至少两个相邻的所述心率均不位于预先设定的第二心率区间内;
如果是,则判断出所述待监测对象存在心脏病突发风险;
否则,则判断出所述待监测对象不存在心脏病突发风险。
3.根据权利要求2所述的方法,其特征在于,
所述预先设定心率区间,包括:
获取所述待监测对象的属性信息,其中,所述属性信息包括:年龄、体重、身高;
根据所述属性信息中包括的年龄、体重以及身高,利用第一公式,确定第一心率下限值,以及利用第二公式,确定第一心率上限值;
根据所述第一心率下限值和所述第一心率上限值设定心率区间;
所述第一公式包括:
N1=(k1×A+k2×B+k3C)×α+T
所述第二公式包括:
N2=(k1×A+k2×B+k3C)×β+T
其中,所述N1表征所述第一心率下限值;所述N2表征所述第一心率上限值;所述k1表征体重系数;所述k2表征身高系数;所述k3表征年龄系数;所述A表征所述待监测对象的体重;所述B表征所述待监测对象的身高;所述C表征所述待监测对象的年龄;所述α表征第一系数;所述β表征第二系数;所述T表征所述待监测对象的年龄对应的基准心率;
或,
所述预先设定心率区间,包括:
根据外部输入的第二心率上限值和第二心率下限值,设定心率区间。
4.根据权利要求1所述的方法,其特征在于,
所述设置决策树分类算法,包括:
定期从所述云服务器中下载第一决策树分类算法,并将下载的所述第一决策树分类算法设置为当前决策树分类算法;
或,
所述设置决策树分类算法,包括:
获取外部输入的第二决策树分类算法,并将所述第二决策树分类算法设置为当前决策树分类算法;
和/或,
所述上报至外部的云服务器,包括:
将所述待监控对象的属性信息、所述待监测对象突发心脏病时的心率上报至所述云服务器,以使所述云服务器根据所述属性信息以及所述突发心脏病时的心率进行相应的异常处理,且以使所述云服务器根据所述属性信息以及所述突发心脏病时的心率更新存储的决策树分类算法;
和/或,
进一步包括:
当确定所述待监测对象突发心脏病时,报警。
5.一种判断心脏病突发装置,其特征在于,包括:
设置模块,用于设置决策树分类算法;
采集模块,用于采集待监测对象的至少一个心率;
判断模块,用于根据所述采集模块采集的所述至少一个心率,判断所述待监测对象是否存在心脏病突发风险;
确定模块,用于当所述判断模块判断出所述待监测对象存在心脏病突发风险时,则通过所述决策树分类算法以及所述至少一个心率,确定所述待监测对象是否突发心脏病;
上报模块,用于当所述确定模块确定所述待监测对象突发心脏病时,上报至外部的云服务器。
6.根据权利要求5所述的装置,其特征在于,
所述判断模块,包括:计算子模块和第一判断子模块;
所述计算子模块,用于根据所述采集模块采集的所述至少一个心率,计算平均心率;
所述第一判断子模块,用于判断所述计算子模块计算的所述平均心率是否位于预先设定的第一心率区间内,如果是,则判断出所述待监测对象不存在心脏病突发风险;否则,则判断出所述待监测对象存在心脏病突发风险;
或,
所述判断模块,包括:第二判断子模块;
所述第二判断子模块,用于当采集所述待监测对象的至少两个心率时,在所述至少两个心率中,判断是否存在至少两个相邻的所述心率均不位于预先设定的第二心率区间内;如果是,则判断出所述待监测对象存在心脏病突发风险;否则,则判断出所述待监测对象不存在心脏病突发风险。
7.根据权利要求6所述的装置,其特征在于,
所述判断子模块,包括:获取子单元、计算子单元和第一设定子单元;
所述获取子单元,用于获取所述待监测对象的属性信息,其中,所述属性信息包括:年龄、体重、身高;
所述计算子单元,用于根据所述获取子单元获取的所述属性信息中包括的年龄、体重以及身高,利用第一公式,确定第一心率下限值,以及利用第二公式,确定第一心率上限值;
所述第一设定子单元,用于根据所述第一心率下限值和所述第一心率上限值设定心率区间;
所述第一公式包括:
N1=(k1×A+k2×B+k3C)×α+T
所述第二公式包括:
N2=(k1×A+k2×B+k3C)×β+T
其中,所述N1表征所述第一心率下限值;所述N2表征所述第一心率上限值;所述k1表征体重系数;所述k2表征身高系数;所述k3表征年龄系数;所述A表征所述待监测对象的体重;所述B表征所述待监测对象的身高;所述C表征所述待监测对象的年龄;所述α表征第一系数;所述β表征第二系数;所述T表征所述待监测对象的年龄对应的基准心率;
或,
所述判断子模块,包括:第二设定子单元;
所述第二设定子单元,用于根据外部输入的第二心率上限值和第二心率下限值,设定心率区间。
8.根据权利要求5所述的装置,其特征在于,
所述设置模块,用于定期从所述云服务器中下载第一决策树分类算法,并将下载的所述第一决策树分类算法设置为当前决策树分类算法;
或,
所述设置模块,用于获取外部输入的第二决策树分类算法,并将所述第二决策树分类算法设置为当前决策树分类算法;
和/或,
所述上报模块,用于将所述待监控对象的属性信息、所述待监测对象突发心脏病时的心率上报至所述云服务器,以使所述云服务器根据所述属性信息以及所述突发心脏病时的心率进行相应的异常处理,且以使所述云服务器根据所述属性信息以及所述突发心脏病时的心率更新存储的决策树分类算法;
和/或,
进一步包括:报警单元;
所述报警单元,用于当所述确定模块确定所述待监测对象突发心脏病时,报警。
9.一种判断心脏病突发系统,其特征在于,包括:
权利要求5至8任一所述的判断心脏病突发装置以及云服务器;
所述云服务器,用于接收所述判断心脏病突发装置的上报。
10.根据权利要求9所述的系统,其特征在于,
所述云服务器,用于接收所述判断心脏病突发装置上报的待监控对象的属性信息、待监测对象突发心脏病时的心率,根据所述属性信息以及所述突发心脏病时的心率进行相应的异常处理,且根据所述属性信息以及所述突发心脏病时的心率更新存储的决策树分类算法;
和/或,
进一步包括:至少一个客户端;
每一个客户端对应至少一个所述待监控对象的属性信息;
所述云服务器,用于根据所述待监控对象的属性信息、所述待监测对象突发心脏病时的心率,生成报警信息,并将所述报警信息发送至与所述属性信息对应的客户端;
每一个所述客户端,用于接收所述云服务器发送的所述报警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710464541.3A CN107169304A (zh) | 2017-06-19 | 2017-06-19 | 一种判断心脏病突发方法、装置以及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710464541.3A CN107169304A (zh) | 2017-06-19 | 2017-06-19 | 一种判断心脏病突发方法、装置以及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107169304A true CN107169304A (zh) | 2017-09-15 |
Family
ID=59820369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710464541.3A Pending CN107169304A (zh) | 2017-06-19 | 2017-06-19 | 一种判断心脏病突发方法、装置以及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107169304A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104767879A (zh) * | 2015-03-13 | 2015-07-08 | 南昌欧菲光科技有限公司 | 心率监测装置及心率监测方法 |
CN105228508A (zh) * | 2013-03-08 | 2016-01-06 | 新加坡健康服务有限公司 | 一种测定用于分类的危险评分的系统和方法 |
CN105943016A (zh) * | 2016-02-26 | 2016-09-21 | 快快乐动(北京)网络科技有限公司 | 一种心率测量方法及系统 |
CN105943021A (zh) * | 2016-05-13 | 2016-09-21 | 赵伟 | 一种可穿戴心脏节律监测装置和心律监测系统 |
US20160314279A1 (en) * | 2015-04-22 | 2016-10-27 | The Arizona Board Of Regents On Behalf Of The University Of Arizona | Systems, methods and devices for ensuring quality in healthcare and wellness |
-
2017
- 2017-06-19 CN CN201710464541.3A patent/CN107169304A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105228508A (zh) * | 2013-03-08 | 2016-01-06 | 新加坡健康服务有限公司 | 一种测定用于分类的危险评分的系统和方法 |
CN104767879A (zh) * | 2015-03-13 | 2015-07-08 | 南昌欧菲光科技有限公司 | 心率监测装置及心率监测方法 |
US20160314279A1 (en) * | 2015-04-22 | 2016-10-27 | The Arizona Board Of Regents On Behalf Of The University Of Arizona | Systems, methods and devices for ensuring quality in healthcare and wellness |
CN105943016A (zh) * | 2016-02-26 | 2016-09-21 | 快快乐动(北京)网络科技有限公司 | 一种心率测量方法及系统 |
CN105943021A (zh) * | 2016-05-13 | 2016-09-21 | 赵伟 | 一种可穿戴心脏节律监测装置和心律监测系统 |
Non-Patent Citations (1)
Title |
---|
王巡, 杜方辉: "基于Hadoop的C4.5决策树算法在心脏病诊断中的应用", 《信息技术与信息化》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107072533A (zh) | 用于医疗设备的自定义预警评分 | |
CN110111889A (zh) | 急诊院前登记系统及方法 | |
CN108073908A (zh) | 害虫识别方法及装置、计算机装置及存储介质 | |
CN106254137B (zh) | 监管系统的告警根源分析系统及方法 | |
CN109741826B (zh) | 麻醉评估决策树构建方法及设备 | |
CN111461042A (zh) | 跌倒检测方法及系统 | |
CN108847280A (zh) | 基于案例推理的智慧云医疗实时管理系统 | |
CN107887010A (zh) | 一种心血管疾病数据采集与分诊平台 | |
CN106446560A (zh) | 一种基于增量式神经网络模型的高血脂症预测方法和预测系统 | |
CN114469022A (zh) | 报警事件的回顾方法、装置及可读存储介质 | |
CN107661092B (zh) | 生命体征状态监测方法及计算机可读存储介质 | |
CN117831745B (zh) | 基于数据分析的远程护理管理方法及系统 | |
CN112168188B (zh) | 一种用于压力检测数据的处理方法和装置 | |
CN110197130A (zh) | 一种生猪步态异常检测设备及系统 | |
CN108877932A (zh) | 智慧云医疗方法、计算机可读存储介质和终端 | |
CN106384013A (zh) | 一种基于增量式神经网络模型的ii型糖尿病预测方法和预测系统 | |
CN107169304A (zh) | 一种判断心脏病突发方法、装置以及系统 | |
CN108877945A (zh) | 医疗信息处理方法及装置 | |
CN113435825A (zh) | 一种基于土传病害防治的智能管理方法、系统及存储介质 | |
CN108681724A (zh) | 农事操作监控方法及装置 | |
US20140035745A1 (en) | Monitoring one or more parameters | |
CN109712715A (zh) | 一种生理数据的评分处理方法及装置 | |
CN116719891A (zh) | 中医信息分组聚类方法、装置、设备及计算机存储介质 | |
CN110852760A (zh) | 一种基于云雾混合计算的农产品溯源系统及其溯源方法 | |
CN106384012A (zh) | 一种基于增量式神经网络模型的过敏性皮炎预测方法和预测系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170915 |