CN108521461B - 基于边缘计算的健康监测方法、装置、设备及存储介质 - Google Patents
基于边缘计算的健康监测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN108521461B CN108521461B CN201810301873.4A CN201810301873A CN108521461B CN 108521461 B CN108521461 B CN 108521461B CN 201810301873 A CN201810301873 A CN 201810301873A CN 108521461 B CN108521461 B CN 108521461B
- Authority
- CN
- China
- Prior art keywords
- data
- edge
- edge node
- auxiliary data
- cloud server
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/02—Details
- H04L12/16—Arrangements for providing special services to substations
- H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/02—Details
- H04L12/16—Arrangements for providing special services to substations
- H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
- H04L12/1881—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast with schedule organisation, e.g. priority, sequence management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/02—Details
- H04L12/16—Arrangements for providing special services to substations
- H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
- H04L12/1859—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast adapted to provide push services, e.g. data channels
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种基于边缘计算的健康监测方法:检测用户的身体指标的第一数据;当确定所述身体指标的第一数据正常时,将所述身体指标的第一数据发送至与边缘节点相通信的云服务器;当确定所述身体指标的第一数据异常时,发送请求所述身体指标的目标时间段内的辅助数据的请求广播;基于所述请求广播的响应指令,获取所述辅助数据;基于所述辅助数据及所述第一数据,利用指标风险等级分析模型确定所述身体指标的级别,将所述身体指标的级别发送至所述云服务器。本发明还提供一种基于边缘计算的健康监测装置、电子设备及存储介质。本发明能实现边缘节点之间的数据共享,减少云服务器的计算负担,提高数据处理的实时性。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于边缘计算的健康监测方法、装置、设备及存储介质。
背景技术
医疗设备应用将会越来越广泛,而现有的医疗设备只具备数据记录功能而不具备实时分析功能。而且每个医疗设备都是独立的个体,无法实现医疗设备之间的数据通信。虽然基于物联网医疗的云架构能将多个医疗设备之间进行关联,但目前的云计算大多采用集中式管理的方法,这使云服务创造出较高的经济效益,而在万物互联的背景下,应用服务需要低延时、高可靠性以及数据安全,而传统云计算在对身体状态监测上无法满足这些需求。
发明内容
鉴于以上内容,有必要提供一种基于边缘计算的健康监测方法、装置、设备及存储介质,能减少云服务器的计算负担,降低了原有云计算模型下的数据中心的中转时间,提高数据处理的实时性。
一种基于边缘计算的健康监测方法,所述方法包括:
检测用户的身体指标的第一数据;
当确定所述身体指标的第一数据正常时,将所述身体指标的第一数据发送至与边缘节点相通信的云服务器;
当确定所述身体指标的第一数据异常时,发送请求所述身体指标的目标时间段内的辅助数据的请求广播;
基于所述请求广播的响应指令,获取所述辅助数据;
基于所述辅助数据及所述第一数据,利用指标风险等级分析模型确定所述身体指标的级别,将所述身体指标的级别发送至所述云服务器。
根据本发明优选实施例,所述发送请求所述辅助数据的请求广播包括以下一种或者多种的组合:
向所述云服务器发送所述请求广播以使所述云服务器从存储的监测记录中查找所述辅助数据;
向所述云服务器发送所述请求广播以使所述云服务器查找存储所述辅助数据的目标边缘节点;
基于存储的各个边缘节点对应的身体指标,查找与所述辅助数据匹配的边缘节点,并基于所述匹配的边缘节点的通信地址,发送请求广播以使所述匹配的边缘节点查找所述辅助数据;
基于存储的各个边缘节点的位置信息,获取所述边缘节点的目标区域内的边缘节点,再基于目标区域内的边缘节点对应的身体指标,在所述目标区域内的边缘节点中筛选与所述辅助数据对应的边缘节点,并基于所述筛选的边缘节点的通信地址,发送请求广播以使所述筛选的边缘节点查找所述辅助数据。
根据本发明优选实施例,所述基于所述请求广播的响应指令,获取所述辅助数据包括以下一种或者多种的组合:
当所述响应指令中包括所述云服务器查找的所述辅助数据时,从所述响应指令中获取所述辅助数据;
当所述响应指令中包括所述云服务器发送的包含所述辅助数据的目标边缘节点时,获取所述目标边缘节点的通信地址,向所述目标边缘节点发送请求信息以使所述目标边缘节点发送所述辅助数据,当所述目标边缘节点对所述请求信息验证通过后,接收所述目标边缘节点发送的所述辅助数据;
当所述匹配的边缘节点发送的响应指令中包括所述辅助数据时,从所述响应指令中获取所述辅助数据;
当所述筛选的边缘节点发送的响应指令中包括所述辅助数据时,从所述响应指令中获取所述辅助数据。
根据本发明优选实施例,所述方法还包括:
当所有边缘节点没有所述辅助数据时,输出包含健康风险提示的提示信息以使用户跟踪检查。
根据本发明优选实施例,所述云服务器获取用户在至少一个边缘节点中每个边缘节点对应的身体指标的级别;
所述云服务器基于每个边缘节点对应的身体指标的级别,利用健康状态等级分析模型确定用户的健康状态级别。
根据本发明优选实施例于,所述云服务器获取每个边缘节点对多个用户的身体指标的监测数据,当所述云服务器监测到一项身体指标异常的用户数超过数量阈值时,输出警示信息以采用防控措施。
根据本发明优选实施例,各个边缘节点与云服务器在地理位置上是分布式的。
一种基于边缘计算的健康监测装置,所述装置包括:
检测模块,用于检测用户的身体指标的第一数据;
当确定所述身体指标的第一数据正常时,发送模块,用于将所述身体指标的第一数据发送至与边缘节点相通信的云服务器;
当确定所述身体指标的第一数据异常时,所述发送模块还用于发送请求所述身体指标的目标时间段内的辅助数据的请求广播;
获取模块,用于基于所述请求广播的响应指令,获取所述辅助数据;
确定模块,用于基于所述辅助数据及所述第一数据,利用指标风险等级分析模型确定所述身体指标的级别,将所述身体指标的级别发送至所述云服务器。
一种电子设备,所述电子设备包括存储器及处理器,所述存储器用于存储至少一个指令,所述处理器用于执行所述至少一个指令以实现任意实施例中所述基于边缘计算的健康监测方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现任意实施例中所述基于边缘计算的健康监测方法。
由以上技术方案可知,本发明检测用户的身体指标的第一数据;当确定所述身体指标的第一数据正常时,将所述身体指标的第一数据发送至与边缘节点相通信的云服务器;当确定所述身体指标的第一数据异常时,发送请求所述身体指标的目标时间段内的辅助数据的请求广播;基于所述请求广播的响应指令,获取所述辅助数据;基于所述辅助数据及所述第一数据,利用指标风险等级分析模型确定所述身体指标的级别,将所述身体指标的级别发送至所述云服务器。本发明能实现边缘节点之间的数据共享,减少云服务器的计算负担,降低了原有云计算模型下的数据中心的中转时间,提高数据处理的实时性。
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,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1是实现本发明的基于边缘计算的健康监测方法的较佳实施例的应用环境图。
图2是本发明基于边缘计算的健康监测方法的第一较佳实施例的流程图。
图3是本发明基于边缘计算的健康监测方法的第二较佳实施例的流程图。
图4是本发明基于边缘计算的健康监测装置的较佳实施例的程序模块图。
图5是本发明至少一个实例中基于边缘计算的健康监测设备的较佳实施例的结构示意图。
具体实施方式
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,所描述的实施例仅仅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。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象,而非用于描述特定顺序。此外,术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示,图1是实现本发明的基于边缘计算的健康监测方法的较佳实施例的应用环境图。所述应用环境图包括云服务器及多个边缘节点。每个边缘节点对应一个医疗设备,由于每个医疗设备的用途可能相同或者不同,因此,每个边缘节点测量的身体指标种类的种类相同或者不同。每个边缘节点与所述云服务器相通信,且每个边缘节点具有边缘计算能力。每个边缘节点能对用户的身体进行监测,并基于监测的指标数据进行边缘计算,确定指标数据的类别(例如,正常类别、轻度类别、中度类别等等),将所述指标数据类别发送至所述云服务器。
其中每个边缘节点与所述云服务器通过网络相通信,所处的网络包括,但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
结合以下实施例详述利用电子设备实现基于边缘计算的健康监测方法。
如图2所示,是本发明基于边缘计算的健康监测方法的第一较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
S20、所述边缘节点检测用户的身体指标的第一数据。
在本发明的可选实施例中,一个边缘节点对应一个医疗设备,医疗设备包括,但不限于:穿戴式医疗设备、医院检测医疗设备。所述穿戴式医疗设备是在用户身体部位随身穿戴的监测仪器,例如,所述边缘节点对应一个智能腕带,所述智能腕带上布置有一些小型的电极,可透过皮肤传导微弱电流,然后测量汗腺受刺激情况。所述医院检测医疗设备包括,但不限于各类获取用户身体指标数据的仪器。例如,化验设备、感测设备等等。本发明对医疗设备不做任何限制。
由于每个边缘节点对应的一个医疗设备,医疗设备的用途可能是不同的,当医疗设备不同时,检测的身体指标也不同。例如,血压计测量血压、心电监护仪测量心率数据。其中每个身体指标的第一数据包括多项数据。例如血压计测量的第一数据中包括最高血压、最低血压、稳定血压等等。
S21、所述边缘节点判断所述身体指标的第一数据是否正常。
在本发明的可选实施例中,每个医疗设备测量的身体指标的每项数据都配置有正常值范围。例如血压计测量的第一数据中包括最高血压、最低血压、稳定血压等等。最高血压范围为100至120单位、最低血压范围为50-70个单位等等。
优选地,当所述身体指标的第一数据中各项数据有一项数据不在所述一项数据对应的正常值范围内时,确定所述身体指标的第一数据异常,则需要进一步确定所述身体指标异常的原因,从而进一步判断身体指标的类别,即执行S23。
当所述身体指标的第一数据中各项数据都在各项数据对应的正常值范围内时,确定所述身体指标的第一数据正常,即执行S22。
S22、当确定所述身体指标的第一数据正常时,所述边缘节点将所述身体指标的第一数据发送至与所述边缘节点相通信的云服务器。
优选地,所述云服务器存储每个边缘节点的通信地址、每个边缘节点测量的身体指标。所述通信地址包括,但不限于:IP地址等等。利用边缘节点的通信地址,从而实现两个边缘节点的边缘连接,边缘协同,边缘节点之间的数据共享。
优选地,所述云服务器还存储每个用户在边缘节点处的监测记录,所述监测记录包括,但不限于:监测的第一数据,监测的身体指标的级别等等。
S23、当确定所述身体指标的第一数据异常时,所述边缘节点发送请求所述身体指标的目标时间段内的辅助数据的请求广播。
优选地,所述目标时间段表示当前时间以前的某一时间段内,如前一周,前三天等等。
优选地,所述请求广播包括,但不限于:所述辅助数据的标识、所述辅助数据对应的用户标识等等。所述辅助数据的标识包括,但不限于:所述辅助数据的名称(如血常规五项等等)等等用于标识所述辅助数据的其他表现形式。所述辅助数据对应的用户标识用于标识用户的身份信息,例如,用户的名字、用户的身份证、用户的社保卡号等等。例如,当利用血压即测量出用户的需呀偏高时,为了进一步诊断用户的病情,需要了解血脂的粘稠情况,则可以请求与血脂指标相关的数据。若用户在目标时间段内检测过血脂指标,则可以通过所述请求广播的方式获取所述血脂指标,这样可以实现资源的整合和共享,从而避免用户再次重复检查等等。同时参考多种数据,也能为用户提供准确的医疗诊断。
进一步的,为了保证用户数据的隐私性,对所述请求广播进行加密传送。
优选地,所述边缘节点发送请求所述辅助数据的请求广播包括,但不限于以下一种或者多种的组合:
(1)所述边缘节点向所述云服务器发送所述请求广播以使所述云服务器从存储的监测记录中查找所述辅助数据。
(2)所述边缘节点向所述云服务器发送所述请求广播以使所述云服务器查找存储所述辅助数据的目标边缘节点。
(3)所述边缘节点基于存储的各个边缘节点对应的身体指标,查找与所述辅助数据匹配的边缘节点,并基于所述匹配的边缘节点的通信地址,发送请求广播以使所述匹配的边缘节点查找所述辅助数据。由于每个边缘节点也可以保存每个边缘节点对应的身体指标及每个边缘节点的通信地址,每个边缘节点也保存各自监测的记录,因此,所述边缘节点可以直接向所述匹配的边缘节点发送请求广播,这种方式从而减少云中心的存储压力,及增加各个边缘节点的数据共享。
例如,云服务器与三个边缘节点相通信,边缘节点A、边缘节点B、边缘节点C。若边缘节点A需要所述辅助数据,且所述边缘节点C有所述辅助数据,则所述边缘节点A可以直接向所述边缘节点C请求所述辅助数据。
(4)所述边缘节点基于存储的各个边缘节点的位置信息,获取所述边缘节点的目标区域内的边缘节点,再基于目标区域内的边缘节点对应的身体指标,在所述目标区域内的边缘节点中筛选与所述辅助数据对应的边缘节点,并基于所述筛选的边缘节点的通信地址,发送请求广播以使所述筛选的边缘节点查找所述辅助数据。这样在一定区域内查找需要的边缘节点,可以减少搜索时间,提高实时性的监测。
例如,云服务器与三个边缘节点相通信,边缘节点A、边缘节点B、边缘节点C,其中边缘节点A与边缘节点C在同一区域范围内。若边缘节点A需要所述辅助数据,则所述边缘节点A向所述边缘节点C请求所述辅助数据。
S24,所述边缘节点基于所述请求广播的响应指令,获取所述辅助数据。
优选地,基于所述请求广播的响应指令,获取所述辅助数据包括,但不限于以下一种或者多种的组合:
(1)当所述响应指令中包括所述云服务器查找的所述辅助数据时,从所述响应指令中获取所述辅助数据。
(2)当所述响应指令中包括所述云服务器发送的包含所述辅助数据的目标边缘节点时,获取所述目标边缘节点的通信地址,向所述目标边缘节点发送请求信息以使所述目标边缘节点发送所述辅助数据,当所述目标边缘节点对所述请求信息验证通过后,接收所述目标边缘节点发送的所述辅助数据。
(3)当所述匹配的边缘节点发送的响应指令中包括所述辅助数据时,从所述响应指令中获取所述辅助数据。
(4)当所述筛选的边缘节点发送的响应指令中包括所述辅助数据时,从所述响应指令中获取所述辅助数据。
进一步地,当所有边缘节点没有所述辅助数据时,输出包含健康风险提示的提示信息以使用户跟踪检查。
在上述实施例,云服务器连接多个边缘节点,多个边缘节点之间在地理上是分布的,但具有各自的物理位置和网络结构。而且边缘节点之间能实现类似于点对点的边缘连接方式,从而实现数据的共享,也保证边缘节点上的边缘计算的实时性。
S25、基于所述辅助数据及所述第一数据,所述边缘节点利用指标风险等级分析模型确定所述身体指标的级别。
优选地,指标风险等级分析模型包括,但不限于:支持向量机(Support VectorMachine,SVM)模型。
进一步地,利用所述身体指标对应的训练样本,训练所述指标风险等级分析模型,训练过程如下:
配置所述身体指标的不同级别的训练样本数据,将不同级别的训练样本数据分发到不同的文件夹里。例如,一级风险等级的训练样本数据的分发到第一文件夹里;二级风险等级的训练样本数据分发到第二文件夹里;三级风险等级的训练样本数据分发到第三文件夹里;四级风险等级的训练样本数据分发到第四文件夹里。从不同文件夹下各提取第一预设比例,例如,70%的训练样本数据作为训练数据进行支持向量机(SVM)模型的训练,从不同文件夹下各取剩下的第二预设比例,例如,30%的训练样本数据作为测试数据以对生成的SVM模型进行准确性验证。
若生成的SVM模型准确率小于预设准确率,例如,99%,则增加所述身体指标的不同级别的训练样本数据的获取数量,重复上述SVM模型的生成过程,直到生成的SVM模型准确率大于等于预设准确率,例如,99%。
S26,所述边缘节点将所述身体指标的级别发送至所述云服务器。进一步地,每个边缘节点将监测的身体指标的第一数据及监测的身体指标的级别发送至所述云服务器以使所述云服务器进行综合各项指标综合评估用户的健康状态。
通过上述实施例,每个边缘节点对应一个医疗设备,每个边缘节点测量的身体指标种类的种类相同或者不同。每个边缘节点与所述云服务器相通信,且每个边缘节点具有边缘计算能力。每个边缘节点能对用户的身体进行监测,并基于监测的指标数据进行边缘计算,确定指标数据的类别(例如,正常类别、轻度类别、中度类别等等),将所述指标数据类别发送至所述云服务器,并且边缘节点之间还能实现数据共享,减少云服务器的计算负担,降低了原有云计算模型下的数据中心的中转时间,提高数据处理的实时性。
如图3所示,是本发明基于边缘计算的健康监测方法的第二较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
S30至S36分别与第一较佳实施例中的S20至S26对应,在此不再详述。
S37、所述云服务器获取用户在至少一个边缘节点中每个边缘节点对应的身体指标的级别。
在发明的可选实施例中,每个边缘节点在地理位置上是分布的,一个用户可以在多个边缘节点处进行各项身体指标的检查,例如在A医院化验血常规,B医院做B超检查等等。每个边缘节点对用户的监测数据发送至所述云服务器。
例如,所述云服务器包括,但不限于:用户指定医院的服务器、保险机构的服务器等等。
S38、所述云服务器基于每个边缘节点对应的身体指标的级别,利用健康状态等级分析模型确定用户的健康状态级别。
优选地,健康状态等级分析模型包括,但不限于:支持向量机(SupportVectorMachine,SVM)模型。
进一步地,利用各个健康状态级别下的各个身体指标的样本数据,训练所述健康状态等级分析,训练过程如下:
配置各个健康状态级别下的各个身体指标的样本数据,将不同健康状态级别的样本数据分发到不同的文件夹里。例如,一级健康状态等级的样本数据的分发到第一文件夹里;二级健康状态等级的样本数据分发到第二文件夹里;三级健康状态等级的样本数据分发到第三文件夹里;四级健康状态等级的样本数据分发到第四文件夹里。从不同文件夹下各提取第一预设比例,例如,70%的样本数据作为训练数据进行支持向量机(SVM)模型的训练,从不同文件夹下各取剩下的第二预设比例,例如,30%的样本数据作为测试数据以对生成的SVM模型进行准确性验证。
若生成的SVM模型准确率小于预设准确率,例如,99%,则增加各个健康状态级别下的各个身体指标的样本数据的获取数量,重复上述SVM模型的生成过程,直到生成的SVM模型准确率大于等于预设准确率,例如,99%。
优选地,所述云服务器获取每个边缘节点对多个用户的身体指标的监测数据,当所述云服务器监测到一项身体指标异常的用户数超过数量阈值时,输出警示信息以采用防控措施。例如,所述云服务器监测到流感指标的用户数在一段时间内暴增,说明流感爆发,需要采取防控措施。
通过上述实施例,每个边缘节点对应一个医疗设备,每个边缘节点测量的身体指标种类的种类相同或者不同。每个边缘节点与所述云服务器相通信,且每个边缘节点具有边缘计算能力。每个边缘节点能对用户的身体进行监测,并基于监测的指标数据进行边缘计算,确定指标数据的类别(例如,正常类别、轻度类别、中度类别等等),将所述指标数据类别发送至所述云服务器,并且边缘节点之间还能实现数据共享,减少云服务器的计算负担,降低了原有云计算模型下的数据中心的中转时间,提高数据处理的实时性。
如图4所示,本发明基于边缘计算的健康监测装置的第一较佳实施例的程序模块图。所述基于边缘计算的健康监测装置4包括,但不限于以下一个或者多个模块:检测模块40、判断模块41、发送模块42、获取模块43、确定模块44及训练模块45。本发明所称的模块是指一种能够被基于边缘计算的健康监测装置4的处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。关于各模块的功能将在后续的实施例中详述。
所述检测模块40检测用户的身体指标的第一数据。
在本发明的可选实施例中,一个边缘节点对应一个医疗设备,医疗设备包括,但不限于:穿戴式医疗设备、医院检测医疗设备。所述穿戴式医疗设备是在用户身体部位随身穿戴的监测仪器,例如,所述边缘节点对应一个智能腕带,所述智能腕带上布置有一些小型的电极,可透过皮肤传导微弱电流,然后测量汗腺受刺激情况。所述医院检测医疗设备包括,但不限于各类获取用户身体指标数据的仪器。例如,化验设备、感测设备等等。本发明对医疗设备不做任何限制。
由于每个边缘节点对应的一个医疗设备,医疗设备的用途可能是不同的,当医疗设备不同时,检测的身体指标也不同。例如,血压计测量血压、心电监护仪测量心率数据。其中每个身体指标的第一数据包括多项数据。例如血压计测量的第一数据中包括最高血压、最低血压、稳定血压等等。
所述判断模块41判断所述身体指标的第一数据是否正常。每个医疗设备测量的身体指标的每项数据都配置有正常值范围。例如血压计测量的第一数据中包括最高血压、最低血压、稳定血压等等。最高血压范围为100至120单位、最低血压范围为50-70个单位等等。
优选地,当所述身体指标的第一数据中各项数据有一项数据不在所述一项数据对应的正常值范围内时,所述判断模块41确定所述身体指标的第一数据异常,则需要进一步确定所述身体指标异常的原因,从而进一步判断身体指标的类别。
当所述身体指标的第一数据中各项数据都在各项数据对应的正常值范围内时,所述判断模块41确定所述身体指标的第一数据正常。
当确定所述身体指标的第一数据正常时,所述发送模块42将所述身体指标的第一数据发送至与所述边缘节点相通信的云服务器。
优选地,所述云服务器存储每个边缘节点的通信地址、每个边缘节点测量的身体指标。所述通信地址包括,但不限于:IP地址等等。利用边缘节点的通信地址,从而实现两个边缘节点的边缘连接,边缘协同,边缘节点之间的数据共享。
优选地,所述云服务器还存储每个用户在边缘节点处的监测记录,所述监测记录包括,但不限于:监测的第一数据,监测的身体指标的级别等等。
当确定所述身体指标的第一数据异常时,所述发送模块42发送请求所述身体指标的目标时间段内的辅助数据的请求广播。
优选地,所述目标时间段表示当前时间以前的某一时间段内,如前一周,前三天等等。
优选地,所述请求广播包括,但不限于:所述辅助数据的标识、所述辅助数据对应的用户标识等等。所述辅助数据的标识包括,但不限于:所述辅助数据的名称(如血常规五项等等)等等用于标识所述辅助数据的其他表现形式。所述辅助数据对应的用户标识用于标识用户的身份信息,例如,用户的名字、用户的身份证、用户的社保卡号等等。例如,当利用血压即测量出用户的需呀偏高时,为了进一步诊断用户的病情,需要了解血脂的粘稠情况,则可以请求与血脂指标相关的数据。若用户在目标时间段内检测过血脂指标,则可以通过所述请求广播的方式获取所述血脂指标,这样可以实现资源的整合和共享,从而避免用户再次重复检查等等。同时参考多种数据,也能为用户提供准确的医疗诊断。
进一步的,为了保证用户数据的隐私性,对所述请求广播进行加密传送。
优选地,所述发送模块42发送请求所述辅助数据的请求广播包括,但不限于以下一种或者多种的组合:
(1)向所述云服务器发送所述请求广播以使所述云服务器从存储的监测记录中查找所述辅助数据。
(2)向所述云服务器发送所述请求广播以使所述云服务器查找存储所述辅助数据的目标边缘节点。
(3)基于存储的各个边缘节点对应的身体指标,查找与所述辅助数据匹配的边缘节点,并基于所述匹配的边缘节点的通信地址,发送请求广播以使所述匹配的边缘节点查找所述辅助数据。由于每个边缘节点也可以保存每个边缘节点对应的身体指标及每个边缘节点的通信地址,每个边缘节点也保存各自监测的记录,因此,所述边缘节点可以直接向所述匹配的边缘节点发送请求广播,这种方式从而减少云中心的存储压力,及增加各个边缘节点的数据共享。
例如,云服务器与三个边缘节点相通信,边缘节点A、边缘节点B、边缘节点C。若边缘节点A需要所述辅助数据,且所述边缘节点C有所述辅助数据,则所述边缘节点A可以直接向所述边缘节点C请求所述辅助数据。
(4)基于存储的各个边缘节点的位置信息,获取所述边缘节点的目标区域内的边缘节点,再基于目标区域内的边缘节点对应的身体指标,在所述目标区域内的边缘节点中筛选与所述辅助数据对应的边缘节点,并基于所述筛选的边缘节点的通信地址,发送请求广播以使所述筛选的边缘节点查找所述辅助数据。这样在一定区域内查找需要的边缘节点,可以减少搜索时间,提高实时性的监测。
例如,云服务器与三个边缘节点相通信,边缘节点A、边缘节点B、边缘节点C,其中边缘节点A与边缘节点C在同一区域范围内。若边缘节点A需要所述辅助数据,则所述边缘节点A向所述边缘节点C请求所述辅助数据。
所述获取模块43基于所述请求广播的响应指令,获取所述辅助数据。
优选地,所述获取模块43基于所述请求广播的响应指令,获取所述辅助数据包括,但不限于以下一种或者多种的组合:
(1)当所述响应指令中包括所述云服务器查找的所述辅助数据时,从所述响应指令中获取所述辅助数据。
(2)当所述响应指令中包括所述云服务器发送的包含所述辅助数据的目标边缘节点时,获取所述目标边缘节点的通信地址,向所述目标边缘节点发送请求信息以使所述目标边缘节点发送所述辅助数据,当所述目标边缘节点对所述请求信息验证通过后,接收所述目标边缘节点发送的所述辅助数据。
(3)当所述匹配的边缘节点发送的响应指令中包括所述辅助数据时,从所述响应指令中获取所述辅助数据。
(4)当所述筛选的边缘节点发送的响应指令中包括所述辅助数据时,从所述响应指令中获取所述辅助数据。
进一步地,当所有边缘节点没有所述辅助数据时,输出包含健康风险提示的提示信息以使用户跟踪检查。
在上述实施例,云服务器连接多个边缘节点,多个边缘节点之间在地理上是分布的,但具有各自的物理位置和网络结构。而且边缘节点之间能实现类似于点对点的边缘连接方式,从而实现数据的共享,也保证边缘节点上的边缘计算的实时性。
基于所述辅助数据及所述第一数据,所述确定模块44利用指标风险等级分析模型确定所述身体指标的级别。
优选地,指标风险等级分析模型包括,但不限于:支持向量机(Support VectorMachine,SVM)模型。
进一步地,训练模块45利用所述身体指标对应的训练样本,训练所述指标风险等级分析模型,训练过程如下:
配置所述身体指标的不同级别的训练样本数据,将不同级别的训练样本数据分发到不同的文件夹里。例如,一级风险等级的训练样本数据的分发到第一文件夹里;二级风险等级的训练样本数据分发到第二文件夹里;三级风险等级的训练样本数据分发到第三文件夹里;四级风险等级的训练样本数据分发到第四文件夹里。从不同文件夹下各提取第一预设比例,例如,70%的训练样本数据作为训练数据进行支持向量机(SVM)模型的训练,从不同文件夹下各取剩下的第二预设比例,例如,30%的训练样本数据作为测试数据以对生成的SVM模型进行准确性验证。
若生成的SVM模型准确率小于预设准确率,例如,99%,则增加所述身体指标的不同级别的训练样本数据的获取数量,重复上述SVM模型的生成过程,直到生成的SVM模型准确率大于等于预设准确率,例如,99%。
所述发送模块42将所述身体指标的级别发送至所述云服务器。进一步地,每个边缘节点将监测的身体指标的第一数据及监测的身体指标的级别发送至所述云服务器以使所述云服务器进行综合各项指标综合评估用户的健康状态。
通过上述实施例,每个边缘节点对应一个医疗设备,每个边缘节点测量的身体指标种类的种类相同或者不同。每个边缘节点与所述云服务器相通信,且每个边缘节点具有边缘计算能力。每个边缘节点能对用户的身体进行监测,并基于监测的指标数据进行边缘计算,确定指标数据的类别(例如,正常类别、轻度类别、中度类别等等),将所述指标数据类别发送至所述云服务器,并且边缘节点之间还能实现数据共享,减少云服务器的计算负担,降低了原有云计算模型下的数据中心的中转时间,提高数据处理的实时性。
在可选实施例中,所述基于边缘计算的健康监测装置4还包括位于云服务器中的一个或者多个模块:数据获取模块46、级别确定模块47、模型训练模块48。
所述数据获取模块46获取用户在至少一个边缘节点中每个边缘节点对应的身体指标的级别。
在发明的可选实施例中,每个边缘节点在地理位置上是分布的,一个用户可以在多个边缘节点处进行各项身体指标的检查,例如在A医院化验血常规,B医院做B超检查等等。每个边缘节点对用户的监测数据发送至所述云服务器。
例如,所述云服务器包括,但不限于:用户指定医院的服务器、保险机构的服务器等等。
所述级别确定模块47基于每个边缘节点对应的身体指标的级别,利用健康状态等级分析模型确定用户的健康状态级别。
优选地,健康状态等级分析模型包括,但不限于:支持向量机(Support VectorMachine,SVM)模型。
进一步地,模型训练模块48利用各个健康状态级别下的各个身体指标的样本数据,训练所述健康状态等级分析,训练过程如下:
配置各个健康状态级别下的各个身体指标的样本数据,将不同健康状态级别的样本数据分发到不同的文件夹里。例如,一级健康状态等级的样本数据的分发到第一文件夹里;二级健康状态等级的样本数据分发到第二文件夹里;三级健康状态等级的样本数据分发到第三文件夹里;四级健康状态等级的样本数据分发到第四文件夹里。从不同文件夹下各提取第一预设比例,例如,70%的样本数据作为训练数据进行支持向量机(SVM)模型的训练,从不同文件夹下各取剩下的第二预设比例,例如,30%的样本数据作为测试数据以对生成的SVM模型进行准确性验证。
若生成的SVM模型准确率小于预设准确率,例如,99%,则增加各个健康状态级别下的各个身体指标的样本数据的获取数量,重复上述SVM模型的生成过程,直到生成的SVM模型准确率大于等于预设准确率,例如,99%。
优选地,所述数据获取模块46获取每个边缘节点对多个用户的身体指标的监测数据,当所述云服务器监测到一项身体指标异常的用户数超过数量阈值时,输出警示信息以采用防控措施。例如,所述云服务器监测到流感指标的用户数在一段时间内暴增,说明流感爆发,需要采取防控措施。
通过上述实施例,每个边缘节点对应一个医疗设备,每个边缘节点测量的身体指标种类的种类相同或者不同。每个边缘节点与所述云服务器相通信,且每个边缘节点具有边缘计算能力。每个边缘节点能对用户的身体进行监测,并基于监测的指标数据进行边缘计算,确定指标数据的类别(例如,正常类别、轻度类别、中度类别等等),将所述指标数据类别发送至所述云服务器,并且边缘节点之间还能实现数据共享,减少云服务器的计算负担,降低了原有云计算模型下的数据中心的中转时间,提高数据处理的实时性。
上述以软件程序模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件程序模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明每个实施例所述方法的部分步骤。
如图5所示,电子设备5包括至少一个发送装置51、至少一个存储器52、至少一个处理器53、至少一个接收装置54以及至少一个通信总线。其中,所述通信总线用于实现这些组件之间的连接通信。所述电子设备5对应一个边缘节点,并与云服务器相通信。
所述电子设备5是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。电子设备5还可包括网络设备和/或用户设备。其中,所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量主机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。
所述电子设备5可以是,但不限于任何一种可与用户通过键盘、触摸板或声控设备等方式进行人机交互的电子产品,例如,平板电脑、智能手机、个人数字助理(PersonalDigital Assistant,PDA)、智能式穿戴式设备、摄像设备、监控设备等终端。
所述电子设备5及所述云服务器所处的网络包括,但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
其中,所述接收装置54和所述发送装置51可以是有线发送端口,也可以为无线设备,例如包括天线装置,用于与其他设备进行数据通信。
所述存储器52、用于存储程序代码。所述存储器52可以是集成电路中没有实物形式的具有存储功能的电路,如RAM(Random-Access Memory,随机存取存储器)、FIFO(FirstIn First Out,)等。或者,所述存储器52也可以是具有实物形式的存储器,如内存条、TF卡(Trans-flash Card)、智能媒体卡(smart media card)、安全数字卡(secure digitalcard)、快闪存储器卡(flash card)等储存设备等等。
所述处理器53可以包括一个或者多个微处理器、数字处理器。所述处理器可调用所述存储器中存储的程序代码以执行相关的功能,所述处理器可调用所述存储器中存储的程序代码以执行相关的功能。例如,图3中所述的各个模块是存储在所述存储器中的程序代码,并由所述处理器所执行,以实现一种基于边缘计算的健康监测方法。所述处理器53又称中央处理器(CPU,Central Processing Unit),是一块超大规模的集成电路,是运算核心(Core)和控制核心(Control Unit)。
在其他实施例中,所述处理器53可调用所述存储器52中存储的程序代码以执行相关的功能。例如,图3中所述的各个模块是存储在所述存储器52中的程序代码,并由所述处理器53所执行,以实现一种基于边缘计算的健康监测方法。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机指令,所述指令当被包括一个或多个处理器的基于边缘计算的健康监测设备执行时,使基于边缘计算的健康监测设备执行如上文方法实施例所述的基于边缘计算的健康监测方法。
优选地,结合图2及图3所示,所述存储器存储多个指令以实现一种基于边缘计算的健康监测方法,所述处理器可执行所述多个指令从而实现:检测用户的身体指标的第一数据;当确定所述身体指标的第一数据正常时,将所述身体指标的第一数据发送至与边缘节点相通信的云服务器;当确定所述身体指标的第一数据异常时,发送请求所述身体指标的目标时间段内的辅助数据的请求广播;基于所述请求广播的响应指令,获取所述辅助数据;基于所述辅助数据及所述第一数据,利用指标风险等级分析模型确定所述身体指标的级别,将所述身体指标的级别发送至所述云服务器。
以上说明的本发明的特征性的手段可以通过集成电路来实现,并控制实现上述任意实施例中所述基于边缘计算的健康监测方法的功能。即,本发明的集成电路安装于电子设备中,使电子设备发挥如下功能:检测用户的身体指标的第一数据;当确定所述身体指标的第一数据正常时,将所述身体指标的第一数据发送至与边缘节点相通信的云服务器;当确定所述身体指标的第一数据异常时,发送请求所述身体指标的目标时间段内的辅助数据的请求广播;基于所述请求广播的响应指令,获取所述辅助数据;基于所述辅助数据及所述第一数据,利用指标风险等级分析模型确定所述身体指标的级别,将所述身体指标的级别发送至所述云服务器。
在任意实施例中所述基于边缘计算的健康监测方法所能实现的功能都能通过本发明的集成电路安装于电子设备中,使电子设备发挥任意实施例中所述基于边缘计算的健康监测方法所能实现的功能,在此不再详述。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明的各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,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 (7)
1.一种基于边缘计算的健康监测方法,应用于边缘节点中,其特征在于,所述方法包括:
检测用户的身体指标的第一数据;
当确定所述身体指标的第一数据正常时,将所述身体指标的第一数据发送至与边缘节点相通信的云服务器,使得所述云服务器存储所述边缘节点的通信地址及所述身体指标,从而实现所述边缘节点与其他边缘节点之间的数据共享;
当确定所述身体指标的第一数据异常时,向所述云服务器发送请求所述身体指标的目标时间段内的辅助数据的请求广播,使得所述云服务器查找存储所述辅助数据的目标边缘节点,所述请求广播包括:所述辅助数据的标识、所述辅助数据对应的用户标识;接收所述云服务器发送的所述请求广播的响应指令,当所述响应指令中包括所述辅助数据的目标边缘节点时,获取所述目标边缘节点的通信地址,向所述目标边缘节点发送请求信息以使所述目标边缘节点发送所述辅助数据,当所述目标边缘节点对所述请求信息验证通过后,接收所述目标边缘节点发送的所述辅助数据;或者
当确定所述身体指标的第一数据异常时,基于存储的各个边缘节点的位置信息,获取所述边缘节点的目标区域内的边缘节点,再基于目标区域内的边缘节点对应的身体指标,在所述目标区域内的边缘节点中筛选与所述辅助数据对应的边缘节点,并基于所述筛选的边缘节点的通信地址,发送请求广播以使所述筛选的边缘节点查找所述辅助数据,获取所述筛选的边缘节点发送的响应指令中包括的所述辅助数据;或者
当确定所述身体指标的第一数据异常时,基于存储的各个边缘节点对应的身体指标,查找与所述辅助数据匹配的边缘节点,并基于所述匹配的边缘节点的通信地址,发送请求广播以使所述匹配的边缘节点查找所述辅助数据,获取所述匹配的边缘节点发送的响应指令中包括的所述辅助数据;
基于所述辅助数据及所述第一数据,利用指标风险等级分析模型确定所述身体指标的级别;
将所述身体指标的第一数据及所述身体指标的级别发送至所述云服务器,使得所述云服务器利用健康状态等级分析模型确定用户的健康状态级别。
2.如权利要求1所述的基于边缘计算的健康监测方法,其特征在于,所述方法还包括:
当所有边缘节点没有所述辅助数据时,输出包含健康风险提示的提示信息以使用户跟踪检查。
3.如权利要求1所述的基于边缘计算的健康监测方法,其特征在于,所述云服务器获取每个边缘节点对多个用户的身体指标的监测数据,当所述云服务器监测到一项身体指标异常的用户数超过数量阈值时,输出警示信息以采用防控措施。
4.如权利要求1所述的基于边缘计算的健康监测方法,其特征在于,所述边缘节点与所述云服务器及所述其他边缘节点在地理位置上是分布式的。
5.一种基于边缘计算的健康监测装置,运行于边缘节点中,其特征在于,所述装置包括:
检测模块,用于检测用户的身体指标的第一数据;
当确定所述身体指标的第一数据正常时,发送模块,用于将所述身体指标的第一数据发送至与边缘节点相通信的云服务器,使得所述云服务器存储所述边缘节点的通信地址及所述身体指标,从而实现所述边缘节点与其他边缘节点之间的数据共享;
当确定所述身体指标的第一数据异常时,所述发送模块还用于向所述云服务器发送请求所述身体指标的目标时间段内的辅助数据的请求广播,使得所述云服务器查找存储所述辅助数据的目标边缘节点,所述请求广播包括:所述辅助数据的标识、所述辅助数据对应的用户标识;或者,基于存储的各个边缘节点的位置信息,获取所述边缘节点的目标区域内的边缘节点,再基于目标区域内的边缘节点对应的身体指标,在所述目标区域内的边缘节点中筛选与所述辅助数据对应的边缘节点,并基于所述筛选的边缘节点的通信地址,发送请求广播以使所述筛选的边缘节点查找所述辅助数据;或者,基于存储的各个边缘节点对应的身体指标,查找与所述辅助数据匹配的边缘节点,并基于所述匹配的边缘节点的通信地址,发送请求广播以使所述匹配的边缘节点查找所述辅助数据;
获取模块,用于接收所述云服务器发送的所述请求广播的响应指令,当所述响应指令中包括所述辅助数据的目标边缘节点时,获取所述目标边缘节点的通信地址,向所述目标边缘节点发送请求信息以使所述目标边缘节点发送所述辅助数据,当所述目标边缘节点对所述请求信息验证通过后,接收所述目标边缘节点发送的所述辅助数据;或者,获取所述筛选的边缘节点发送的响应指令中包括的所述辅助数据;或者,获取所述匹配的边缘节点发送的响应指令中包括的所述辅助数据;
确定模块,用于基于所述辅助数据及所述第一数据,利用指标风险等级分析模型确定所述身体指标的级别,将所述第一数据及所述身体指标的级别发送至所述云服务器,使得所述云服务器利用健康状态等级分析模型确定用户的健康状态级别。
6.一种电子设备,其特征在于,所述电子设备包括存储器及处理器,所述存储器用于存储至少一个指令,所述处理器用于执行所述至少一个指令以实现如权利要求1至4中任一项所述基于边缘计算的健康监测方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现如权利要求1至4中任一项所述基于边缘计算的健康监测方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810301873.4A CN108521461B (zh) | 2018-04-04 | 2018-04-04 | 基于边缘计算的健康监测方法、装置、设备及存储介质 |
PCT/CN2018/100147 WO2019192118A1 (zh) | 2018-04-04 | 2018-08-13 | 基于边缘计算的健康监测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810301873.4A CN108521461B (zh) | 2018-04-04 | 2018-04-04 | 基于边缘计算的健康监测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108521461A CN108521461A (zh) | 2018-09-11 |
CN108521461B true CN108521461B (zh) | 2020-12-01 |
Family
ID=63432161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810301873.4A Active CN108521461B (zh) | 2018-04-04 | 2018-04-04 | 基于边缘计算的健康监测方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108521461B (zh) |
WO (1) | WO2019192118A1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109542457B (zh) * | 2018-11-21 | 2022-02-01 | 四川长虹电器股份有限公司 | 一种边缘计算网络的分布式应用分发部署的系统及方法 |
CN110251098A (zh) * | 2019-06-28 | 2019-09-20 | 深圳尚一互联技术有限公司 | 一种基于ble4.0的检测生猪健康状态的方法及系统 |
CN110867105B (zh) * | 2019-10-23 | 2020-12-04 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算的家庭学习监督方法和系统 |
CN111212023A (zh) * | 2019-10-30 | 2020-05-29 | 浙江中控自动化仪表有限公司 | 一种基于边缘计算网关的远程站间数据通讯方法 |
CN111212264B (zh) * | 2019-12-27 | 2021-08-17 | 中移(杭州)信息技术有限公司 | 基于边缘计算的图像处理方法、装置、及存储介质 |
CN113132176B (zh) * | 2019-12-31 | 2024-02-02 | 华为云计算技术有限公司 | 一种控制边缘节点的方法、节点及边缘计算系统 |
CN113314203A (zh) * | 2020-02-27 | 2021-08-27 | 中移(成都)信息通信科技有限公司 | 医疗影像数据存储系统、方法、装置、设备及介质 |
CN111818173B (zh) * | 2020-07-21 | 2023-06-09 | 郑州大学 | 基于主动大数据感知的用药提醒系统与方法 |
CN112133423A (zh) * | 2020-08-28 | 2020-12-25 | 北京世纪互联宽带数据中心有限公司 | 基于边缘计算的医疗数据处理方法、装置及网络设备 |
CN112233816A (zh) * | 2020-10-27 | 2021-01-15 | 贵州精准医疗电子有限公司 | 健康监测方法、装置及计算机可读介质 |
CN114895701B (zh) * | 2022-04-18 | 2023-04-25 | 深圳织算科技有限公司 | 一种无人机巡检方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1713849A (zh) * | 2001-08-13 | 2005-12-28 | 诺沃挪第克公司 | 用于医疗数据信息的通信的便携式医疗设备和方法 |
CN105631186A (zh) * | 2014-11-07 | 2016-06-01 | 中国移动通信集团公司 | 一种体征数据管理方法、装置和系统 |
CN107133486A (zh) * | 2017-06-07 | 2017-09-05 | 佛山市凡卡家具有限公司 | 一种基于健康监测智能枕头的辅助医疗云管理系统 |
CN107615396A (zh) * | 2015-03-30 | 2018-01-19 | 卓尔医疗公司 | 设备管理中的临床数据传递以及数据共享 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090204427A1 (en) * | 2004-12-27 | 2009-08-13 | Anuthep Benja-Athon | Adaptable compositions of health information |
TWI615798B (zh) * | 2013-12-17 | 2018-02-21 | 動聯國際股份有限公司 | 基於物聯網的健康照護系統 |
CN105581774A (zh) * | 2014-10-22 | 2016-05-18 | 长天科技股份有限公司 | 遵循蓝牙低功耗通信协议的生理信息监测系统 |
-
2018
- 2018-04-04 CN CN201810301873.4A patent/CN108521461B/zh active Active
- 2018-08-13 WO PCT/CN2018/100147 patent/WO2019192118A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1713849A (zh) * | 2001-08-13 | 2005-12-28 | 诺沃挪第克公司 | 用于医疗数据信息的通信的便携式医疗设备和方法 |
CN105631186A (zh) * | 2014-11-07 | 2016-06-01 | 中国移动通信集团公司 | 一种体征数据管理方法、装置和系统 |
CN107615396A (zh) * | 2015-03-30 | 2018-01-19 | 卓尔医疗公司 | 设备管理中的临床数据传递以及数据共享 |
CN107133486A (zh) * | 2017-06-07 | 2017-09-05 | 佛山市凡卡家具有限公司 | 一种基于健康监测智能枕头的辅助医疗云管理系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2019192118A1 (zh) | 2019-10-10 |
CN108521461A (zh) | 2018-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108521461B (zh) | 基于边缘计算的健康监测方法、装置、设备及存储介质 | |
KR102028667B1 (ko) | 진료정보 관리 및 제공 방법, 서버 및 프로그램 | |
CA2402425C (en) | Health analysis and forecast of abnormal conditions | |
US20190290214A1 (en) | Health Management Mobile Terminal, Method, and Server | |
CN109524069B (zh) | 医疗数据处理方法、装置、电子设备和存储介质 | |
CN107273652A (zh) | 智能脑卒中风险监控系统 | |
JP6494775B2 (ja) | 弾性検出装置のデータ解析処理方法及び弾性検出装置 | |
JP2010117757A (ja) | 性能監視システムおよび性能監視方法 | |
US20150296023A1 (en) | Biological information collecting and delivering system | |
GB2596960A (en) | A platform for evaluating medical information and method for using the same | |
CN108766589A (zh) | 一种远程医疗监护方法和装置 | |
CN113990482A (zh) | 健康数据处理系统及方法 | |
CN110675942A (zh) | 医学影像图像诊断分配方法、装置、终端及存储介质 | |
Adamson et al. | Hemodynamic factors associated with acute decompensated heart failure: part 2—use in automated detection | |
CN108173866A (zh) | 胸痛中心认证数据的集成方法、装置、设备及存储介质 | |
CN113436738A (zh) | 管理风险用户的方法、装置、设备及存储介质 | |
CN113870983A (zh) | 社康转诊方法、装置、计算机设备和存储介质 | |
CN112233816A (zh) | 健康监测方法、装置及计算机可读介质 | |
CN112331283A (zh) | 健康监测方法、装置及计算机可读介质 | |
Misra et al. | i-avr: Iot-based ambulatory vitals monitoring and recommender system | |
CN113409926A (zh) | 一种智能随访系统 | |
CN112397185A (zh) | 一种急救系统和数据处理方法 | |
CN113990514A (zh) | 医师诊疗行为的异常检测装置、计算机设备及存储介质 | |
CN108831554B (zh) | 医疗信息处理方法及装置 | |
Piedrahita-Gonzalez et al. | IOT system for self-diagnosis of heart diseases using mathematical evaluation of cardiac dynamics based on probability theory |
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 |