CN107330241A - 一种心血管疾病预警系统 - Google Patents
一种心血管疾病预警系统 Download PDFInfo
- Publication number
- CN107330241A CN107330241A CN201710376888.2A CN201710376888A CN107330241A CN 107330241 A CN107330241 A CN 107330241A CN 201710376888 A CN201710376888 A CN 201710376888A CN 107330241 A CN107330241 A CN 107330241A
- Authority
- CN
- China
- Prior art keywords
- angiocardiopathy
- data
- early warning
- patient
- hospital information
- 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
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 238000013480 data collection Methods 0.000 claims abstract description 9
- 201000010099 disease Diseases 0.000 claims abstract description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 8
- 238000007405 data analysis Methods 0.000 claims abstract description 7
- 239000008280 blood Substances 0.000 claims description 9
- 210000004369 blood Anatomy 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 230000036772 blood pressure Effects 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 230000000241 respiratory effect Effects 0.000 claims description 5
- 230000002265 prevention Effects 0.000 claims description 2
- 208000019901 Anxiety disease Diseases 0.000 abstract description 15
- 230000036506 anxiety Effects 0.000 abstract description 15
- 238000010835 comparative analysis Methods 0.000 abstract description 2
- 230000002996 emotional effect Effects 0.000 description 6
- 210000004204 blood vessel Anatomy 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 206010002869 Anxiety symptoms Diseases 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000037396 body weight Effects 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000002889 sympathetic effect Effects 0.000 description 2
- OOIBFPKQHULHSQ-UHFFFAOYSA-N (3-hydroxy-1-adamantyl) 2-methylprop-2-enoate Chemical compound C1C(C2)CC3CC2(O)CC1(OC(=O)C(=C)C)C3 OOIBFPKQHULHSQ-UHFFFAOYSA-N 0.000 description 1
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 206010011703 Cyanosis Diseases 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 208000001145 Metabolic Syndrome Diseases 0.000 description 1
- 206010031123 Orthopnoea Diseases 0.000 description 1
- 208000004327 Paroxysmal Dyspnea Diseases 0.000 description 1
- 241001282153 Scopelogadus mizolepis Species 0.000 description 1
- 201000000690 abdominal obesity-metabolic syndrome Diseases 0.000 description 1
- 230000000702 anti-platelet effect Effects 0.000 description 1
- 239000003146 anticoagulant agent Substances 0.000 description 1
- 239000002249 anxiolytic agent Substances 0.000 description 1
- 230000000949 anxiolytic effect Effects 0.000 description 1
- 229940005530 anxiolytics Drugs 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 230000003001 depressive effect Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 150000002576 ketones Chemical class 0.000 description 1
- 238000010197 meta-analysis Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000000422 nocturnal effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 208000012144 orthopnea Diseases 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009863 secondary prevention Effects 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 208000010110 spontaneous platelet aggregation Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种心血管疾病预警系统，运行于服务器中，所述服务器与医院信息系统连接，所述医院信息系统与监测系统连接，所述监测系统收集到的医疗数据传输到所述医院信息系统中，所述心血管疾病预警系统包括：数据收集模块、数据分析模块和疾病预警模块。本发明的一种心血管疾病预警系统，在焦虑值的基础上结合患者的身体状态、生命体征、自身情况，通过大数据云计算建立个体的各种状态下的数据常模，后期对患者进行监测获得的大数据与常模对比分析可以有效的提前发现心血管疾病的发生征兆，给予健康方案指导，更可以降低心血管疾病发生引起的风险。
Description
技术领域
本发明涉及医疗大数据处理技术领域，尤其涉及一种心血管疾病预警系统。
背景技术
心血管疾病，又称为循环系统疾病，循环系统指人体内运送血液的器官和组织，主要包括心脏和血管(动脉、静脉、微血管)。心血管疾病的常见症状有：心悸、气短、端坐呼吸、夜间阵发性呼吸困难、胸闷不适、发绀、晕厥等。心血管疾病具有高患病率、高致残率和高死亡率的特点，即使采用目前最先进、完善的治疗手段，仍会有50％以上的心血管疾病幸存者生活不能完全自理，给自身和家庭造成很大经济负担和心理压力。
近年来在对心血管疾病的研究中发现，焦虑因素和心血管疾病有着密切的联系。来自荷兰自由大学医学院(VU University Medical Centre)的精神科专家对160万样本数据进行分析，Meta分析结果表明：若患者存在焦虑症状，心血管疾病发病率提高了52％(风险比＝1.52,95％CI 1.36-1.71)，即使将发表偏倚计算在内，风险比也达到了1.41。研究者认为，焦虑与心血管疾病两者间的因果关系是成立的，焦虑与超重、肥胖、代谢综合征这些传统的危险因素对引起心血管疾病的影响程度类似，将其作为心血管疾病的独立危险因素来进行二级预防是有积极意义的。
国内有文献提出干预心血管疾病患者的焦虑情绪，可以改善预后，在2014年河北的一项随机对照试验中，针对伴随有抑郁焦虑的114例冠心病患者，在扩张冠状动脉、调节血脂、抗血小板凝聚、活血化瘀等常规冠心病治疗基础上，57例实验组患者联合抗焦虑药坦度螺酮20-60mg/d治疗，经过60天治疗后发现，接受抗焦虑治疗的患者HAMA得分、HAMD得分、生活质量得分及心绞痛、心律失常、心肌梗死发生率均优于对照组。
基于以上研究，可将心血管疾病患者的医疗信息进行收集、分析，借助大数据技术，帮助人们存储管理好医疗数据并从大体量、高复杂的数据中提取价值，对心血管疾病进行预警。现阶段的医疗数据分析系统在对数据进行分析处理时，并没有考虑到焦虑因素对心血管疾病的影响，降低了医疗数据的准确性。
发明内容
基于背景技术存在的技术问题，本发明提出了一种心血管疾病预警系统，该系统对患者的情绪进行监测、分析并获得焦虑值，再将焦虑值与患者其他的医疗数据相结合进行分析、判断，以此对患者的心血管疾病进行预警。
一种心血管疾病预警系统，运行于服务器中，所述服务器与医院信息系统连接，所述医院信息系统与监测系统连接，所述监测系统收集到的医疗数据传输到所述医院信息系统中，所述心血管疾病预警系统包括：
数据收集模块，从医院信息系统中获取患者的医疗数据；
数据分析模块，将获取的医疗数据进行分析，建立常模；
疾病预警模块，将患者的医疗数据分析结果生成预警，发送给医院信息系统。
优选地，所述数据收集模块获得的医疗信息包括心率、血氧饱和度、呼吸比、血压和心电图数据。
优选地，所述数据分析模块的流程包括：
S1：将数据收集模块获得的医疗信息进行分析，得出焦虑值，当患者处于兴奋、高兴、生气、恐惧、抑郁或焦虑的状态下，交感神经末端都会产生生物电，我们通过采集该数据进行统计分析，根据交感神经的变化判别人体是否处于一种异常状态；
S2：根据S1所得的焦虑值判断患者的情绪状态；
S3：确定患者情绪状态后，根据患者的身体状态、生命体征和自身情况，通过云计算判断患者的病情程度，并给出结论，该结论可分为正常、危险、异常和极限四个等级，通过对大数据的分析后建立常模；
S4：将后期对患者监测获取的数据流与常模进行对比分析，并将结论传输到疾病预警模块。
进一步的，所述S2中患者的情绪状态分为正常平稳和异常波动。
进一步的，所述S3中患者的身体状态包括运动、静止和睡眠。
进一步的，所述S3中患者的生命体征包括心率、血氧饱和度、呼吸比、血压、血管弹性、血液粘稠度、心电图数据。
进一步的，所述S3中患者的自身状况包括身高、体重、性别、年龄和病史。
一种心血管疾病预警系统用于临床预防和监测心血管疾病。
与现有技术相比，本发明具有的有益效果在于：
本发明提出的一种心血管疾病预警系统，加入对患者焦虑症状的监测，通过采集该数据进行统计分析，判断人体是否处于一种异常状态。该心血管疾病预警系统在焦虑值的基础上结合患者的身体状态、生命体征、自身情况，通过大数据云计算建立个体的各种状态下的数据常模，后期对患者进行监测获得的大数据与常模对比分析可以有效的提前发现心血管疾病的发生征兆，给予健康方案指导，更可以降低心血管疾病发生引起的风险。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明提出的一种心血管疾病预警系统的结构示意图；
图2为一种心血管疾病预警系统的数据分析流程图。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
一种心血管疾病预警系统，运行于服务器中，服务器与医院信息系统连接，医院信息系统与监测系统连接，监测系统收集到的医疗数据传输到所述医院信息系统中，心血管疾病预警系统包括：
数据收集模块，从医院信息系统中获取患者的医疗数据；数据收集模块获得的医疗信息包括心率、血氧饱和度、呼吸比、血压和心电图数据。
数据分析模块，将获取的医疗数据进行分析、建立常模；
疾病预警模块，将患者的医疗数据分析结果生成预警，发送给医院信息系统。
所述数据分析模块的流程包括：
S1：将数据收集模块获得的医疗信息进行分析，得出焦虑值；
S2：根据S1所得的焦虑值判断患者的情绪状态，确定患者的情绪状态是正常平稳还是异常波动；
S3：确定患者情绪状态后，根据患者的身体状态、生命体征和自身情况，患者的身体状态包括运动、静止和睡眠；患者的生命体征包括心率、血氧饱和度、呼吸比、血压、血管弹性、血液粘稠度、心电图数据；患者的自身状况包括身高、体重、性别、年龄和病史；通过云计算判断患者的病情程度，对病情做出结论，并建立常模。
S4：后期在对患者的体征进行监测后，将获取的数据流与常模进行对比分析，其评估结果传输到疾病预警模块，并反馈到医院信息系统。该心血管疾病预警系统可以有效的提前发现心血管疾病的发生征兆，给予健康方案指导，更可以降低心血管疾病发生引起的风险。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种心血管疾病预警系统，运行于服务器中，其特征在于：所述服务器与医院信息系统连接，所述医院信息系统与监测系统连接，所述监测系统收集到的医疗数据传输到所述医院信息系统中，所述心血管疾病预警系统包括：
数据收集模块，从医院信息系统中获取患者的医疗数据；
数据分析模块，将获取的医疗数据进行分析、建立常模；
疾病预警模块，将患者的医疗数据分析结果生成预警，发送给医院信息系统。
2.根据权利要求1所述的一种心血管疾病预警系统，其特征在于，所述数据收集模块获得的医疗信息包括心率、血氧饱和度、呼吸比、血压和心电图数据。
3.根据权利要求1-2任一项所述的一种心血管疾病预警系统用于临床预防和监测心血管疾病。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710376888.2A CN107330241A (zh) | 2017-09-08 | 2017-09-08 | 一种心血管疾病预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710376888.2A CN107330241A (zh) | 2017-09-08 | 2017-09-08 | 一种心血管疾病预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107330241A true CN107330241A (zh) | 2017-11-07 |
Family
ID=60192634
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710376888.2A Pending CN107330241A (zh) | 2017-09-08 | 2017-09-08 | 一种心血管疾病预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107330241A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107767958A (zh) * | 2017-11-10 | 2018-03-06 | 湖南省妇幼保健院 | 医疗预警系统 |
| CN108766568A (zh) * | 2018-04-19 | 2018-11-06 | 新绎健康科技（北京）有限公司 | 一种疾病风险自动预警方法及系统 |
| CN108877936A (zh) * | 2018-04-28 | 2018-11-23 | 见道（杭州）科技有限公司 | 健康评估方法、系统及计算机可读存储介质 |
| CN109394183A (zh) * | 2018-12-14 | 2019-03-01 | 量子云未来（北京）信息科技有限公司 | 一种医疗疾病预警方法、系统及存储介质 |
| CN109949941A (zh) * | 2019-03-15 | 2019-06-28 | 南方医科大学顺德医院(佛山市顺德区第一人民医院) | 基于大数据精准医疗的心血管疾病风险监控系统 |
| CN111700601A (zh) * | 2020-06-28 | 2020-09-25 | 福建省立医院 | 心衰管理仪及心衰管理系统 |
| CN112259244A (zh) * | 2020-10-20 | 2021-01-22 | 吾征智能技术(北京)有限公司 | 一种基于血氧饱和度的疾病信息匹配系统 |
| CN113421642A (zh) * | 2021-07-02 | 2021-09-21 | 复旦大学附属中山医院 | 心血管疾病在线智能多功能系统 |
| CN114550923A (zh) * | 2022-01-11 | 2022-05-27 | 广州市妇女儿童医疗中心 | 一种肥胖指征指示心血管疾病快速预警系统和存储介质 |
| CN117594221A (zh) * | 2024-01-15 | 2024-02-23 | 吉林大学第一医院 | 一种基于数据分析的患者生命体征实时监测系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101321490A (zh) * | 2005-11-14 | 2008-12-10 | 康适幸福股份有限公司 | 用于管理或控制心血管相关疾病如高血压的系统和方法 |
| CN103705225A (zh) * | 2012-10-08 | 2014-04-09 | 中国科学院上海高等研究院 | 血压疾病监护系统 |
| CN204302976U (zh) * | 2014-03-21 | 2015-04-29 | 徐飞龙 | 人体疾病风险预警系统 |
| CN105812463A (zh) * | 2016-03-10 | 2016-07-27 | 深圳市前海安测信息技术有限公司 | 基于医疗大数据的疾病预警系统及方法 |
| CN106909769A (zh) * | 2016-09-30 | 2017-06-30 | 马立明 | 大数据心血管疾病风险监控系统 |
| CN107126203A (zh) * | 2016-02-28 | 2017-09-05 | 南京全时陪伴健康科技有限公司 | 人体健康信息实时测量显示系统 |
-
2017
- 2017-09-08 CN CN201710376888.2A patent/CN107330241A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101321490A (zh) * | 2005-11-14 | 2008-12-10 | 康适幸福股份有限公司 | 用于管理或控制心血管相关疾病如高血压的系统和方法 |
| CN103705225A (zh) * | 2012-10-08 | 2014-04-09 | 中国科学院上海高等研究院 | 血压疾病监护系统 |
| CN204302976U (zh) * | 2014-03-21 | 2015-04-29 | 徐飞龙 | 人体疾病风险预警系统 |
| CN107126203A (zh) * | 2016-02-28 | 2017-09-05 | 南京全时陪伴健康科技有限公司 | 人体健康信息实时测量显示系统 |
| CN105812463A (zh) * | 2016-03-10 | 2016-07-27 | 深圳市前海安测信息技术有限公司 | 基于医疗大数据的疾病预警系统及方法 |
| CN106909769A (zh) * | 2016-09-30 | 2017-06-30 | 马立明 | 大数据心血管疾病风险监控系统 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107767958A (zh) * | 2017-11-10 | 2018-03-06 | 湖南省妇幼保健院 | 医疗预警系统 |
| CN108766568A (zh) * | 2018-04-19 | 2018-11-06 | 新绎健康科技（北京）有限公司 | 一种疾病风险自动预警方法及系统 |
| CN108877936B (zh) * | 2018-04-28 | 2021-05-25 | 见道（杭州）科技有限公司 | 健康评估方法、系统及计算机可读存储介质 |
| CN108877936A (zh) * | 2018-04-28 | 2018-11-23 | 见道（杭州）科技有限公司 | 健康评估方法、系统及计算机可读存储介质 |
| CN109394183A (zh) * | 2018-12-14 | 2019-03-01 | 量子云未来（北京）信息科技有限公司 | 一种医疗疾病预警方法、系统及存储介质 |
| CN109949941A (zh) * | 2019-03-15 | 2019-06-28 | 南方医科大学顺德医院(佛山市顺德区第一人民医院) | 基于大数据精准医疗的心血管疾病风险监控系统 |
| CN111700601A (zh) * | 2020-06-28 | 2020-09-25 | 福建省立医院 | 心衰管理仪及心衰管理系统 |
| CN112259244A (zh) * | 2020-10-20 | 2021-01-22 | 吾征智能技术(北京)有限公司 | 一种基于血氧饱和度的疾病信息匹配系统 |
| CN112259244B (zh) * | 2020-10-20 | 2024-04-30 | 吾征智能技术(北京)有限公司 | 一种基于血氧饱和度的疾病信息匹配系统 |
| CN113421642A (zh) * | 2021-07-02 | 2021-09-21 | 复旦大学附属中山医院 | 心血管疾病在线智能多功能系统 |
| CN114550923A (zh) * | 2022-01-11 | 2022-05-27 | 广州市妇女儿童医疗中心 | 一种肥胖指征指示心血管疾病快速预警系统和存储介质 |
| CN117594221A (zh) * | 2024-01-15 | 2024-02-23 | 吉林大学第一医院 | 一种基于数据分析的患者生命体征实时监测系统 |
| CN117594221B (zh) * | 2024-01-15 | 2024-04-16 | 吉林大学第一医院 | 一种基于数据分析的患者生命体征实时监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107330241A (zh) | 一种心血管疾病预警系统 | |
| Farah et al. | Supervised, but not home-based, isometric training improves brachial and central blood pressure in medicated hypertensive patients: a randomized controlled trial | |
| CN103038772B (zh) | 预测患者的存活性的系统和装置 | |
| JP2018067303A (ja) | 診断支援方法、プログラム、及び装置 | |
| WO2002087434A1 (fr) | Procede d'evaluation de l'efficacite d'un etat biologique et d'une action modifiant un etat biologique, appareil et systeme d'evaluation, programme d'evaluation et support d'enregistrement dudit programme | |
| Vakulenko | Evaluation of the level of interaction of regulatory mechanisms of the cardiovascular system and their correlation portrait based on the results of the analysis of arterial ulsations recorded during blood pressure measurement using the Oranta-AO information system In: DV Vakulenko, LO Vakulenko (eds.) Arterial oscillography: New capabilities of the blood pressure monitor with the Oranta-AO information system | |
| Vakulenko et al. | Prospect of Creating a Virtual Reality System with Feedback for the Correction of the Patient’s Psychological State Based on the Results of the Analysis of Arterial Pulsations Registered during Blood Pressure Measurement Using the Oranta-AO Information System | |
| Moridani et al. | A reliable algorithm based on combination of EMG, ECG and EEG signals for sleep apnea detection:(a reliable algorithm for sleep apnea detection) | |
| Sun et al. | A hierarchical sequential neural network with feature fusion for sleep staging based on EOG and RR signals | |
| Sharma et al. | A novel automated robust dual-channel EEG-based sleep scoring system using optimal half-band pair linear-phase biorthogonal wavelet filter bank | |
| Greco et al. | Assessment of linear and nonlinear/complex heartbeat dynamics in subclinical depression (dysphoria) | |
| Van Oosterwijck et al. | Reduced parasympathetic reactivation during recovery from exercise in myalgic encephalomyelitis/chronic fatigue syndrome | |
| Coelho et al. | Towards the use of artificial intelligence techniques in biomedical data from an integrated portable medical assistant to infer asymptomatic cases of covid-19 | |
| Pimentel et al. | Human mental state monitoring in the wild: Are we better off with deeperneural networks or improved input features? | |
| Mamun | Cuff-less blood pressure measurement based on hybrid feature selection algorithm and multi-penalty regularized regression technique | |
| Das | A systematic approach for the interpretation of cardiopulmonary exercise testing in children with focus on cardiovascular diseases | |
| Zhu et al. | Effect of isometric handgrip exercise on cognitive function: Current evidence, methodology, and safety considerations | |
| Akiyoshi et al. | Relationship between estrogen, vasomotor symptoms, and heart rate variability in climacteric women | |
| Pirbhulal et al. | Analysis of efficient biometric index using heart rate variability for remote monitoring of obstructive sleep apnea | |
| Oliveira et al. | Gas exchange during exercise in different evolutional stages of chronic Chagas' heart disease | |
| Blanchard et al. | A Deep Survival Learning Approach for Cardiovascular Risk Estimation in Patients With Sleep Apnea | |
| RU2742429C1 (ru) | Способ экспресс-оценки изменений легочной ткани при COVID-19 без применения компьютерной томографии органов грудной клетки | |
| Singstad et al. | Using deep convolutional neural networks to predict patients age based on ECGs from an independent test cohort | |
| Ishida et al. | Development of an IoT-based monitoring system for healthcare: a preliminary study | |
| Ide et al. | Workplace stress estimation method based on multivariate analysis of physiological indices |
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 |
Application publication date: 20171107 |
|
| RJ01 | Rejection of invention patent application after publication |