CN108742566A - 一种基于大数据的心血管疾病风险控制方法 - Google Patents

一种基于大数据的心血管疾病风险控制方法 Download PDF

Info

Publication number
CN108742566A
CN108742566A CN201810338679.3A CN201810338679A CN108742566A CN 108742566 A CN108742566 A CN 108742566A CN 201810338679 A CN201810338679 A CN 201810338679A CN 108742566 A CN108742566 A CN 108742566A
Authority
CN
China
Prior art keywords
module
data
subject
arterial pressure
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.)
Withdrawn
Application number
CN201810338679.3A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jing Da Law Industry Intellectual Property Agency Co Ltd
Original Assignee
Beijing Jing Da Law Industry Intellectual Property Agency Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jing Da Law Industry Intellectual Property Agency Co Ltd filed Critical Beijing Jing Da Law Industry Intellectual Property Agency Co Ltd
Priority to CN201810338679.3A priority Critical patent/CN108742566A/zh
Publication of CN108742566A publication Critical patent/CN108742566A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0285—Measuring or recording phase velocity of blood waves

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Hematology (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Vascular Medicine (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明属于医疗技术领域，公开了一种基于大数据的心血管疾病风险控制方法，所述基于大数据的心血管疾病风险控制方法系统包括：心率检测模块、血压检测模块、血流速度检测模块、单片机控制模块、云服务模块、参数计算模块、预警模块、数据存储模块、显示模块、实时分析模块、预测模型模块、数据管理模块、分析结果报告模块。本发明通过云服务模块可以大大提高心血管疾病风险数据分析计算速度，提高检测效率；同时通过参数计算模块提供受试者的动脉压波形数据并分析动脉压波形数据，从而确定受试者是否正在经历非正常状态。通过多元统计模型被应用于动脉压波形数据，从而确定受试者的心血管参数。

Description

一种基于大数据的心血管疾病风险控制方法
技术领域
本发明属于医疗技术领域，尤其涉及一种基于大数据的心血管疾病风险控制方法。
背景技术
心脏是一个中空的肌性器官，位于胸腔的中部，由一间隔分为左右两个腔室，每个腔室又分为位于上部的心房和下部的心室两部分。心房收集入心血液，心室射血出心。心室的进口和出口都有瓣膜，保证血液单向流动。人体在不同的生理状况下，各器官组织的代谢水平不同，对血流量的需要也不同。心血管活动能在机体的神经和体液调解下，改变心排血量和外周阻力，协调各器官组织之间的血流分配，以满足各器官组织对血流量的需要。然而，现有心血管疾病风险控制分析数据速度慢，影响检测效率；同时不能准确的确定心血管的信息参数。
综上所述，现有技术存在的问题是：现有心血管疾病风险控制分析数据速度慢，影响检测效率；同时不能准确的确定心血管的信息参数。
发明内容
针对现有技术存在的问题，本发明提供了一种基于大数据的心血管疾病风险控制方法。
本发明是这样实现的，一种基于大数据的心血管疾病风险控制系统包括：
心率检测模块、血压检测模块、血流速度检测模块、单片机控制模块、云服务模块、参数计算模块、预警模块、数据存储模块、显示模块、实时分析模块、预测模型模块、数据管理模块、分析结果报告模块；
心率检测模块，与单片机控制模块连接，用于检测患者的心率数据信息；
血压检测模块，与单片机控制模块连接，用于检测患者的血压数据信息；
血流速度检测模块，与单片机控制模块连接，用于检测患者的血流速度数据信息；
单片机控制模块，与心率检测模块、血压检测模块、血流速度检测模块、云服务模块、参数计算模块、预测模型模块、实时分析模块、数据存储模块、分析结果报告模块连接，用于控制调度各个模块正常工作；预警模块与预测模型模块连接；数据管理模块与数据存储模块连接；分析结果报告模块与显示模块连接；
云服务模块，与单片机控制模块连接，用于通过云服务器集中大数据计算资源对检测数据进行处理；
所述云服务模块所有参与协作且对源节点发送的信息能正确译码的中继节点，测量自身与目的节点间链路的瞬时信道增益，根据测量结果进行协作中继选择，并由被选择的中继协作转发源节点发送的数据包；
1)所有参与协作且对源节点发送信息成功解码的中继节点Rm，根据其与目的节点D链路的瞬时信道增益gm,D进行协作中继选择，从中选出最优中继R'作为协作中继进行数据转发，m∈{1,...,M}，M为参与协作且成功解码的中继节点的总数；
2)被选出的最优中继R'将源节点S发送的数据重新编码后，将编码后的数据包以额定功率PR发送给目的节点D；
3)目的节点D在收到最优中继R'发送的信号后，将对该信号进行解码；
选出最优中继R'作为协作中继的方法如下：
1.1)所有参与协作且成功解码的中继Rm将本地时钟初始时间设定为其中为中继节点到目的节点的平均链路增益，t0为单位倒计时时间；
1.2)所有参与协作且成功解码的中继节点Rm同时从各自的初始时间tm向0进行倒计时；
1.3)率先完成倒计时的中继节点R'向其他中继广播中继选择完成的信令，其中中继节点R'与源节点S处瞬时信道增益记为hS,R'，R'与目的节点D处瞬时信道增益记为gR',D；
1.4)其它进行倒计时的中继节点收到R'发送的信令后全部停止倒计时，协作中继R'准备转发信号；
实时分析模块，实时分析病人的数据；
预测模型模块，根据数据模型和数据建立病人的病情模型；
数据管理模块，对存储模块的数据进行管理；
分析结果报告模块，将数据分析的结果制成报告以备输出；
参数计算模块，与单片机控制模块连接，用于计算受试者的心血管参数；
所述参数计算模块监控开启的虚拟机队列的物理资源的平均利用率物理资源为CPU、内存和带宽；其中，N表示集中式基带处理池中处于使用状态的虚拟机数目，ω表示每种资源的权重，其中，rcpu,j、rmem,j、rbwd,j分别表示虚拟机j在 CPU、内存和带宽上的资源利用率，rth,cpu、rth,mem、rth,bwd分别表示虚拟机所能承受的不同资源利用率的标准上限，ωcpu＝rth,cpu-rcpu,j，ωmem＝rth,mem-rmem,j，ωbwd＝rth,bwd-rbwd,j，当开启的虚拟机队列的平均利用率低于所设定的预阈值时，使用智能优化方法更新虚拟机的分配方式，使剩余的物理资源可以接收更多的任务请求，若开启的虚拟机队列的平均利用率高于所设定的阈值，则添加新的虚拟机进入虚拟机队列以增加物理资源量；
预警模块，与单片机控制模块连接，用于对检测的异常数据进行及时警示医疗人员及患者；
所述预警模块在具有N个专家参与系统评估的场景中，根据所述 N个专家形成的系统的总的指标集合为N'＝{Ni,i＝1,...,N}，求解公共的关键指标类型和相应指标的权重，其中精炼后的指标类型记作 N0，则其中表示N个专家给出的指标类型Ni,i＝1,...,N 的交集；精炼后的关键指标的权重向量采用平均法计算，即其中表示第j个被加入到精炼后指标集合N0中的指标元素的权重；
数据存储模块，与单片机控制模块连接，用于存储检测的数据信息；
所述数据存储模块的多址接入的方法包括：
根据系统信息在功率域划分出多个满足正交条件的功率段；接收一个及多个用户上报的状态信息；根据状态信息，为一个及多个用户的多路传送信号分配一个及多个功率段；根据功率段的宽度值调整匹配信号的发送功率；对调整功率后的多路信号进行加和，产生多路信号的叠加信号；其中，功率段的宽度值为多路传送信号所需的发送功率值；多路传送信号包括：一个用户所需传输的一路及多路信号，和多个用户所需传输的多路信号；多路信号中每路信号所需功率段个数的获得包括：通过利用每个用户的状态信息，在无功分复用假设下计算满足每路信号传输速率要求的发送功率；用发送功率的计算结果除以已划分频率段中最窄功率段的宽度值获得功率比值；通过对功率比值去小数位求整再加1获得所述每路信号所需要的功率段的个数；
显示模块，与单片机控制模块连接，用于显示检测的数据信息。
本发明的另一目的在于提供一种基于大数据的心血管疾病风险控制方法包括以下步骤：
步骤一，通过心率检测模块、血压检测模块、血流速度检测模块检测患者的心血管数据信息；
步骤二，通过单片机控制模块将检测数据发送给云服务模块运用大数据计算资源对检测数据进行处理，实时分析模块，实时分析病人的数据预测模型模块，根据数据模型和数据建立病人的病情模型；
步骤三，通过参数计算模块计算受试者的心血管参数；并通过预警模块对检测的异常数据进行及时警示医疗人员及患者；
步骤四，分析结果报告模块，将数据分析的结果制成报告以备输出，通过数据存储模块存储检测的数据信息；并通过显示模块显示检测的数据信息。
进一步，所述参数计算模块计算方法如下：
首先，提供来自受试者的动脉压波形数据；
然后，分析所述动脉压波形数据，从而确定所述受试者是否正在经历非正常状态；
最后，如果所述受试者被确定为正在经历所述非正常状态，那么将第二多元统计模型应用于所述动脉压波形数据，从而确定所述受试者的心血管参数；如果所述受试者未被确定为在经历所述非正常状态，那么将第三多元统计模型应用于所述动脉压波形数据，从而确定所述受试者的心血管参数。
进一步，所述受试者是否正在经历非正常状态包含将第一多元统计模型应用于所述动脉压波形数据，从而确定所述受试者是否正在经历所述非正常状态，所述第一多元统计模型是根据来自正在经历所述非正常状态的第一组测试受试者的第一组动脉压波形数据和来自未在经历所述非正常状态的第二组测试受试者的第二组动脉压波形数据来建立的，所述第一多元统计模型提供对应于所述第一组动脉压波形数据的动脉压波形第一值和所述第二组动脉压波形数据的动脉压波形第二值的输出值，其中如果所述输出值大于所述第一值和第二值之间的阈值时，那么所述受试者被确定为正在经历所述非正常状态。
本发明的优点及积极效果为：本发明通过云服务模块可以大大提高心血管疾病风险数据分析计算速度，提高检测效率；同时通过参数计算模块提供受试者的动脉压波形数据并分析动脉压波形数据，从而确定受试者是否正在经历非正常状态。如果受试者被确定为正在经历非正常状态，那么多元统计模型被应用于动脉压波形数据，从而确定受试者的心血管参数。例如利用正在经历非正常状态的受试者的数据可以形成该多元统计模型。如果受试者未被确定为是非正常状态的 (即，受试者正在经历与非正常状态相对的正常状态)，那么多元统计模型被应用于动脉压波形数据，从而确定受试者的心血管参数。
附图说明
图1是本发明实施提供的基于大数据的心血管疾病风险控制方法流程图。
图2是本发明实施提供的基于大数据的心血管疾病风险控制系统结构框图。
图3是本发明实施提供的基于大数据的心血管疾病风险控制系统心率检测模块结构框图。
图中：1、心率检测模块；2、血压检测模块；3、血流速度检测模块；4、单片机控制模块；5、云服务模块；6、参数计算模块；7、预警模块；8、数据存储模块；9、显示模块；10、实时分析模块；11、预测模型模块；12、数据管理模块；13、分析结果报告模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示，本发明提供的一种基于大数据的心血管疾病风险控制方法包括以下步骤：
步骤S101，通过心率检测模块、血压检测模块、血流速度检测模块检测患者的心血管数据信息；
步骤S102，通过单片机控制模块将检测数据发送给云服务模块运用大数据计算资源对检测数据进行处理；
步骤S103，通过参数计算模块计算受试者的心血管参数；并通过预警模块对检测的异常数据进行及时警示医疗人员及患者；
步骤S104，通过数据存储模块存储检测的数据信息；并通过显示模块显示检测的数据信息。
如图2所示，本发明提供的基于大数据的心血管疾病风险控制包括：心率检测模块1、血压检测模块2、血流速度检测模块3、单片机控制模块4、云服务模块5、参数计算模块6、预警模块7、数据存储模块8、显示模块9、实时分析模块10、预测模型模块11、数据管理模块12、分析结果报告模块13。
心率检测模块1，与单片机控制模块4连接，用于检测患者的心率数据信息；
血压检测模块2，与单片机控制模块4连接，用于检测患者的血压数据信息；
血流速度检测模块3，与单片机控制模块4连接，用于检测患者的血流速度数据信息；
单片机控制模块4，与心率检测模块1、血压检测模块2、血流速度检测模块3、云服务模块5、参数计算模块6、预警模块7、数据存储模块8、显示模块9、实时分析模块10、预测模型模块11、数据管理模块12、分析结果报告模块13连接，用于控制调度各个模块正常工作；
云服务模块5，与单片机控制模块4连接，用于通过云服务器集中大数据计算资源对检测数据进行处理；
参数计算模块6，与单片机控制模块4连接，用于计算受试者的心血管参数；
预警模块7，与单片机控制模块4连接，用于对检测的异常数据进行及时警示医疗人员及患者；
数据存储模块8，与单片机控制模块4连接，用于存储检测的数据信息；
实时分析模块10，实时分析病人的数据；
预测模型模块11，根据数据模型和数据建立病人的病情模型；
数据管理模块12，对存储模块的数据进行管理；
分析结果报告模块13，将数据分析的结果制成报告以备输出；
显示模块9，与单片机控制模块4连接，用于显示检测的数据信息。
所述云服务模块所有参与协作且对源节点发送的信息能正确译码的中继节点，测量自身与目的节点间链路的瞬时信道增益，根据测量结果进行协作中继选择，并由被选择的中继协作转发源节点发送的数据包；
1)所有参与协作且对源节点发送信息成功解码的中继节点Rm，根据其与目的节点D链路的瞬时信道增益gm,D进行协作中继选择，从中选出最优中继R'作为协作中继进行数据转发，m∈{1,...,M}，M为参与协作且成功解码的中继节点的总数；
2)被选出的最优中继R'将源节点S发送的数据重新编码后，将编码后的数据包以额定功率PR发送给目的节点D；
3)目的节点D在收到最优中继R'发送的信号后，将对该信号进行解码；
选出最优中继R'作为协作中继的方法如下：
1.1)所有参与协作且成功解码的中继Rm将本地时钟初始时间设定为其中为中继节点到目的节点的平均链路增益，t0为单位倒计时时间；
1.2)所有参与协作且成功解码的中继节点Rm同时从各自的初始时间tm向0进行倒计时；
1.3)率先完成倒计时的中继节点R'向其他中继广播中继选择完成的信令，其中中继节点R'与源节点S处瞬时信道增益记为hS,R'，R'与目的节点D处瞬时信道增益记为gR',D；
1.4)其它进行倒计时的中继节点收到R'发送的信令后全部停止倒计时，协作中继R'准备转发信号；
所述参数计算模块监控开启的虚拟机队列的物理资源的平均利用率物理资源为CPU、内存和带宽；其中，N表示集中式基带处理池中处于使用状态的虚拟机数目，ω表示每种资源的权重，其中，rcpu,j、rmem,j、rbwd,j分别表示虚拟机j在 CPU、内存和带宽上的资源利用率，rth,cpu、rth,mem、rth,bwd分别表示虚拟机所能承受的不同资源利用率的标准上限，ωcpu＝rth,cpu-rcpu,j，ωmem＝rth,mem-rmem,j，ωbwd＝rth,bwd-rbwd,j，当开启的虚拟机队列的平均利用率低于所设定的预阈值时，使用智能优化方法更新虚拟机的分配方式，使剩余的物理资源可以接收更多的任务请求，若开启的虚拟机队列的平均利用率高于所设定的阈值，则添加新的虚拟机进入虚拟机队列以增加物理资源量；
所述预警模块在具有N个专家参与系统评估的场景中，根据所述 N个专家形成的系统的总的指标集合为N'＝{Ni,i＝1,...,N}，求解公共的关键指标类型和相应指标的权重，其中精炼后的指标类型记作 N0，则其中表示N个专家给出的指标类型Ni,i＝1,...,N 的交集；精炼后的关键指标的权重向量采用平均法计算，即其中表示第j个被加入到精炼后指标集合N0中的指标元素的权重；
所述数据存储模块的多址接入的方法包括：
根据系统信息在功率域划分出多个满足正交条件的功率段；接收一个及多个用户上报的状态信息；根据状态信息，为一个及多个用户的多路传送信号分配一个及多个功率段；根据功率段的宽度值调整匹配信号的发送功率；对调整功率后的多路信号进行加和，产生多路信号的叠加信号；其中，功率段的宽度值为多路传送信号所需的发送功率值；多路传送信号包括：一个用户所需传输的一路及多路信号，和多个用户所需传输的多路信号；多路信号中每路信号所需功率段个数的获得包括：通过利用每个用户的状态信息，在无功分复用假设下计算满足每路信号传输速率要求的发送功率；用发送功率的计算结果除以已划分频率段中最窄功率段的宽度值获得功率比值；通过对功率比值去小数位求整再加1获得所述每路信号所需要的功率段的个数。
本发明提供的参数计算模块6计算方法如下：
首先，提供来自受试者的动脉压波形数据；
然后，分析所述动脉压波形数据，从而确定所述受试者是否正在经历非正常状态；
最后，如果所述受试者被确定为正在经历所述非正常状态，那么将第二多元统计模型应用于所述动脉压波形数据，从而确定所述受试者的心血管参数；如果所述受试者未被确定为在经历所述非正常状态，那么将第三多元统计模型应用于所述动脉压波形数据，从而确定所述受试者的心血管参数。
本发明提供的受试者是否正在经历非正常状态包含将第一多元统计模型应用于所述动脉压波形数据，从而确定所述受试者是否正在经历所述非正常状态，所述第一多元统计模型是根据来自正在经历所述非正常状态的第一组测试受试者的第一组动脉压波形数据和来自未在经历所述非正常状态的第二组测试受试者的第二组动脉压波形数据来建立的，所述第一多元统计模型提供对应于所述第一组动脉压波形数据的动脉压波形第一值和所述第二组动脉压波形数据的动脉压波形第二值的输出值，其中如果所述输出值大于所述第一值和第二值之间的阈值时，那么所述受试者被确定为正在经历所述非正常状态。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于大数据的心血管疾病风险控制系统，其特征在于，所述基于大数据的心血管疾病风险控制系统包括：
心率检测模块、血压检测模块、血流速度检测模块、单片机控制模块、云服务模块、参数计算模块、预警模块、数据存储模块、显示模块、实时分析模块、预测模型模块、数据管理模块、分析结果报告模块；
心率检测模块，与单片机控制模块连接，用于检测患者的心率数据信息；
血压检测模块，与单片机控制模块连接，用于检测患者的血压数据信息；
血流速度检测模块，与单片机控制模块连接，用于检测患者的血流速度数据信息；
单片机控制模块，与心率检测模块、血压检测模块、血流速度检测模块、云服务模块、参数计算模块、预测模型模块、实时分析模块、数据存储模块、分析结果报告模块连接，用于控制调度各个模块正常工作；预警模块与预测模型模块连接；数据管理模块与数据存储模块连接；分析结果报告模块与显示模块连接；
云服务模块，与单片机控制模块连接，用于通过云服务器集中大数据计算资源对检测数据进行处理；
所述云服务模块所有参与协作且对源节点发送的信息能正确译码的中继节点，测量自身与目的节点间链路的瞬时信道增益，根据测量结果进行协作中继选择，并由被选择的中继协作转发源节点发送的数据包；
1)所有参与协作且对源节点发送信息成功解码的中继节点Rm，根据其与目的节点D链路的瞬时信道增益gm,D进行协作中继选择，从中选出最优中继R'作为协作中继进行数据转发，m∈{1,...,M}，M为参与协作且成功解码的中继节点的总数；
2)被选出的最优中继R'将源节点S发送的数据重新编码后，将编码后的数据包以额定功率PR发送给目的节点D；
3)目的节点D在收到最优中继R'发送的信号后，将对该信号进行解码；
选出最优中继R'作为协作中继的方法如下：
1.1)所有参与协作且成功解码的中继Rm将本地时钟初始时间设定为其中为中继节点到目的节点的平均链路增益，t0为单位倒计时时间；
1.2)所有参与协作且成功解码的中继节点Rm同时从各自的初始时间tm向0进行倒计时；
1.3)率先完成倒计时的中继节点R'向其他中继广播中继选择完成的信令，其中中继节点R'与源节点S处瞬时信道增益记为hS,R'，R'与目的节点D处瞬时信道增益记为gR',D；
1.4)其它进行倒计时的中继节点收到R'发送的信令后全部停止倒计时，协作中继R'准备转发信号；
实时分析模块，实时分析病人的数据；
预测模型模块，根据数据模型和数据建立病人的病情模型；
数据管理模块，对存储模块的数据进行管理；
分析结果报告模块，将数据分析的结果制成报告以备输出；
参数计算模块，与单片机控制模块连接，用于计算受试者的心血管参数；
所述参数计算模块监控开启的虚拟机队列的物理资源的平均利用率物理资源为CPU、内存和带宽；其中，N表示集中式基带处理池中处于使用状态的虚拟机数目，ω表示每种资源的权重，其中，rcpu,j、rmem,j、rbwd,j分别表示虚拟机j在CPU、内存和带宽上的资源利用率，rth,cpu、rth,mem、rth,bwd分别表示虚拟机所能承受的不同资源利用率的标准上限，ωcpu＝rth,cpu-rcpu,j，ωmem＝rth,mem-rmem,j，ωbwd＝rth,bwd-rbwd,j，当开启的虚拟机队列的平均利用率低于所设定的预阈值时，使用智能优化方法更新虚拟机的分配方式，使剩余的物理资源可以接收更多的任务请求，若开启的虚拟机队列的平均利用率高于所设定的阈值，则添加新的虚拟机进入虚拟机队列以增加物理资源量；
预警模块，与单片机控制模块连接，用于对检测的异常数据进行及时警示医疗人员及患者；
所述预警模块在具有N个专家参与系统评估的场景中，根据所述N个专家形成的系统的总的指标集合为N'＝{Ni,i＝1,...,N}，求解公共的关键指标类型和相应指标的权重，其中精炼后的指标类型记作N0，则其中表示N个专家给出的指标类型Ni,i＝1,...,N的交集；精炼后的关键指标的权重向量采用平均法计算，即其中表示第j个被加入到精炼后指标集合N0中的指标元素的权重；
数据存储模块，与单片机控制模块连接，用于存储检测的数据信息；
所述数据存储模块的多址接入的方法包括：
根据系统信息在功率域划分出多个满足正交条件的功率段；接收一个及多个用户上报的状态信息；根据状态信息，为一个及多个用户的多路传送信号分配一个及多个功率段；根据功率段的宽度值调整匹配信号的发送功率；对调整功率后的多路信号进行加和，产生多路信号的叠加信号；其中，功率段的宽度值为多路传送信号所需的发送功率值；多路传送信号包括：一个用户所需传输的一路及多路信号，和多个用户所需传输的多路信号；多路信号中每路信号所需功率段个数的获得包括：通过利用每个用户的状态信息，在无功分复用假设下计算满足每路信号传输速率要求的发送功率；用发送功率的计算结果除以已划分频率段中最窄功率段的宽度值获得功率比值；通过对功率比值去小数位求整再加1获得所述每路信号所需要的功率段的个数；
显示模块，与单片机控制模块连接，用于显示检测的数据信息。
2.一种如权利要求1所述基于大数据的心血管疾病风险控制系统的基于大数据的心血管疾病风险控制方法，其特征在于，所述基于大数据的心血管疾病风险控制方法包括以下步骤：
步骤一，通过心率检测模块、血压检测模块、血流速度检测模块检测患者的心血管数据信息；
步骤二，通过单片机控制模块将检测数据发送给云服务模块运用大数据计算资源对检测数据进行处理，实时分析模块，实时分析病人的数据预测模型模块，根据数据模型和数据建立病人的病情模型；
步骤三，通过参数计算模块计算受试者的心血管参数；并通过预警模块对检测的异常数据进行及时警示医疗人员及患者；
步骤四，分析结果报告模块，将数据分析的结果制成报告以备输出，通过数据存储模块存储检测的数据信息；并通过显示模块显示检测的数据信息。
3.如权利要求1所述的基于大数据的心血管疾病风险控制系统，其特征在于，所述参数计算模块计算方法如下：
首先，提供来自受试者的动脉压波形数据；
然后，分析所述动脉压波形数据，从而确定所述受试者是否正在经历非正常状态；
最后，如果所述受试者被确定为正在经历所述非正常状态，那么将第二多元统计模型应用于所述动脉压波形数据，从而确定所述受试者的心血管参数；如果所述受试者未被确定为在经历所述非正常状态，那么将第三多元统计模型应用于所述动脉压波形数据，从而确定所述受试者的心血管参数。
4.如权利要求2所述的基于大数据的心血管疾病风险控制方法，其特征在于，所述受试者是否正在经历非正常状态包含将第一多元统计模型应用于所述动脉压波形数据，从而确定所述受试者是否正在经历所述非正常状态，所述第一多元统计模型是根据来自正在经历所述非正常状态的第一组测试受试者的第一组动脉压波形数据和来自未在经历所述非正常状态的第二组测试受试者的第二组动脉压波形数据来建立的，所述第一多元统计模型提供对应于所述第一组动脉压波形数据的动脉压波形第一值和所述第二组动脉压波形数据的动脉压波形第二值的输出值，其中如果所述输出值大于所述第一值和第二值之间的阈值时，那么所述受试者被确定为正在经历所述非正常状态。
CN201810338679.3A 2018-04-16 2018-04-16 一种基于大数据的心血管疾病风险控制方法 Withdrawn CN108742566A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810338679.3A CN108742566A (zh) 2018-04-16 2018-04-16 一种基于大数据的心血管疾病风险控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810338679.3A CN108742566A (zh) 2018-04-16 2018-04-16 一种基于大数据的心血管疾病风险控制方法

Publications (1)

Publication Number Publication Date
CN108742566A true CN108742566A (zh) 2018-11-06

Family

ID=64010598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810338679.3A Withdrawn CN108742566A (zh) 2018-04-16 2018-04-16 一种基于大数据的心血管疾病风险控制方法

Country Status (1)

Country Link
CN (1) CN108742566A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109568047A (zh) * 2018-11-26 2019-04-05 焦建洪 一种心内科智能专用床、控制系统及控制方法
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
CN110200621A (zh) * 2019-06-06 2019-09-06 中山大学孙逸仙纪念医院 一种心血管事件预警分析方法
CN110364256A (zh) * 2019-06-21 2019-10-22 平安科技（深圳）有限公司 一种基于大数据的血管图像识别的疾病预测系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102387743A (zh) * 2009-02-09 2012-03-21 爱德华兹生命科学公司 计算心血管参数
CN103945548A (zh) * 2014-04-29 2014-07-23 西安电子科技大学 一种c-ran网络中的资源分配系统及任务/业务调度方法
CN104598739A (zh) * 2015-01-26 2015-05-06 西安电子科技大学 一种面向网络整体效能的指标体系构建方法
CN104661297A (zh) * 2015-02-15 2015-05-27 西安电子科技大学 多用户正交功分多址接入的方法和装置
CN105375955A (zh) * 2015-10-26 2016-03-02 西安电子科技大学 一种信能同传中继网络中的协作传输方法
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102387743A (zh) * 2009-02-09 2012-03-21 爱德华兹生命科学公司 计算心血管参数
CN103945548A (zh) * 2014-04-29 2014-07-23 西安电子科技大学 一种c-ran网络中的资源分配系统及任务/业务调度方法
CN104598739A (zh) * 2015-01-26 2015-05-06 西安电子科技大学 一种面向网络整体效能的指标体系构建方法
CN104661297A (zh) * 2015-02-15 2015-05-27 西安电子科技大学 多用户正交功分多址接入的方法和装置
CN105375955A (zh) * 2015-10-26 2016-03-02 西安电子科技大学 一种信能同传中继网络中的协作传输方法
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 (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109568047A (zh) * 2018-11-26 2019-04-05 焦建洪 一种心内科智能专用床、控制系统及控制方法
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
CN110200621A (zh) * 2019-06-06 2019-09-06 中山大学孙逸仙纪念医院 一种心血管事件预警分析方法
CN110364256A (zh) * 2019-06-21 2019-10-22 平安科技（深圳）有限公司 一种基于大数据的血管图像识别的疾病预测系统及方法

Similar Documents

Publication Publication Date Title
CN108742566A (zh) 一种基于大数据的心血管疾病风险控制方法
CN108064065A (zh) 一种基于无线传感器网络的远程水质监测系统
CN104921718A (zh) 健康监控与管理系统
CN106021941A (zh) 获取猝死风险预测人工神经网络权重值矩阵的方法
CN106073765A (zh) 一种微型动态心电监测设备上猝死风险预测的实现方法
CN107633883A (zh) 一种基于大数据分析的人体健康度评价方法
CN109712712A (zh) 一种健康评估方法、健康评估装置及计算机可读存储介质
CN110149161A (zh) 一种基于Stackelberg博弈的多任务协作频谱感知方法
CN105955710B (zh) 基于树形通讯结构的并行仿真数据处理方法
CN117909772A (zh) 一种体育器材运动数据监测系统
CN104933593A (zh) 一种基于Elo分级模型的积分激励系统及方法
CN107038347A (zh) 一种健康设备系统
CN106650206A (zh) 一种基于增量式神经网络模型的高血压预测方法和预测系统
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
CN113284608B (zh) 一种具有无线传输功能的健康监控系统
CN106295238A (zh) 一种基于增量式神经网络模型的高血压肾病预测方法和预测系统
CN109785965A (zh) 一种健康评估方法、健康评估装置及计算机可读存储介质
Rajagopalan Energy efficient routing algorithm for patient monitoring in body sensor networks
CN109994211A (zh) 一种基于ehr数据的慢性肾脏病恶化风险的建模方法
CN109064201A (zh) 一种基于rsvd的生猪价格数据多级填充方法
Zhao et al. [Retracted] The Design of the Exercise Load Monitoring System Based on Internet of Things
CN110477897B (zh) 一种体能测试方法及系统
Lu et al. [Retracted] Physiological Index Monitoring of Wearable Sports Training Based on a Wireless Sensor Network
CN106407693A (zh) 一种基于增量式神经网络模型的乙肝预测方法和预测系统
CN106407694A (zh) 一种基于增量式神经网络模型的神经衰弱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
WW01 Invention patent application withdrawn after publication

Application publication date: 20181106

WW01 Invention patent application withdrawn after publication