CN108492890A - 一种人体健康状态监测系统及方法 - Google Patents
一种人体健康状态监测系统及方法 Download PDFInfo
- Publication number
- CN108492890A CN108492890A CN201810519270.1A CN201810519270A CN108492890A CN 108492890 A CN108492890 A CN 108492890A CN 201810519270 A CN201810519270 A CN 201810519270A CN 108492890 A CN108492890 A CN 108492890A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- information
- control process
- time
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 106
- 230000036541 health Effects 0.000 title claims abstract description 56
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 230000003862 health status Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 90
- 238000004422 calculation algorithm Methods 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 27
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000004321 preservation Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 11
- 238000003745 diagnosis Methods 0.000 abstract description 9
- 230000008859 change Effects 0.000 abstract description 6
- 238000012806 monitoring device Methods 0.000 abstract description 3
- 230000004622 sleep time Effects 0.000 abstract description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 11
- 238000013480 data collection Methods 0.000 description 8
- 241000208340 Araliaceae Species 0.000 description 6
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 6
- 235000003140 Panax quinquefolius Nutrition 0.000 description 6
- 235000008434 ginseng Nutrition 0.000 description 6
- 230000000737 periodic effect Effects 0.000 description 6
- 230000002685 pulmonary effect Effects 0.000 description 6
- 230000036387 respiratory rate Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 5
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 230000007958 sleep Effects 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 230000000644 propagated effect Effects 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000007306 turnover Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 230000036578 sleeping time Effects 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
目前,有许多人会购买一些监测、诊断仪器回家进行自我身体检查,但因为这些仪器使用比较麻烦、检查占用时间较长、诊断不准确等原因,常常是购买回来使用几次后就不再使用了。本发明所提供的一种人体健康状态监测系统及方法,旨在解决目前无法及时方便地监测人体健康状况,导致错过病患的最佳治疗时机的问题,使人们身体状况发生变化时能及时监测出来并报警,使病患得到及时治疗。本发明由于采取以上技术方案,其具有以下优点,坐卧家具与传感器的结合,利用人们睡眠休息时间进行检测,可以满足长时间检测要求,对单次测试的精准度要求大大降低,从而大大降低了监测设备的要求,实现起来更为简单,且检测结果更准确。
Description
技术领域
本发明涉及一种人体健康状态监测系统及方法。
背景技术
人们常常是通过定期体检来检测自己的身体状态,并且因为忙,这个定期也经常不能保证。人们对于什么时候进行体检,每次体检的时间间隔应该多久,均无法确定。我们经常发现,往往是在两次检查之间,自己的身体出现了很大的变化。人们要么是等到下一次体检检查或者是病痛已出现严重状况而必须上医院进行检查时,才能发现自己身体健康状况的变化,但这样常常就错过了病患的最佳治疗时机。
目前,有许多人会购买一些监测、诊断仪器回家进行自我身体检查,但因为这些仪器使用比较麻烦、检查占用时间较长、诊断不准确等原因,常常是购买回来使用几次后就不再使用了。
发明内容
本发明所提供的一种人体健康状态监测系统及方法,旨在解决目前无法及时方便地监测人体健康状况,导致错过病患的最佳治疗时机的问题,使人们身体状况发生变化时能及时监测出来并报警,使病患得到及时治疗。
一种人体健康状态监测系统,包括:监测传感器,安装固定在坐卧家具上,通过坐卧家具采集人身体状态的各种参数信息,发送给数据采集模块;数据转换模块,接收监测传感器发送过来的信息,进行放大、滤波及模数转换等处理,然后转发至控制处理模块;时钟模块,产生实时时间,提供给控制处理模块;控制处理模块,与数据采集模块、存储模块、运算比较模块、时钟模块、通讯接口模块相连,接收数据采集模块发送过来的人体各种状态参数信息数据,并进行处理;存储模块,接收控制处理器模块发送过来的指令和数据进行保存和读取;运算比较模块,接收控制处理器模块发送过来的数据和指令按设定的模型算法进行运算比较,并返回运算比较的结果给控制处理模块。
一种人体健康状态监测方法,包括以下步骤:1、利用人们在坐卧家具上睡眠休息的时间,固定在坐卧家具上的传感器采集通过坐卧家具传送的各种人体状态参数的相关信息,传送给数据采集模块;2、数据采集模块对该信息进行放大、滤波等处理后进行模数转换,然后将转换后的数字信息发送给控制处理模块;3、控制处理模块将数据采集模块传送过来数据信息进行处理和分类,给出数据类型标签,同时根据时钟模块提供的时间给各类数据打上时间标签;4、运算比较模块接收到控制处理模块发送过来的当前采集的数据和历史参考数据,按照数据类型分别按设定算法进行比较运算,并将运算结果反馈给控制处理模块;5、控制处理模块接收到运算比较模块反馈的结果进行阈值判断,若超出阈值则产生报警信息,并将报警信息通过通讯接口模块发送到外部线路,给出身体健康状态可能异常的报警提示,要求坐卧家具使用者去医院进行检查。
本发明由于采取以上技术方案,其具有以下优点:1、坐卧家具与传感器的结合,利用人们睡眠休息时间进行检测,可以满足长时间检测要求,对单次测试的精准度要求大大降低,从而大大降低了监测设备的要求,实现起来更为简单,且检测结果更准确;2、不用人们专门抽时间来做检测,而是利用睡眠时间进行检测,减少人力物力及时间的消耗,使用更为方便,实现难度大大降低;3、采集自身数据进行比对,只要监测到身体与平常正常时状态不一致便给出报警信息,可不用实现准确确诊,使其实现难度大大降低。
附图说明
图1为一种人体健康状态监测系统的系统框图;
图2为一种人体健康状态监测方法的流程图。
具体实施方式
实施例一
如图1所示,一种人体健康状态监测系统,包括:
监测传感器,安装固定在坐卧家具上,通过坐卧家具采集人身体状态的各种参数信息,发送给数据采集模块;
数据转换模块,接收监测传感器发送过来的信息,进行放大、滤波及模数转换等处理,然后转发至控制处理模块;
时钟模块,产生实时时间,提供给控制处理模块;
控制处理模块,与数据采集模块、存储模块、运算比较模块、时钟模块、通讯接口模块相连,接收数据采集模块发送过来的人体各种状态参数信息数据,并进行处理;
存储模块,接收控制处理器模块发送过来的指令和数据进行保存和读取;
运算比较模块,接收控制处理器模块发送过来的数据和指令按设定的模型算法进行运算比较,并返回运算比较的结果给控制处理模块。
应当指出,所述的模型算法,可以为基于统计学的模型算法,也可以为基于机器学习的模型算法。
所述基于统计学的模型算法:
(1)前期采集标准测试人群的相关数据:
通过对标准人群进行测试,通过坐卧家具采集人身体状态的各种参数信息;
以测试者开始休息为起点,开始记录其休息时间;
根据测试者的ID对采集数据进行保存,并标注其采集的实际时间和休息时间;
(注:实际时间是考虑到季节不同以及每天的24小时不同时间点,人身体状态的各种参数信息会存在不同;休息时间是考虑人体在不同的休息时间、不同的睡眠状态,人身体状态的各种参数信息会存在不同。)
根据使用者当时的身体健康情况及诊断信息对采集数据进行标注。
(2)数据统计:
按照实际时间和休息时间对采集数据进行分类,对应得到每个时间点的人身体状态的各种参数信息;
对标准人群采集的数据中身体情况为健康的采集数据进行统计,计算出每个时间点的每一种人身体状态的参数的平均值和变化范围;
以每个时间点的每一种人身体状态的参数信息进行统计,初始设置每个时间点的每一种人身体状态的参数信息的权重值为0;
统计身体情况为非健康条件下对应采集的每个时间点的每一种人身体状态的参数值,计算其与前面计算的平均值的差值是否超出前面计算的变化范围,若超出变化范围,则对该时间点的该种人身体状态参数信息的权重值加1;
由此可得到每个时间点的每一种人身体状态参数值的权重值。
(3)初始阈值计算:
依次统计计算每个测试者身体情况为非健康条件下对应采集的每个时间点的每一种人身体状态的参数值,计算其与前面计算的平均值的差值是否超出前面计算的变化范围,若超出变化范围,则计算其超出变化范围的百分数值乘以该值对应的权重值,得到该计算点的偏差值;
对每个测试者的所有偏差值求和,得到该测试者的总偏差值;
对所有测试者的总偏差值求最小值,该值为初始阈值。
(4)算法使用:
通过坐卧家具采集使用者人身体状态的各种参数信息;
以使用者开始休息为起点,开始记录其休息时间;
根据使用者的ID对采集数据进行保存,并标注其采集的实际时间和休息时间;
按照实际时间和休息时间对采集数据进行分类,对应得到使用者每个时间点的人身体状态的各种参数信息;
依次计算当前时间点或最近一段时间内的每个时间点使用者的每一种人身体状态参数的值,与其对应的平均值的差值是否超出变化范围,若超出变化范围,则计算其超出变化范围的百分数值乘以该值对应的权重值,得到该计算点的偏差值;
对使用者的所有偏差值求和,得到该测试者的总偏差值;
比较该使用者的总偏差值与初始阈值大小,若大于阈值则产生报警信息。
(5)算法优化:
在使用过程中,每次采集到使用者的数据,都按(4)进行阈值比较运算,并将运算结果与实际输入的使用者当时的身体健康情况及诊断信息进行比较;若计算结果与实际结果不相符,则调整存在偏差值的计算点的权重值及阈值,使计算结果与实际结果一致;如此循环,一直运算,不断优化,以提高最终结果的准确度。
所述基于机器学习的模型算法:
(1)数据采集:
通过对标准人群进行测试,通过坐卧家具采集人身体状态的各种参数信息;
以测试者开始休息为起点,开始记录其休息时间;
录入测试者ID编号及身体信息(性别、身高、体重、血型等),并对应保存;
根据测试者的ID对采集数据进行保存,并标注其采集的实际时间和休息时间;
根据使用者当时的身体健康情况(健康/非健康)或诊断信息(健康/病症名称)对采集保存的数据贴上标签。
(2)算法模型生成:
采用深度学习算法(或Adaboost算法等),以人体的性别、身高、体重、血型以及带实际时间及休息时间标记的通过坐卧家具采集的人身体状态的各种参数信息作为输入参数,其对应的人的身体健康情况(健康/非健康)作为分类标签,生成二分类器算法;或者以诊断信息(健康/病症名称)作为分类标签,生成多分类器。
用标准人群采集的数据作为学习样本进行训练,生成比对算法。
(3)算法使用:
通过坐卧家具采集使用者人身体状态的各种参数信息;
以使用者开始休息为起点,开始记录其休息时间;
录入使用者身体信息(性别、身高、体重、血型等),并对应保存;
根据使用者的ID对采集数据进行保存,并标注其采集的实际时间和休息时间;
将上述获得的使用者的数据通过(2)生成的比对算法(分类器)计算得到使用者数据的分类标签;
若标签为非健康(采用二分类器)或者为病症名称(采用多分类器),则产生报警信息。
(4)算法优化:
在使用过程中,每次采集到使用者的数据,都按(3)进行比较运算同时,会根据实际输入的使用者当时的身体健康情况及诊断信息按(2)进行训练,如此循环,一直不断训练,不断优化,以提高最终结果的准确度。
进一步地,所述的运算比较模块,接收控制处理器模块发送过来的数据和指令,对设定的模型算法进行自我优化。
进一步地,将人体各种状态信息数据进行处理和分类,并连同采集时间以及从接口通讯模块传入的对应输入信息一起发送到存储模块中进行保存。
进一步地,从存储模块中读出的前期保存的对应的人体各种状态参数信息数据,连同实时接收的数据采集模块采集的人体各种状态参数信息数据,一起发送给运算比较模块进行运算比较处理。
进一步地,设置通讯接口模块与控制处理器模块连接,负责与本系统外部线路的连接及数据信息的传输:接收外部输入设备录入的信息传送给控制处理器模块,并将控制处理器模块传送过来的显示信息和报警信息发送到外部信息终端设备;同时,发送本地采集保存的相关信息数据到系统信息中心,并接收系统信息中心传送下来的相关信息数据。
本发明所述一种人体健康状态监测系统,当人们躺在坐卧家具上睡觉休息时,坐卧家具上固定的传感器采集通过坐卧家具传送的人体状态的相关信息,不同的人体状态信息采用不同的传感器采集;传感器将采集的信息传送给数据采集模块,数据采集模块对该信息进行放大、滤波等处理后进行模数转换,然后将转换后的数字信息发送给控制处理模块。控制处理模块将数据采集模块传送过来数据信息进行分类,并给出数据类型标签,同时根据时钟模块提供的时间给各类数据打上时间标签;控制处理模块将处理后的数据信息一方面发送给存储模块进行保存,另一方面发送给运算比较模块;同时,控制处理模块也从存储模块中读取与当前采集数据对应的历史数据发送给运算比较模块。运算比较模块接收到控制处理器模块发送过来的当前数据信息和历史数据信息,按收到指令进行如下处理:一是对比较运算模型算法进行自我优化;二是根据类型标签及时间标签通过比较运算模型算法分别进行比较处理运算,同时将比较处理运算结果反馈给控制处理模块。控制处理模块接收到运算比较模块反馈的结果进行判断,若出现异常则产生报警信息,并通过通讯接口模块发送出去,提示人们身体状态出现异常,必须去医院进行进一步检查。
一种人体健康状态监测方法,包括以下步骤:
L1、利用人们在坐卧家具上睡眠休息的时间,固定在坐卧家具上的传感器采集通过坐卧家具传送的各种人体状态参数的相关信息,传送给数据采集模块;
L2、数据采集模块对该信息进行放大、滤波等处理后进行模数转换,然后将转换后的数字信息发送给控制处理模块;
L3、控制处理模块将数据采集模块传送过来数据信息进行处理和分类,给出数据类型标签,同时根据时钟模块提供的时间给各类数据打上时间标签;
L4、运算比较模块接收到控制处理模块发送过来的当前采集的数据和历史参考数据,按照数据类型分别按设定算法进行比较运算,并将运算结果反馈给控制处理模块;
L5、控制处理模块接收到运算比较模块反馈的结果进行阈值判断,若超出阈值则产生报警信息,并将报警信息通过通讯接口模块发送到外部线路,给出身体健康状态可能异常的报警提示,要求坐卧家具使用者去医院进行检查。
进一步地,控制处理模块一方面将这些数据根据从通讯接口模块收到的身份信息、身体健康状态或诊断信息等输入信息进行标注和处理后,作为历史数据发送给存储模块进行保存。
更具有而言,上述的处理流程为:
S1、控制处理模块通过通讯接口模块接收输入的坐卧家具使用者的相关信息以及人体健康状态信息或诊断信息;
S2、控制处理模块接收数据采集模块传送过来数据信息,并进行分类,给出数据类型标签,同时根据时钟模块提供的时间给各类数据打上时间标签;
S3、将从数据采集模块传送过来的信息数据与从通讯接口模块接收的输入的人体健康状态信息或诊断信息建立起对应关系,进行标注;
S4、控制处理模块对步骤S3的数据进行处理,形成历史参考数据,并发送给存储模块进行保存;
S5、控制处理模块将保存在存储模块中的历史参考数据发送给运算比较模块,运算比较模块利用历史参考数据对比较运算的模型进行自我优化
进一步地,控制处理模块根据这些数据的相关标签,从存储模块中读出对应的历史参考数据,一同发送给运算比较模块进行比对运算。
更具体而言,其处理流程为:
A、控制处理模块通过通讯接口模块接收输入的坐卧家具使用者的ID信息;
B、控制处理模块接收数据采集模块传送过来数据信息,并进行分类,给出数据类型标签,同时根据时钟模块提供的时间给各类数据打上时间标签;
C、控制处理模块根据步骤A获得的坐卧家具使用者的ID信息、步骤B中的数据类型标签等,从存储模块中读取相对应的历史参考数据;
D、控制处理模块将步骤B和步骤C得到的数据传送到运算比较模块,通过模型算法进行比对运算。
本发明由于采取以上技术方案,其具有以下优点:
1、坐卧家具与传感器的结合,利用人们睡眠休息时间进行检测,可以满足长时间检测要求,对单次测试的精准度要求大大降低,从而大大降低了监测设备的要求,实现起来更为简单,且检测结果更准确;
2、不用人们专门抽时间来做检测,而是利用睡眠时间进行检测,减少人力物力及时间的消耗,使用更为方便,实现难度大大降低;
3、采集自身数据进行比对,只要监测到身体与平常正常时状态不一致便给出报警信息,可不用实现准确确诊,使其实现难度大大降低;
4、通过采集数据自我学习修正,系统使用时间越长,其准确性越高。
实施例二
如图1所示,一种人体健康状态监测系统,包括:
坐卧家具,安装且固定监控传感器,同时提供休息和监测的场所,并作为部分人体状态参数信息采集的传输通道。当人们躺在坐卧家具上睡觉休息时,能实时连续地采集人体各种状态参数信息。
监测传感器,如麦克风,安装固定在坐卧家具上,当人们躺在坐卧家具上睡觉休息时,人的心跳声音、呼吸发出的声音以及人体在坐卧家具上挪动、翻身发出的声音,都会通过坐卧家具本身经固体传播,传播到麦克风处被麦克风捕捉。
数据采集模块,接收到麦克风发送过来的音频信号,进行放大、滤波及模数转换等处理,生成声音波形数据信息并发送至控制处理模块。
时钟模块,产生实时时间,提供给控制处理模块。
控制处理模块,与数据采集模块、存储模块、运算比较模块、时钟模块、通讯接口模块相连。接收数据采集模块发送过来的声音波形数据信息,进行分类处理:根据单一波峰值的高度及周期规律,可以区分出心跳脉搏信息,由此信息可以得到坐卧家具使用者的心率、脉搏强度等信息;根据波的形状、高度及周期规律,可以区分出呼吸的波形信息,由此信息可以得出坐卧家具使用者的呼吸频率、呼吸深度、呼吸杂音等信息;根据波的形状、高度及间隔时间等规律,可以区分出坐卧家具使用者翻身的声音波形信息,由此信息可以得出坐卧家具使用者翻身的幅度、次数、频率等信息。控制处理模块获得这些数据信息及处理后得到的信息(如:心率、脉搏强度、呼吸频率、呼吸深度、呼吸杂音、翻身的幅度、次数、频率等),连同控制处理模块接收的从接口通讯模块传入的坐卧家具使用者的ID、姓名、年龄、性别、体重等、以及当前人体健康状态信息或诊断信息,一方面将其发送到存储模块中保存为历史参考数据,并对运算比较模块中的比较运算模型进行自我优化;另一方面发送给运算比较模块,与从存储模块中读出的历史参考数据进行运算比较处理。同时,控制处理模块接收运算比较模块进行比较运算处理的结果,并根据该结果产生报警信息通过接口通讯模块发送给外部信息终端(如:手机等),提示人们身体状态出现异常,必须去医院进行进一步检查。
存储模块,接收控制处理器模块发送过来的指令和数据进行保存和读取。
运算比较模块,接收控制处理器模块发送过来的历史参考数据和指令,生成预测模型和比对模型,并利用当前实时采集数据不断进行修正;接收控制处理器模块发送过来的历史参考数和指令,通过预测模型运算得出当前各种人体状态参数的变化规律和波动的范围,即得出预测数据;接收控制处理器模块发送过来的当前实时采集数据和指令,通过比对模型进行比较处理运算,并返回比较处理运算的结果给控制处理模块。
通讯接口模块,与控制处理器模块连接,负责与本系统外部线路,如:手机等信息终端和系统信息中心的连接及数据信息的传输:接收手机等外部信息终端或输入设备的录入信息,传送给控制处理器模块,并将控制处理器模块传送过来的显示信息和报警信息发送到手机等信息终端设备;同时,发送本地采集保存的相关信息数据到系统信息中心,并接收系统信息中心传送下来的相关信息数据。
本发明所述一种人体健康状态监测系统,当人们躺在坐卧家具上睡觉休息时,由于身体与坐卧家具紧密接触,人的心跳声音、呼吸发出的声音、内脏运动的声音、血压流动产生的声音以及人体在坐卧家具上挪动、翻身发出的声音,均会通过坐卧家具以固体传播方式传播到固定安装在坐卧家具上的拾音器,被拾音器的麦克风捕捉。
这些声音信号通过坐卧家具经固体传播给麦克风,因为声音在固体中传播的损耗最小,其传输效果更佳,而且可以消除周围环境的背景杂音,这样系统采集的原始数据信号能更准确。
麦克风将采集的声音音频信号传送给数据采集模块,数据采集模块接收到麦克风发送过来的音频信号,进行放大、滤波及模数转换等处理,生成声音波形数据信息并发送至控制处理模块。
控制处理模块接收从接口通讯模块传入的坐卧家具使用者的ID、姓名、年龄、性别、体重等相关信息,在存储模块中建立起用户列表,划出存储空间。
控制处理模块接收从时钟模块获取的时间信息。
控制处理模块接收数据采集模块发送过来的声音波形数据信息,进行分类处理:根据单一波峰值的高度及周期规律,可以区分出心跳脉搏信息,由此信息可以得到坐卧家具使用者的心率、脉搏强度等信息;根据波的形状、高度及周期规律,可以区分出呼吸的波形信息,由此信息可以得出坐卧家具使用者的呼吸频率、呼吸深度、呼吸杂音等信息;根据波的形状、高度及间隔时间等规律,可以区分出坐卧家具使用者翻身的声音波形信息,由此信息可以得出坐卧家具使用者翻身的幅度、次数、频率等信息。控制处理模块获得这些数据信息及处理后得到的信息(如:心率、脉搏强度、呼吸频率、呼吸深度、呼吸杂音、翻身的幅度、次数、频率等),将按下述两种方式处理:
一方面,将这些数据信息按从时钟模块获取的时间信息、以及从接口通讯模块传入的坐卧家具使用者的ID信息按时间顺序分别保存到存储模块的对应的用户列表中;同时,控制处理模块还接收从接口通讯模块传入坐卧家具使用者当前人体健康状态信息或诊断信息等,与采集的人体状态参数信息对应保存,作为历史参考数据。运算比较模块将通过控制处理模块读取存储模块中的历史参考数据,根据读取的长时间段的、大量的同类数据建立起预测模型和比对模型,并用当前实时采集数据不断修正模型。
另一方面,控制处理模块将这些数据信息作为当前实时采集数据发送给运算比较模块。同时,控制处理模块根据坐卧家具使用者ID信息从存储模块中读取对应的历史参考数据,发送给运算比较模块;运算比较模块接收到历史参考数据,利用预测模型运算得出各种人体状态参数后期的变化规律和波动的范围,即预测数据。运算比较模块将从控制处理模块收到的当前实时采集数据与通过预测模型运算得出预测数据通过比对模型进行比较运算,并将比较运算结果发送给控制处理模块。
控制处理模块接收到运算比较模块比较运算的结果,针对各类型人体状态参数的结果进行综合判断:根据设定的各类型人体状态参数的权重对比较运算结果进行加权计算,若计算结果超出预先设定的阈值,则产生报警信息,并将报警信息通过通讯接口模块发送到坐卧家具使用者设定的手机等信息终端设备,提示坐卧家具使用者身体健康状态可能异常,要求坐卧家具使用者去医院进行检查。
各类型人体状态参数的权重和判别的阈值,可先通过人工设定,然后可以通过比对模型,利用历史参考数据不断进行运算修正,以提高最终结果的准确度。
若要使预测结果更准确,可以增加不同的传感器采集人体不同状态参数信息。不同的人体状态参数的采集需使用不同种类的传感器,不同的传感器在坐卧家具上的安装固定的方式不同,如:捕捉脉搏、呼吸等声音的麦克风可以安装在坐卧家具的上沿靠边位置,若在坐卧家具不同位置安装不同的高灵敏度麦克风或极灵敏的音频震动探头,则可捕捉人体内脏挪动、血液流动等的声音;监测人体体表参数的传感器,如:采集人体不同位置体表温度的温度传感器、采集体表血流状态或血氧饱和度等的固定波长的红色LED发光和接收对管以及红外接收管、采集内脏状态的超声波探头等,若采用接触式传感器,则需采用网格方式在坐卧家具上固定安装若干组,以确保坐卧家具使用者在不同睡姿情况下,传感器都能采集到人体体表参数。
将大量的坐卧家具通过通讯接口模块连接到信息中心,采集海量信息数据,通过信息中心服务器进行预测模型的建立和修正、以及预诊断模型的建立和自我完善,这样系统预测结果将会更加准确;而且对于新的坐卧家具使用者,可以省去前期采集历史参考数据的过程,简化使用流程;在数据量足够大时,本系统不但可以监测到人体健康状态的变化,还可以进行病症的诊断。
如图2所示,一种人体健康状态监测方法,包括以下步骤:
1、利用人们在坐卧家具上睡眠休息的时间,固定在坐卧家具上的麦克风能采集到通过坐卧家具传播过来的人的心跳声音、呼吸发出的声音以及人体在坐卧家具上挪动、翻身发出的声音;麦克风将采集的声音音频信号传送给数据采集模块进行处理。
2、数据采集模块接收到麦克风发送过来的音频信号,进行放大、滤波及模数转换等处理,生成音频波形的数据信息并发送至控制处理模块。
3、控制处理模块接收数据采集模块发送过来的声音波形数据信息,进行分类并标注处理:根据单一波峰值的高度及周期规律,可以区分出心跳脉搏信息,由此信息可以得到坐卧家具使用者的心率、脉搏强度等信息;根据波的形状、高度及周期规律,可以区分出呼吸的波形信息,由此信息可以得出坐卧家具使用者的呼吸频率、呼吸深度、呼吸杂音等信息;根据波的形状、高度及间隔时间等规律,可以区分出坐卧家具使用者翻身的声音波形信息,由此信息可以得出坐卧家具使用者翻身的幅度、次数、频率等信息。
4、控制处理模块将步骤3得到的数据如下流程进行合成处理:
4.1、控制处理模块通过通讯接口模块接收外部线路的信息终端输入的坐卧家具使用者的相关信息,如:用户ID、姓名、年龄、性别、体重等,以及坐卧家具使用者的健康状态信息或病症诊断信息;
4.2、控制处理模块接收时钟模块提供的时间信息;
4.3、控制处理模块对当前收集的数据进行合成:
(1)、根据步骤4.2从时钟模块获取的时间信息,对步骤3刚从数据采集模块接收并处理后的数据进行标注,标明每个数据采集获取的时间;
(2)、根据步骤4.1从通讯接口输入的坐卧家具使用者信息对步骤3刚从数据采集模块接收并处理后的数据进行标注,标明采集数据的所有者,及所有者的身体条件和采集数据时所有者的身体健康状态;
(3)、通过步骤4.3的(1)、(2)将步骤3从数据采集模块接收并处理后的数据进行合成转化后,得到数据为:按坐卧家具使用者ID进行区分,每一个不同身体条件的坐卧家具使用者,在不同季节、不同时间使用坐卧家具时,在使用时段内的每个时间点,人体状态的各种参数的值,并且标注了该情况下、人体状态参数值对应的身体健康状态或诊断信息。这些数据描述了:不同身体条件的坐卧家具使用者,在不同季节、不同时间使用坐卧家具时,在每个使用时段内,各种人体状态参数随时间的变化曲线,既每个坐卧家具使用者的心率、脉搏强度、呼吸频率、呼吸深度、呼吸杂音、以及使用者翻身的幅度、次数、频率等随时间的变化曲线,同时注明了坐卧家具使用者的各种状态参数在该曲线情况下对应的身体健康状态或其病症诊断信息。
5、控制处理模块将步骤4.3得到的数据作为历史参考数据保存到存储模块。
6、控制处理模块将步骤4.3得到的数据作为当前实时采集数据与从存储模块中读取的历史参考数据发送到运算比较模块进行运算处理,建立预测模型,预测人体状态参数信息在人身体健康状态良好情况下的变化趋势;预测模型的建立流程如下:
6.1、采用算法(如:深度学习算法)利用步骤5收集的健康状态下的大量历史参考数据进行学习,以坐卧家具使用者的ID信息为区分,针对每一个人体状态参数,建立起以对应健康状态良好时的某一时间点的前一段时间内采集的数据作为输入,该时间点的各种人体状态参数信息作为输出的预测模型;
6.2、采用该时间点的实际采集数据进行验证,若实际采集数据与通过预测模型运算预测的数据存在偏差,则将该偏差作为反馈值对预测模型进行调整,降低偏差,并得出波动范围;
6.3、使用历史参考数据及新采集的当前实时数据,不断迭代运行预测模型,使得预测结果及波动范围满足精准度要求。
7、控制处理模块将步骤4.3得到的数据作为当前实时采集数据与步骤6建立的预测模型运算出来的人体状态参数进行处理发送到运算比较模块,按如下方式建立比对模型:
7.1、采用步骤5收集的历史参考数据,通过步骤6建立的预测模型计算出每种人体状态参数的预测结果和波动范围;
7.2、将当前实时采集数据的每种人体状态参数的实测值与步骤7.2计算出来的预测值相减,计算其相对波动范围的偏离差;
7.3、根据输入的初始的每种人体状态参数的权重值,计算出步骤7.2得出的偏离差的加权和值,若和值大于阈值,则得出比对结果为身体出现异常,系统产生报警信息;
7.4、采用算法(如:深度学习算法)利用步骤5收集的大量历史参考数据进行学习,建立起以每种人体状态参数的预测模型计算值和实测值、以及每种人体状态参数的权重值和阈值作为入参,按照步骤7.1至7.3的方式计算,以比对结果为输出的比对模型;
7.5、采用实际身体健康状态进行验证,若比对模型结论错误,则调整每种人体状态参数的权重值和阈值,对比对模型进行调整,并重新运算和判断;
7.6、使用历史参考数据及新采集的当前实时数据,不断迭代运行比对模型,最终使得所有计算的比对结果与实测情况全部一致,从而得到满足要求的比对模型和每种人体状态参数的权重值及阈值。
8、根据步骤6得到的预测模型及步骤7 得到的比对模型和每种人体状态参数的权重值及阈值,对当前采集的人体状态参数进行如下比较运算,得出坐卧家具使用者的身体健康状态判断:
8.1、以坐卧家具使用者的ID信息为区分,从存储模块中读取出与当前时间相对应的时间段的历史参考数据作为输入,通过步骤6建立的预测模型计算出每种人体状态参数的预测结果和波动范围;
8.2、用当前实时采集的数据与预测模型计算得出的数据作为输入,按步骤7 得到的比对模型和每种人体状态参数的权重值及阈值进行比较运算,
计算出判断结果。
9、控制处理模块根据步骤8.2的计算判断结果,产生报警信息,并将报警信息通过通讯接口模块发送到坐卧家具使用者设定的手机等信息终端设备上,提示坐卧家具使用者身体健康状态可能出现异常,要求坐卧家具使用者去医院进行进一步检查。
其中,步骤6的处理过程中,若输入输出参数进行调整,按如下步骤可建立预诊断模型:
1、采用算法(如:深度学习算法)利用步骤5收集的大量历史参考数据进行学习,建立起以坐卧家具使用者的相关信息(如:姓名、年龄、性别、体重等)、坐卧家具采集的使用者某一时间点前一段时间的人体状态参数作为输入,按照初始的人体状态参数的权重值进行运算,以坐卧家具使用者身体健康状态信息和诊断信息作为输出的预诊断模型;
2、采用该时间点坐卧家具使用者的实际身体健康状态信息和诊断信息数据进行验证,若实际结果与预测数据有偏差,将调整该偏差作为反馈值对预诊断模型进行调整,同时修改人体状态参数的权重值,重新进行运算;
3、使用历史参考数据及新采集的当前实时数据,不断迭代运行预测模型,使得预诊断结果准确度逐步提高。
由此得出的预诊断模型可以对坐卧家具使用者身体状态进行初步诊断,使之到医院检查时有较明确的方向性。
若要使上述的预测模型、比对模型和预诊断模型计算结果更为精准,一方面可以增加坐卧家具上检测传感器的种类和数量,更多地采集人体不同种类的状态参数信息;另一方面可以加大建立模型时进行深度学习时的数据量,如:可以将坐卧家具进行联网,建立信息中心,各坐卧家具采集的数据通过其通讯接口模块发送到信息中心,由信息中心服务器收集所有坐卧家具采集的数据按前述流程建立预测模型、比对模型和预诊断模型。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种人体健康状态监测系统,其特征在于,包括:
监测传感器,采集人身体状态的各种参数信息,发送给数据采集模块;
数据转换模块,接收监测传感器发送过来的信息,进行放大、滤波及模数转换等处理,然后转发至控制处理模块;
时钟模块,产生实时时间,提供给控制处理模块;
控制处理模块,与数据采集模块、存储模块、运算比较模块、时钟模块、通讯接口模块相连,接收数据采集模块发送过来的人体各种状态参数信息数据并进行处理;
存储模块,接收控制处理器模块发送过来的指令和数据进行保存和读取;
运算比较模块,接收控制处理器模块发送过来的数据和指令按设定的模型算法进行运算比较,并返回运算比较的结果给控制处理模块。
2.根据权利要求1所述的一种人体健康状态监测系统,其特征在于:所述的运算比较模块,接收控制处理器模块发送过来的数据和指令,对设定的模型算法进行自我优化。
3.根据权利要求1所述的一种人体健康状态监测系统,其特征在于:将人体各种状态信息数据进行处理和分类,并连同采集时间以及从接口通讯模块传入的对应输入信息一起发送到存储模块中进行保存。
4.根据权利要求1所述的一种人体健康状态监测系统,其特征在于:从存储模块中读出的前期保存的对应的人体各种状态参数信息数据,连同实时接收的数据采集模块采集的人体各种状态参数信息数据,一起发送给运算比较模块进行运算比较处理。
5.根据权利要求1所述的一种人体健康状态监测系统,其特征在于:设置通讯接口模块与控制处理器模块连接,负责与本系统外部线路的连接及数据信息的传输:接收外部输入设备录入的信息传送给控制处理器模块,并将控制处理器模块传送过来的显示信息和报警信息发送到外部信息终端设备;同时,发送本地采集保存的相关信息数据到系统信息中心,并接收系统信息中心传送下来的相关信息数据。
6.一种人体健康状态监测方法,其特征在于,包括以下步骤:
L1、利用人们在坐卧家具上睡眠休息的时间,固定在坐卧家具上的传感器采集通过坐卧家具传送的各种人体状态参数的相关信息,传送给数据采集模块;
L2、数据采集模块对该信息进行放大、滤波等处理后进行模数转换,然后将转换后的数字信息发送给控制处理模块;
L3、控制处理模块将数据采集模块传送过来数据信息进行处理和分类,给出数据类型标签,同时根据时钟模块提供的时间给各类数据打上时间标签;
L4、运算比较模块接收到控制处理模块发送过来的当前采集的数据和历史参考数据,按照数据类型分别按设定算法进行比较运算,并将运算结果反馈给控制处理模块;
L5、控制处理模块接收到运算比较模块反馈的结果进行阈值判断,若超出阈值则产生报警信息,并将报警信息通过通讯接口模块发送到外部线路,给出身体健康状态可能异常的报警提示,要求坐卧家具使用者去医院进行检查。
7.根据权利要求6所述的一种人体健康状态监测方法,其特征在于:控制处理模块一方面将这些数据根据从通讯接口模块收到的身份信息、身体健康状态或诊断信息等输入信息进行标注和处理后,作为历史数据发送给存储模块进行保存。
8.根据权利要求7所述的一种人体健康状态监测方法,其特征在于:具体的处理流程为,
S1、控制处理模块通过通讯接口模块接收输入的坐卧家具使用者的相关信息以及人体健康状态信息或诊断信息;
S2、控制处理模块接收数据采集模块传送过来数据信息,并进行分类,给出数据类型标签,同时根据时钟模块提供的时间给各类数据打上时间标签;
S3、将从数据采集模块传送过来的信息数据与从通讯接口模块接收的输入的人体健康状态信息或诊断信息建立起对应关系,进行标注;
S4、控制处理模块对步骤S3的数据进行处理,形成历史参考数据,并发送给存储模块进行保存;
S5、控制处理模块将保存在存储模块中的历史参考数据发送给运算比较模块,运算比较模块利用历史参考数据对比较运算的模型进行自我优化。
9.根据权利要求6所述的一种人体健康状态监测方法,其特征在于:控制处理模块根据这些数据的相关标签,从存储模块中读出对应的历史参考数据,一同发送给运算比较模块进行比对运算。
10.根据权利要求9所述的一种人体健康状态监测方法,其特征在于:具体处理流程为:
A、控制处理模块通过通讯接口模块接收输入的坐卧家具使用者的ID信息;
B、控制处理模块接收数据采集模块传送过来数据信息,并进行分类,给出数据类型标签,同时根据时钟模块提供的时间给各类数据打上时间标签;
C、控制处理模块根据步骤A获得的坐卧家具使用者的ID信息、步骤B中的数据类型标签等,从存储模块中读取相对应的历史参考数据;
D、控制处理模块将步骤B和步骤C得到的数据传送到运算比较模块,通过模型算法进行比对运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810519270.1A CN108492890B (zh) | 2018-05-25 | 2018-05-25 | 一种人体健康状态监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810519270.1A CN108492890B (zh) | 2018-05-25 | 2018-05-25 | 一种人体健康状态监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108492890A true CN108492890A (zh) | 2018-09-04 |
CN108492890B CN108492890B (zh) | 2024-03-08 |
Family
ID=63351744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810519270.1A Active CN108492890B (zh) | 2018-05-25 | 2018-05-25 | 一种人体健康状态监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108492890B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859843A (zh) * | 2018-10-23 | 2019-06-07 | 苏州鱼跃医疗科技有限公司 | 智能健康一体机 |
CN110046182A (zh) * | 2019-03-21 | 2019-07-23 | 华能澜沧江水电股份有限公司 | 一种巨型水电厂智能报警阈值设置方法及系统 |
CN110493331A (zh) * | 2019-08-14 | 2019-11-22 | 广州市巨硅信息科技有限公司 | 一种智能养老看护报平安系统 |
CN112294254A (zh) * | 2019-07-26 | 2021-02-02 | 佛山市黛富妮家饰用品有限公司 | 睡眠质量以及健康状况分析系统 |
CN115831342A (zh) * | 2023-02-16 | 2023-03-21 | 杭州康晟健康管理咨询有限公司 | 一种医疗数据信息采集处理的装置、芯片和设备 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7383238B1 (en) * | 2004-02-24 | 2008-06-03 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Inductive monitoring system constructed from nominal system data and its use in real-time system monitoring |
CN202859498U (zh) * | 2012-11-01 | 2013-04-10 | 广东欧珀移动通信有限公司 | 一种能自动监控健康状况的床 |
CN103778312A (zh) * | 2012-10-24 | 2014-05-07 | 中兴通讯股份有限公司 | 远程家庭保健系统 |
US20150106020A1 (en) * | 2013-10-10 | 2015-04-16 | Wireless Medical Monitoring Inc. | Method and Apparatus for Wireless Health Monitoring and Emergent Condition Prediction |
CN104720766A (zh) * | 2013-12-23 | 2015-06-24 | 上海华博信息服务有限公司 | 一种可实时监测人体体征的睡眠舱 |
CN105212899A (zh) * | 2015-09-21 | 2016-01-06 | 李永川 | 人体健康睡眠式远程监控服务系统 |
CN105231995A (zh) * | 2015-09-29 | 2016-01-13 | 无锡市润华碳晶地暖设备有限公司 | 一种睡眠系统 |
CN105455776A (zh) * | 2014-08-26 | 2016-04-06 | 派凡科技(上海)有限公司 | 一种多用户的基于传感器阵列的睡眠监测方法及系统 |
CN106384018A (zh) * | 2016-11-17 | 2017-02-08 | 黄劲涛 | 一种基于智能医疗床的医疗系统 |
CN106473722A (zh) * | 2016-11-17 | 2017-03-08 | 黄劲涛 | 一种基于智能医疗床的健康监测系统 |
CN106537889A (zh) * | 2014-05-20 | 2017-03-22 | 布佳通有限公司 | 从耳机输出扬声器的听觉测量 |
CN106580282A (zh) * | 2016-10-25 | 2017-04-26 | 上海斐讯数据通信技术有限公司 | 一种人体健康监测装置、系统及方法 |
CN106709233A (zh) * | 2016-11-17 | 2017-05-24 | 黄劲涛 | 一种中央医疗协同管理系统 |
CN107066822A (zh) * | 2017-04-18 | 2017-08-18 | 深圳市品格科技有限公司 | 一种健康评估的方法及系统 |
CN107153772A (zh) * | 2017-05-18 | 2017-09-12 | 上海耐相智能科技有限公司 | 一种远程医疗辅助平台 |
-
2018
- 2018-05-25 CN CN201810519270.1A patent/CN108492890B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7383238B1 (en) * | 2004-02-24 | 2008-06-03 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Inductive monitoring system constructed from nominal system data and its use in real-time system monitoring |
CN103778312A (zh) * | 2012-10-24 | 2014-05-07 | 中兴通讯股份有限公司 | 远程家庭保健系统 |
CN202859498U (zh) * | 2012-11-01 | 2013-04-10 | 广东欧珀移动通信有限公司 | 一种能自动监控健康状况的床 |
US20150106020A1 (en) * | 2013-10-10 | 2015-04-16 | Wireless Medical Monitoring Inc. | Method and Apparatus for Wireless Health Monitoring and Emergent Condition Prediction |
CN104720766A (zh) * | 2013-12-23 | 2015-06-24 | 上海华博信息服务有限公司 | 一种可实时监测人体体征的睡眠舱 |
CN106537889A (zh) * | 2014-05-20 | 2017-03-22 | 布佳通有限公司 | 从耳机输出扬声器的听觉测量 |
CN105455776A (zh) * | 2014-08-26 | 2016-04-06 | 派凡科技(上海)有限公司 | 一种多用户的基于传感器阵列的睡眠监测方法及系统 |
CN105212899A (zh) * | 2015-09-21 | 2016-01-06 | 李永川 | 人体健康睡眠式远程监控服务系统 |
CN105231995A (zh) * | 2015-09-29 | 2016-01-13 | 无锡市润华碳晶地暖设备有限公司 | 一种睡眠系统 |
CN106580282A (zh) * | 2016-10-25 | 2017-04-26 | 上海斐讯数据通信技术有限公司 | 一种人体健康监测装置、系统及方法 |
CN106473722A (zh) * | 2016-11-17 | 2017-03-08 | 黄劲涛 | 一种基于智能医疗床的健康监测系统 |
CN106384018A (zh) * | 2016-11-17 | 2017-02-08 | 黄劲涛 | 一种基于智能医疗床的医疗系统 |
CN106709233A (zh) * | 2016-11-17 | 2017-05-24 | 黄劲涛 | 一种中央医疗协同管理系统 |
CN107066822A (zh) * | 2017-04-18 | 2017-08-18 | 深圳市品格科技有限公司 | 一种健康评估的方法及系统 |
CN107153772A (zh) * | 2017-05-18 | 2017-09-12 | 上海耐相智能科技有限公司 | 一种远程医疗辅助平台 |
Non-Patent Citations (6)
Title |
---|
GHOSHAL, A (GHOSHAL, ANINDYA)等: "Sensor Applications for Structural Diagnostics and Prognostics in Aerospace Systems", 《 SENSORS AND SMART STRUCTURES TECHNOLOGIES FOR CIVIL》, vol. 8345, 13 June 2012 (2012-06-13) * |
INSOO KIM等: "Challenges in wearable personal health monitoring systems", 《2014 36TH ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY》, 6 November 2014 (2014-11-06), pages 5264 - 5267 * |
宋清超等: "基于传感技术的智能床位监测系统开发及应用", vol. 35, no. 07, pages 135 - 138 * |
徐礼胜等: "多传感器融合的穿戴式心率监测系统", 《哈尔滨工业大学学报》, no. 5, 31 May 2015 (2015-05-31), pages 97 - 103 * |
蒋贤海等: "远程健康监护系统监护信息预报方法", 北京生物医学工程, no. 04, 15 August 2013 (2013-08-15), pages 61 - 65 * |
陈敏亚等: "基于传感技术的智能床位监测系统", vol. 40, no. 02, pages 101 - 102 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859843A (zh) * | 2018-10-23 | 2019-06-07 | 苏州鱼跃医疗科技有限公司 | 智能健康一体机 |
CN109859843B (zh) * | 2018-10-23 | 2023-10-03 | 江苏鱼跃医疗设备股份有限公司 | 智能健康一体机 |
CN110046182A (zh) * | 2019-03-21 | 2019-07-23 | 华能澜沧江水电股份有限公司 | 一种巨型水电厂智能报警阈值设置方法及系统 |
CN112294254A (zh) * | 2019-07-26 | 2021-02-02 | 佛山市黛富妮家饰用品有限公司 | 睡眠质量以及健康状况分析系统 |
CN110493331A (zh) * | 2019-08-14 | 2019-11-22 | 广州市巨硅信息科技有限公司 | 一种智能养老看护报平安系统 |
CN115831342A (zh) * | 2023-02-16 | 2023-03-21 | 杭州康晟健康管理咨询有限公司 | 一种医疗数据信息采集处理的装置、芯片和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108492890B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108492890A (zh) | 一种人体健康状态监测系统及方法 | |
US20170265776A1 (en) | Spirometer system and methods of data analysis | |
US6569095B2 (en) | Adaptive selection of a warning limit in patient monitoring | |
CN106846735A (zh) | 一种智能床垫报警系统 | |
US20130060100A1 (en) | Contactless non-invasive analyzer of breathing sounds | |
US20100131028A1 (en) | Remote sleep quality detecting system and method thereof | |
CN102917661A (zh) | 基于多变量残差的用于人体健康监视的健康指数 | |
CN109717852A (zh) | 一种术后康复监护系统及方法 | |
CN106175770B (zh) | 一种睡眠期间呼吸暂停的判断系统 | |
EP0218690A1 (en) | Multi-channel ventilation monitor and method | |
CN104083160A (zh) | 一种基于机器视觉的睡眠状态监测方法及装置 | |
CN111973151A (zh) | 一种基于可穿戴智能绷带的传染病监测系统及方法 | |
CN107019500A (zh) | 一种养老监护方法及智能辅助养老系统 | |
CN110464564A (zh) | 一种基于自动检测和远程分析的智能床板系统 | |
US20120179066A1 (en) | Sleeping quality monitor system and a method for monitoring a physiological signal | |
CN106821382A (zh) | 呼吸监测诊断系统、干扰过滤方法及诊断方法 | |
CN108042120A (zh) | 一种智能血压计的数据监测方法及系统 | |
WO2018146672A1 (en) | Method and system for analyzing neural and muscle activity in a subject's head for the detection of mastication | |
CN110353641A (zh) | 生命体征监测方法及系统 | |
CN106913335B (zh) | 一种呼吸暂停检测系统 | |
CN111477315A (zh) | 一种针对新型冠状病毒肺炎的远程体征监测预警系统 | |
CN116759102B (zh) | 一种基于心脏康复数据的分析管理系统 | |
CN112107293B (zh) | 基于睡眠时呼吸参数的打鼾监测系统 | |
CN212186482U (zh) | 一种受试者呼吸量实时感知测量装置及其智能调控技术装备 | |
CN211834368U (zh) | 一种运动员疲劳度检测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |